【问题标题】：Kalman filtering algorithm for indoor positioning system室内定位系统的卡尔曼滤波算法
【发布时间】：2017-03-03 10:52:02
【问题描述】：

我正在通过其 RSSI 和三边测量算法将 BLE（低功耗蓝牙）用于室内定位系统。

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一定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，有两个功能。一种是预测，另一种是修正。但是我应该从哪里开始呢？

【问题讨论】：

请添加一些代码以便击球手理解。
先生，我有 ibeacons 的 rssi 值，我想对其进行卡尔曼滤波器，以便在距离测量中获得一点准确性。
我不知道如何开始使用卡尔曼滤波器
AFAIK，rssi 是一种有限的本地化系统，因为它很容易受到环境条件的影响我>。这个technical report 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充其量是非常有限的。

标签： android iphone arduino localization kalman-filter

【解决方案1】：

卡尔曼滤波器不适合您的问题。

问题

您将噪音描述为“一些干扰”。你需要知道提前了解噪声分布。
由遮挡引起的错误（人位于移动设备和 BLE 信标）将使过滤错误非常大的。实际上，您将需要调查许多解决方法规避非线性的方法。
BLE 的 RSS 指示器不是移动设备实际位置的线性函数（再次强调，非线性）

回答

您需要在您的案例，你想调查“无味卡尔曼滤波器”，“扩展卡尔曼滤波器”（非线性扩展）或“粒子滤波器”（例如非线性滤波器，与噪声分布无关）。简要概述本地化（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 及更多详情在这里：http://www.probabilistic-robotics.org/
因为我假设你已经预先了解房间和信标位置，更直接的方法可能是调查BLE fingerprinting 技术。该链接还包含有关其他室内定位技术的更多文献。

【讨论】：

如何计算扩展卡尔曼滤波器过程噪声（Q）的标准偏差？
到目前为止你有什么？首先，您需要收集您的基本事实位置，然后相应地收集 RSS 值。

【解决方案2】：

使用 BLE 确实很难估计准确的距离。如果您使用许多信标（每 1 m），您可以估计它，但如果信标之间的距离很大，由于信号的反射和吸收，这很困难。您可以尝试使用指纹识别以提高准确性。卡尔曼滤波器不是此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 可以提供帮助，但对于动态情况，您需要有控制向量来预测，并且您的 BLE RSSI 级别可以用作测量。

【讨论】：

【解决方案3】：

卡尔曼滤波器仅与“存在”检测相关而不是“位置”，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量函数：RSSI(t) = RSSI(t-1)。为了更正，您需要设置一个任意值，表示您“信任”您的措施的程度。

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

【讨论】：