See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/229049426

Sistema de Posicionamiento Basado en Bluetooth con Calibrado Dinámico

Article · January 2007

CITATIONS READS

4 969

4 authors, including:

Javier Rodas Tiago M. Fernández-Caramés

University of A Coruña University of A Coruña
18 PUBLICATIONS 98 CITATIONS 103 PUBLICATIONS 1,849 CITATIONS

SEE PROFILE SEE PROFILE

Carlos J Escudero
University of A Coruña
71 PUBLICATIONS 558 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

RACHEL Project ("Radio Access TeCHniques for HEterogeneous WireLess Networks") View project

CONCORDANCE (COllision AvoidaNCe fOR UAVs using Deep leArNing TeChniques and optimized sEnsor design) View project

All content following this page was uploaded by Tiago M. Fernández-Caramés on 27 May 2014.

The user has requested enhancement of the downloaded file.

 Sistema de Posicionamiento Basado en Bluetooth
con Calibrado Dinámico
Javier Rodas, Tiago M. Fernández, Daniel I. Iglesia, Carlos J. Escudero
Dpto. de Electrónica y Sistemas. Universidad de La Coruña.
Facultad de Informática. Campus de Elviña s/n. 15011 La Coruña.
{jrodas, tmfernandez, dani, escudero}@udc.es
Abstract—One of the major problems of using the RSSI
(Received Signal Strength Indicator) in a positioning system is
its instability, which is often due to changes in the environment.
These changes can be caused by fluctuations of the humidity or
temperature, presence and movement of human beings, opening
and closing of doors, multipath effect, etc... This paper presents
an innovative approach that uses the information between several
fixed wireless beacons to improve the reliability of a Bluetooth
positioning system. To show the improvement of the position
estimations, we have made some experiments changing the
location of a device to be located, comparing the results of a
conventional system with our solution. Moreover, we analyze
the performance obtained with different number of beacons.
I. I NTRODUCCI ÓN
La proliferación en el uso de los sistemas de comuni-
caciones móviles ha hecho que el número de aplicaciones
que se desarrollan alrededor de éstos crezca de manera
constante. Una de las aplicaciones que más demanda está
teniendo en la actualidad es la relacionada con los sistemas de
posicionamiento. Como ejemplo, podı́amos citar los sistemas
de información contextual, en los cuales cambia la manera
en la que nos relacionamos y recibimos información de
nuestro entorno, dependiendo de donde estemos ubicados. En
interiores, estos sistemas generalmente consisten en una red
de sensores que obtienen información de los usuarios que se
encuentran en su área de cobertura. Con dicha información,
y utilizando algoritmos más o menos complejos, el sistema
es capaz de posicionar a esos usuarios en algún punto de
esa zona de cobertura. Una vez situados, esa posición puede
ser utilizada para, en el caso de los sistemas de información
contextual, el envı́o/recepción de información dependiente de
la posición de dicho dispositivo. Como la localización fı́sica
es uno de los más importantes parámetros dentro de los
contextos, su disponibilidad permitirá un gran avance en el
desarrollo de un mercado basado en servicios de localización
en los próximos años [1], [2].
Últimamente, se han llevado a cabo varios trabajos de
investigación que realizan la localización de los dispositivos
móviles usando redes de sensores inalámbricos a través de
la potencia de señal recibida, RSSI. Sucede que existen
diferentes factores ambientales del entorno de medición que
influyen en los valores de RSSI obtenidos para el cálculo de
la posición del dispositivo. Es decir, aunque el dispositivo per-
maneciese inmóvil, los valores de RSSI obtenidos durante un
tiempo determinado varı́an considerablemente, influenciados
por las condiciones cambiantes del entorno a su alrededor.
En [3] se estudian, para el caso de una red de sensores
inalámbricos tipo 802.11 WiFi, los efectos nocivos que tienen
las condiciones ambientales sobre los valores de RSSI utiliza-
dos para calcular la posición de un dispositivo, y se propone
un método de calibración para paliarlos.
De todas las tecnologı́as de radiofrecuencia que se pueden
