蓝牙定位这几年在工业、仓储、医疗这些场景里越来越热但真正落到工程上很多人第一反应还是蓝牙不就是个通信协议吗怎么还能测距定位。我最早接触这块也是从RSSI做起的那时候拿个信标往墙上一贴手机扫一圈看信号强度觉得挺简单结果一到现场就发现误差能飘到十几米完全没法用。后来陆续踩了AoA RTLS、Channel Sounding这些方案的坑才慢慢把从坐标到测距这条链路理清楚。这篇就把我这些年做蓝牙定位项目的工程经验拆开讲涵盖AoA到达角、RSSI信号强度、Channel Sounding信道探测三条主流路线从原理到选型到实操到排坑尽量说透。不管你是刚接手定位项目的嵌入式工程师还是想给产品加定位功能的方案选型人应该都能从里面找到能直接抄作业的东西。1. 蓝牙定位三条技术路线整体拆解1.1 为什么蓝牙定位不是一个方案打天下先把一个认知摆正蓝牙定位不是一个技术而是三条差异极大的路线它们解决的问题层次完全不同。RSSI解决的是大概在哪个区域AoA解决的是在哪个方向、哪个精确坐标Channel Sounding解决的是距离多少、厘米级还是米级。很多人选型时把这三个混为一谈结果要么成本爆炸要么精度不够。我一般用生活化的类比来解释这三者RSSI就像你听隔壁房间有人说话凭声音大小猜他离你多远声音大就以为近但墙厚墙薄、有没有家具都会影响判断AoA就像你有一对耳朵能分辨声音从哪个方向来能算出角度两个接收器一交叉就知道人在哪Channel Sounding则像你拿一把声波尺子发一个脉冲测往返时间直接量出距离受环境影响小得多。从工程角度看这三条路线的核心差异体现在几个维度上维度RSSIAoA RTLSChannel Sounding定位原理信号强度衰减模型天线阵列相位差测角相位/飞行时间测距典型精度3-10米0.1-1米0.1-1米测距硬件成本极低高多天线阵列中支持CS的芯片部署复杂度低高需精确标定中适用场景区域级、存在检测房间级、资产追踪测距、安全距离协议支持所有BLEBT 5.1BT 5.4/6.0这张表是我做方案选型时最常拿出来对照的基本上看完就能判断项目该走哪条路。但要注意精度那一栏是理想环境下的数字实际落地会打折扣后面会细说。1.2 三条路线的核心原理差异RSSI的原理最朴素无线电信号在空间中传播会衰减距离越远衰减越多。理论上可以用对数距离路径损耗模型来描述RSSI(d) RSSI(d0) - 10 * n * log10(d / d0)其中d0是参考距离通常取1米n是路径损耗指数自由空间里n约等于2但室内环境因为多径、遮挡n往往在2.5到4之间浮动。这个n值的不确定性就是RSSI精度差的根源——你永远不知道当前环境的n到底是多少。AoA的原理是利用天线阵列。当信号到达多个天线时由于到达时间有微小差异各天线收到的信号存在相位差。通过测量这个相位差结合天线间距和信号波长就能反推出信号的到达角度。用两个已知位置的接收器各测一个角度两条射线一交叉就是目标坐标。核心公式是相位差与角度的关系Δφ 2π * (d * sinθ) / λ其中Δφ是相邻天线相位差d是天线间距λ是波长θ是到达角。这里有个关键约束天线间距必须小于半波长否则会出现角度模糊相位差超过2π无法唯一确定角度。2.4GHz的波长约12.5厘米所以天线间距通常控制在6厘米以内这对硬件设计提出了很高要求。Channel Sounding是蓝牙5.4之后引入的新能力它结合了两种测距方式一种是基于相位的测距PBR通过多个频率点测量相位变化来算距离另一种是基于往返时间的测距RTT通过测量信号往返飞行时间乘以光速得到距离。两者结合能把测距精度做到厘米级而且抗多径能力比RSSI强得多。1.3 选型决策什么场景该选哪条路选型这件事我总结了一个简单的决策逻辑按优先级排第一先问精度要求。如果只需要知道人在A区还是B区RSSI足够成本最低。如果要精确到具体货架、具体工位必须上AoA或Channel Sounding。第二再问是测距还是定位。Channel Sounding本质是测距技术它能告诉你两个设备之间距离多少但要实现二维/三维定位需要多个锚点做三角定位。AoA单个接收器就能给出角度配合多个接收器做交叉定位。第三看终端形态。