基于Transformer的室内蓝牙定位系统设计与实现.pdfVIP

摘要

摘要

数据显示，人们每天有接近80%的时间都是在室内进行日常活动。在室内定

位技术中，蓝牙iBeacon技术因其有着成本较低、定位精度较高的优点，已经被

运用在了医院、地下停车场等诸多场所。针对现有的定位技术存在定位精度较低、

定位过程较复杂的情况，本文提出一种基于Transformer神经网络模型的室内蓝

牙定位方法，该方法通过计算分析蓝牙iBeacon信标的接受信号强度指示

（ReceivedSignalStrengthIndication，RSSI)和空间坐标对待定位点位置进

行估计，定位过程简单，定位精度较高。论文的主要研究内容如下：

1）制作一款硬件定位器，用于接受和发送定位信息，增加用户定位设备的

选择性，满足不同场景下定位设备的选择性，满足不同用户的定位需求。同时从

硬件方面了解定位技术的原理，了解蓝牙iBeacon信标发送信息的过程，为后续

的定位算法研究和改进提供理论基础。

2）针对RSSI数据波动较大的问题，提出基于Diffusion神经网络模型的数

据优化算法，该算法通过反向扩散过程不断的恢复数据的结构，来达到对噪声数

据进行去噪的能力。同时利用ConvNeXtBlock模块对网络结构中的ResNetBlock

模块进行改进，以提高网络的数据识别能力，提高网络的去噪能力。

3）针对传统室内定位算法定位精度较低的问题，提出基于Transformer神

经网络模型的室内定位算法，该算法通过监督学习的方式，运用自注意力机制来

捕获序列中各个位置的依赖关系，利用双向Transformer模型得到上下文信息，

以较深的网络结构学习蓝牙iBeacon数据中的结构关系，达到提高定位精度的能

力。

4）基于制作的硬件定位器和定位算法设计实现室内定位系统，定位系统分

为硬件系统和软件系统两部分。硬件系统用于发送和接收蓝牙信号，提供定位所

需的数据；软件系统包括前端服务器负责与用户进行交互，后端服务器负责进行

定位算法的解算。同时进行系统测试，验证系统的实用性。

最后通过实验结果表明，使用Diffusion神经网络模型的方法对数据进行去

噪处理，将数据平均误差减小到1米。同时使用Transformer神经网络模型的方

I

摘要

法对去噪后的定位数据进行定位，使定位精度达到0-3米，平均误差约为1米。

通过系统测试表明，定位系统具有实用性，其中硬件定位器具有低成本的优点，

软件系统具有稳定性好、使用流畅的优点。

关键词：室内定位；iBeacon；RSSI；Diffusion；Transformer；数据优化

II

ABSTRACT

ABSTRACT

Datashowsthatpeoplespendnearly80%oftheirdailytimeindoorsengaging

indailyactivities.Inindoorpositioningtechnology,BluetoothiBeacontechnology

hasbeenappliedinmanyplacessuchashospitalsandundergroundparkinglotsdue

toitsadvantagesoflowercostandhigherpositioningaccuracy.Inresponsetothe

lowpositioningaccuracyandcomplicatedpositioningprocessofexisting

positioningtechnologies,thisthesisproposesanindoorBluetoothpositioning

methodbasedontheTransformerneuralnetworkmodel.Thismethodestimatesthe

posi