本發(fā)明屬于通信技術(shù)領(lǐng)域，特別涉及一種藍(lán)牙室內(nèi)定位方法，可用于商場、養(yǎng)老院、智慧社區(qū)及消防場所。

背景技術(shù)：

隨著物聯(lián)網(wǎng)社會(huì)的迅速發(fā)展，傳感智能設(shè)備以其低功耗、自組織、布局方便等優(yōu)點(diǎn)越來越被廣泛應(yīng)用于智慧社會(huì)中，并且室內(nèi)定位已成為物聯(lián)網(wǎng)社會(huì)的重要支撐領(lǐng)域，而基于藍(lán)牙iBeacon的室內(nèi)定位技術(shù)以其獨(dú)特的優(yōu)越性將成為室內(nèi)定位的熱點(diǎn)之一。

目前基于藍(lán)牙的室內(nèi)定位算法主要有基于信號(hào)傳輸時(shí)間的算法TOA、基于信號(hào)傳輸時(shí)間差的算法TDOA、基于信號(hào)到達(dá)角度的算法AOA、基于接收信號(hào)強(qiáng)度值RSSI的算法和單質(zhì)心算法，其中：

TOA算法，由于室內(nèi)環(huán)境空間相對(duì)狹小，信號(hào)的傳播受到障礙物的干擾會(huì)帶來傳播時(shí)間的時(shí)延，并且會(huì)產(chǎn)生時(shí)延的疊加，同時(shí)此算法要求定位節(jié)點(diǎn)和參考節(jié)點(diǎn)之間的時(shí)鐘精準(zhǔn)同步，對(duì)硬件的要求很高，系統(tǒng)的復(fù)雜性和成本的投入較大，導(dǎo)致實(shí)用性較低。

TDOA算法，是TOA算法的改進(jìn)，此算法不是直接利用信號(hào)到達(dá)參考節(jié)點(diǎn)的絕對(duì)時(shí)間，而是利用信號(hào)到達(dá)兩個(gè)參考節(jié)點(diǎn)的時(shí)間差來確定定位節(jié)點(diǎn)的位置，因此不需要參考節(jié)點(diǎn)和定位節(jié)點(diǎn)之間的時(shí)鐘精準(zhǔn)同步，只需要參考節(jié)點(diǎn)之間的時(shí)鐘同步即可，該算法雖然降低了時(shí)鐘同步的要求，但是精度較低。

AOA算法，此算法需要在節(jié)點(diǎn)上安裝天線矩陣來獲得角度信息，但是由于大部分節(jié)點(diǎn)的天線都是全向的，無法區(qū)分信號(hào)來自于哪個(gè)方向，并且在藍(lán)牙節(jié)點(diǎn)上安裝天線需要特殊的硬件設(shè)備，如天線陣列，導(dǎo)致藍(lán)牙節(jié)點(diǎn)在耗能、尺寸以及價(jià)格上都要超過普通的傳感節(jié)點(diǎn)，與無線智能設(shè)備低成本和低功耗的特性相違背，所以實(shí)用性較差。

RSSI算法，該算法是通過獲取接收信號(hào)強(qiáng)度值RSSI和距離之間的關(guān)系，得到距離和RSSI之間的模型，從而進(jìn)行室內(nèi)定位。但是由于室內(nèi)環(huán)境下無線電信號(hào)自由衰減效應(yīng)、信號(hào)吸收效應(yīng)、非視距傳播效應(yīng)、多徑效應(yīng)、陰影效應(yīng)造成了藍(lán)牙信號(hào)的RSSI值隨著距離的變化在做著劇烈變動(dòng)，導(dǎo)致傳統(tǒng)的基于接收信號(hào)強(qiáng)度值RSSI的定位算法存在的誤差范圍較大。但由于其對(duì)時(shí)鐘處理的要求低，低成本，復(fù)雜度低，所以一般的室內(nèi)定位算法都是基于RSSI展開。

單質(zhì)心算法，是通過定位節(jié)點(diǎn)接收所有在其通信范圍內(nèi)的參考節(jié)點(diǎn)的信息，并將參考節(jié)點(diǎn)的幾何質(zhì)心作為自己的估計(jì)位置來定位，但是質(zhì)心個(gè)數(shù)單一，離待定位節(jié)點(diǎn)較遠(yuǎn)處的參考節(jié)點(diǎn)的影響度較小，不能重點(diǎn)突出離待定位節(jié)點(diǎn)較遠(yuǎn)處的參考節(jié)點(diǎn)的貢獻(xiàn)度大小，帶來的誤差較大，沒有進(jìn)一步提升定位精度。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于針對(duì)以上現(xiàn)有技術(shù)的不足，提出一種基于RSSI修正值雙重定位的藍(lán)牙室內(nèi)定位方法，以提高藍(lán)牙iBeacon的室內(nèi)定位精度。