AoA的接收端需要天线阵列体积和成本都上去了适合固定在墙上的锚点。标签端反而可以很简单一个普通BLE芯片就行。Channel Sounding要求收发双方都支持CS能力对终端芯片有要求。第四算总成本。AoA的锚点贵但标签便宜适合少量锚点大量标签的场景比如仓库里追踪几百个托盘。RSSI两头都便宜适合大规模铺开做区域感知。Channel Sounding芯片成本介于两者之间但省去了复杂的天线阵列设计。我做过一个仓储项目客户一开始想用RSSI做货架级定位我算了一下要覆盖2000平米仓库做到货架级精度RSSI至少需要每20平米一个信标光信标就100个而且精度还不保证。后来改用AoA8个锚点覆盖全场标签用普通BLE总成本反而更低精度还稳定在30厘米以内。这个案例说明选型不能只看单价要看整体方案。2. RSSI方案工程实操与精度优化2.1 RSSI定位的完整实现链路RSSI方案虽然精度一般但胜在简单、便宜、兼容性好是所有BLE设备都支持的基础能力。一个完整的RSSI定位系统包含三部分信标Beacon、扫描端、定位引擎。信标端最简单就是周期性广播。我通常用iBeacon格式因为它标准化程度高各大厂商都支持。广播参数里最关键的是广播间隔和发射功率。广播间隔越短定位刷新越快但功耗越高。室内定位一般设100ms到500ms太快没必要太慢跟不上移动速度。发射功率要设成固定值因为RSSI计算依赖已知的发射功率如果发射功率动态调整测距就全乱了。扫描端负责收集RSSI值。这里有个大坑不同手机、不同芯片的RSSI读数差异很大。同样距离iPhone和某安卓机可能差10dBm。所以做定位系统扫描端硬件最好统一或者做设备校准。定位引擎负责把RSSI转成距离再转成坐标。转距离用前面说的对数距离路径损耗模型转坐标用三边测量或者指纹匹配。指纹匹配精度更高但需要提前采集大量数据三边测量简单但受环境影响大。2.2 路径损耗模型参数标定实操RSSI方案能不能用关键看路径损耗模型标定得准不准。我分享一下我的标定流程这套流程在多个项目里验证过能把RSSI定位误差从十几米压到3-5米。第一步选参考距离。标准做法是取1米但实际测量时1米太近天线近场效应会影响读数。我一般取1米作为d0但测量时把设备放在1米处取多次读数的中位数作为RSSI(d0)。第二步采集多距离样本。在1米、2米、3米、5米、8米、10米、15米、20米这些距离点上每个点采集至少100个RSSI样本记录均值和标准差。采集时要保证视距LOS避免遮挡。第三步拟合路径损耗指数n。把采集的数据代入模型用最小二乘法拟合出n值。我实测下来办公室环境n约2.2-2.8有隔断的办公区约3.0-3.5仓库这种金属货架多的环境能到3.5-4.5。第四步分区域标定。如果场地大、环境差异明显不要用一个n值打天下。我通常把场地分成几个区域每个区域单独标定n值定位时根据信标所在区域选对应的n。这里给一段Python拟合代码可以直接用import numpy as np from scipy.optimize import curve_fit def path_loss_model(d, rssi_d0, n): return rssi_d0 - 10 * n * np.log10(d) # 实测数据距离(米) 和 对应的RSSI均值(dBm) distances np.array([1, 2, 3, 5, 8, 10, 15, 20]) rssi_values np.array([-45, -55, -62, -70, -78, -82, -88, -93]) popt, pcov curve_fit(path_loss_model, distances, rssi_values) rssi_d0, n popt print(f参考距离1米处RSSI: {rssi_d0:.2f} dBm) print(f路径损耗指数n: {n:.2f})跑出来n值后定位时用这个n反推距离def rssi_to_distance(rssi, rssi_d0, n): return 10 ** ((rssi_d0 - rssi) / (10 * n))2.3 RSSI滤波与多信标融合技巧原始RSSI抖动非常大直接用会导致定位结果跳来跳去。