SSI值。
[0035] 另外，后端服務器210被適配為計算兩個由藍牙模塊的MC地址所唯一地識別的 人之間的準確的接近度狀況。該后端服務器210還被配置為接收由參考智能終端200發送 的周圍環境參數W及獲取的RSSI值。該后端服務器210進一步包括利用環境參數進行環 境感知計算系統所處環境的相關闊值W及利用接收的RSSI值進行接近度感知計算。
[0036] 環境感知計算模塊211被適配為通過利用所獲取的周圍環境參數代入模型計算， 獲取系統所處環境的狀態與相關闊值。該環境感知計算模塊211基于下述的數學方程來計 算環境狀態常數。
[0039] 其中，Score為周圍環境狀態常數；Wi為GF*S信號可信度所占比重；Sgp,為GF*S信 號得分;胖2為磁強信號可信度所占權重；Smw為磁強度信號得分;W3為光照信號可信度所占 權重；Slight為光照信號得分；Th1。康示劃分室內室外不同環境的闊值對應的得分。
[0040] 圖3所示的是系統用于環境感知計算的流程圖，該過程中步驟400為判斷GI^信 號丟失的時間，丟失超過一定時間將GI^得分置為0,若小于規定時間則執行步驟401，判斷 GI^信號精度若大于闊值則置GI^得分為100,否則為50,步驟402為設置GI^得分；步驟 403為采集光強并根據光強與闊值比較得到光強得分；步驟404為采集磁強并根據磁強與 闊值比較得到磁強得分；步驟405計算環境狀態總得分用W環境感知計算。
[0041] 按照參考智能終端200所處的周圍環境劃定環境相關闊值，該部分運行過程在后 端服務器210中的環境感知計算模塊211完成，且實時采集實時分析。
[0042] 接近度感知計算模塊212被適配為得出兩個相關1. 5m內到4.Om外的短距離 的便攜式通信裝置之間的接近度狀況，一般認為1. 5m內為接近，4.Om之外為遠離，處于 1. 5m-4.Om之間屬于附近，需要進一步判斷為接近或遠離狀態。
[0043] 接近度感知計算模塊212中存儲了多種接近度感知計算模型，該接近度感知計算 模型中所用模型的基礎是log-normal模型，用于估計距離與RSSI之間關系：
[0045] 其中，RSSId為接收到的信號強度（地），d。為參考距離，為參考距離下的信 號強度，X。是方差為O均值為0的高斯隨機變量，n為自由度，d為距離（m)。上述關系 意味著藍牙設備之間RSSI隨著兩者相對距離增大而產生對數減小。然后，由于多徑效應、 遮擋等引起實際的RSSI曲線是不同的，實際RSSI值存在非常大的波動，因此該RSSI不能 直接用于計算距離。
[0046] 根據接近與遠離的狀態定義W及RSSI的特性，考慮不采用距離進行接近度判斷， 而是采用RSSI進行得分判斷，具體模型如下：
[0048] 為不同環境下I. 5m處的RSSI參考值，該參考值為長時間積累得到的統計參 考值，Statei為i時刻的接近度。由于藍牙信號的波動特征，上述模型識別準確率非常低， 應將藍牙信號進行自適應平滑并設置一定的容錯區域，W區分處于闊值附近與遠離闊值的 信號值，因此選用一種雙闊值的得分模型，模型更改如下：
[0052] 其中采用移動區間的方式平滑整組數據，Ri為i時刻的RSSI值，A為其對 應的修正因子；a為當前時刻區間均值的帶入因子；屯為當前時刻區間均值，其中
，,即，若 < 巧則 <Rma" Rmin〉二R min反之，卯J為R max。
[0053] 將平滑處理后的數據應用于雙闊值模型后，可將獲取的RSSI信號值劃分為高可 信度、中可信度和低可信度=個等級。
[0054] 為進一步消除信號波動引起的誤差，除了高可信度與低可信度等級的數據可W直 接得到肯定判斷，位于中可信度區間的數據仍需要進一步細化減少誤判。由于藍牙信號捜 索時間較長，而1. 5-4.Om的距離變化可能在1秒就會發生，因此會造成接收到的信號強度 發生突變。
[00巧]對于處于中可信度狀態的數據，若上一時刻為接近，且方差無明顯變化，則當前狀 態處于接近狀態的概率很大，反之則處于遠離狀態的概率更大。
[0056] 初始時刻狀態Si通過當前時刻之前的一段移動區間的均值進行判斷，若該區間均 值經過雙闊值模型判斷為接近狀態，則認為是Si為接近狀態；反之，認為S1為遠離狀態。
[0057] 通過自適應系數模型后，數據會更為平滑，雖不會出現非常大的波動，但是仍有大 量處于中可信度的數據點，而此種波動在日常生活中由于距離時近時遠導致信號極不穩 定，因而此類狀況較為常見也最有解決的必要。