為達(dá)到以上目的，本發(fā)明的技術(shù)方案包括如下：

(1)采集室內(nèi)部署的各個(gè)iBeacon節(jié)點(diǎn)接收到的其他iBeacon節(jié)點(diǎn)的接收信號(hào)強(qiáng)度值，構(gòu)成iBeacon節(jié)點(diǎn)信號(hào)強(qiáng)度矩陣R，并利用狄克遜檢測(cè)法和高斯濾波算法對(duì)其進(jìn)行修正，得到各個(gè)iBeacon節(jié)點(diǎn)的信號(hào)強(qiáng)度修正值，構(gòu)成iBeacon節(jié)點(diǎn)信號(hào)強(qiáng)度修正矩陣R'：

其中：

i、j為iBeacon節(jié)點(diǎn)編號(hào)，n為iBeacon節(jié)點(diǎn)個(gè)數(shù)，i∈[1,n]，j∈[1,n]，n>3；

R_ij＝[R_ij1 R_ij2 R_ij3 ... R_ij30]是1×30維矩陣，表示第i個(gè)iBeacon節(jié)點(diǎn)收到第j個(gè)iBeacon節(jié)點(diǎn)發(fā)出的30組信號(hào)值；

R_ij'表示第i個(gè)iBeacon節(jié)點(diǎn)收到第j個(gè)iBeacon節(jié)點(diǎn)的信號(hào)強(qiáng)度修正值。

(2)根據(jù)iBeacon節(jié)點(diǎn)信號(hào)強(qiáng)度修正矩陣R'，利用對(duì)數(shù)距離路徑損耗模型，得到iBeacon節(jié)點(diǎn)到其他iBeacon節(jié)點(diǎn)的距離值，構(gòu)成iBeacon節(jié)點(diǎn)距離矩陣D：

其中：D_ij表示第i個(gè)iBeacon節(jié)點(diǎn)到第j個(gè)iBeacon節(jié)點(diǎn)的距離值，當(dāng)i＝j(luò)時(shí)，D_ij＝0。

(3)根據(jù)iBeacon節(jié)點(diǎn)距離矩陣D，采用多質(zhì)心算法，得到各iBeacon節(jié)點(diǎn)坐標(biāo)估計(jì)值Q(x_i,y_i)，將Q(x_i,y_i)與各iBeacon節(jié)點(diǎn)的實(shí)際坐標(biāo)e(v_i,z_i)比較，得誤差點(diǎn)P(α,β)；

(4)采集待定位節(jié)點(diǎn)接收iBeacon節(jié)點(diǎn)發(fā)出的接收信號(hào)強(qiáng)度值，構(gòu)成定位節(jié)點(diǎn)信號(hào)強(qiáng)度矩陣r，并利用狄克遜檢測(cè)法和高斯濾波算法對(duì)其進(jìn)行修正，得到待定位節(jié)點(diǎn)的強(qiáng)度修正值，構(gòu)成待定位節(jié)點(diǎn)信號(hào)強(qiáng)度修正矩陣r'：

r＝[r₁ r₂ r₃ ... r_i ... r_n]，r'＝[r₁' r₂' r₃' ... r_i' ... r_n']

其中：

r_i是1×30維矩陣，表示待定位節(jié)點(diǎn)收到第i個(gè)iBeacon節(jié)點(diǎn)發(fā)出的30組信號(hào)值；

r_i'表示待定位節(jié)點(diǎn)收到第i個(gè)iBeacon節(jié)點(diǎn)的信號(hào)強(qiáng)度修正值。

(5)根據(jù)待定位節(jié)點(diǎn)信號(hào)強(qiáng)度修正矩陣r'，利用對(duì)數(shù)距離路徑損耗模型，得到待定位節(jié)點(diǎn)到其他iBeacon節(jié)點(diǎn)的距離值，構(gòu)成待定位節(jié)點(diǎn)距離矩陣d：

d＝[d₁ d₂ d₃ ... d_i ... d_n]