滤波是必须的我常用三种方法组合。第一种是滑动平均最简单取最近N个样本的平均值。N一般取5-10太大响应慢太小滤波效果差。第二种是卡尔曼滤波适合移动目标。RSSI作为观测值距离作为状态量通过预测和更新两步迭代能得到平滑且响应快的距离估计。卡尔曼滤波的关键是调Q和R两个参数Q是过程噪声R是观测噪声。R可以根据实测RSSI标准差来设Q需要根据目标移动速度调。第三种是中值滤波专门对付突发干扰。有时候RSSI会突然跳变十几dBm这是多径或干扰造成的中值滤波能有效剔除。多信标融合方面如果目标能同时收到多个信标的信号可以用加权三边测量。权重按距离远近分配近的信标权重大因为近处RSSI更可靠。我一般用距离倒数作为权重w_i 1 / d_i然后用加权最小二乘求解坐标。这样能有效抑制远处信标的误差影响。提示RSSI方案最大的坑是环境变化。今天标定好的参数明天搬进来一批货架n值就变了。所以RSSI定位系统要么定期重新标定要么用指纹匹配这种对环境变化相对鲁棒的方法。2.4 RSSI方案的适用边界与替代思路做了这么多RSSI项目我的结论是RSSI适合做区域级定位和存在检测不适合做精确坐标。如果你的需求是知道资产在哪个房间、判断人是否进入某区域RSSI完全够用成本还低。但如果要精确到米级以下趁早换方案。有个折中思路是RSSI加指纹匹配。指纹匹配不依赖路径损耗模型而是提前在场地里采集每个位置的RSSI特征定位时用当前RSSI特征去匹配最相似的位置。这种方法精度能到2-3米而且对环境变化有一定鲁棒性缺点是前期采集工作量大场地变化后要重新采集。还有个思路是RSSI做粗定位AoA或Channel Sounding做精定位两者结合。先用RSSI判断目标在哪个区域再用该区域的AoA锚点做精确测量。这样能减少AoA锚点数量降低成本。3. AoA RTLS到达角定位工程拆解3.1 AoA系统架构与天线阵列设计AoA RTLS是蓝牙5.1引入的能力核心是在接收端用天线阵列测量信号到达角。一个完整的AoA系统包括标签Tag、定位器Locator、定位引擎。标签就是普通BLE设备周期性发送带CTEConstant Tone Extension的广播包。CTE是一段固定频率的连续信号专门用于相位测量。标签不需要特殊硬件但需要支持蓝牙5.1的协议栈来发送CTE。定位器是核心包含天线阵列和射频开关。天线阵列通常有4到16个天线排成圆形或矩形。射频开关负责在天线之间快速切换让接收机能依次从每个天线采样。切换速度要非常快因为CTE持续时间有限通常只有几十微秒。天线阵列设计是AoA最难的环节。前面说过天线间距要小于半波长2.4GHz下就是小于6.25厘米。间距太小相位差小测量精度低间距太大会出现角度模糊。实际设计中圆形阵列的相邻天线间距一般取0.4到0.45倍波长约5到5.6厘米。天线之间的相位一致性也很关键。如果天线馈线长度不一致会引入额外相位差导致角度测量偏差。所以PCB布线要严格等长或者做相位校准。3.2 CTE信号处理与角度计算CTE信号的处理流程是这样的接收机收到CTE后对每个天线采样IQ数据同相和正交分量然后计算相邻天线的相位差再根据相位差算角度。IQ采样是理解AoA的关键。射频信号可以表示为Icos(ωt) Qsin(ωt)其中I和Q是两个正交分量。通过IQ采样我们能得到信号的幅度和相位。相位就是atan2(Q, I)。得到每个天线的相位后相邻天线的相位差Δφ就出来了。然后代入公式θ arcsin(Δφ * λ / (2π * d))这里θ是到达角λ是波长d是天线间距。注意arcsin的定义域是[-1, 1]如果Δφ * λ / (2π * d)超出这个范围说明出现了角度模糊需要额外处理。实际工程中为了消除角度模糊通常用多个天线对做联合估计。比如圆形阵列可以用多组天线对的相位差做最小二乘得到唯一的角度解。3.3 定位器部署与坐标解算单个定位器只能给出角度要得到二维坐标至少需要两个定位器。两个定位器各测一个角度两条射线交点就是目标位置。这就是三角定位。部署定位器时要注意几点。第一定位器要安装在视野开阔的位置避免金属遮挡。第二两个定位器的基线连线要尽量垂直于目标主要活动区域这样角度交会精度最高。