用于室内定位系统的Kalman过滤算法

Question

我正在使用其RSSI和三尾算法使用BLE（蓝牙低能）将室内定位系统用于室内定位系统。

问题是如何使用RSSI找到准确的距离。

每次，信标都会给出不同的RSSI值，因为一定的干扰。

我读到Kalman Filter可以在某种程度上解决此问题，但是如何使用Kalman滤镜？

就我的知识而言，

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？

Answer 1

卡尔曼过滤器不适合您的问题。

问题

1. 您将噪声描述为"一些干扰"。您需要知道提前的噪声分布。
2. 由阻塞引起的错误（人类位于 移动设备和BLE信标）将使过滤错误非常 大的。实际上，您需要调查许多工作 绕过非线性的方法。
3. BLE的RSS指示器不是移动设备的实际位置的线性函数（再次，非线性）

答案

1. 您要么需要在您的案例，您想调查"无知的卡尔曼过滤器"，"扩展Kalman滤波器"（非线性的扩展）或"粒子过滤器"（例如非线性滤波器，独立噪声分布）。本地化（在机器人技术的背景下）可以在此处找到：http://robots.stanford.edu/papers/thrun.probrob.pdf等详细信息：http：//www.probabilistic-robotics.org/
2. 因为我认为您对房间和信标有预识职位，更直接的方法可能是调查BLE指纹技术。该链接还包含其他室内定位技术的文献。

Answer 2

使用ble确实很难估计准确的距离。如果您使用的是许多信标（每1 m），则可以估计它，但是如果信标之间的距离很大，则很难由于信号的反射和吸收。您可以尝试使用指纹识别以提高准确性。Kalman过滤器对于此应用程序不是正确的选择，因为您没有其他控制向量可以预测。如果您是固定的，那么KF可以提供帮助，但是对于动态案例，您需要具有控制向量来预测，并且可以将RSSI级别用作测量。

Answer 3

kalman滤波器仅与"存在"检测而不是"位置"相关，即如果位置是静态的，则可能有用。

预测函数将是一个简单的常数函数：RSSI(t) = RSSI(t-1)。要进行更正，您需要设置一个任意值，代表您"信任"您的措施的数量。

如果您想调查此解决方案，此博客文章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Kalman过滤器的实现。