蓝牙4.0标准规范下的模糊指纹定位算法_蓝牙指纹
第１９卷第２期
２０１３年４月
ＤＯｈ
上海戈筝等报（自然科学版）
ＪＯＵＲＮＡＬＯＦＳＨＡＮＧＨＡＩ
、，０１．１９Ｎｏ．２
ＵＮＩＶＥＲＳＩＴＹ（ＮＡＴＵＲＡＬＳＣｍＮＣＳ）
Ａｐｒ．２０１３
１０．３９６９／ｊ．ｉｓｓｎ．１００７－２８６１．２０１３．０２．００４
蓝牙４．０标准规范下的模糊指纹定位算法
李娟娟１，
张金艺１，２，ｖ，
张秉煜１，
周荣俊２，
唐夏２
（１．上海大学特种光纤与光接入网省部共建重点实验室，上海２０００７２；２．上海大学微电子研究与开发中心，上海２０００７２
３．上海大学新型显示与系统应用重点实验室，上海２０００７２）
摘要：
蓝牙技术的普及以及蓝牙４．０标准规范的提出，使得利用蓝牙技术实现室内定位具有极其广阔的应用前景．
把模糊理论应用于蓝牙室内定位系统，提出一种模糊指纹定位算法．基于该算法的定位过程分为离线和在线两个阶段：离线阶段建立模糊指纹库；在线阶段对手机客户端进行实时模糊决策定位．仿真实验结果表明，该算法的平均定位误差为１．３６ｍ，相比于传统的指纹标定法，其定位精度提高约４９％，而计算量缩减至原来的１／ｃ，其中ｅ为模糊聚类类别数．
关键词：蓝牙４．０标准规范；室内定位；模糊理论；位置指纹；实时中图分类号：ＴＰ
３９１
文献标志码：Ａ
文章编号：１００７．２８６１（２０１３）０２．０１２６－０６
ＦｕｚｚｙＦｉｎｇｅｒｐｒｉｎｔＬｏｃａｔｉｏｎｆｏｒＢｌｕｅｔｏｏｔｈＳｐｅｃｉｆｉｃａｔｉｏｎＶｅｒｓｉｏｎ４．０
ＬＩ
Ｊｕａｎ－ｊｕａｎｌ，ＺＨＡＮＧ
Ｊｉｎ—ｙｉｌ，２一，ＺＨＡＮＧＢｉｎｇ－ｙｕｌ，ＺＨＯＵ
ａｎｄ
Ｒｏｎｇ—ｊｕｎ２，ＴＡＮＧ
Ｘｉａ２
（１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｐｅｃｉａｌｔｙＦｉｂｅｒＯｐｔｉｃｓａｎｄＯｐｔｉｃａｌＡｃｃｅｓｓＮｅｔｗｏｒｋｓ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０００７２，Ｃｈｉｎａ；
２．ＭｉｃｒｏｅｌｅｃｔｒｏｎｉｃＲｅｓｅａｒｃｈ
３．Ｋｅｙ
ＤｅｖｅｌｏｐｍｅｎｔＣｅｎｔｅｒ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈｍ２０００７２，Ｃｈｉｎａ；
ＳｙｓｔｅｍＡｐｐｌｉｃａｔｉｏｎ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０００７２，Ｃｈｉｎａ）
ＬａｂｏｒａｔｏｒｙｏｆＡｄｖａｎｃｅｄＤｉｓｐｌａｙｓａｎｄ
Ａｂｓｔｒａｃｔ：ＰｏｐｕｌａｒｉｔｙｏｆＢｌｕｅｔｏｏｔｈｔｅｃｈｎｏｌｏｇｙａｎｄｔｈｅｐｒｏｐｏｓｉｔｉｏｎｏｆＢｌｕｅｔｏｏｔｈＳｐｅｃｉｆｉｃａｔｉｏｎＶｅｒｓｉｏｎ４．０ｍａｋｅ
ｉｎｄｏｏｒｌｏｃａｔｉｏｎｈａｖｅＢｌｕｅｔｏｏｔｈ，ａｎｄ
ａ
ａ
ｂｒｏａｄａｐｐｌｉｃａｔｉｏｎｐｒｏｓｐｅｃｔ．Ｔｈｅｆｕｚｚｙｔｈｅｏｒｙｉｓａｐｐｌｉｅｄ
ｉｎｉｎｄｏｏｒｌｏｃａｔｉｏｎｂａｓｅｄ
ｏｎ
ｆｕｚｚｙｆｉｎｇｅｒｐｒｉｎｔｌｏｃａｔｉｏｎａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｌｏｃａｔｉｏｎｐｒｏｃｅｓｓｉｓｄｉｖｉｄｅｄｉｎｔｏｔｗｏｐａｒｔｓ：
ｏｆｆ－ｌｉｎｅａｎｄｏｎ—ｌｉｎｅ．Ａｆｕｚｚｙｆｉｎｇｅｒｐｒｉｎｔｄａｔａｂａｓｅｉｓｅｓｔａｂｌｉｓｈｅｄｉｎｔｈｅｏｆｆ－ｌｉｎｅｃｅｌｌｐｈｏｎｅ
ｓｔａｇｅ，ａｎｄ
ｒｅａｌ－ｔｉｍｅｌｏｃａｔｉｏｎｏｆ
ｅｒｒｏｒ