第三定位器高度要合适太高角度俯仰大太低容易被遮挡。坐标解算用简单的几何方法就行。假设定位器A在(x1, y1)测得角度θ1定位器B在(x2, y2)测得角度θ2。目标位置(x, y)满足tan(θ1) (y - y1) / (x - x1) tan(θ2) (y - y2) / (x - x2)联立求解即可。实际工程中因为角度有误差两条射线不会精确相交通常用最小二乘求最优解。如果目标高度变化大比如无人机或立体仓库需要三个以上定位器做三维定位。三维情况下每个定位器给出一个方位角和一个俯仰角用类似方法解算。3.4 AoA实测精度影响因素与调优AoA标称精度能到0.1米但实际落地能到0.3-0.5米就不错了。影响精度的因素我列一下影响因素影响程度优化方法多径反射高增加定位器、调整安装位置天线相位不一致高等长布线、相位校准标签移动速度中提高CTE发送频率定位器同步误差中硬件同步、时间戳对齐环境温漂低定期校准多径是AoA最大的敌人。信号打到金属货架、墙面反射后再到达天线会让相位测量完全错乱。我做过一个金属货架仓库的项目一开始精度惨不忍睹后来把定位器从货架中间移到通道两端避开主要反射路径精度立刻改善。天线相位校准也很重要。我一般用标准信号源在已知角度发射测量各天线的相位响应建立校准表。定位时用校准表修正相位差。这一步能提升20%-30%的精度。标签移动速度方面CTE发送频率越高定位刷新越快但功耗也越高。一般资产追踪场景1秒一次够了人员追踪可能需要100ms一次。注意AoA定位器安装后一定要做现场校准。我见过太多项目直接按理论值部署结果精度差得离谱。现场校准的方法是在场地里选几个已知坐标点放标签实测根据偏差调整定位器参数或位置。4. Channel Sounding信道探测测距实战4.1 Channel Sounding的技术原理与优势Channel Sounding是蓝牙5.4引入的新能力也是目前蓝牙定位领域最受关注的技术。它和RSSI、AoA最大的不同是它直接测量距离而不是通过信号强度或角度间接推算。Channel Sounding有两种测距模式。第一种是相位测距PBR在多个频率点上测量收发双方之间的相位差通过相位随频率的变化率来算距离。第二种是往返时间测距RTT测量信号从A到B再返回A的总时间乘以光速除以2就是距离。PBR的精度高但容易受多径影响RTT抗多径强但精度稍低。实际使用中通常两者结合用RTT做粗测PBR做精测互相校验。Channel Sounding的优势很明显精度高厘米级、抗多径能力强、不需要复杂的天线阵列。缺点是要求收发双方都支持蓝牙5.4目前支持这个版本的芯片还不多成本也比普通BLE芯片高。4.2 支持Channel Sounding的芯片选型选芯片是Channel Sounding落地的第一步。目前支持CS的芯片主要有几个方向Nordic的nRF54系列是较早支持CS的协议栈成熟开发资料多适合快速原型。TI的CC27xx系列也支持射频性能好。国产芯片里一些厂商也在跟进但生态还在完善中。选型时要注意几点。第一确认芯片支持的是完整的CS功能还是部分功能有些芯片只支持RTT不支持PBR。第二看协议栈是否成熟CS涉及复杂的射频时序协议栈不稳定会很难调。第三看开发工具和文档CS是新功能资料少的芯片会踩很多坑。我一般建议新项目先用Nordic或TI的成熟方案做验证等产品定型再考虑成本优化。4.3 测距流程与参数配置Channel Sounding的测距流程大致分几步能力交换、参数协商、测量执行、结果上报。能力交换阶段双方交换各自支持的CS能力包括支持的测距模式、频率范围、天线配置等。参数协商阶段确定本次测量用哪些频率点、多少个样本、发射功率等。测量执行阶段按协商的参数执行PBR和RTT测量。结果上报阶段把测量结果传给上层应用。参数配置里最关键的是频率点数量和测量次数。频率点越多PBR精度越高但耗时越长。我一般用20-40个频率点覆盖整个2.4GHz频段。测量次数方面单次测量噪声大通常做多次取平均我一般做8-16次。发射功率要设成固定值因为RTT测量依赖信号强度判断到达时间功率变化会影响测量。同时要注意法规对发射功率的限制不同地区要求不同。