其中：d_i為待定位節(jié)點(diǎn)到第i個(gè)iBeacon節(jié)點(diǎn)的距離值。

(6)根據(jù)待定位節(jié)點(diǎn)距離矩陣d，采用多質(zhì)心算法，得到待定位節(jié)點(diǎn)的坐標(biāo)估計(jì)值W(x,y)；

(7)根據(jù)坐標(biāo)估計(jì)值W(x,y)和誤差點(diǎn)P(α,β)，得到待定位節(jié)點(diǎn)的最終坐標(biāo)為：W(x+α,y+β)。

本發(fā)明相對(duì)現(xiàn)有技術(shù)主要優(yōu)點(diǎn)在于：

第一，與現(xiàn)有的前期預(yù)處理相比，本發(fā)明由于對(duì)前期的波動(dòng)較大的接收信號(hào)強(qiáng)度值進(jìn)行狄克遜檢測(cè)算法的處理，剔除抖動(dòng)劇烈的接收信號(hào)強(qiáng)度值，然后對(duì)保留的數(shù)據(jù)采用高斯濾波處理，最大限度地保留了抖動(dòng)較小的接收信號(hào)強(qiáng)度值。

第二，與現(xiàn)有路徑損耗模型相比，本發(fā)明由于根據(jù)大量實(shí)驗(yàn)數(shù)據(jù)，給出最佳環(huán)境系數(shù)參考范圍，不僅實(shí)現(xiàn)簡單，而且選擇的系數(shù)更加適用于室內(nèi)環(huán)境。

第三，與現(xiàn)有定位算法相比，本發(fā)明由于采用雙重定位算法，分別計(jì)算出系統(tǒng)的坐標(biāo)誤差和待定位節(jié)點(diǎn)的估計(jì)坐標(biāo)，故可根據(jù)坐標(biāo)誤差和待定位節(jié)點(diǎn)的估計(jì)坐標(biāo)，計(jì)算出待定位節(jié)點(diǎn)的最終坐標(biāo)。

第四，與現(xiàn)有定位算法相比，本發(fā)明由于將距離待定位節(jié)點(diǎn)較遠(yuǎn)的iBeacon節(jié)點(diǎn)分組，求出其質(zhì)心后，把質(zhì)心應(yīng)用到距離待定位節(jié)點(diǎn)較近的iBeacon節(jié)點(diǎn)組內(nèi)，再求取質(zhì)心，使得定位精度進(jìn)一步提高，同時(shí)可避免適應(yīng)度隨著環(huán)境中iBeacon節(jié)點(diǎn)的狀態(tài)變化而改變。

附圖說明

圖1是本發(fā)明的實(shí)現(xiàn)流程圖；

圖2是本發(fā)明與現(xiàn)有單質(zhì)心算法的定位效果對(duì)比圖。

具體實(shí)施方式

參照?qǐng)D1，本發(fā)明的基于RSSI修正值雙重定位的藍(lán)牙室內(nèi)定位方法，其具體實(shí)現(xiàn)步驟如下：

步驟1，構(gòu)建iBeacon節(jié)點(diǎn)信號(hào)強(qiáng)度矩陣R。

將室內(nèi)環(huán)境以正六邊形劃分成若干區(qū)域，在區(qū)域的各個(gè)頂點(diǎn)處放置一個(gè)iBeacon節(jié)點(diǎn)，共放置n個(gè)iBeacon節(jié)點(diǎn)，每個(gè)iBeacon節(jié)點(diǎn)周期性地廣播自身編號(hào)、自身坐標(biāo)和接收信號(hào)強(qiáng)度值，采集各個(gè)iBeacon節(jié)點(diǎn)接收到的其他iBeacon節(jié)點(diǎn)的接收信號(hào)強(qiáng)度值，構(gòu)成iBeacon節(jié)點(diǎn)信號(hào)強(qiáng)度矩陣R：

其中：i、j為iBeacon節(jié)點(diǎn)編號(hào)，n為iBeacon節(jié)點(diǎn)個(gè)數(shù)，i∈[1,n]，j∈[1,n]，n>3；

R_ij＝[R_ij1 R_ij2 R_ij3 ... R_ij30]是1×30維矩陣，表示第i個(gè)iBeacon節(jié)點(diǎn)收到第j個(gè)iBeacon節(jié)點(diǎn)發(fā)出的30組信號(hào)值。