ｃｌｉｅｎｔｓｉｓｒｅａｌｉｚｅｄｉｎｔｈｅｏｎ—ｌｉｎｅｓｔａｇｅ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｖｅｒａｇｅｌｏｃａｔｉｏｎ
ｉｓ
１．３６ｍ．Ｃｏｍｐａｒｅｄｗｉｔｈｔｒａｄｉｔｉｏｎａｌｆｉｎｇｅｒｐｒｉｎｔｃａｌｉｂｒａｔｉｏｎｍｅｔｈｏｄ．１０ｃａｔｉｏｎｐｒｅｃｉｓｉｏｎｉｓｉｍｐｒｏｖｅｄｂｙ４９％ａｎｄ
ｃｏｍｐｕｔａｔｉｏｎｃｏｍｐｌｅｘｉｔｙｉｓｒｅｄｕｃｅｄ
ｔｏ
１／ｃ
ｗｈｅｒｅ
ｃ
ｉｓｔｈｅｃａｔｅｇｏｒｙｎｕｍｂｅｒｏｆｆｕｚｚｙｃｌｕｓｔｅｒｉｎｇ．
Ｋｅｙｗｏｒｄｓ：ＢｌｕｅｔｏｏｔｈＳｐｅｃｉｆｉｃａｔｉｏｎＶｅｒｓｉｏｎ４．０：ｉｎｄｏｏｒｌｏｃａｔｉｏｎ；ｆｕｚｚｙｔｈｅｏｒｙ；ｌｏｃａｔｉｏｎｆｉｎｇｅｒｐｒｉｎｔ；ｒｅａｌ－ｔｉｍｅ
随着移动通信、无线传感器网络技术的发展以及普适计算概念的提出，室内环境下基于位置的服务越来越受到人们的关注．室内定位已成为了一个非常活跃的研究领域，并且具有极其广阔的应用前景…１．目前，常用的室内定位技术主要基于以下几种：蓝牙、红外线、超声波、超宽带、射频识别（ｒａｄｉｏｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ＲＦＩＤ）、无线局域网等．
蓝牙是一种短距离的无线通信技术，利用短距离、低成本的无线连接替代电缆连接，从而为现存的数据网络和小型的外围设备接口提供统一的连接【２】２．目前，
收稿日期：２０１２—０４－２８
ｆｒｅｑｕｅｎｃｙ
蓝牙技术已经广泛应用到手机、掌上电脑（ｐｅｒｓｏｎａｌ
ｄｉｇｉｔａｌ
ａｓｓｉｓｔａｎｔ，ＰＤＡｌ、无线耳机、笔记本电脑、相
关外设等各种移动终端上．全球大约８０％以上的手机都使用了蓝牙技术，其中包括将近１００％的智能手机．因此，可以构建一个蓝牙定位系统，对使用蓝牙技术的手机用户实现定位追踪，并提供基于位置的服务【３１３．这些服务的内容和组织形式是根据当前需求而特别制定的，不同的用户可以获得不同的服务，而同一用户在不同区域也可以获得不同的服务．如大型超市中，定位系统能够确认用户在某个商品的位置，
基金项目：上海市科委基金重点资助项目（０８７０６２０１０００，０８７００７４１０００）；上海市教委重点学科建设资助项目（Ｊ５０１０４）
通信作者：张＠ｚＺ（１９６５－－－），男，研究员，博士生导师，博士，研究方向为通信类ＳｏＣ设计与无线传感器网络．Ｅ－ｍａｉｌ：ｚｈａｎｇｊｉｎｙｉ＠
ｓｔａｆｆ．ｓｈｕ．ｅｄｕ．ａｎ
万方数据
第２期
李娟娟，等：蓝牙４．０标准规范下的模糊指纹定位算法
１２７
然后将商品的详细信息推送到用户手机上，这时需要“米级”的定位精度和“秒级”的定位速度．２０１０
年７月７日，蓝牙技术联盟（Ｂｌｕｅｔｏｏｔｈ
ＳｐｅｃｉａｌＩｎｔｅｒｅｓｔ
Ｇｒｏｕｐ）正式采纳蓝牙４．０标准规范（Ｂｌｕｅｔｏｏｔｈ
Ｓｐｅｃ—
ｉｆｉｃａｔｉｏｎＶｅｒｓｉｏｎ
４．ｏ）［４１、并启动对应的认证计划．蓝
牙４．０标准规范拥有超低功耗、３ｍｓ低延迟、１００ｍ以上超长距离、ＡＥＳ一１２８加密等诸多特色．这些特点确保了利用蓝牙技术实现室内定位的可行性与实用性．
自１９９９年颁布蓝牙１．０标准规范以来，对利用蓝牙技术实现室内定位的研究一直都在进行，并且提出了很多定位方法，比较典型的有基于ＣｃｌＩ－ＩＤ的方法【５—６］、基于信号传播模型的方法［７－８】和基于指纹标定的方法［９．１川，这些方法的优缺点表１所示．
表１基于蓝牙的典型室内定位方法比较
Ｔａｂｌｅ１
Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｔｙｐｉｃａｌｍｅｔｈｏｄｓｏｆｉｎｄｏｏｒ
ｌｏｃａｔｉｏｎｂａｓｅｄＢｌｕｅｔｏｏｔｈ
定位方法定位误差／ｍ优点
缺点