4.4 测距结果处理与多锚点定位Channel Sounding直接给出距离但要实现定位还需要多个锚点。假设有N个锚点每个锚点测得与目标的距离d_i锚点坐标已知为(x_i, y_i)目标坐标(x, y)满足(x - x_i)^2 (y - y_i)^2 d_i^2这是N个圆的方程目标在圆的交点上。实际因为测量误差圆不会精确交于一点用最小二乘求最优解。import numpy as np from scipy.optimize import least_squares def trilateration(anchors, distances): def residuals(pos): return [np.sqrt((pos[0]-a[0])**2 (pos[1]-a[1])**2) - d for a, d in zip(anchors, distances)] result least_squares(residuals, x0[0, 0]) return result.x多锚点定位的精度取决于锚点几何分布。锚点不要排成一条直线否则在直线方向上的定位精度会很差。理想情况是锚点均匀分布在目标周围。4.5 Channel Sounding与AoA的对比选择Channel Sounding和AoA都能做到亚米级精度但适用场景不同。AoA的优势是单个定位器就能给出角度配合少量定位器就能覆盖大区域适合少量锚点大量标签的场景。缺点是定位器复杂、成本高、安装校准麻烦。Channel Sounding的优势是收发双方对称不需要复杂天线阵列硬件简单。缺点是每个目标需要与多个锚点测距如果锚点少覆盖范围有限如果锚点多标签的测距负担重。我的经验是如果标签数量多、锚点数量少选AoA如果标签数量少、需要灵活部署选Channel Sounding。如果两者都支持可以结合使用AoA做区域定位Channel Sounding做精确测距。5. 蓝牙定位项目常见问题与排查实录5.1 定位漂移与跳变问题排查定位漂移是最常见的问题表现为目标静止时坐标还在跳。排查思路按这个顺序来先看原始数据。把RSSI或相位原始值打出来看抖动幅度。如果原始数据就抖得厉害那是信号问题如果原始数据平稳但定位结果跳那是算法问题。信号问题常见原因有多径干扰、天线遮挡、发射功率不稳、环境突变。多径干扰可以通过增加滤波、调整设备位置缓解。天线遮挡要检查安装位置避免金属物体靠近天线。发射功率不稳要检查电源和配置。算法问题常见原因有滤波参数不当、坐标解算不稳定、锚点几何分布差。滤波参数要根据目标移动速度调静止目标用强滤波移动目标用弱滤波。坐标解算不稳定通常是锚点太少或分布太差增加锚点或调整布局。5.2 精度不达标的系统性排查精度不达标时不要盲目调参数按系统排查第一步确认标称精度和实际需求的差距。如果需求是1米实测2米那要优化如果需求是0.1米实测0.5米那可能是方案选错了。第二步检查硬件。天线是否匹配、馈线是否等长、电源是否干净、晶振是否稳定。硬件问题占精度问题的很大比例。第三步检查环境。有没有强反射面、有没有同频干扰、温湿度是否在范围内。环境问题往往被忽视。第四步检查算法。模型参数是否标定、滤波是否合理、解算是否收敛。第五步做对照实验。用已知位置的标签实测记录偏差分析偏差规律。如果偏差有方向性可能是安装角度问题如果偏差随机可能是噪声问题。5.3 多设备干扰与共存问题蓝牙定位系统往往和WiFi、其他蓝牙设备共存干扰问题很常见。2.4GHz频段本来就拥挤WiFi、Zigbee、微波炉都在这个频段。减少干扰的方法有几个。第一用自适应跳频避开被占用的信道。第二控制发射功率够用就行不要一味加大。第三错开广播时机多个信标不要同时广播。第四物理隔离把定位系统和WiFi AP拉开距离。我做过一个项目定位精度一直不稳定后来发现是旁边的WiFi AP在干扰。把AP信道调到1和11定位系统用中间信道问题就解决了。5.4 功耗与实时性的平衡定位系统的功耗和实时性是一对矛盾。刷新率越高功耗越大。电池供电的标签功耗直接决定续航。降低功耗的思路降低广播频率、降低发射功率、用连接态代替广播态、用低功耗芯片。但每个措施都会影响实时性或精度。我的经验是先明确实时性需求。