步驟2，對(duì)iBeacon節(jié)點(diǎn)信號(hào)強(qiáng)度矩陣R進(jìn)行修正，得到iBeacon節(jié)點(diǎn)狄克遜矩陣R^*。

2a)采用狄克遜檢測(cè)法剔除每個(gè)iBeacon節(jié)點(diǎn)接收到的來自其他iBeacon節(jié)點(diǎn)發(fā)來的30組信號(hào)值中變化劇烈的接收信號(hào)強(qiáng)度值，將第i個(gè)iBeacon節(jié)點(diǎn)接收到來自第j個(gè)iBeacon節(jié)點(diǎn)的30組接收信號(hào)強(qiáng)度值按從小到大的順序排列，依次為R_ij1,R_ij2,...,R_ij30；

2b)確定異常值檢測(cè)的檢出水平為a＝0.02，確定狄克遜檢驗(yàn)臨界值M(a,n)；

2c)根據(jù)狄克遜檢驗(yàn)法統(tǒng)計(jì)公式，計(jì)算iBeacon節(jié)點(diǎn)最高端的異常值G和iBeacon節(jié)點(diǎn)最低端異常值G'：

2d)將iBeacon節(jié)點(diǎn)最高端異常值G和iBeacon節(jié)點(diǎn)最低端異常值G'與臨界值M(a,n)進(jìn)行比較：

如果G>M(a,n)或者G'>M(a,n)，則剔除該異常值相對(duì)應(yīng)的接收信號(hào)強(qiáng)度值R_ijN；

如果G≤M(a,n)或者G'≤M(a,n)，則保留該異常值相對(duì)應(yīng)的接收信號(hào)強(qiáng)度值R_ijN，執(zhí)行2e)，N為30組信號(hào)值的編號(hào)；

2e)對(duì)保留的接收信號(hào)強(qiáng)度值重新排序，重復(fù)步驟2a)-2d)，直到所有變化劇烈的接收信號(hào)強(qiáng)度值被剔除，并將最終保留的值作為狄克遜檢測(cè)算法的輸出，構(gòu)成iBeacon節(jié)點(diǎn)狄克遜矩陣R^*：

其中：

R^*_ij＝[R^*_ij1 R^*_ij2 R^*_ij3 ... R^*_ijM]是1×M維矩陣，M是30組信號(hào)值中經(jīng)過狄克遜檢測(cè)算法后保留的信號(hào)值個(gè)數(shù)，R^*_ij表示第i個(gè)iBeacon節(jié)點(diǎn)收到第j個(gè)iBeacon節(jié)點(diǎn)發(fā)出的30組信號(hào)值中經(jīng)過狄克遜檢測(cè)算法后保留的信號(hào)值矩陣；

步驟3，對(duì)iBeacon節(jié)點(diǎn)狄克遜矩陣R^*進(jìn)行修正，得到iBeacon節(jié)點(diǎn)信號(hào)強(qiáng)度修正矩陣R'。

3a)對(duì)iBeacon節(jié)點(diǎn)狄克遜矩陣R^*進(jìn)行高斯濾波，得到iBeacon節(jié)點(diǎn)高斯矩陣R”；

3b)對(duì)iBeacon節(jié)點(diǎn)高斯矩陣R”的各元素矩陣取算術(shù)平均值，得到各個(gè)iBeacon節(jié)點(diǎn)的接收信號(hào)強(qiáng)度修正值，構(gòu)成iBeacon節(jié)點(diǎn)信號(hào)強(qiáng)度修正矩陣R'：

其中：R_ij'表示第i個(gè)iBeacon節(jié)點(diǎn)收到第j個(gè)iBeacon節(jié)點(diǎn)的信號(hào)強(qiáng)度修正值。

步驟4，構(gòu)建iBeacon節(jié)點(diǎn)距離矩陣D。

4a)建立接收信號(hào)強(qiáng)度修正值到iBeacon節(jié)點(diǎn)之間距離的路徑損耗關(guān)系式：

其中：

R_ij'表示第i個(gè)iBeacon節(jié)點(diǎn)收到第j個(gè)iBeacon節(jié)點(diǎn)的信號(hào)強(qiáng)度修正值；

q₀表示兩個(gè)iBeacon節(jié)點(diǎn)間距離L₀＝1米時(shí)的參考信號(hào)強(qiáng)度修正值；

D_ij表示第i個(gè)iBeacon節(jié)點(diǎn)到第j個(gè)iBeacon節(jié)點(diǎn)的距離值，當(dāng)i＝j(luò)時(shí)，D_ij＝0；

x_ε和u為環(huán)境參數(shù)，表示空間環(huán)境的影響程度，x_ε是距離iBeacon節(jié)點(diǎn)1米處接收到的平均功率的絕對(duì)值，u為路徑損耗因子，x_ε最佳參考范圍為41-47，u最佳參考范圍為2.15-4.3；