以上３种典型的室内定位方法所取得的定位精度还不能满足室内环境下基于位置服务的基本需求．在蓝牙４．０标准规范下，本研究对定位过程的模糊性进行了剖析，把模糊理论应用于蓝牙室内定位系统，提出了一种模糊指纹定位算法．基于该算法的定位过程分为离线和在线两个阶段：离线阶段基于模糊理论建立模糊指纹库；在线阶段对手机客户端进行实时模糊决策定位．仿真实验结果表明，该算法的平均定位误差为１．３６ｍ．相比于传统的指纹标定法【９】９，该算法的定
位精度提高了约４９％，计算量缩减到了原来的ｉ／ｃ，其
中ｃ为模糊聚类类别数．
１
蓝牙４．０标准规范下的室内定位方案
蓝牙技术联盟发布的蓝牙４．０标准规范最为核心
的改进就是“低功耗”、“长距离”以及“高速启动”．在蓝牙４．０标准规范“低功耗”的支持下，即使不关闭蓝牙功能，手机的待机能力也不会减弱，同时３ｍ８瞬间
万方数据
连接技术的加入使得蓝牙４．０标准规范成为了设备之间互联的最好桥梁，解决了以往蓝牙建立连接时间过长的致命缺点．蓝牙４．０标准规范中１００ｍ以上的信号覆盖范围有效地扩展了设备的使用范围．上述这些特点使得利用蓝牙技术进行室内定位具有很高的研究与应用价值．
蓝牙４．０标准规范提供了一些与位置估计相关的参数：接收信号强度指标ｆｒｅｃｅｉｖｅｄ
ｓｉｇｎａｌｓｔｒｅｎｇｔｈ
ｉｎｄｉｃａｔｏｒ，ＲＳＳＩ）值和链路质量（１ｉｎｋｑｕａｌｉｔｙ，ＬＱ）值【１１】．ＲＳＳＩ值和ＬＱ值都可以通过调用函数来获取．ＲＳＳＩ值和距离之间存在着一定的类似于对数的对应关系，距离不同，其ＲＳＳＩ值不同．ＬＱ值的范围为０～２５５，ＬＱ值越大，表示信道质量越好，且允许自定义衡量链路质量的标准，并将其映射到０—２５５之间的数值上．本研究将ＲＳＳＩ值和ＬＱ值这两个参数应用于定位算法．
考虑到蓝牙４．０标准规范的覆盖范围和一般房屋室内的基本形状，本研究构造了如图１所示的室内定
位拓扑结构．室内定位区域的形状为长方形，４个角上分别放置一个蓝牙锚节点．每个蓝牙锚节点由一块带有蓝牙适配器的ＡＲＭ９２０７开发板及相关外围设备构成．此蓝牙适配器支持蓝牙４．０标准规范，能确保每个蓝牙锚节点的信号都可以覆盖整个室内定位区域．蓝牙锚节点主要负责搜寻定位区域内的手机客户端，并与其建立连接，返回给服务器ＲＳＳＩ值和ＬＱ值．手机客户端和４个蓝牙锚节点依次建立点对点的链路，并在建立链路的同时采集ＲＳＳＩ值和ＬＱ值，之后，链路立即断开．综合考虑定位精度和资源开销，定位区域内每隔１ｍ设置一个参考点，这些参考点主要应用于
离线阶段指纹库的建立．
图１蓝牙室内定位的拓扑结构
Ｆｉｇ．１
Ｔｏｐｏｌｏｇｙｓｔｒｕｃｔｕｒｅ
ｏｆｉｎｄｏｏｒｌｏｃａｔｉｏｎｂａｓｅｄ
Ｂｌｕｅｔｏｏｔｈ
蓝牙室内定位过程由离线指纹库的建立和在线实时定位两个阶段共同完成：离线阶段，建立模糊指纹库，该指纹库较为全面地描述了定位区域内ＲＳＳＩ值和ＬＱ值与空间位置的对应关系，并存储于中心服务器中：在线阶段，手机客户端进入定位区域，蓝牙锚节点在对手机客户端的ＲＳＳＩ值和ＬＱ值进行测量后，将测量数据上传到服务器，在服务器中进行模糊决策定
１２８
上淫戈筝可拉（自然科学版）
第１９卷
位，最终完成对手机客户端位置的确定．
２
模糊指纹定位算法的体系结构
数据高维的特性、信号本身的不稳定性、测量本
身的误差使得定位过程所使用的数据没有严格的属性，也就是具有模糊性．为了解决定位中的这种模糊现象，本研究引入了模糊理论【１２］．模糊理论以模糊集
合（ｆｕｚｚｙｓｅｔｌ为基础．本研究把定位过程中的不确定
因素抽象化为模糊集合，用以接受模糊性现象存在的事实，并在离线阶段建立模糊指纹库，在线阶段进行实时模糊决策定位．
２．１
离线阶段模糊指纹库的建立
在实时定位之前，需要构建指纹库．首先，通过