utilizar para los sistemas de localización inalámbricos una
de las que mayor éxito y penetración en el mercado de
los dispositivos móviles está teniendo es Bluetooth [4]. Es
por ello que, en este trabajo, abordamos la problemática
de la influencia de esos factores ambientales cambiantes,
considerando un sistema de localización de dispositivos en
interiores usando una red de sensores inalámbricos de tipo
Bluetooth. Dicho sistema tiene en cuenta los cambios en las
condiciones de propagación del entorno, utilizando para ello
técnicas y algoritmos que se adaptan en tiempo real a éstos.
El artı́culo está estructurado de la siguiente forma: la
sección II muestra una descripción del problema que vamos a
abordar. La sección III describe el sistema de localización,
centrándose en el modelo de señal y en los algoritmos y
técnicas aplicadas. La sección IV presenta los diferentes
experimentos que se han llevado a cabo, tanto a nivel de
implementación y puesta en marcha como a nivel de los
resultados obtenidos. Finalmente, la sección V es dedicada
a las conclusiones.
II. D ESCRIPCI ÓN DEL PROBLEMA
En interiores, la propagación de la señal de RF se ve
afectada por diversos factores: la propagación multitrayecto,
las variaciones de temperatura y humedad, la apertura y cierre
de puertas, los cambios en la localización del mobiliario, y
la presencia y movimiento de seres humanos en el entorno.
En estudios anteriores se ha comprobado como la información
utilizada para la localización de un dispositivo que permanece
completamente inmóvil puede variar de manera muy impor-
tante [3]. Un sistema de posicionamiento deberı́a adaptarse a
toda esa dinámica ambiental, y ser capaz de auto-configurarse
en respuesta a tal dinámica.
En el sistema Bluetooth planteado, se utilizan técnicas de
triangulación basadas en la información proporcionada por
la potencia de la señal recibida, RSSI, al atravesar cierta
distancia. El sistema consta de uno o varios dispositivos a
localizar que utilizan la información del RSSI de otros que
actúan como balizas. Las balizas tienen una localización fija
en el entorno y su posición es perfectamente conocida. El
sistema tendrá en cuenta tanto los valores de RSSI recibidos
por el dispositivo a localizar, como los recibidos entre balizas.
En la figura 1 se muestra la evolución en 24 horas del
RSSI de una baliza situada en una posición fija. Se observa
como las condiciones cambiantes del entorno de medida
 Figura 1. Potencia media recibida para la medición de 24 horas
influyen en los valores de RSSI. Las pruebas fueron realizadas
en un laboratorio donde las condiciones del entorno eran
cambiantes: personal entrando y saliendo, apertura y cierre de
puertas. Además, al haber realizado las mediciones durante
24 horas también cambiaron condiciones ambientales como
temperatura, humedad, etc. Se puede ver como existen horas
del dı́a en las que la potencia varı́a muy poco, correspondiendo
con las horas donde menos gente hay en el laboratorio y,
por tanto, el entorno es más estable, y otras horas donde se
aprecia una gran variación en esos valores, coincidiendo con
las horas donde mayores cambios hay en el ambiente debido
a la circulación de personas, cambios en la temperatura,
humedad, etc. Asimismo, durante las pruebas las condiciones
atmosféricas variaron radicalmente, observando como el valor
medio del RSSI tuvo un cambio muy acusado entre las
primeras y las últimas horas del dı́a.
III. S ISTEMA DE LOCALIZACI ÓN CON CALIBRACI ÓN
El sistema de localización Bluetooth diseñado se basa en la
obtención de los RSSI provenientes de las diferentes balizas,
traduciendo éstos a distancias, las cuales finalmente determi-
narán la posición del dispositivo de interés. A continuación, se
detalla la forma en que se realiza el paso de RSSI a distancia
y cómo se determina la posición final.
A. Modelo de señal
En un sistema clásico de triangulación se recogerı́an los
RSSI que se reciben en el dispositivo provenientes de las
balizas (lı́neas discontinuas en la figura 2) y se calcuları́a la
distancia correspondiente. Estas distancias permiten obtener
las coordenadas del cliente si se conoce a priori la posición
de las balizas.
En el sistema con calibración diseñado, además de los