4b)將步驟4a)的路徑損耗關(guān)系式轉(zhuǎn)換成如下形式：

4c)根據(jù)步驟4b)得出各個(gè)iBeacon節(jié)點(diǎn)到其他所有iBeacon節(jié)點(diǎn)距離矩陣D：

步驟5，計(jì)算各iBeacon節(jié)點(diǎn)的坐標(biāo)估計(jì)值Q(x_i,y_i)。

5a)將第i個(gè)iBeacon節(jié)點(diǎn)到第j個(gè)iBeacon節(jié)點(diǎn)的距離值D_ij按從小到大的順序排序，得到距離集合：D_i1,D_i2,D_i3,...D_ij,...,D_in，其中D_i1<D_i2<D_i3<...<D_ij<...<D_in；

5b)用距離集合內(nèi)的每個(gè)元素減去最小值D_i1，得出差值集合：

0,ΔD_i1,ΔD_i2,ΔD_i3,...,ΔD_ij,...,ΔD_in；

5c)計(jì)算差值集合中各元素的平均值

其中：ΔD_ij＝D_ij-D_i1，表示第i個(gè)iBeacon節(jié)點(diǎn)到第j個(gè)iBeacon節(jié)點(diǎn)之間的距離值D_ij與最小值D_i1的差值；

5d)將iBeacon節(jié)點(diǎn)分別分成的集合A和的集合B，設(shè)在集合B內(nèi)有m個(gè)節(jié)點(diǎn)，并把集合B中相差最接近的3個(gè)iBeacon節(jié)點(diǎn)分成一組，共分成m-2組，計(jì)算每組的質(zhì)心，其坐標(biāo)(x_k,y_k)：

其中：k∈[1,m-2]，(x_k1,y_k1)、(x_k2,y_k2)、(x_k3,y_k3)是每組中的3個(gè)iBeacon節(jié)點(diǎn)坐標(biāo)；

5e)將步驟5d)得到的質(zhì)心重新視為新加入的iBeacon節(jié)點(diǎn)，再將m-2個(gè)質(zhì)心點(diǎn)和集合A內(nèi)的n-m個(gè)iBeacon節(jié)點(diǎn)構(gòu)成多邊形，采用質(zhì)心算法計(jì)算這個(gè)多邊形的質(zhì)心，得到第i個(gè)iBeacon節(jié)點(diǎn)估計(jì)坐標(biāo)Q(x_i,y_i)。

步驟6，計(jì)算誤差點(diǎn)P(α,β)。

根據(jù)第i個(gè)iBeacon節(jié)點(diǎn)的實(shí)際坐標(biāo)e(v_i,z_i)和估計(jì)坐標(biāo)Q(x_i,y_i)，計(jì)算誤差點(diǎn)P的橫坐標(biāo)和縱坐標(biāo)：

得到誤差點(diǎn)

步驟7，構(gòu)建待定位節(jié)點(diǎn)信號(hào)強(qiáng)度矩陣r。

將室內(nèi)環(huán)境以正六邊形劃分成若干區(qū)域，在區(qū)域的各個(gè)頂點(diǎn)處放置一個(gè)iBeacon節(jié)點(diǎn)，共放置n個(gè)iBeacon節(jié)點(diǎn)，每個(gè)iBeacon節(jié)點(diǎn)周期性地廣播自身編號(hào)、自身坐標(biāo)和接收信號(hào)強(qiáng)度值，采集待定位節(jié)點(diǎn)接收iBeacon節(jié)點(diǎn)發(fā)出的接收信號(hào)強(qiáng)度值，構(gòu)成待定位節(jié)點(diǎn)信號(hào)強(qiáng)度矩陣r：

r＝[r₁ r₂ r₃ ... r_i ... r_n]

其中：r_i是1×30維矩陣，表示待定位節(jié)點(diǎn)收到第i個(gè)iBeacon節(jié)點(diǎn)發(fā)出的30組信號(hào)值；

