您的总结大体正确，但需要一些修正和细节补充。以下是 Java 库中定位策略的更完整描述：

Java 库的定位策略​

1. 数据收集阶段​

• 系统收集最近 60 秒内的 Beacon 广播包数据：

  public static final long MAXIMUM_PACKET_AGE = TimeUnit.SECONDS.toMillis(60);
  
• 但实际上只会使用最近 2 秒内活跃的 Beacon：

  if (!beacon.hasBeenSeenInThePast(2, TimeUnit.SECONDS)) {
      return false; // beacon hasn't been in range recently, avoid using outdated data
  }
  

2. 信号处理阶段​

• 系统对每个 Beacon 的 RSSI 信号进行平滑处理，默认采用 Kalman 滤波：

  public WindowFilter createSuggestedWindowFilter() {
      return new KalmanFilter(getLatestTimestamp());
  }
  

• Kalman 滤波器会处理每个 Beacon 最近接收到的 RSSI 值，考虑测量噪声和过程噪声：

  float measurementNoise = AdvertisingPacketUtil.calculateVariance(rssiArray);
  float processNoise = PROCESS_NOISE_DEFAULT; // 通常设为 0.008
  

• 而不是简单地取平均值。对于每个 Beacon，都会基于时间窗口内的一系列 RSSI 值计算出一个平滑后的 RSSI 值。

3. 距离计算阶段​

• 系统根据平滑后的 RSSI 值，使用对数距离路径损耗模型计算距离：

  public static float calculateDistance(float rssi, float calibratedRssi, float pathLossParameter) {
      return (float) Math.pow(10, (calibratedRssi - rssi) / (10 * pathLossParameter));
  }
  

• 路径损耗参数根据环境不同有差异：

  public static final float PATH_LOSS_PARAMETER_OPEN_SPACE = 2;
  public static final float PATH_LOSS_PARAMETER_INDOOR = 1.7f;
  public static final float PATH_LOSS_PARAMETER_OFFICE_HARD_PARTITION = 3f;
  

4. Beacon 选择和过滤阶段​

• 系统会排序可用的 Beacon，优先使用 RSSI 信号更强的 Beacon：

  Collections.sort(usableBeacons, BeaconUtil.DescendingRssiComparator);
  

• 限制使用的 Beacon 数量在合理范围内：

  private static final int MINIMUM_BEACON_COUNT = 3; // 至少需要3个
  private static final int MAXIMUM_BEACON_COUNT = 10; // 最多使用10个
  

• 过滤掉信号过弱的 Beacon：

  if (usableBeacons.get(beaconIndex).getFilteredRssi() < minimumRssiThreshold) {
      firstRemovableBeaconIndex = beaconIndex;
      break;
  }
  

5. 位置计算阶段​

• 系统使用 多边测量算法 (Multilateration) 而非简单的三点定位：

  Multilateration multilateration = new Multilateration(usableBeacons);
  try {
      Location location = multilateration.getLocation();
      // ...
  }
  

• 多边测量基于最小二乘法优化，使用 Levenberg-Marquardt 算法：

  TrilaterationFunction trilaterationFunction = new TrilaterationFunction(positions, distances);
  LeastSquaresOptimizer leastSquaresOptimizer = new LevenbergMarquardtOptimizer();
  NonLinearLeastSquaresSolver solver = new NonLinearLeastSquaresSolver(trilaterationFunction, leastSquaresOptimizer);
  

• 系统还会根据均方根误差 (RMS) 过滤掉不准确的位置估计：

  if (multilateration.getRMS() < rootMeanSquareThreshold) {
      locationPredictor.addLocation(location);
      onLocationUpdated(location);
  }
  

6. 位置优化阶段​

• 系统使用 LocationPredictor 来预测未来位置：

  locationPredictor.addLocation(location);
  

• 还应用了移动速度限制：

  if (maximumMovementSpeed != MAXIMUM_MOVEMENT_SPEED_NOT_SET && lastKnownLocation != null) {
      location = DistanceUtil.speedFilter(lastKnownLocation, location, maximumMovementSpeed);
  }
  

