【技術實現步驟摘要】
本專利技術涉及定位追蹤，尤其涉及一種針對藍牙信號的定位與追蹤預警方法及系統。
技術介紹
1、隨著物聯網技術的快速發展，基于藍牙信號的室內定位與追蹤技術被廣泛應用于智慧醫院、智能工廠等場景。現有技術通過部署藍牙接收器采集目標藍牙設備的信號廣播包數據，利用信號強度衰減模型計算設備位置，實現對目標設備的實時定位追蹤。同時，通過分析歷史軌跡數據，可以識別目標設備的活動規律和行為模式，為智能化管理和預警提供數據支撐。
2、然而現有技術還存在一些不足，室內環境中的多路徑效應、信號遮擋等因素導致信號強度不穩定，影響定位精度；傳統的電子圍欄邊界固定，無法根據目標設備的活動規律動態調整，容易產生誤報；現有的行為識別方法往往將時間特征和空間特征簡單疊加處理，忽略了兩類特征的差異性，導致行為識別準確率不高；預警信息缺乏時空關聯分析，無法有效預測異常行為的發展趨勢。
3、綜上所述，亟需一種針對藍牙信號的定位與追蹤預警方法及系統，有效減少環境因素對信號強度的干擾，提高定位精度，實現軌跡預測和電子圍欄的動態優化，提升行為識別的準確性，進行多維度融合，生成更加全面和準確的綜合預警信息。本專利技術能夠解決現有技術中的問題。
技術實現思路
1、本專利技術實施例提供一種針對藍牙信號的定位與追蹤預警方法及系統，能夠解決現有技術中的問題。
2、本專利技術實施例的第一方面，
3、提供一種針對藍牙信號的定位與追蹤預警方法，包括：
4、通過藍牙接收器接收目標藍牙設備的
5、基于所述軌跡數據庫中的歷史軌跡數據條目，構建并訓練時空圖卷積神經網絡模型，結合最新軌跡數據條目，生成預測軌跡數據；基于歷史軌跡數據條目，計算目標藍牙設備的活動規律參數，解析活動規律參數動態生成電子圍欄，確定電子圍欄邊界，將預測軌跡數據與電子圍欄邊界進行實時比對，生成圍欄預警信息；
6、基于所述軌跡數據庫中的歷史軌跡數據條目，提取目標行為特征向量，基于所述目標行為特征向量，通過行為識別模型進行分類，確定行為識別結果，基于預設的行為特征庫，檢測所述目標藍牙設備的異常行為，結合所述圍欄預警信息生成綜合預警信息。
7、在一種可選的實施例中，
8、基于所述信號廣播包數據，通過信號衰減補償模型，生成修正信號特征參數包括：
9、基于所述信號廣播包數據，提取信號強度值與信號質量指標，計算多個信號強度值的中位數，計算每個信號強度值與所述中位數的絕對差值，計算所述絕對差值的中位數得到離散程度，將所述離散程度與動態閾值進行比對，剔除超出所述動態閾值范圍的異常信號強度值，得到有效信號強度值；
10、在預設參考點采集實際信號強度值與理論信號強度值，對所述實際信號強度值與所述理論信號強度值進行差值運算得到強度偏差樣本，對所述強度偏差樣本進行正態性檢驗后采用最大似然估計法，計算所述強度偏差樣本的偏差均值與偏差標準差，得到強度偏差特征值；
11、根據實時溫度數據計算溫度影響因子，根據實時濕度數據計算濕度影響因子，將溫度影響因子與濕度影響因子對所述強度偏差特征值進行加權修正，生成環境因子校正值；
12、測量所述目標藍牙設備與所述藍牙接收器之間的傳播距離，將所述傳播距離與預設參考距離比較，當所述傳播距離小于或等于所述預設參考距離時，基于線性衰減計算第一衰減系數，將第一衰減系數與所述傳播距離相乘得到路徑損耗值；當所述傳播距離大于所述預設參考距離時，基于對數衰減計算第二衰減系數，將第二衰減系數與所述傳播距離的對數值相乘得到所述路徑損耗值；
13、在預設參考點構建滑動時間窗口記錄信號強度隨距離的變化數據，建立信號強度與距離的關系方程，通過最小二乘法計算所述關系方程的斜率，得到局部路徑損耗指數，采用指數平滑方法將所述局部路徑損耗指數更新為全局路徑損耗指數；
14、根據所述全局路徑損耗指數與所述傳播距離計算理論信號強度基準值，將所述理論信號強度基準值與所述環境因子校正值相加得到初步修正信號強度值；
15、以所述信號質量指標對所述初步修正信號強度值進行加權修正，得到加權修正信號強度值，采用卡爾曼濾波方法對所述加權修正信號強度值進行平滑處理，生成修正信號特征參數。
16、在一種可選的實施例中，
17、基于藍牙接收器的空間位置坐標以及修正信號特征參數，通過定位算法計算目標藍牙設備的實時位置坐標包括：
18、獲取至少三個藍牙接收器的空間位置坐標以及各自接收到的修正信號特征參數；對每個所述藍牙接收器接收到的修正信號特征參數進行連續采樣，獲得信號強度時序數據；將所述信號強度時序數據按照預設的時間間隔劃分為多個時間窗口；