RSSI mencionados, también se utilizan los RSSI entre balizas
(representados en la figura 2 por las lı́neas continuas). Estas
mediciones son consideradas con el fin de que el sistema
Bluetooth compense los cambios de las condiciones de propa-
gación del canal.
El sistema desarrollado realiza una calibración en tiempo
real que tiene en cuenta las condiciones del entorno. Esto
se realiza sin necesidad de entrenamientos previos o etapas
de calibración como las requeridas en los sistemas basa-
dos en fingerprinting. El sistema calibrará dinámicamente
las mediciones obtenidas desde las balizas, de forma que
Figura 2. Sistema utilizado para la localización por RSSI
compense automáticamente las condiciones observadas para
cada una de ellas.
B. Determinación de la posición
Considerando la disponibilidad de m balizas, se definen las
siguientes matrices de tamaño m × m:
• D: cuyos elementos son las distancias reales entre las
distintas balizas. El elemento dij es la distancia desde la
baliza i hasta la baliza j.
• S: cuyos elementos son los RSSI entre balizas. El
elemento sij es el RSSI recibido en la baliza i de la
señal emitida por la j.
• T: matriz de traslación o mapeo del RSSI a unidades
de distancia. El elemento tij es el coeficiente de mapeo
entre las balizas i y j.
• E: cuyos elementos son las diferencias entre la distancia
real y la calculada a través del mapeo del RSSI. El
elemento eij es esta diferencia entre las balizas i y j.
Con estas variables definidas, el problema consiste en
minimizar la expresión del error entre el mapeo de los RSSI
y las distancias:
ei = (log(dij ) − tij sij )2 (1)
El primer problema que presenta la expresión 1 es la real-
ización del logaritmo, puesto que los valores de la diagonal
de la matriz D son todos 0 (ya que son las distancias de una
baliza sobre sı́ misma). El objetivo de aplicar el logaritmo
es para pasar de unidades naturales a unidades en escala
logarı́tmica (escala en la que está S). En este caso se puede
suponer que la matriz T será la encargada de establecer la
relación entre las distancias y los niveles de RSSI, por lo que
se concluirı́a que la expresión del error se puede expresar en
términos generales como:
E = kD − T Sk 2 (2)
A partir de (2) es fácil obtener la matriz de mapeo T para
el caso en que el error valga 0:
T = DS−1 (3)
Para transformar en medidas de distancia los RSSI
obtenidos por las balizas procedentes del cliente en el instante
n, sólo habrá que utilizar esta matriz T:
dn = Tsn (4)
donde sn es un vector columna con los RSSI recibidos del
cliente y dn es un vector con las distancias estimadas para
ese instante de tiempo.
C. Obtención de las coordenadas
Conseguido el mapeo de los RSSI a distancias, queda
determinar la posición del cliente a partir de éstas y de
las coordenadas de las balizas, las cuales son conocidas a
priori. Existen diversas formas de obtener la posición por
triangulación, pero en este caso, se va a optar por un sencillo
método de gradiente descendente.
El método utilizado se basa en la minimización de la
expresión (5),
1X
m
ε= (fd (xest , xi ) − desti )2
2 • 1 pendrive Flash de 2GB, para almacenamiento.
i=1
donde xest es la posición estimada para el nodo cliente, xi es
la posición de la baliza i-ésima, desti es la distancia estimada
a la baliza i a partir del mapeo del RSSI, y la función fd
calcula la distancia euclı́dea entre dos puntos.
Utilizando la derivada de (5) se puede obtener la expresión
iterativa indicada en (6) que actualiza la estimación de la
posición del cliente en la iteración k +1 a partir de la anterior,
k, repitiendo el proceso hasta que dicha posición diste de
las balizas un valor inferior a una cota marcada, en nuestros
experimentos 0.1 metros o 150 iteraciones.
X
m
desti
xestk+1 = xestk + α (1 − ) (xestk + xi )
fd (xestk , xi )
i=1
donde α pondera el incremento en cada paso, que en los
experimentos se ha puesto fijo a 0.1. El valor inicial de xest
es el valor de las coordenadas de la baliza cuya distancia
estimada esté más cercana en distancia euclı́dea. También
aclarar que la función fd (xest , xi ) vale 0 en el caso de que
xest sea igual a xi , por lo que en dicho caso, simplemente se
