CN108900964A - 基于蓝牙测距的智能开关装置及控制方法 - Google Patents

Abstract

本发明公开了一种基于蓝牙测距的智能开关装置及控制方法。智能开关装置包括测距装置。测距装置包括电源模块，微型控制模块，继电器模块，蓝牙模块。本发明所述测距方法的测距对象为含有蓝牙模块的移动装置即移动终端设备。本发明控制方法通过测距装置与移动装置之间的设定参考距离计算路径损耗，当测距装置采集到移动装置的蓝牙RSSI信号后，采用自适应卡尔曼滤波平滑蓝牙RSSI信号，然后结合路径损耗来计算估计距离，并控制智能开关装置继电器的闭合。本发明设备结构简单，功耗低，精度较高。

Description

基于蓝牙测距的智能开关装置及控制方法

技术领域

本发明涉及一种基于蓝牙测距的智能开关装置及控制方法，尤其是一种建立在RSSI滤波处理的控制方法。

背景技术

在蓝牙测距中，基于RSSI的定位算法，是目前非常通用的一种定位算法。RSSI(Received Signal Strength Indicator)是接收信号强度指示，它的实现是在反向通道基带接收滤波器之后进行的。基于RSSI的定位算法是通过接收到的信号强弱测定信号点与接收点之间的距离，进而根据相应数据进行定位计算的一种定位技术。该种方法的基本原理是通过射频信号的强度来进行距离估测，分别在发送节点和接受节点测量发射功率和接受功率，从而计算传播损耗，使用数据或经验信号传播模型将传播损耗转化为对距离的一种估测算法。与传统定位技术相比，其无需额外添加设备来进行角度测量与时间同步，且充分利用了已有蓝牙无线网络，降低了使用成本。但是由于环境的制约，给信号传播模型的建模带来了一定的困难，并且在通信原理中，反射、多径等效应对定位的结果产生一定的影响以及干扰，所以该方法具有较大的定位误差，精度受到很大的限制。所以如何对到达时间的测距数据进行处理，消除其中的误差显得尤为重要。

为此，人们做了一些尝试，张浩等在《蓝牙手机室内定位***》(计算机应用，2011，(31)：3152-3156)一文中研究提出对蓝牙信号RSSI值的加权滤波的方法，可实现对RSSI的平滑滤波。此方法虽然在一定程度达到了去除噪声的效果，但是存在不足地方：

(1)没有考虑到蓝牙信号在有遮挡物和反射情况下对其RSSI值的影响，没有建立适当的损耗模型，此方法适应环境的能力不强。

(2)没有考虑到噪声的类型，只是把影响RSSI值的噪声当作白噪声处理，虽可以实现平滑滤波，单精度较低。

张炽成等发明了《一种蓝牙测距的方法及***》(CN 104407343A),此方法对RSSI测量多个不同距离的参考值，再利用最小二乘法计算出衰减因子，最后得出实际距离。其存在的主要不足点包括：

(1)采用了多参考点的方法建立损耗模型，此方法虽然可以精确的确立损耗模型，但是实现比较复杂，采集的数据较多，加大了计算量。

(2)采用最小二乘法的滤波处理方法，此方法是卡尔曼滤波的特殊情况，但只适用于白噪声的情况下效果较好。再处理有色噪声效果较差。

发明内容

本发明是为避免上述现有技术存在的不足之处，提供一种设备结构简单，功耗和成本较低，用于基于蓝牙测距的智能开关装置以及控制方法。

本发明为解决技术问题采用如下技术方案：

一种基于蓝牙测距的智能开关装置，包括一个测距装置；所述测距装置包括继电器、继电器控制电路、微型控制器模块、蓝牙模块A和电源；所述蓝牙模块A通过通信线与微型控制器模块双向连接，微型控制器模块与继电器控制电路通过导线单向连接，继电器控制电路通过导线控制继电器；

