通过贝叶斯滤波提升BLE信标邻近度估计精度
网络与互联网体系结构
2020-01-22 v1 性能
摘要
万物互联持续扩展，使每个人与周围环境的互动程度不断提高。物联网（IoT）设备被大量用于基于邻近度的服务（PBS）和基于位置的服务（LBS）等情境感知应用。为使这些系统正常运行，必须具备可靠的硬件，并以较高精度预测用户在该区域中的位置，从而在狭小空间内区分不同个体。已有多种利用接收信号强度指示（RSSI）的无线方案被提出，用于室内环境的PBS和LBS，但每种方案均有其缺陷。本文考察了低功耗蓝牙（BLE）信标在邻近度估计精度方面的表现。具体而言，我们开发了一款移动应用，并结合三种贝叶斯滤波技术来提升BLE信标的邻近度估计精度，包括卡尔曼滤波、粒子滤波和非参数信息（NI）滤波。由于RSSI受环境影响显著，我们开展了实验，在两种不同环境中测试来自三家知名厂商的信标性能。误差以平均绝对误差（MAE）和均方根误差（RMSE）进行比较。实验结果表明，当信标与接收器距离在3米以内时，与传统滤波相比，贝叶斯滤波可将邻近度估计精度提升多达30%。
引用
@article{arxiv.2001.02396,
title = {Improving BLE Beacon Proximity Estimation Accuracy through Bayesian Filtering},
author = {Andrew Mackey and Petros Spachos and Liang Song and Konstantinos Plataniotis},
journal= {arXiv preprint arXiv:2001.02396},
year = {2020}
}