定位区域内已经布置好的蓝牙锚节点，测量并记录每个参考点上手机客户端的ＲＳＳＩ值和ＬＱ值．定位区域中设有４个蓝牙锚节点，因此，在每个参考点上测量的ＲＳＳＩ值和ＬＱ值就有４组，也就是８个数值．然后，把这些数值上传到服务器中．在服务器中，每个参考点上测量的８个数值构成一个集合，每个集合都有一个唯一的坐标（ｚｔ，Ｙｉ）与其对应，它们被存储在服务器中，用于在线阶段实时定位的计算．
考虑到以上建立的指纹库数据量太大，本研究对指纹库中的数据进行了模糊聚类，建立了模糊指纹库．模糊聚类适合于对高维数据的处理，便于找出异常点，从而省去多重迭代的反复计算过程．更重要的是，模糊聚类可根据指纹库中采集到的数据计算生成模糊相似矩阵，使之后的计算直接对相似矩阵进行处理即可，无须多次反复扫描指纹库．在线实时定位时，首先进行类的匹配，这样可以将定位区域缩至一个较小的范围．一方面，这有利于去除地理位置较远的异常值带来的定位误差，将系统的定位误差最大限度地控制在类的区域内；另一方面，可以减少服务器的通信开销，降低在线定位阶段计算的复杂度，保障定位系统的实时性．
将离线阶段４个蓝牙锚节点测量的每～个参考点上手机客户端的ＲＳＳＩ值和ＬＱ值记为％（１≤ｉ≤礼，
ｎ为定位区域内设置的参考点数目），即ｘｉ＝｛Ｒ１ｉ，Ｌｌｉ；Ｒ２ｉ，Ｌ２｛；Ｒａ｛，Ｌ３ｉ；Ｒ４ｉ，Ｌ４ｉ｝，其中Ｘｉ为样本点，Ｒ
表示离线阶段测得的ＲＳＳＩ值，Ｌ表示离线阶段测得
的ＬＱ值．设指纹库的样本空间为Ｘ＝｛Ｘｌ，ｘ２，…，ｚ。），
任意一个样本点ｚｔ∈Ｘ不能被严格地划分给某一类，定义样本点ｚｉ属于第歹类的程度为Ｗｉｊ（０≤Ｗｉｆ≤１），其中”ｉｆ为模糊隶属度，１≤Ｊ≤ｃ，Ｃ为聚类的类别数
目．样本空间Ｘ的模糊聚类用模糊矩阵Ｗ．＿（叫ｉｊ）描
述，其中元素Ｗｉｊ为矩阵Ｗ的第ｉ行第Ｊ列元素，代表第ｉ个样本点隶属第Ｊ类的隶属度．Ｗ具有以下
万方数据
性质：
ｗｉｊ∈［０，１】，
（１）∑％＝１，
（２）Ｊ＝１
０＜∑Ｗ巧＜扎，
（３）
，＝１
叫巧（忌）＝
吾
（４）
一。∑一
一ⅣＵ
上揣
定义目标函数为厶（Ｗ，ｚ），则
『％
Ⅳ
Ｚ
＝
。∑僦ｍ一”
ｄ
。∑皿
２一Ｕ
Ｚ
勺
Ｚ＝Ｚｌ，Ｚ２，…，ｚｃ，（５）
ｄ巧２（％，ｚｊ）＝陬一勺ｌ，
（６）
ｎ
ｚｊ（ｋ＋１）＝气｝，
∑＂嚣既∑叫嚣
式中，ｍ为模糊指数，ｍ＞１，乃表示第Ｊ类的类中心．
式（６）表示样本点Ｘｉ到类中心ｚｊ的欧氏距离．聚类就是求目标函数在式（１）一（３）约束下的最小值．模糊聚
类算法通过对目标函数的迭代优化，实现对样本集的模糊分类．模糊聚类算法的流程如图２所示．
初始化模糊矩阵，确定模糊指数ｍ
和分类数ｃ
计算瞅Ｄ和ｚ（抖１）
聚类结束
图２模糊聚类算法的流程
Ｆｉｇ．２
Ｆｌｏｗｃｈａｒｔｏｆｆｕｚｚｙｃｌｕｓｔｅｒｉｎｇｐｒｏｃｅｓｓ
通过图２所示的迭代过程，可以完成对离线阶段采集的ＲＳＳＩ值和ＬＱ值类的划分：共分为Ｃ类，每一类中有七（１≤ｋ≤ｎ）个样本值，第Ｊ类的类中心为
孙这Ｃ类数据构成了本定位系统的模糊指纹库．该指
纹库详细描述了特定定位环境中蓝牙信号的ＲＳＳＩ值和ＬＱ值与空间位置的对应关系，并存储在一个中心服务器中．蓝牙４．０标准规范中对蓝牙的传输功率有规定，所有采用蓝牙４．０标准规范的蓝牙设备，其发射功率应该符合该标准规定，并且达到一致性．因此，该
第２期李娟娟，等：蓝牙４．０标准规范下的模糊指纹定位算法
１２９
模糊指纹库理论上适用于所有采用蓝牙４．０标准规范的手机客户端．
２．２
在线阶段实时模糊决策定位
在线实时定位的过程实则就是指纹匹配的过程．
本研究把指纹匹配问题类比于模糊决策问题，运用模糊决策理论对其进行建模，以取得更为准确的定位结果，并增强了室内定位系统的抗干扰能力．
在线阶段，首先进行类的匹配．将在线阶段４个蓝牙锚节点测量的定位区域内的某个手机客户端的４组ＲＳＳＩ值和ＬＱ值记为ｚ。（ｍ为大于等于１的整数，