所述蓝牙模块A接收微型控制器模块发送的AT指令后,对作为测距对象的移动装置的RSSI值数据进行采样，并将采样到的RSSI值发送至微型控制器模块；微型控制器模块接收到蓝牙模块A发送的RSSI值后进行处理，并发送控制信号至所述继电器控制电路，所述继电器控制电路通过继电器控制开关的闭合或者断开；

所述移动装置包括一个蓝牙模块B。

本发明还提供了一种根据权利要求1所述的基于蓝牙测距的智能开关装置的控制方法，包括以下步骤：

步骤1，设定与采样；

设距离阈值为D，设参考距离为d₀，d₀＝1米；

测距装置通过蓝牙搜索对距离为d₀的移动装置进行RSSI值的采样，并将其采样数据记为参考信号强度值RSSI1’，然后通过均值滤波得到滤波后参考信号强度值RSSI1；测距装置通过蓝牙搜索对距离为D的移动装置进行RSSI值的采样，并将其采样数据记为设定信号强度值RSSI2’，然后通过均值滤波得到滤波后设定信号强度值RSSI2；

步骤2，根据步骤1得到的滤波后参考信号强度值RSSI1和滤波后设定信号强度值RSSI2，通过下式计算得到测距装置所在的环境路径损耗指数γ：

步骤3，设测距装置和移动装置之间的估计距离为d，测距装置通过蓝牙搜索对移动装置进行RSSI值的采样,并将其采样数据记为初始信号强度值RSSI_AB’，然后为消除测距过程中有色噪声的影响，再对求得的初始信号强度值RSSI_AB’进行自适应卡尔曼滤波处理，并将滤波后的数据记为精确信号强度值RSSI_AB；