步驟8，對(duì)待定位節(jié)點(diǎn)信號(hào)強(qiáng)度矩陣r進(jìn)行修正，得到待定位節(jié)點(diǎn)狄克遜矩陣r^*。

8a)采用狄克遜檢測(cè)法剔除待定位節(jié)點(diǎn)接收到的來自其他iBeacon節(jié)點(diǎn)發(fā)來的30組信號(hào)值中變化劇烈的接收信號(hào)強(qiáng)度值，將待定位節(jié)點(diǎn)接收到來自第i個(gè)iBeacon節(jié)點(diǎn)的30組接收信號(hào)強(qiáng)度值按從小到大的順序排列，依次為r_i1,r_i2,...,r_i30；

8b)根據(jù)狄克遜檢驗(yàn)法統(tǒng)計(jì)公式，算出待定位節(jié)點(diǎn)最高端異常值g和待定位節(jié)點(diǎn)最低端異常值g'：

8c)將待定位節(jié)點(diǎn)最高端異常值g和待定位節(jié)點(diǎn)最低端異常值g'與臨界值M(a,n)進(jìn)行比較：

如果g>M(a,n)或者g'>M(a,n)，則剔除該異常值相對(duì)應(yīng)的接收信號(hào)強(qiáng)度值r_iN；

如果g≤M(a,n)或者g'≤M(a,n)，則保留該異常值相對(duì)應(yīng)的接收信號(hào)強(qiáng)度值r_iN，執(zhí)行8d)，N為30組信號(hào)值的編號(hào)；

8d)對(duì)保留的接收信號(hào)強(qiáng)度值重新排序，重復(fù)步驟8a)-8c)，直到所有變化劇烈的接收信號(hào)強(qiáng)度值被剔除，并將最終保留的值作為狄克遜檢測(cè)算法的輸出，構(gòu)成待定位節(jié)點(diǎn)狄克遜矩陣r^*：

r^*＝[r₁^* r₂^* r₃^* ... r_i^* ... r_n^*]

其中：r_i^*＝[r^*_i1 r^*_i2 r^*_i3 ... r^*_iM]是1×M維矩陣，M是30組信號(hào)值中經(jīng)過狄克遜檢測(cè)算法后保留的信號(hào)值個(gè)數(shù)，r_i^*表示待定位節(jié)點(diǎn)收到第i個(gè)iBeacon節(jié)點(diǎn)發(fā)出的30組信號(hào)值中經(jīng)過狄克遜檢測(cè)算法后保留的信號(hào)值矩陣。

步驟9，對(duì)待定位節(jié)點(diǎn)狄克遜矩陣r^*進(jìn)行修正，得到待定位節(jié)點(diǎn)信號(hào)強(qiáng)度修正矩陣r′。

9a)采用高斯濾波對(duì)待定位節(jié)點(diǎn)狄克遜矩陣r^*進(jìn)行處理，得到待定位節(jié)點(diǎn)高斯矩陣r″；

9b)對(duì)待定位節(jié)點(diǎn)高斯矩陣r”的各元素矩陣取算術(shù)平均值，得到待定位節(jié)點(diǎn)的接收信號(hào)強(qiáng)度修正值，構(gòu)成待定位節(jié)點(diǎn)信號(hào)強(qiáng)度修正矩陣r'：

r'＝[r₁' r₂' r₃' ... r_i' ... r_n']

其中：r_i'表示待定位節(jié)點(diǎn)收到第i個(gè)iBeacon節(jié)點(diǎn)的信號(hào)強(qiáng)度修正值。

步驟10，構(gòu)建待定位節(jié)點(diǎn)距離矩陣d。

10a)建立接收信號(hào)強(qiáng)度修正值到待定位節(jié)點(diǎn)與第i個(gè)iBeacon節(jié)點(diǎn)距離的路徑損耗關(guān)系式：

其中：

r_i'表示待定位節(jié)點(diǎn)收到第i個(gè)iBeacon節(jié)點(diǎn)的信號(hào)強(qiáng)度修正值；

q₁表示待定位節(jié)點(diǎn)和iBeacon節(jié)點(diǎn)間距離L₀＝1米時(shí)的參考信號(hào)強(qiáng)度修正值；

d_i為待定位節(jié)點(diǎn)到第i個(gè)iBeacon節(jié)點(diǎn)的距離值。

10b)將步驟10a)的路徑損耗關(guān)系式轉(zhuǎn)換成如下形式：

10c)根據(jù)步驟10b)得出待定位節(jié)點(diǎn)到其他所有iBeacon節(jié)點(diǎn)距離矩陣d：

d＝[d₁ d₂ d₃ ... d_i ... d_n]