表示第ｍ个手机客户端），即ｚ。＝｛ｎ。，ｌｌ。；Ｐ２。，ｆ２。；
ｒ３。２３。；ｒ４。，２４。｝，其中ｒ表示在线阶段测得的ＲＳＳＩ
值，ｆ表示在线阶段测得的ＬＱ值．计算得到ｚ。和数
据库中经模糊聚类已确定的Ｃ个类中心之间的模糊隶属度．然后，选取最大模糊隶属度所对应的第Ｊ类，并在此类中进行模糊决策，实现对手机客户端位置的确定．
分别计算实际测量得到的ｚ。中的８个数值，以及指纹库第Ｊ类各参考值既中对应的８个数值之间
距离的绝对值＂婶刨ｐ。被称为因素指标值，即
Ｖｐｇ＝ｈ。一见ｌＩ，ｌ＝１，２，３，４，
（８）
或
％ｇ＝ＩＩｉ。一Ｌｕｌ，ｌ＝１，２，３，４．
（９）
把计算得到的所有因素指标值构成如下的因素指标
矩阵：
ＶｌｌＶ１２’’
砖Ｖ２１
Ｖ２２
‘’
Ｖ＝
七
（１０）
Ｖ８１Ｖ８２
‘‘
虮忱．．．地七
计算相对偏差值弘ｐｑ，即
嗍一％。Ｉ
］．ｔｐｑ
２—Ｖ—ｐ—ｍ—ｊａ。ｘ——－－——Ｖ——ｐ—ｍ—一ｉｎ‘
Ｐ＝１，２，…，８，ｑ＝１，２，…，ｋ，（１１）
式中，％ｍ“＝ｍａＸ｛Ｖｐｌ，Ｖｐ２，…，ｖｐｋ｝，吻。ｉｎ＝
ｍｉｎ｛ｖｐｌ，Ｖｐ２，…，％＾｝，嵋＝唧。ｉ。．计算得到的相对
偏差值脚ｑ作为元素，构成模糊矩阵５，即相对偏差矩阵：
ｐ１１
芦１２
弘１砖
６＝
肛２１肛２２
灿２七
：
（１２）
●
ｐ８１ｐ８２
肛８ｋ
万方数据
根据具体定位环境设置门限值卢，令
８
ｄｇ＝∑坳。，口＝１川２一，ｋ．
（１３）
ｐ＝ｌ
选取ｄ。≤卢时的Ｋ个值所对应的参考点．然后，根据式（１４）计算这Ｋ个参考点所对应坐标的平均值，作为测试点的估计位置：
（。，Ｙ）
，一Ｋ
Ｋ∑瑚
＠
阢
（１４）
定义测试点实际位置坐标（ｚ７，Ｙ７）和估计位置坐标（ｚ，
Ｙ）之间的距离为定位误差，用△表示：
（１５）
△的大小可以表征定位系统的定位性能，△值越小，其定位性能越好．
３
定位算法的仿真验证
本研究的仿真以验证算法为主，且只验证算法层
面的有效性与合理性．使用Ｍａｔｌａｂ７．０建立仿真验证平台，假设定位区域大小为１０ｍｘ５ｍ，仿真实验地图坐标如图３所示．整个定位系统用到４个蓝牙锚节点，分别位于定位区域的４个角上；每１ｍ的长度标定一个参考点，地图上共标定了３６个参考点；分别从４个蓝牙锚节点上采集每个参考点的ＲＳＳＩ值和ＬＱ值，可以得到３６组８维的数据．
Ｘ／ｍ
图３仿真实验地图坐标
Ｆｉｇ．３
Ｍａｐｃｏｏｒｄｉｎａｔｅｓｏｆｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔ
首先，对这３６组８维的数据进行模糊聚类，规定最大迭代次数为１００，迭代终止条件为１Ｅ－５，聚类数为４．根据式（１）一（７），可得聚类结果的仿真图（见图４）．
参照仿真实验地图坐标，当测试点所处位置的实际坐标为（６．３，２．７）时，对指纹库中的参考值进行模糊决策．根据式（８）一（１３），得到参考点选择的仿真结果
如图５所示．由式（１４）计算可得，测试点的估计位置坐标为（６．１，２．９），由式（１５）计算可得，其定位误差为
０．３ｍ．
１３０
上彦太筝亨报（自然科学版）
第１９卷
图４离线阶段的模糊聚类
Ｆｉｇ．４
Ｆｕｚｚｙｃｌｕｓｔｅｒｉｎｇｉｎｔｈｅｏｆｆ－ｌｉｎｅｓｔａｇｅ
图５在线阶段参考点的选择
Ｆｉｇ．５
Ｓｅｌｅｃｔｉｏｎｏｆｒｅｆｅｒｅｎｃｅｐｏｉｎｔｉｎｔｈｅｏｎ—ｌｉｎｅｓｔａｇｅ
以上实验数据都是在理想情况下得到的，在实际环境中，由于信号受到多径衰退、温度、湿度、人群移动、室内格局变化等多种因素的影响，测得的ＲＳＳＩ值和ＬＱ值较理想值有一定的偏差．因此，本研究采取了误差注入的方式．在普通室内环境下，当定位区域内有静止放置的物体和以一定速度移动的人流时，在线测得的ＬＱ值较理想值的偏差大约为ｌ—１２，ＲＳＳＩ值较理想值的最大偏差为１０ｄＢ，平均偏差为４