hará que la contribución de la baliza i a la actualización de
la posición valga 0.
IV. R ESULTADOS EXPERIMENTALES
Los distintos experimentos del sistema desarrollado se han
realizado en un laboratorio de investigación, que tiene unas
dimensiones de 11,50x6,50m. Dicho entorno presenta unas
caracterı́sticas muy apropiadas, pues su actividad y ocupación
es muy representativa de los canales de comunicaciones en
interiores. En su interior existen múltiples obstaculos (inmue-
ble variado), y gente que transita y lo ocupa en las horas
punta. De esta forma, todos los fenómenos mencionados en
este artı́culo estarán presentes, afectando de manera notable
al nivel de RSSI.
En la figura 3 puede verse un plano de dicho laboratorio,
donde se observa en sombreado más oscuro los distintos
obstáculos del mobiliario. Se han representado sobre dicho
plano dos experimentos (1 y 2), en ambos se ha utilizado
un cliente a posicionar y 4 balizas numeradas de B1 a B4.
La diferencia entre estos dos experimentos es la situación del
cliente a posicionar, el primero tiene el cliente en la mitad del
laboratorio y el segundo lo tiene cerca de la baliza B2.
A. Implementación
Se han construido 4 balizas autónomas, compuestas por el
siguiente hardware:
• 1 Linksys Nslu2 con un firmware adaptado para esta
aplicación. Este hardware posee una arquitectura ARM
Intel Xscale 266Mhz, 32MB de RAM, 1 puerto Ethernet
y 2 puertos USB 2.0 como caracterı́sticas principales.
• 1 mini-hub USB 2.0 con 4 puertos downstream.
• 2 adaptadores Bluetooth-USB, modelo Conceptronic
CBTU2, que son periféricos Bluetooth 2.0 + EDR,
Clase2, con chipset CSR4 (Cambridge Silicon Radio
BlueCore4-External), conectados al mini-hub por un
puerto USB.
• 1 adaptador Wifi 802.11 b/g conectado mediante USB.
(5) Éste tiene chipset ZyDAS ZD1211B.
Los dispositivos Bluetooth 2.0 soportan el modo Inquiry
with RSSI. Este modo de Inquiry se incorporó en la versión
1.2 de Bluetooth, y permite obtener el nivel de RSSI de un
dispositivo simplemente mediante una petición de Inquiry.
Todos los dispositivos ”visibles” en un rango de alcance
razonable (incluso Bluetooth 1.1 y 1.2) que estén en el estado
de Inquiry Scan, responderán a dicho Inquiry, y por cada
una de estas respuestas se obtiene en el dispositivo inquirer
un determinado nivel de RSSI. La ventaja principal de este
método de obtención del RSSI, es que no es necesario realizar
una conexión contra el dispositivo para posteriormente obtener
el nivel RSSI de dicha conexión, como sucedı́a antes de la
aparición del modo Inquiry with RSSI, con la complicación
(6)
y latencia que supone realizar una conexión (petición de PIN
posiblemente, aceptación de conexión, etc.).
Para realizar las llamadas Inquiry with RSSI, se ha uti-
lizado un host con el sistema operativo GNU/Linux. En
particular Kubuntu Edgy 6.10, con el kernel 2.6.17-11-generic
i686, el cual incorpora BlueZ como pila del protocolo Blue-
tooth. Además, se han utilizado los paquetes de software
BlueZ-Utils v3.7 y BlueZ-Hcidump v1.32 para configurar y
analizar/capturar los eventos HCI de un dispositivo.
Uno de los adaptadores Bluetooth de las balizas ha sido
configurado en modo ”invisible” (inquiry scan desactivado),
inquirer, mientras el otro permanece en modo ”visible” (re-
spondiendo a inquiries). Este segundo adaptador se ha config-
urado con unos parametros de inquiry que hemos considerado
como óptimos para acelerar las mediciones, basandonos en
resultados de [5]. En particular se ha bajado el intervalo
de Inquiry de 1280ms a 240ms y aumentado la ventana de
Inquiry de 11.25ms a 45ms. Con esto conseguimos que se
produzcan muchas más respuestas a Inquiries por unidad de
tiempo, y por tanto, un mayor número de mediciones totales
a incorporar a nuestros algoritmos.
El resultado son unas balizas autónomas que sólo necesitan
ser enchufadas a la red eléctrica para funcionar de forma
totalmente inalámbrica.
B. Resultados
1) Calibrar Vs. No calibrar: Como algoritmo sin cali-
bración se ha utilizado un sencillo (pero bastante efectivo)
método que calcula la posición directamente a partir de los
RSSI y las posiciones de las balizas. Ası́, se determina la
 TABLA I
C OMPARATIVA DE ERROR MEDIO ENTRE LOS M ÉTODOS CON Y SIN
CALIBRACI ÓN