步驟11，計(jì)算待定位節(jié)點(diǎn)的坐標(biāo)估計(jì)值W(x,y)。

11a)將待定位節(jié)點(diǎn)到第i個(gè)iBeacon節(jié)點(diǎn)的距離值d_i按從小到大的順序排序，得到待定位距離集合：d_ε＝{d₁,d₂,d₃,...,d_i,...,d_n}，其中d₁<d₂<d₃<...<d_i<...<d_n；

11b)用待定位距離集合d_ε內(nèi)的每個(gè)元素減去最小值d₁，得出待定位差值集合d_ε'：

d_ε'＝{0,Δd₁,Δd₂,Δd₃,...,Δd_i,...,Δd_n}，

其中：Δd_i＝d_i-d₁，其表示待定位節(jié)點(diǎn)到第i個(gè)iBeacon節(jié)點(diǎn)的距離值d_i與最小值d₁的差值；

11c)計(jì)算待定位差值集合d_ε'中各元素的平均值

11d)將iBeacon節(jié)點(diǎn)分別分成兩個(gè)集合，即的集合C₁和的集合C₂，設(shè)在集合C₂內(nèi)有z個(gè)節(jié)點(diǎn)，把集合C₂中相差最接近的3個(gè)iBeacon節(jié)點(diǎn)分成一組，共分成z-2組，計(jì)算每組的質(zhì)心，其坐標(biāo)(x_L,y_L)為：

其中：L∈[1,z-2]，(x_L1,y_L1)、(x_L2,y_L2)、(x_L3,y_L3)是每組中的3個(gè)iBeacon節(jié)點(diǎn)坐標(biāo)。

11e)將步驟11d)得到的質(zhì)心重新視為新加入的iBeacon節(jié)點(diǎn)，再將z-2個(gè)質(zhì)心點(diǎn)和集合C₁內(nèi)的n-z個(gè)iBeacon節(jié)點(diǎn)構(gòu)成多邊形，采用質(zhì)心算法計(jì)算這個(gè)多邊形的質(zhì)心，得到待定位節(jié)點(diǎn)的估計(jì)坐標(biāo)W(x,y)。

步驟12，計(jì)算待定位節(jié)點(diǎn)的最終坐標(biāo)W(x+α,y+β)。

根據(jù)步驟11得到的待定位節(jié)點(diǎn)的估計(jì)坐標(biāo)W(x,y)和步驟6得到的誤差點(diǎn)P的橫坐標(biāo)α和縱坐標(biāo)β，計(jì)算得到待定位節(jié)點(diǎn)的最終坐標(biāo)為：

下面結(jié)合仿真實(shí)驗(yàn)，對(duì)本發(fā)明的定位效果做進(jìn)一步分析。

1.實(shí)驗(yàn)條件

本實(shí)驗(yàn)在50*50米的室內(nèi)環(huán)境下布置16個(gè)iBeacon節(jié)點(diǎn)，10個(gè)待定位節(jié)點(diǎn)。

2.實(shí)驗(yàn)內(nèi)容

用本發(fā)明方法和現(xiàn)有單質(zhì)心算法分別對(duì)上述10個(gè)待定位節(jié)點(diǎn)進(jìn)行測(cè)試，得到待定位節(jié)點(diǎn)的坐標(biāo)值，結(jié)果如圖2。

從圖2可見，本發(fā)明測(cè)得待定位節(jié)點(diǎn)的坐標(biāo)值與待定位節(jié)點(diǎn)的實(shí)際坐標(biāo)值對(duì)比，其定位精度誤差最大值為2.413米，最小值為0.75米，平均值為1.59米。現(xiàn)有質(zhì)心算法測(cè)得待定位節(jié)點(diǎn)的坐標(biāo)值與待定位節(jié)點(diǎn)的實(shí)際坐標(biāo)值對(duì)比，其定位精度誤差最大值為4.089米，最小值為1.56米，平均值為2.75米。

實(shí)驗(yàn)表明：本發(fā)明將定位精度提高了25％-35％，在室內(nèi)定位中具有較大的優(yōu)勢(shì)。