步骤4，根据步骤3得到的精确信号强度值RSSI_AB，计算移动装置与测距装置之间的估计距离d，其公式为：

步骤5，将步骤4得到的估计距离d与步骤1设定的距离阈值D进行比较，

若d≤D，测距装置中的继电器闭合；

若d＞D时，测距装置中的继电器断开。

优选地，步骤3所述的自适应卡尔曼滤波处理的步骤如下：

步骤3.1，建立自适应卡尔曼滤波算法的状态方程和有色噪声测量方程；

χ_k+1＝Aχ_k+Γλ_k

ν_k＝Cχ_k+μ_k

μ_k＝N_k-1μ_k-1+δ_k

其中，A为状态矩阵，T为采样时间；Γ为误差系数矩阵，C为测量矩阵，C＝[1 0]；

为目标在k时刻的二维状态向量，其中，k为采样时刻，k＝1,2,3...n，△i_k为k时刻的信号强度指示值RSSI，为△i_k的一阶导数；

λ_k为***噪声，是一个高斯白噪声序列；

ν_k为一维测量向量，表示k时刻的信号强度指示值RSSI测量数据；

μ_k为k时刻的测量误差，μ_k-1为k-1时刻的测量误差；

N_k-1为自回归系数；

δ_k为高斯白噪声序列；

步骤3.2，根据原始卡尔曼滤波算法，由k-1时刻的滤波结构得到目标的k时刻的信号强度指示值RSSI的预测值以及k时刻的新息值z_k，计算公式为：

其中，为k-1时刻的滤波结果；

0时刻信号强度指示值RSSI的滤波结果，根据初始测量数据由下式得出，

其中，χ₀＝v₀，v₀为第一个测量数据、取为前10次测量信号强度指示值RSSI的方差，E(χ₀)为χ₀的期望值，var(χ₀)为χ₀的方差，

步骤3.3，求出测量噪声的协方差在k时刻的估计值；

先计算自适应测量噪声的协方差参数S_k的估计值其由下式来估计得到

其中，是前i次新息值的均值，计算为：

其中，z_i，z_j分别表示第i，j次的新息值，

再按照下两式得出测量噪声协方差在k时刻的估计值

P_k,k-1＝AP_k-1,k-1A^T+ΓQ_kΓ^T

其中，Q_K为λ_k的协方差矩阵，P_k,k-1是k时刻预测误差方差矩阵，P_k-1,k-1是k-1时刻的估计误差协方差矩阵；

步骤3.4，计算N_k-1；

根据μ_k-1和δ_k独立，且由协方差的关系得出N_k-1的计算式为：

其中，var(δ_k)是δ_k的方差；

步骤3.5，计算k时刻的门限值m_k；

计算前k次测量RSSI数据的方差取门限值为方差值，即

步骤3.6，更新卡尔曼滤波增益；

将k时刻的新息值与门限值进行比较，若新息值大于门限值，则将卡尔曼增益置为零，否则按以下两步计算滤波增益G_k，

H_k-1＝(CA-N_k-1C)

其中，H_k-1为k-1时刻的非奇异矩阵；

步骤3.7，更新估计误差方差矩阵；

由得出估计误差方差矩阵的初值，χ₀为第一个测量RSSI值；

估计误差方差矩阵更新的表达式为：

P_k,k＝(A-G_kH_k-1)·P_k-1,k-1A^T+(I-G_k)ΓQΓ^T

步骤3.8，根据k时刻滤波输出方程输出k时刻的滤波结果，滤波输出方程为：

如此循环往复，输出1到n时刻的全部滤波结果，得到对初始强度信号值RSSI_AB’采样数据处理的结果，即精确强度信号值RSSI_AB。

与现有的技术相比，本发明公开的基于蓝牙测距的智能开关装置及控制方法，其有益效果体现在：

1、采用蓝牙测距的智能开关，在使用蓝牙模块的通信功能的同时，也能够完成蓝牙测距任务，不需要再添加额外的测距传感器。从而降低了智能开关的成本。

2、采用一种新的路径损耗的模型，减少了参考数据的测量和计算，更易于实现。使用路径损耗可以提高对环境的适应的性，使测距更可靠。

3、对RSSI进行的噪声建立了有色噪声模型，采用自适应卡尔曼滤波的方法，提高了RSSI测量的可靠性，降低了环境噪声对测量的影响，提高了蓝牙测距的精度。

附图说明：

图1为本发明智能开关装置中测距装置A和移动装置B的结构图。

图2为本发明控制方法的流程图。

图3为本发明实施例滤波前后测量距离与实际距离比较图。

具体实施方式

下面结合附图对本发明的优选方式作进一步详细的描述。

本发明实施例中基于蓝牙测距的智能开关装置结构图参见图1。

由图1可见，所述智能开关装置包括一个测距装置10。

所述测距装置10包括继电器150、继电器控制电路140、微型控制器模块130、蓝牙模块A120和电源110；所述蓝牙模块A120通过通信线与微型控制器模块130双向连接，微型控制器模块130与继电器控制电路140通过导线单向连接，继电器控制电路140通过导线控制继电器150。

所述蓝牙模块A120接收微型控制器模块130发送的AT指令后,对作为测距对象的移动装置20的RSSI值数据进行采样，，并将采样到的RSSI值发送至微型控制器模块130；微型控制器模块130接收到蓝牙模块A120发送的RSSI值后进行处理，并发送控制信号至所述继电器控制电路140，所述继电器控制电路140通过继电器150控制开关的闭合或者断开。所述电源110为测距装置10提供电源。

所述移动装置20包括一个蓝牙模块B220。

本实施例中还提供了一种基于蓝牙测距的智能开关装置的控制方法，其流程图见图2，具体步骤为：

步骤1，设定与采样；

设距离阈值为D，设参考距离为d₀，d₀＝1米；

测距装置10通过蓝牙搜索对距离为d₀的移动装置20进行RSSI值的采样，并将其采样数据记为参考信号强度值RSSI1’，然后通过均值滤波得到滤波后参考信号强度值RSSI1；测距装置10通过蓝牙搜索对距离为D的移动装置20进行RSSI值的采样，并将其采样数据记为设定信号强度值RSSI2’，然后通过均值滤波得到滤波后设定信号强度值RSSI2。