ｄＢ［１３】．
为了使定位结果具有普遍性，在定位区域内随机选取１００个测试点注入误差，然后运行模糊指纹定位算法对其进行定位．由式（１５）计算可得每个测试点的定位误差和这１００个测试点的平均定位误差分布，结果如图６所示．
３．０
２．５
Ｉ
ｇ
２．０
剁
嗤１．５趟。砒翩
，●
《
《ＪＪ’蕊。
删１．０
｝
０．５
！
’掣
巡１４
趔
《
｝
ｌ，
Ｏ
１０２０
３０
．唧岬
４０
５０
６０
７０
８０
９０
１００
测试点
图６定位误差分布
Ｆｉｇ．６
Ｅｒｒｏｒｌａｎｄｓｃａｐｅｏｆｌｏｃａｔｉｏｎｒｅｓｕｌｔｓ
万方数据
分析实验所得数据，模糊指纹定位算法在小范围内取得了良好的定位精度，平均定位误差为１．３６ｍ，最大定位误差为２．８５ｍ．相比于传统的指纹标定法【９】９，本方法的定位精度大约提高了４９％．根据实际应用需求，１．５ｉｎ以下的平均定位误差已经可以满足室内环境下基于位置服务的基本需求．在蓝牙４．０标准规范中，３ｍｓ的瞬间连接技术为实现实时的定位提供了必要的前提，离线阶段模糊聚类机制的运用使得此算法
的计算量缩减为传统指纹标定法的１／ｃ（ｃ为模糊聚类
类别数），并大大降低了算法的运行时间．室内环境下手机客户端的移动速度大约为１．ｏ一１．５ｍ／ｓ．因此，蓝牙４．０标准规范下的模糊指纹定位算法理论上可以实现实时定位．
４
结束语
基于蓝牙４．０标准规范，本研究提出了一种高精
度、低开销的实时模糊指纹定位算法．该算法选取ＲＳＳＩ值和ＬＱ值作为参数，分两个阶段实现定位：离线阶段建立模糊指纹库，在线阶段进行模糊决策，从
而实现了对手机客户端位置的确定．本研究在Ｍａｔｌａｂ７．０平台上验证了算法的有效性．仿真实验结果表明，相比于其他蓝牙定位算法，模糊指纹定位算法取得了可以满足室内环境下基于位置服务需求的１．３６ｍ的平均定位误差．此外，离线阶段模糊聚类机制的运用大大提高了算法效率，使得在保证定位精度的前提下，
计算量缩减为传统指纹标定法的１／ｃ（ｃ为模糊聚类类
别数），降低了在线定位阶段计算的复杂度，保证了定位系统的实时性．
参考文献：
［１］ＬＵＪＡＮ
Ｓ，ＳＵＡＲＤｉＡＺ—ＭＵＲＯＪ，ＣＡＢＲＥＲＡ—ＬＯＺＯＹＡ
Ａ．ｅｔ
ａ１．Ｄｅｅｐｌｏｃ：ｄｉｓｃｒｅｅｔｉｎｄｏｏｒｐｅｏｐｌｅｌｏｃａｔｉｏｎ
ａｐｐｌｉｃａｔｉｏｎ［ｅｌ／／４ｔｈ
ＩＦＩＰＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ
ｏｎ
ＮｅｗＴｅｃｈｎｏｌｏｇｉｅｓ，ＭｏｂｉｌｉｔｙａｎｄＳｅｃｕｒｉｔｙ．２０１１：
１—５．
［２］ＢＨＡＧＷＡＴＰ．Ｂｌｕｅｔｏｏｔｈ：ｔｅｃｈｎｏｌｏｇｙｆｏｒｓｈｏｒｔ—ｒａｎｇｅ
ｗｉｒｅｌｅｓｓＡｐｐｓ［Ｊ】．ＩＥＥＥＩｎｔｅｒｎｅｔＣｏｍｐｕｔｉｎｇ，２００１，
５（３）：９６—１０３．
［３］ＢＩＥＢＥＲ
Ｇ，ＶＯＳＫＡＭＰＡＮＤ
Ｊ，ＵＲＢＡＮ
Ｂ．Ａｃｔｉｖｉｔｙ
ｒｅｃｏｇｎｉｔｉｏｎ
ｆｏｒ
ｅｖｅｒｙｄａｙｌｉｆｅ
ｏｎ
ｍｏｂｉｌｅ
ｐｈｏｎｅｓ【Ｊ】
ＬｅｃｔｕｒｅＮｏｔｅｓｉｎＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，２００９，５６１５：２８９－２９６．
［４］Ｂｌｕｅｔｏｏｔｈ
ＳｐｅｃｉａｌＩｎｔｅｒｅｓｔ
Ｇｒｏｕｐ．
Ｂｌｕｅｔｏｏｔｈ
Ｓｐｅｃｉｆｉｃａｔｉｏｎ
Ｖｅｒｓｉｏｎ
４．０【ＥＢ／ＯＬ］．［２０１２・０４－２ｓ］．
ｈｔｔｐｓ：／／ｗｗｗ．ｂｌｕｅｔｏｏｔｈ．ｏｒｇ．
皇塑一．
李娟娟，等：蓝牙４．０标准规范下的模糊指纹定位算法
１３１
［５］ＡＮＡＳＴＡＳＩＧ，ＢＡＮＤＥＬＬＯＮＩ
Ｒ，ＣＯＮＴＩＭ，ｅｔａ１．Ｅｘｐｅｒｉ－
