定位引擎产品框架说明文档

定位引擎产品由上至下分为四层，编码实现层、场景应用层、通用算法层、数据采集层，以及测试平台

---

编码实现层

主要工作：根据协定的接口，对外提供精确、稳定、可靠的、能够集成到Android SDK、IOS SDK、JS SDK的针对不同场景的算法库或者单独运行在服务器上的定位引擎程序；针对不同的系统平台，选择适当的定位算法组合，并在算法上提出一些针对性的处理，同时选择合适的语言框架实现定位算法。

主要的平台：Android、IOS、 H5+JS+微信公众号、Linux等

针对不同平台的编码要求：

针对H5+JS+微信公众号平台

1. JS不适合做大量的浮点型运算

2. 微信公众平台从Beacon获取的信息中缺少measuredPower（一米处RSSI值），而且对惯导的支持较差，只能选择基于RSS测距单一的算法或者指纹算法

输出成果：适合不同平台的针对不同场景的编程代码（JS、JAVA等语言可能需要对应平台人员根据伪代码完成开发）

---

场景应用层

主要工作：针对特定的场景，制定相应的测量策略，分析测量的数据，选择并提供合适的数据采集设备的部署方式、配置参数以及合适的定位算法、算法参数；在通用算法的基础上，针对具体的应用情形进行算法上的裁剪、定制，提供专用于某些场景的专用化算法。

主要的应用场景：室内停车场、大型室内商场、医院、养老院、会展中心、火车站、机场等

针对不同场景的定制要求：

针对停车场环境

1. 测量室内停车场环境下RSSI的波动及衰减情况，选择合适的信号滤波算法及其他步骤的算法，同时拟合出RSSI-Distance模型

2. Beacon的部署方式可以采用单条线型，仅在车道中间部署一排，部署间隔为多少，发射功率为多少，发包频率为多少，部署条件不允许的第二套方案

3. 单条线型部署，主要使用两点和单点定位，无论用户的实际位置在哪里，都将其定位坐标映射到最近的车道中央线上

输出成果：针对特定应用场景的算法说明文档 以及 C++测试版代码

---

通用算法层

主要工作： 研究现有的室内定位算法，总结出核心知识点，抽象出通用算法框架；针对不同的数据采集设备，向数据采样层提出所需的在理想环境下的测量数据，并分析这些数据，然后在框架的基础上对算法进行细化，最终以流程图和文字说明的方式提供完整、详细的算法实现方法。

主流的定位算法：基于RSS测距、基于RSS指纹库、基于地磁场、基于MEMS传感器的惯导、基于TOA的超宽带脉冲定位算法等

针对不同算法的研究要求：

基于RSS测距的定位算法

1. 核心知识点

RSS在室内传播时的多径效应：直接导致RSS的不稳定性和时变性 。（测量，分析）

无线电传播损耗模型：对数衰减模型、多项式衰减模型等

2. 定位算法框架

(1)信号滤波

常用的滤波方法：高斯滤波/均值滤波/边界滤波/Kalman滤波/其它

(2)公式转化成距离

常用的公式：标准的信道模型/自己拟合/其它

(3)几何定位算法得出坐标点

常用的算法：单点/两点/质心/最小二乘/三边/多点/其它/按比例计算

(4)定位点的滤波

常用的滤波：Kalman/其它

3. 根据测量数据得到理想环境下完整详细的算法

分析信号的衰减波动情况，选择一种合适的方法或多种方法的组合,以流程图和文档的形式提供完整详细的算法步骤。

输出成果：针对不同算法的研究文档、算法实现步骤说明文档及测量数据分析文档　以及　不同算法的C++测试版代码

---

数据采集层

主要工作：根据算法层的需求，完成设备数据的采集，并对采集的数据进行整理、分析，最终为算法层提供清晰、准确、符合实际规律的图文数据。

主流的定位数据采集设备：iBeacon、WIFI-AP、UWB、ZigBee、BLE、超声波、RFID...

针对不同设备的测量要求：

iBeacon的测量方法

在无线电波干扰较小的空旷环境下，针对单个iBeacon, 测量某种测试机在不同功率下、不同的发射频率下、不同距离下、不同采样次数下，获取到的RSSI数据。然后分析测量到的数据，提供不同情形下，在某点处的RSSI的波动直方图、RSSI随距离衰减的曲线图、数据采样的丢包率、不同功率下的最大信号覆盖范围。

输出成果：针对不同数据采集设备的测量文档

---

测试平台

算法层和场景层，在选择后合适的算法后，都需要编码实现，进行测试调整算法。测试方案有两个，

方案一：同时提供支持四端的算法包(Android、IOS、JS+H5、Linux)

方案二：对四端的测试工具提供统一的接口，通过UDP或者HTTP在云端服务器实现定位

方案一优点无网络延时，最切近程序实际运行环境，缺点则是替换包时十分繁琐；方案二尽管在测试过程中存在一定网络延时(可以接受)，好处是只需在云端更新代码，就可以在四端看到效果，且四端测试客户端不用改动。因而选用方案二。

输出成果：在云端服务器研发一套算法测试平台，基于UDP或HTTP协议从测试客户端获取采集到的数据，返回给客户端定位结果。 需要Android、IOS、前端配合各提供一个测试客户端。

附：

室内定位技术的评价标准

1.定位精度

2.定位响应时间

3.实现复杂度

4.平台兼容性