步骤2，根据步骤1得到的滤波后参考信号强度值RSSI1和滤波后设定信号强度值RSSI2，通过下式计算得到测距装置10所在的环境路径损耗指数γ：

在本实施例中，D＝10米。

步骤3，设测距装置10和移动装置20之间的估计距离为d，测距装置10通过蓝牙搜索对移动装置20进行RSSI值的采样,并将其采样数据记为初始信号强度值RSSI_AB’，然后为消除测距过程中有色噪声的影响，再对求得的初始信号强度值RSSI_AB’进行自适应卡尔曼滤波处理，并将滤波后的数据记为精确信号强度值RSSI_AB。

步骤4，根据步骤3得到的精确信号强度值RSSI_AB，计算移动装置20与测距装置10之间的估计距离d，其公式为：

步骤5，将步骤4得到的估计距离d与步骤1设定的距离阈值D进行比较，

若d≤D，测距装置10中的继电器闭合；

若d＞D时，测距装置10中的继电器断开。

步骤3所述的自适应卡尔曼滤波处理的步骤如下：

步骤3.1，建立自适应卡尔曼滤波算法的状态方程和有色噪声测量方程；

χ_k+1＝Aχ_k+Γλ_k

ν_k＝Cχ_k+μ_k

μ_k＝N_k-1μ_k-1+δ_k

其中，A为状态矩阵，T为采样时间；Γ为误差系数矩阵，C为测量矩阵，C＝[1 0]；

为目标在k时刻的二维状态向量，其中，k为采样时刻，k＝1,2,3...n，△i_k为k时刻的信号强度指示值RSSI，为△i_k的一阶导数；

λ_k为***噪声，是一个高斯白噪声序列；

ν_k为一维测量向量，表示k时刻的信号强度指示值RSSI测量数据；

μ_k为k时刻的测量误差，μ_k-1为k-1时刻的测量误差；

N_k-1为自回归系数；

δ_k为高斯白噪声序列；

步骤3.2，根据原始卡尔曼滤波算法，由k-1时刻的滤波结构得到目标的k时刻的信号强度指示值RSSI的预测值以及k时刻的新息值z_k，计算公式为：

其中，为k-1时刻的滤波结果；

0时刻信号强度指示值RSSI的滤波结果，根据初始测量数据由下式得出，

其中，χ₀＝v₀，v₀为第一个测量数据、取为前10次测量信号强度指示值RSSI的方差，E(χ₀)为χ₀的期望值，var(χ₀)为χ₀的方差，

步骤3.3，求出测量噪声的协方差在k时刻的估计值；

先计算自适应测量噪声的协方差参数S_k的估计值其由下式来估计得到

其中，是前i次新息值的均值，计算为：

其中，z_i，z_j分别表示第i，j次的新息值，

再按照下两式得出测量噪声协方差在k时刻的估计值

P_k,k-1＝AP_k-1,k-1A^T+ΓQ_kΓ^T

其中，Q_K为λ_k的协方差矩阵，P_k,k-1是k时刻预测误差方差矩阵，P_k-1,k-1是k-1时刻的估计误差协方差矩阵；

步骤3.4，计算N_k-1；

根据μ_k-1和δ_k独立，且由协方差的关系得出N_k-1的计算式为：

其中，var(δ_k)是δ_k的方差；

步骤3.5，计算k时刻的门限值m_k；

计算前k次测量RSSI数据的方差取门限值为方差值，即

步骤3.6，更新卡尔曼滤波增益；

将k时刻的新息值与门限值进行比较，若新息值大于门限值，则将卡尔曼增益置为零，否则按以下两步计算滤波增益G_k

H_k-1＝(CA-N_k-1C)