ｍｅｎｔｉｎｇ
ａｎ
ｉｎｄｏｏｒ
Ｂｌｕｅｔｏｏｔｈ－ｂａｓｅｄ
ｐｏｓｉｔｉｏｎｉｎｇｓｅｒｖｉｃｅ【ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ
ｏｆｔｈｅ２３ｒｄ
Ｉｎｔｅｒｎａｔｉｏｎａｌ
Ｃｏｎｆｅｒｅｎｃｅ
ｏｎ
Ｄｉｓｔｒｉｂｕｔｅｄ
Ｃｏｍｐｕｔｉｎｇ
ＳｙｓｔｅｍｓＷｏｒｋｓｈｏｐｓ．２００３：４８０－４８３．
［６】６
ＣＨＡＷＡＴＨＥ
ＳＳ．Ｂｅａｃｏｎ
ｐｌａｃｅｍｅｎｔ
ｆｏｒ
ｉｎｄｏｏｒｌｏｃａｌｉｚａｔｉｏｎ
ｕｓｉｎｇ
Ｂｌｕｅｔｏｏｔｈ［ｃ］／／１１ｔｈ
Ｉｎｔｅｒ．
ｎａｔｉｏｎａｌＩＥＥＥＣｏｎｆｅｒｅｎｃｅ
ｏｎ
ＩｎｔｅｌｌｉｇｅｎｔＴｒａｎｓｐｏｒ－
ｔａｔｉｏｎＳｙｓｔｅｍｓ．２００８：９８０－９８５．
【７］ＲＯＤＡＳ
Ｊ，ＥＳＣＵＤＥＲＯＣＪ，ＩＧＬＥＳＩＡＤＩ．Ｂａｙｅｓｉａｎ
ｆｉｌｔｅｒｉｎｇ
ｆｏｒ
ａ
Ｂｌｕｅｔｏｏｔｈ
ｐｏｓｉｔｉｏｎｉｎｇ
ｓｙｓｔｅｍ［ｃ］／／ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍｏｎＷｉｒｅｌｅｓｓＣｏｍｍｕ—
ｎｉｃａｔｉｏｎＳｙｓｔｅｍｓ．２００８：６１８－６２２．
［８］ＤＩＡＺ
Ｊ
ＪＭ，ＤＥＭＡＵＬＳ
Ｒ
Ａ，ＳＯＡＲＥＳＲ
Ｂ，ｅｔ
ａ１．ＢｌｕｅＰａｓｓ：ａｎｉｎｄｏｏｒＢｌｕｅｔｏｏｔｈ－ｂａｓｅｄｌｏｃａｌｉｚａｔｉｏｎ
ｓｙｓｔｅｍ
ｆｏｒ
ｍｏｂｉｌｅ
ａｐｐｌｉｃａｔｉｏｎｓ［ｃ］／／２０１０
ＩＥＥＥ
Ｓｙｍｐｏｓｉｕｍ
ｏｎ
ＣｏｍｐｕｔｅｒｓａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎｓ．
２０１０：７７８—７８３．
万方数据
［９】ＳＵＢＨＡＮ
Ｆ，ＨＡＳＢＵＬＬＡＨＨ，ＲＯＺＹＹＥＶＡ，ｅｔａ１．Ｉｎ．
ｄｏｏｒｐｏｓｉｔｉｏｎｉｎｇｉｎＢｌｕｅｔｏｏｔｈｎｅｔｗｏｒｋｓｕｓｉｎｇｆｉｎｇｅｒ－ｐｒｉｎｔｉｎｇａｎｄｌａｔｅｒａｔｉｏｎａｐｐｒｏａｃｈ［ｃ］／／２０１１
Ｉｎｔｅｒｎａ－
ｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎ
ＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＡｐｐｌｉ．
ｃａｔｉｏｎｓ．２０１１：１－９．
［１０】ＫＩＮＧ
Ｔ，ＬＥＭＥＬＳＯＮＨ，ＦＡＲＢＥＲＡ，ｅｔａ１．ＢｌｕｅＰｏｓ：
ｐｏｓｉｔｉｏｎｉｎｇ
ｗｉｔｈ
Ｂｌｕｅｔｏｏｔｈ［Ｃ］／ｌＰｒｏｃｅｅｄｉｎｇｓ
ｏｆ
ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍｏｎ
ＩｎｔｅｌｌｉｇｅｎｔＳｉｇｎＭ
Ｐｒｏｃｅｓｓｉｎｇ．２００９：５５—６０．
【１１】ＳＵＢＨＡＮ
Ｆ，ＨＡＳＢＵＬＬＡＨＨ，ＲＯＺＹＹＥＶＡ，ｅｔ
ａ１．
Ｄｉｓｔａｎｃｅ
ｅｓｔｉｍａｔｉｏｎ
ｉｎ
Ｂｌｕｅｔｏｏｔｈ
ｎｅｔｗｏｒｋｓ
ｕｓｉｎｇ
ｓｉｇｎａｌｐａｒａｍｅｔｅｒｓ
ｆｃ］／／２０１０
Ｉｎｔｅｒｎａｔｉｏｎａｌ
Ｃｏｎｆｅｒ－
ｅｎｃｅｏｎ
ＩｎｔｅｌｌｉｇｅｎｔａｎｄＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ．２０１０：
２８—３０．
【１２］陈水利，李敬功，王向公．模糊集理论及其应用【Ｍ】．北
京：科学出版社，２００５：３４２—４３６．
［１３】杨东勇，顾东袁，傅晓婕。一种基于ＲＳＳＩ相似度的室内
定位算法［Ｊ】．传感技术学报，２００９，２２（２）：２６４－２６８．
蓝牙4.0标准规范下的模糊指纹定位算法
作者：作者单位：
