10、提升资产跟踪微定位精度的研究与实践

提升资产跟踪微定位精度的研究与实践

1. 研究背景与目标

在室内环境中，准确的微定位系统对于资产跟踪和用户定位至关重要。然而，现有的依赖接收信号强度指示（RSSI）信号的微定位系统存在信号不稳定的问题。本研究旨在创建一个使用蓝牙低功耗（BLE）信标的室内微定位系统，能够在2米范围内准确地定位用户或资产，同时实现高效的实时跟踪。

2. 机器学习算法选择

决策森林和多类决策丛林是提升微定位精度的潜在候选算法。决策森林配置简单，而多类决策丛林由决策有向无环图的集合组成，能进行集成特征选择和分类，并且在存在噪声特征时具有较强的鲁棒性。由于RSSI信号不稳定且固有噪声大，多类决策丛林是改善微定位精度的良好选择。目前，这些机器学习算法尚未应用于微定位问题，这也为研究提供了方向。

3. 研究方法

3.1 实验设置

实验在约163平方米的大房间中进行。使用网格布置15个信标，信标间距约2米，悬挂在离天花板1米处（离地面约2.75米）。房间内放置了电视、显示器、笔记本电脑等设备，模拟典型的办公室环境。实验过程中持续监测信标的电池电量，以确保信号稳定。

3.2 微定位方法

• 区域法（Zone Method） ：将每个信标定义为房间内的一个独立3D区域。通过以下步骤实现定位：
  1. 收集所有区域信标的数据。
  2. 对每个信标应用卡尔曼滤波器，平滑原始RSSI信号。
  3. 根据卡尔曼滤波后的RSSI信号对信标进行排序。
  4. 选择离用户/资产最近的区