其中，H_k-1为k-1时刻的非奇异矩阵；

步骤3.7，更新估计误差方差矩阵；

由得出估计误差方差矩阵的初值，χ₀为第一个测量RSSI值；

估计误差方差矩阵更新的表达式为：

P_k,k＝(A-G_kH_k-1)·P_k-1,k-1A^T+(I-G_k)ΓQΓ^T

步骤3.8，根据k时刻滤波输出方程输出k时刻的滤波结果，滤波输出方程为：

如此循环往复，输出1到n时刻的全部滤波结果，得到对初始强度信号值RSSI_AB’采样数据处理的结果，即精确强度信号值RSSI_AB。

本实施例中，继电器150为宏发公司生产的HFE20-1-12-1HST-L2磁保持继电器，微型控制器芯片为意法半导体公司的STM32F103芯片，两个蓝牙模块为ATK-HC05。

在本实施例中，测距装置10是RSSI信号的测量端。将测距装置10的ATK-HC05设置成主角色，将移动装置20的ATK-HC05设置成被动角色。测距装置10持续向周围搜索移动装置20，当测距装置10与移动装置20连接成功后，测距装置10以9600波特率定时100ms向移动装置20发送MAC地址。然后移动装置20在接收到信息后，会返回移动装置10的MAC地址。测距装置10的微型控制器模块130发送AT指令读取蓝牙模块A120的RSSI值。

测距装置10的MCU芯片STM32F103在读取了RSSI值后，通过自适应卡尔曼滤波算法平滑RSSI值。MCU芯片根据滤波后的RSSI值计算得到当前测距装置10和移动装置20之间的估计距离d，并进行与设定距离阈值D的对比。当d≤D时，MCU芯片判断移动装置20接近测距装置10即智能开关装置，MCU芯片输出控制信号，闭合继电器150。当d>D时，MCU芯片判断移动装置20远离测距装置10即智能开关装置，MCU芯片输出控制信号，断开继电器。

附图3给出了滤波前后测量值与实际距离比较结果。如图3所示，滤波前测量值波动很大，经过滤波后的精确值接近实际值。

Claims (3)

1.一种基于蓝牙测距的智能开关装置，其特征在于，包括一个测距装置(10)；所述测距装置(10)包括继电器(150)、继电器控制电路(140)、微型控制器模块(130)、蓝牙模块A(120)和电源(110)；所述蓝牙模块A(120)通过通信线与微型控制器模块(130)双向连接，微型控制器模块(130)与继电器控制电路(140)通过导线单向连接，继电器控制电路(140)通过导线控制继电器(150)；

所述蓝牙模块A(120)接收微型控制器模块(130)发送的AT指令后,对作为测距对象的移动装置(20)的RSSI值数据进行采样，并将采样到的RSSI值发送至微型控制器模块(130)；微型控制器模块(130)接收到蓝牙模块A(120)发送的RSSI值后进行处理，并发送控制信号至所述继电器控制电路(140)，所述继电器控制电路(140)通过继电器(150)控制开关的闭合或者断开；

所述移动装置(20)包括一个蓝牙模块B(220)。

2.一种根据权利要求1所述的基于蓝牙测距的智能开关装置的控制方法，其特征在于，包括以下步骤：

步骤1，设定与采样；

设距离阈值为D，设参考距离为d₀，d₀＝1米；

测距装置(10)通过蓝牙搜索对距离为d₀的移动装置(20)进行RSSI值的采样，并将其采样数据记为参考信号强度值RSSI1’，然后通过均值滤波得到滤波后参考信号强度值RSSI1；测距装置(10)通过蓝牙搜索对距离为D的移动装置(20)进行RSSI值的采样，并将其采样数据记为设定强度信号值RSSI2’，然后通过均值滤波得到滤波后设定强度信号值RSSI2；

步骤2，根据步骤1得到的滤波后参考信号强度值RSSI1和滤波后设定强度信号值RSSI2，通过下式计算得到测距装置(10)所在的环境路径损耗指数γ：

步骤3，设测距装置(10)和移动装置(20)之间的估计距离为d，测距装置(10)通过蓝牙搜索对移动装置(20)进行RSSI值的采样,并将其采样数据记为初始强度信号值RSSI_AB’，然后为消除测距过程中有色噪声的影响，再对求得的初始强度信号值RSSI_AB’进行自适应卡尔曼滤波处理，并将滤波后的数据记为精确强度信号值RSSI_AB；