19、在每個所述時間窗口內，對信號強度時序數據進行小波變換得到頻率特征，根據頻率特征識別信號中的周期性波動分量；
20、從所述周期性波動分量中提取主信號路徑與反射信號路徑的對應特征，生成信號路徑特征矩陣；將所述信號路徑特征矩陣輸入預設的信號路徑分類器，將強度最大且波動最小的信號路徑確定為主信號路徑；根據所述主信號路徑計算每個所述藍牙接收器到目標藍牙設備的距離值；基于所述距離值，構建非線性方程組；
21、計算當前位置坐標下的理論距離值與實際距離值之間的殘差，根據所述殘差計算梯度方向，沿著所述梯度方向，以自適應步長更新位置坐標，得到初始位置坐標；計算所述初始位置坐標的收斂性指標，當所述收斂性指標大于預設閾值時，基于預設搜索范圍增量，增大搜索范圍，并重新計算位置坐標；當所述收斂性指標小于預設閾值時，記錄當前位置坐標作為候選解；
22、對多個所述時間窗口得到的候選解進行加權平均，得到目標藍牙設備的實時位置坐標。
23、在一種可選的實施例中，
24、基于所述軌跡數據庫中的歷史軌跡數據條目，構建并訓練時空圖卷積神經網絡模型，結合最新軌跡數據條目，生成預測軌跡數據包括：
25、基于所述軌跡數據庫中的歷史軌跡數據條目，按照預設采樣規則，確定軌跡采樣點，提取軌跡采樣點的實時位置坐標和對應的時間戳，確定圖結構節點，基于相鄰的圖結構節點之間的時空關聯，確定圖結構邊，構建時空圖結構；
26、計算所述時空圖結構中相鄰的圖結構節點之間的空間距離，將所述空間距離代入高斯核函數得到空間權重，計算相鄰的圖結構節點之間的時間間隔，將所述時間間隔代入指數衰減函數得到時間權重，將所述空間權重與所述時間權重的乘積作為邊權重；
27、對所述時空圖結構中圖結構節點，進行滑動窗口分段，在每個所述滑動窗口內計算圖結構節點對應的瞬時速度向量，將相鄰的瞬時速度向量的內積除以向量模長，得到方向變化率，將所述本文檔來自技高網...
【技術保護點】
1.針對藍牙信號的定位與追蹤預警方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，基于所述信號廣播包數據，通過信號衰減補償模型，生成修正信號特征參數包括：
3.根據權利要求1所述的方法，其特征在于，基于藍牙接收器的空間位置坐標以及修正信號特征參數，通過定位算法計算目標藍牙設備的實時位置坐標包括：
4.根據權利要求1所述的方法，其特征在于，基于所述軌跡數據庫中的歷史軌跡數據條目，構建并訓練時空圖卷積神經網絡模型，結合最新軌跡數據條目，生成預測軌跡數據包括：
5.根據權利要求1所述的方法，其特征在于，基于歷史軌跡數據條目，計算目標藍牙設備的活動規律參數，解析活動規律參數動態生成電子圍欄，確定電子圍欄邊界包括：
6.根據權利要求5所述的方法，其特征在于，采用凸包掃描算法將核心活動區域的最小凸多邊形作為第一邊界包括：
7.根據權利要求1所述的方法，其特征在于，基于所述軌跡數據庫中的歷史軌跡數據條目，提取目標行為特征向量，基于所述目標行為特征向量，通過行為識別模型進行分類，確定行為識別結果，基于預設的
8.針對藍牙信號的定位與追蹤預警系統，用于實現前述權利要求1-7中任一項所述的方法，其特征在于，包括：
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執行時實現權利要求1至7中任意一項所述的方法。
...【技術特征摘要】
1.針對藍牙信號的定位與追蹤預警方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，基于所述信號廣播包數據，通過信號衰減補償模型，生成修正信號特征參數包括：
3.根據權利要求1所述的方法，其特征在于，基于藍牙接收器的空間位置坐標以及修正信號特征參數，通過定位算法計算目標藍牙設備的實時位置坐標包括：
4.根據權利要求1所述的方法，其特征在于，基于所述軌跡數據庫中的歷史軌跡數據條目，構建并訓練時空圖卷積神經網絡模型，結合最新軌跡數據條目，生成預測軌跡數據包括：
5.根據權利要求1所述的方法，其特征在于，基于歷史軌跡數據條目，計算目標藍牙設備的活動規律參數，解析活動規律參數動態生成電子圍欄，確定電子圍欄邊界包括：
6.根據...
【專利技術屬性】
技術研發人員：孫文勝，
申請(專利權)人：北京智信天一科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。