李娟娟， 张金艺， 张秉煜， 同荣俊， 唐夏， LI Juan-juan， ZHANG Jin-yi， ZHANG Bing-yu， ZHOU Rong-jun ， TANG Xia
李娟娟,张秉煜,LI Juan-juan,ZHANG Bing-yu(上海大学特种光纤与光接入网省部共建重点实验室,上海
,200072) ， 张金艺,ZHANG Jin-yi(上海大学特种光纤与光接入网省部共建重点实验室,上海200072;上海大学微电子研究与开发中心,上海200072;上海大学新型显示与系统应用重点实验室,上海200072)， 同荣俊,唐夏,ZHOU Rong-jun,TANG Xia(上海大学微电子研究与开发中心,上海,200072)上海大学学报（自然科学版）
Journal of Shanghai University(Natural Science Edition)2013,19(2)
刊名：英文刊名：年，卷(期)：
参考文献(13条)
1. LUJAN S. SUARD(I)AZ-MURO J. CABRERA-LOZOYA A Deeploc:discreet indoor people location application 20112. BHAGWAT P Bluetooth:technology for short-range wireless Apps 2001(03)
3. BIEBER G. VOSKAMPAND J. URBAN B Activity recognition for everyday life on mobile phones 20094. Bluetooth Special Interest Group Bluetooth Specification Version 4.0 2012
5. ANASTASI G. BANDELLONI R. CONTI M Experimenting an indoor Bluetooth-based positioning service 20036. CHAWATHE S S Beacon placement for indoor localization using Bluetooth 2008
7. RODAS J. ESCUDERO C J. IGLESIA D I Bayesian filtering for a Bluetooth positioning system 2008
8. DIAZ J J M. DE MAU(E)S R A. SOARES R B BluePass:an indoor Bluetooth-based localization system for mobile applications2010
9. SUBHAN F. HASBULLAH H. ROZYYEV A Indoor positioning in Bluetooth networks using fingerprinting and lateration approach2011
10. KING T. LEMELSON H. FARBER A BluePos:positioning with Bluetooth 2009
11. SUBHAN F. HASBULLAH H. ROZYYEV A Distance estimation in Bluetooth networks using signal parameters 201012. 陈水利. 李敬功. 王向公 模糊集理论及其应用 2005
13. 杨东勇. 顾东袁. 傅晓婕 一种基于RSSI相似度的室内定位算法 2009(02)
本文链接：.com.cn/Periodical_shdxxb201302004.aspx