步骤4，根据步骤3得到的精确强度信号值RSSI_AB，计算移动装置(20)与测距装置(10)之间的估计距离d，其公式为：

步骤5，将步骤4得到的估计距离d与步骤1设定的距离阈值D进行比较，

若d≤D，闭合测距装置(10)中的继电器(150)；

若d＞D，断开测距装置(10)中的继电器(150)。

3.根据权利要求2所述的基于蓝牙测距的智能开关装置的蓝牙测距方法，其特征在于，步骤3所述的自适应卡尔曼滤波处理的步骤如下：

步骤3.1，建立自适应卡尔曼滤波算法的状态方程和有色噪声测量方程；

χ_k+1＝Aχ_k+Γλ_k

ν_k＝Cχ_k+μ_k

μ_k＝N_k-1μ_k-1+δ_k

其中，A为状态矩阵，T为采样时间；Γ为误差系数矩阵，C为测量矩阵，C＝[1 0]；

为目标在k时刻的二维状态向量，其中，k为采样时刻，k＝1,2,3...n，△i_k为k时刻的信号强度指示值RSSI，为△i_k的一阶导数；

λ_k为***噪声，是一个高斯白噪声序列；

ν_k为一维测量向量，表示k时刻的信号强度指示值RSSI测量数据；

μ_k为k时刻的测量误差，μ_k-1为k-1时刻的测量误差；

N_k-1为自回归系数；

δ_k为高斯白噪声序列；

步骤3.2，根据原始卡尔曼滤波算法，由k-1时刻的滤波结构得到目标的k时刻的信号强度指示值RSSI的预测值以及k时刻的新息值z_k，计算公式为：

其中，为k-1时刻的滤波结果；

0时刻信号强度指示值RSSI的滤波结果，根据初始测量数据由下式得出，

其中，χ₀＝v₀，v₀为第一个测量数据、取为前10次测量信号强度指示值RSSI的方差，E(χ₀)为χ₀的期望值，var(χ₀)为χ₀的方差，

步骤3.3，求出测量噪声的协方差在k时刻的估计值；

先计算自适应测量噪声的协方差参数S_k的估计值其由下式来估计得到

其中，是前i次新息值的均值，计算为：

其中，z_i，z_j分别表示第i，j次的新息值，

再按照下两式得出测量噪声协方差在k时刻的估计值

P_k,k-1＝AP_k-1,k-1A^T+ΓQ_kΓ^T

其中，Q_K为λ_k的协方差矩阵，P_k,k-1是k时刻预测误差方差矩阵，P_k-1,k-1是k-1时刻的估计误差协方差矩阵；

步骤3.4，计算N_k-1；

根据μ_k-1和δ_k独立，且由协方差的关系得出N_k-1的计算式为：

其中，var(δ_k)是δ_k的方差；

步骤3.5，计算k时刻的门限值m_k；

计算前k次测量RSSI数据的方差取门限值为方差值，即

步骤3.6，更新卡尔曼滤波增益；

将k时刻的新息值与门限值进行比较，若新息值大于门限值，则将卡尔曼增益置为零，否则按以下两步计算滤波增益G_k，

H_k-1＝(CA-N_k-1C)

其中，H_k-1为k-1时刻的非奇异矩阵；

步骤3.7，更新估计误差方差矩阵；

由得出估计误差方差矩阵的初值，χ₀为第一个测量RSSI值；

估计误差方差矩阵更新的表达式为：

P_k,k＝(A-G_kH_k-1)·P_k-1,k-1A^T+(I-G_k)ΓQΓ^T

步骤3.8，根据k时刻滤波输出方程输出k时刻的滤波结果，滤波输出方程为：

如此循环往复，输出1到n时刻的全部滤波结果，得到对初始强度信号值RSSI_AB’采样数据处理的结果，即精确强度信号值RSSI_AB。