室内定位系统的卡尔曼滤波算法

Question

我正在使用BLE (蓝牙低能量)通过其RSSI和三边定位算法进行室内定位系统。

问题是如何使用RSSI找到准确的距离。

由于某些干扰，每次信标都会给出不同的RSSI值。

我读到卡尔曼滤波器可以在某种程度上解决这个问题，但是我如何使用卡尔曼滤波器呢？

据我所知，有两个函数。一个是预测，另一个是校正。但是我应该从哪里开始呢？

Answer 1

卡尔曼滤波器不适合您的问题。

问题

1. 你把噪音描述为“一些干扰”。你需要事先知道噪声的分布。
2. 遮挡(人类位于移动设备和BLE信标之间)造成的误差会使滤波误差非常大。实际上，您需要研究许多解决方法来规避non-linearity)

的非线性。

• BLE的指示器与移动设备的实际位置不是线性函数(同样，non-linearity)

回答

1. 您需要了解贝叶斯建模的概述，在您的案例中，您需要研究"Unscented卡尔曼滤波器“、”扩展卡尔曼滤波器“(对非线性的扩展)或”粒子滤波器“(例如，非线性滤波器，与噪声分布无关)。在这里可以找到关于本地化的简短概述(在机器人的上下文中)：http://robots.stanford.edu/papers/thrun.probrob.pdf，更详细的可以在这里找到：http://www.probabilistic-robotics.org/
2. Since我假设您已经预先了解了房间和信标位置，一个更直接的方法可能是调查BLE fingerprinting技术。该链接还包含其他室内定位技术的进一步文献。

Answer 2

使用BLE很难估计出准确的距离。如果你使用许多信标(每隔1米)，你可以估计它，但如果信标之间的距离很大，这是困难的，因为信号的反射和吸收。您可以尝试使用指纹识别以获得更高的准确性。卡尔曼滤波器不是这种应用的正确选择，因为你没有额外的控制向量来预测。如果你是静止的，那么KF可以帮助你，但对于动态情况，你需要有控制向量来预测，你的BLE RSSI水平可以用作测量。

Answer 3

卡尔曼滤波器只与“存在”检测相关，而不是“位置”检测，也就是说，如果位置是静态的，它可能是有用的。

预测函数将是一个简单的常量函数：RSSI(t) = RSSI(t-1)。为了进行更正，您需要设置一个任意值，表示您对度量的“信任”程度。

如果您想要研究此解决方案，此blog post可能是一个很好的起点:它提供了解释、简化的模型以及这样的卡尔曼滤波器的实现。