资产追踪1秒一次够了人员追踪可能100ms一次工业控制可能10ms一次。按需求定刷新率再优化其他参数。电池续航估算可以用这个公式续航(天) 电池容量(mAh) / (平均电流(mA) * 24)平均电流要根据广播间隔、发射功率、休眠时间算。我一般留30%余量因为实际功耗往往比理论值高。5.5 常见问题速查表问题现象可能原因排查方法解决思路定位漂移大多径、滤波不足看原始数据抖动增加滤波、调整位置精度不达标标定不准、硬件问题对照实验重新标定、检查硬件覆盖有盲区锚点不足、遮挡现场信号测试增加锚点、调整位置刷新率低广播间隔大、处理慢测端到端延迟减小间隔、优化算法功耗高发射功率大、频率高测平均电流降功率、降频率多设备冲突信道拥挤频谱分析跳频、错开时机这张表是我做项目时贴在工位上的遇到问题先对照排查能省不少时间。6. 蓝牙定位方案选型与落地建议6.1 按场景选方案的决策树选型这件事我总结了一个决策树按顺序问自己几个问题第一个问题需要坐标还是只需要距离如果只需要距离比如防碰撞、安全距离直接上Channel Sounding。如果需要坐标继续问。第二个问题精度要求多少米级以上RSSI够用。亚米级上AoA或Channel Sounding。第三个问题标签多还是锚点多标签多锚点少选AoA。标签少锚点多选Channel Sounding。第四个问题预算多少RSSI最便宜Channel Sounding中等AoA最贵。第五个问题部署环境如何金属多、反射强AoA要慎重Channel Sounding更稳。环境干净AoA精度更好。按这个决策树走下来基本能确定方案。当然实际项目还要考虑芯片供应、开发周期、团队技术栈等因素。6.2 从原型到量产的关键节点蓝牙定位项目从原型到量产有几个关键节点容易出问题。第一个节点是原型验证。这个阶段用开发板快速搭起来验证原理可行性。不要在这个阶段纠结成本用成熟方案快速出结果。第二个节点是硬件设计。天线设计、射频布局、电源设计都要考虑。这个阶段最好找有射频经验的工程师天线匹配没做好后面全是坑。第三个节点是算法调优。用实际场地数据调参数标定模型优化滤波。这个阶段要反复迭代不要指望一次调好。第四个节点是现场部署。安装位置、校准、测试都要按流程来。现场环境和实验室差异很大一定要留足调试时间。第五个节点是量产测试。每个设备出厂前要做射频测试和功能测试确保一致性。定位系统对硬件一致性要求高测试环节不能省。6.3 成本控制与性能平衡成本控制是量产项目的核心。蓝牙定位系统的成本主要在芯片、天线、PCB、组装、测试几个环节。芯片成本方面RSSI方案用普通BLE芯片就行几块钱。Channel Sounding芯片贵一些十几到几十块。AoA的定位器因为要天线阵列和射频开关成本最高。天线成本容易被忽视。AoA的天线阵列设计复杂PCB面积大成本不低。Channel Sounding和RSSI用普通PCB天线或陶瓷天线就行。测试成本也要算。定位系统的一致性测试比普通BLE设备复杂测试时间和设备投入都要考虑。我的建议是先保证性能达标再优化成本。性能不达标再便宜也没用。性能达标后通过芯片选型、天线优化、测试流程优化来降成本。6.4 未来演进与技术储备蓝牙定位技术还在快速演进。Channel Sounding是当前热点但标准还在完善芯片生态还在建设。AoA技术相对成熟但成本下降空间有限。RSSI虽然老但在低成本场景仍有生命力。从技术储备角度我建议关注几个方向一是Channel Sounding的协议栈和芯片进展这是未来几年的主流方向二是蓝牙和UWB的融合UWB精度更高但成本也高两者结合可能覆盖更多场景三是AI在定位算法中的应用用机器学习做指纹匹配和多径抑制能提升精度。不过技术选型不要盲目追新。新技术的生态成熟度、开发成本、供应链稳定性都要考虑。我见过太多项目追新追出问题最后又退回成熟方案。稳字当头是工程落地的基本原则。最后分享一个我在多个项目里验证过的经验蓝牙定位系统的精度70%取决于现场部署和标定30%取决于硬件和算法。很多人把精力全花在选芯片、调算法上却忽视了现场部署结果精度怎么都上不去。我的做法是方案确定后先花时间做现场勘测把环境摸清楚再设计部署方案最后才是调算法。这个顺序不能反。