Intervalo Algoritmo Algoritmo Diferencia

de tiempo sin calibración con calibración
Experimento 1
T = 30 s 115.39 cm 69.72 cm 45.67 cm
T = 60 s 100.95 cm 73.17 cm 27.78 cm
Experimento 2
T = 30 s 110.39 cm 49.67 cm 60.72 cm
T = 60 s 108.51 cm 51.01 cm 57.50 cm

TABLA II
C OMPARATIVA DE ERROR MEDIO CUANDO SE USAN 3 O 4 BALIZAS EN LA
CALIBRACI ÓN

3 balizas 4 balizas Diferencia

Experimento 1
T = 30 s 194.48 cm 69.72 cm 124.76 cm
T = 60 s 181.88 cm 73.17 cm 108.71 cm
Experimento 2
T = 30 s 110.39 cm 49.67 cm 60.72 cm
T = 60 s 108.51 cm 51.01 cm 57.50 cm

posición, en el instante n, según la ecuación (7), siendo tan

sólo necesario saber las posiciones de las balizas xi y el valor
de los RSSI que recibe cada baliza del cliente, RSSIi .
P
m
RSSIi xi
i=1
posicion estimadan = (7)
P
m
RSSIi
i=1

Se pueden ver en la tabla I las diferencias entre utilizar o no

la calibración, cuando se promedian los valores durante inter-
valos de 30 o 60 segundos. Se ha realizado este promediado
por intervalos de tiempo al observar que las mediciones ganan
estabilidad, ya que los RSSI varı́an de manera ostensible a lo
largo del tiempo.
A la vista de los resultados expuestos en la citada tabla, se
puede afirmar que hay una ganancia de precisión al utilizar
el método con calibración, obteniéndose en el caso más
favorable una mejora en la precisión superior al 50%. Esta
misma conclusión se puede extraer al observar en la figura 3
la distribución de los puntos estimados con ambos métodos.
Se comprueba en dicha figura como las posiciones estimadas
con el algoritmo con calibración tienen menor dispersión y
se encuentran localizadas en media más cerca del punto real.
Asimismo, el centroide obtenido con el mencionado método
se encuentra muy cerca del punto real.
2) Importancia del número de balizas en la precisión: Se
puede apreciar la clara mejora de la precision que se produce
al utilizar un mayor número de balizas en el algoritmo con
calibración. En la tabla II se muestran las diferencias entre
utilizar 3 o 4 balizas para la estimación de la posición para
ambos experimentos.
V. C ONCLUSIONES
En este artı́culo se ha presentado un sistema de posi-
cionamiento basado en redes Bluetooth que tiene en cuenta
las variaciones de las condiciones de propagación del entorno.
Para dicho sistema, se han considerado las señales recibidas,
en el dispositivo a ser localizado, desde unas balizas cuyas
Figura 3. Dispersion de posiciones estimadas con y sin método de
calibración
ubicaciones son perfectamente conocidas. Con esta infor-
mación es posible compensar en tiempo real las variaciones
de los niveles de señal producidas por las condiciones del
entorno, permitiendo mejorar la precisión y estabilidad de las
estimaciones obtenidas por el sistema de posicionamiento.
Los resultados muestran como el error cometido en la
estimación de una posición, cuando se usa la calibración,
llega a reducirse hasta en un 50% con respecto a un sistema
tradicional. Asimismo, se muestra la mejora que supone el
incremento del número de balizas.
AGRADECIMIENTOS
Este artı́culo ha sido financiado por los proyectos:
PGIDIT04SIN105002PR (Xunta de Galicia) y FIT-330503-
2006-2 (Ministerio de Industria, Turismo y Comercio).
REFERENCIAS
[1] ABI Research, Location based services:Analysis of carrier spending,
subscribers, devices and applications for handset-based and telematics
services, 2004.
[2] A. Nogee, Ready or not, mobile location technology is here!, Cahners
In-Stat Group, March 2001.
[3] H. Lim, L.Kung, J.Hou, H. Luo, ”Zero-Configuration, Robust Indoor
Localization: Theory and Experimentation”, INFOCOM 2006, April
2006.
[4] Official Bluetooth page, http://www.bluetooth.com/
[5] F. Naya, H. Noma, R. Ohmura, K. Kogure, ”Bluetooth-based Indoor
Proximity Sensing for Nursing Context Awareness”, ISWC’05, 2005.

View publication stats