Android 室内定位系统的卡尔曼滤波算法

我使用BLE（蓝牙低能量）通过其RSSI和三边测量算法进行室内定位系统

问题是如何使用RSSI找到精确的距离

每次，由于某些干扰，信标都会给出不同的RSSI值

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

---

就我所知，有两种功能。一个是预测，另一个是校正。但是我应该从哪里开始呢？

卡尔曼滤波器不适合您的问题

问题

你把噪音描述为“某种干扰”。你需要知道 噪声分布提前

由遮挡引起的错误（人类位于 移动设备和可移动信标）将使过滤错误非常严重 大的。事实上，您需要调查许多解决方案 方法来规避非线性

BLE的RSS指示器与移动设备的实际位置不是线性函数（同样，非线性）

答复

您需要在 在这种情况下，你要调查“无迹卡尔曼滤波”，“扩展” “卡尔曼滤波器”（非线性扩展）或“粒子滤波器”（如非线性滤波器，噪声分布独立）。简要概述 本地化（在机器人技术方面）可在以下位置找到： 还有更多 详情如下：

因为我假设你对房间和灯塔有预先的了解 在立场上，更直截了当的方法可能是 技术调查。该链接还包含其他室内定位技术的进一步文献

---

卡尔曼滤波器不适合您的问题

问题

你把噪音描述为“某种干扰”。你需要知道 噪声分布提前

由遮挡引起的错误（人类位于 移动设备和可移动信标）将使过滤错误非常严重 大的。事实上，您需要调查许多解决方案 方法来规避非线性

BLE的RSS指示器与移动设备的实际位置不是线性函数（同样，非线性）

答复

您需要在 在这种情况下，你要调查“无迹卡尔曼滤波”，“扩展” “卡尔曼滤波器”（非线性扩展）或“粒子滤波器”（如非线性滤波器，噪声分布独立）。简要概述 本地化（在机器人技术方面）可在以下位置找到： 还有更多 详情如下：

因为我假设你对房间和灯塔有预先的了解 在立场上，更直截了当的方法可能是 技术调查。该链接还包含其他室内定位技术的进一步文献

---

使用BLE确实很难估计准确的距离。如果您使用多个信标（每1米一个），您可以对其进行估计，但如果信标之间的距离较大，则由于信号的反射和吸收，因此很难进行估计。

---

你可以尝试使用指纹识别来提高准确度。卡尔曼滤波器不是这个应用程序的正确选择，因为您没有额外的控制向量来预测。如果你是静止的，那么KF会有帮助，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。

使用BLE很难估计准确的距离。如果您使用多个信标（每1米一个），您可以对其进行估计，但如果信标之间的距离较大，则由于信号的反射和吸收，因此很难进行估计。

---

你可以尝试使用指纹识别来提高准确度。卡尔曼滤波器不是这个应用程序的正确选择，因为您没有额外的控制向量来预测。如果您是静止的，那么KF可以帮助您，但对于动态情况，您需要有控制向量来预测，并且您的BLE RSSI水平可以用作测量。

卡尔曼滤波器仅与“存在”检测相关，而不是与“位置”相关，即，如果位置是静止的，它可能有用

预测函数将是一个简单的常数函数：

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“信任”的程度

---

如果您想研究此解决方案，这是一个很好的起点：它提供了解释、简化模型以及此类卡尔曼滤波器的实现。

卡尔曼滤波器仅与“存在”检测相关，而不是与“位置”相关，即，如果位置是静态的，它可能很有用

预测函数将是一个简单的常数函数：

RSSI（t）=RSSI（t-1）

。 为了进行更正，您需要设置一个任意值，表示您对度量“信任”的程度

---

如果您想研究此解决方案，这是一个很好的起点：它提供了解释，一个简化的模型和一个这样的卡尔曼滤波器的实现。

请添加一些代码以便更好地理解。先生，我有ibeacons的rssi值，我想在上面实现卡尔曼滤波器，以便在距离测量中获得一点精度。我不知道如何从卡尔曼滤波器开始，rssi是一种有限的定位系统，因为它很容易受到环境条件的影响。这是否适用于您的应用程序？广播强度是动态的，因此，它们作为信标的使用最多是非常有限的。请添加一些代码以供击球手理解。先生，我有ibeacons的rssi值，我想在其上实施卡尔曼滤波，以便在距离测量中获得一点精度。我不知道如何从卡尔曼滤波开始。

rssi

是一种有限的定位系统