[0058] 對于處于中可信度區間的RSSI數據，需要進行如下模型校正：
(5)
[誦]概;=賠，亡哉:競'S'其中，TH-訊TH1。 指示符信號值的高闊值與低闊值。
[0061] 若移動區間方差未發生突變，則當前時刻沿用上一時刻的接近度狀態來校正數 據；若方差發生突變，則用上一時刻狀態的對立面來校正數據，如下：
[0062] W -/r巧如i，上一時刻狀態為遠離 s' ~ 1扭u"y，上一時刻狀態為接近 '
[0063]經過式（4)處理后，提取數據中處于中可信度的數據，對該區間內數據進行進一 步提取，使用式（5)和式（6)將RSSI進行校正，再回到式（4)進行處理，可最大程度降低藍 牙信號波動與誤判，因此可提高接近度的判斷準確度。
【主權項】
1. 一種基于智能終端的情境與接近度感知方法，其特征在于，包括以下步驟： (1) 利用智能終端設備采集數據，并將采集的數據更新至服務器端，其中，采集的數據 包括環境數據與設備感知數據； (2) 服務器端依據所得環境數據計算系統所在通信環境的參數并返回至智能終端設 備； (3) 智能終端設備收到通信環境的參數后，使用接收信號強度指示符獲取模塊，獲取來 自至少一個目標通信裝置的接收信號強度指示符值，并將該接收信號強度指示符值發送至 服務器端； (4) 服務器端依據所得接收信號強度指示符值，計算該智能終端設備周圍不同設備的 接近度狀況，并將接近度結果返回至智能終端設備。2. 根據權利要求1所述的基于智能終端的情境與接近度感知方法，其特征在于，所述 步驟（1)中智能終端通過傳感器獲取周圍環境中光照強度、GPS數據包、地磁強度和加速度 數據。3. 根據權利要求1所述的基于智能終端的情境與接近度感知方法，其特征在于，所述 步驟（2)中服務器端接收數據后，將多種數據整合進行打分，優化了調用多種傳感器的協 作方式，提出了對各傳感器數據進行整合并計算相關指標的模型，將環境分等級，最終將環 境識別結果以數據包形式返回至智能終端設備。4. 根據權利要求3所述的基于智能終端的情境與接近度感知方法，其特征在于，所述 模型為Score=W1 ·Sgps+W2 ·SniaJW3 ·Sllght，其中，Score為周圍環境狀態常數；W1SGPS信 號可信度所占比重；Sgps為GPS信號得分;W2為磁強信號可信度所占權重；Smg為磁強度信號 得分;W3S光照信號可信度所占權重；Sllght為光照信號得分。5. 根據權利要求1所述的基于智能終端的情境與接近度感知方法，其特征在于，所述 步驟（4)中服務器接收數據后，對采集到的接收信號強度指示符值使用了多閾值模型、自 適應校正模型進行數據的分級處理，優化邊緣數據的處理，將最終接收信號強度指示符值 轉變為接近與不接近兩種狀態，最終將運算結果以數據包形式返回至智能終端設備。6. 根據權利要求5所述的基于智能終端的情境與接近度感知方法，其特征在于，采用 移動區間的方式平滑整組數據，將平滑處理后的數據應用于雙閾值模型后，可將獲取的信 號強度指示符信號值劃分為高可信度、中可信度和低可信度三個等級；對于處于中可信度 的信號強度指示符信號值通過模型進行校正，其中，，R1為i時刻的信號強度指示符號信號值，其中THhlgh 和THlciw分別表不雙閾值模型中指不符信號值的高閾值與低閾值。7. 根據權利要求6所述的基于智能終端的情境與接近度感知方法，其特征在于，若移 動區間方差未發生突變，則當前時刻沿用上一時刻的接近度狀態來校正數據；若方差發生 突變，則用上一時刻狀態的對立面來校正數據。
【專利摘要】本發明涉及一種基于智能終端的情境與接近度感知方法，包括以下步驟：利用智能終端設備采集數據，并將采集的數據更新至服務器端；服務器端依據所得環境數據計算系統所在通信環境的參數并返回至智能終端設備；智能終端設備收到通信環境的參數后，使用接收信號強度指示符獲取模塊，獲取來自至少一個目標通信裝置的接收信號強度指示符值，并將該接收信號強度指示符值發送至服務器端；服務器端依據所得接收信號強度指示符值，計算該智能終端設備周圍不同設備的接近度狀況。本發明增加了識別準確度與識別效率。
【IPC分類】H04W4/00, H04W4/04
【公開號】CN105392106
【申請號】CN201510672942
【發明人】李登輝, 李強, 房衛東, 熊勇
【申請人】上海物聯網有限公司
【公開日】2016年3月9日
【申請日】2015年10月16日