摘 要

随着移动信息和人工智能的迅猛发展，用户对高精度以及复杂场景的定位需求越来越强烈。本文针对这一问题，分析了现有各种定位方法的优劣点，在此基础上进一步研究了已经成熟的定位算法，并通过对数据的采集分析与数学方法相结合，设计出一整套用于场景的定位算法。最后在iOS平台上设计了一个具有数据采集、数据管理、实现定位的软件，实现复杂场景下的定位功能。

本论文的信号源采用云子公司的iBeacon设备，此设备成本低且易实现。通过云子SDK获取相关的信号强度，在构建数据库时将数据信号划分为静态数据，使用KNN及朴素贝叶斯算法进行处理；在实时定位时使用高斯滤波、均值算法以及卡尔曼滤波对数据进行处理。最后以定位点的形式呈现出来。本方案考虑了无线信号在空间中多径传播以及波的反射折射情况，相比其他方案精确度更高。

关键词：定位算法，iOS，位置指纹，iBeacon

Abstract

With the rapid development of mobile information and artificial intelligence, users of high precision and complex scene positioning needs more and more intense. In view of this problem, this paper analyzes the existing positioning methods of various positioning methods, summed up the advantages and disadvantages. And then study and analyze the already mature positioning algorithm, through the data collection and analysis, combined with some mathematical methods, designed a set of positioning algorithms for the scene. Finally, based on the iOS platform, to build a data acquisition, data management, positioning software to achieve the complex scene under the positioning function.

The source of this paper uses the cloud's iBeacon equipment, the cost is low to achieve. Through the cloud sub SDK to obtain the relevant signal strength, and then in the database construction data signal is divided into static data, the use of KNN and Naive Bayesian algorithm for processing; real-time positioning using Gaussian filtering, mean algorithm and Kalman filter on the data To deal with. And finally in the form of positioning points presented. This scheme takes into account the multipath propagation of wireless signals in space and the reflection refraction of waves, which is better than other schemes.

Keywords: positioning algorithm, iOS, location fingerprint, iBeacon

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 目的及意义 1

1.2 研究的基本内容 2

第2章 定位技术基础理论 3

2.1 定位技术介绍 3

2.2 常用定位技术 3

2.2.1 卫星定位技术 3

2.2.2 移动通信基站定位技术 4

2.2.3 Wi-Fi定位技术 4

2.2.4 蓝牙定位技术（iBeacon） 5

2.3 定位方法分析 6

2.3.1 信号到达角（Angle of Arrival） 6

2.3.2 信号到达时间（Time of Arrival） 6

2.3.3 上行链路信号到达时间差（TDOA） 7

2.3.4 位置指纹 7

2.4 定位方法采用方案分析 8

第3章 基于IOS的多维定位算法研究 9

3.1 影响定位准确度的主要因素 9

3.2 数据指纹处理算法 9

3.2.1 高斯滤波 9

3.2.2 最近邻算法 10

3.2.3 朴素贝叶斯算法 11

3.3 实时信号处理算法 12

3.3.1 均值滤波 12

3.3.2 卡尔曼滤波 13

3.4 定位算法总结 13

第4章 基于iOS平台定位软件的实现 15

4.1 iOS开发环境 15

4.1.1 iOS系统 15

4.1.2 iOS系统架构 15

4.1.3 iOS 设计模式 16

4.1.4 软件开发工具 16

4.2 功能需求 17

4.2.1 系统功能需求 17

4.2.2 非功能性需求 17

4.3 定位软件设计 18

4.3.1 定位软件架构设计 18

4.3.2 系统功能设计 19

4.4 各模块设计 20

4.4.1 用户登录模块 20

4.4.2 用户主界面 21

4.4.3 定位模块 22

4.4.4 数据采集模块 24

4.4.5 数据管理模块 28

4.4.6 个人信息模块 29

4.5 软件设计总结 30

第5章 测试与分析 31

5.1 测试环境与信号采样 31

5.2 数据处理与结果分析 34

第6章 总结 38

致 谢 39

参考文献 40

第1章 绪论

1.1 目的及意义 

随着信息技术的发展，人类已经正式步入移动信息时代，各种基于LBS的应用服务已经渗透入我们生活中。LBS广泛应用于出行导航、信息查询、美食外卖等方面，为我们提供了极大的便利。尤其是近几年，无线通信技术、移动智能终端的发展，人们可以随时随地获得互联网服务，并以此享受到与位置相关的各类信息及服务^[5]。

通过某些外部定位方式(如GPS)或电信运营商的通讯网络（如GSM网、WCDMA、FDD网络等）获取用户的位置信息，在卫星定位系统平台的支持下，为用户提供相应服务的一种增值业务即为LBS服务^[2]。在过去的几个时代中，全球定位系统一直处于统治地位，但是随着移动互联网和人工智能慢慢渗透入我们的生活。GPS开始无法满足人们的需求，如当到达障碍物或者室内情况——回到家或者进入商场，GPS无能为力。