室内定位系统的卡尔曼滤波算法

Question

我通过其RSSI和三边测量算法将BLE（蓝牙低功耗）用于室内定位系统。

问题是如何使用RSSI找到准确的距离。

每次，由于某些干扰，信标会提供不同的RSSI值。

我读到卡尔曼滤波器可以在一定程度上解决这个问题，但我如何使用卡尔曼滤波器？

据我所知，有两个功能。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. 您将噪音描述为＆＃34;某些干扰＆＃34;。你需要知道 噪音分布提前。
2. 由遮挡引起的错误（人类位于遮挡之间）     移动设备和BLE信标将极大地产生过滤错误     大。事实上，您需要调查许多解决方法     这里规避非线性的方法。
3. BLE的RSS指示器不是移动设备实际位置的线性函数（再次，非线性）

答案

1. 您需要在您的网站上详细了解Bayssian建模 例如，你想调查＆＃34; Unscented卡尔曼滤波器＆＃34;，＆＃34;扩展 卡尔曼滤波器＆＃34; （非线性扩展）或＆＃34;粒子滤波器＆＃34; （例如，非线性滤波器，噪声分布无关）。简短概述 本地化（在机器人技术的背景下）可以在这里找到： http://robots.stanford.edu/papers/thrun.probrob.pdf以及更多 详情请点击此处：http://www.probabilistic-robotics.org/
2. 因为我假设你对房间和灯塔有预先了解 立场，更直接的方法可能是一个 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很难估计准确的距离。如果您使用许多信标（每1米），您可以估计它，但如果信标之间的距离很大，则由于信号的反射和吸收而很难。 您可以尝试使用指纹识别以获得更好的准确性。卡尔曼滤波器不适合此应用，因为您没有额外的控制矢量来预测。如果你是静止的，那么KF可以提供帮助，但对于动态情况，你需要有控制矢量来预测，你的BLE RSSI水平可以用作测量。

Answer 3

卡尔曼滤波器仅与“在场”检测相关，而与“位置”无关，即，如果位置是静态的，则很有用。

预测函数将是一个简单的常数函数：RSSI(t) = RSSI(t-1)。 为了更正，您将需要设置一个任意值，以表示您对测量值的“信任”程度。

如果您想研究此解决方案，那么此blog post可能是一个不错的起点：它提供了说明，简化的模型以及此类卡尔曼滤波器的实现。