7. 更新频率​

• 默认位置更新频率为每 500 毫秒一次：

  private long maximumLocationUpdateInterval = UPDATE_INTERVAL_MEDIUM; // 500ms
  

• 但可以配置为其他值：

  public static final long UPDATE_INTERVAL_IMMEDIATE = 50;    // 50ms
  public static final long UPDATE_INTERVAL_FAST = 100;        // 100ms
  public static final long UPDATE_INTERVAL_MEDIUM = 500;      // 500ms
  public static final long UPDATE_INTERVAL_SLOW = 3000;       // 3000ms
  

总结比较​

与您的描述相比，主要差异点：

1. 信号处理: 不是简单取平均值，而是使用 Kalman 滤波器处理 RSSI 值
2. 位置计算: 不仅使用三点定位，而是使用多边测量算法，可以同时考虑 3 个以上的 Beacon
3. 精度控制: 使用 RMS 阈值过滤掉不准确的定位结果
4. 预测优化: 使用位置预测和速度限制来平滑结果

当前您的前端代码已经实现了一些这些技术（如 Kalman 滤波），但可以考虑更全面地引入 Java 库中的高级功能，特别是多边测量算法和位置预测方面。

SSH​

ssh-keygen -t rsa

将生成一个默认的 RSA 密钥对，通常位于 ~/.ssh/id_rsa（私钥）和 ~/.ssh/id_rsa.pub（公钥）。 使用时，保管好私钥，并将公钥添加到需要访问的服务器的 ~/.ssh/authorized_keys 文件中。 可以使用ssh-copy-id命令将本地公钥写入远端：

# 不指定 -i 时，默认 ~/.ssh/id_rsa.pub
ssh-copy-id -i ~/.ssh/my_custom_key.pub user@192.168.1.100

随后登入远端服务器，编辑/etc/ssh/sshd_config文件：

sudo vim /etc/ssh/sshd_config

去掉PasswordAuthentication yes的注释即可。

VMware虚拟机​

开机自启动​

vmrun.exe 参数 vmrun -T (ws|fusion|player) start "指定虚拟机vmx文件路径" [gui|nogui]

• ws 表示 VMware workstation windows平台使用
• fusion 表示 VMware fusion Apple平台使用
• player 表示 VMware player 通用平台
• gui 表示 使用gui启动虚拟机
• nogui 表示 不使用gui无界面后台运行

新建一个脚本文件(.bat)输入以下信息(模板), 注意请根据您当前的文件路径新建脚本：

"D:\Program Files (x86)\VMware\VMware Workstation\vmrun.exe" -T ws start "D:\folderName\CentOS 7-NAS-6.vmx"  nogui

Git​

参考 Git工作流

dpkg与apt​

• 查看软件包安装的文件

  dpkg -L

• 删除与软件包相关的所有文件和配置

  sudo apt --purge remove <package_name>

  sudo apt autoremove

• 列出依赖项，包括建议的和建立的软件包

  apt-cache depends <package_name>

• 查看软件包的必需依赖项

  apt-cache depends --important <package_name>

• 查看软件包的详细信息

  apt show <package_name>

Wake on Lan​

ether-wake -i br0 -b 2C:F0:5D:27:B9:21

/etc/profile​

在每一个用户登录的时候执行，全局作用域。可以在其中写入环境变量。

export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64

换源​

Ubuntu apt 更换源，快捷命令

sudo sed -i 's/cn.archive.ubuntu.com/mirrors.ustc.edu.cn/g' /etc/apt/sources.list

mirrors.ustc.edu.cn可以替换成其他源，如阿里云

技术​

• Laserfit、Boston Sight、Eye Print Pro等镜片制造商家。

  G医生在Youtube访谈

• OVITZ Wave Scan：OVITZ provides the world's first automated higher order aberration (HOA) correction system for life-changing vision improvements.

  Case Series: Impact of Wavefront-Guided Scleral Lenses on Visual Performance

书籍​

• 《Ophthalmology: Current and Future Developments》
  作者：Melissa Barnett, Lynette K. Johns
  出版社：Bentham Science Publishers (2017)

• 《PENTACAM 角膜地形图：从入门到精通（原著第2版）》
  详细介绍 PENTACAM 角膜地形图的基本概念及应用。

• 《Wavefront Analysis, Aberrometers & Corneal Topography》
  深入探讨波前分析技术及其在角膜地形图中的应用。

• 《Optical Imaging and Aberrations, Part III: Wavefront Analysis》
  关注波前分析在光学成像中的重要性。

• 《Wavefront Optics for Vision Correction》
  介绍波前光学在视力矫正中的应用。

• 《Corneal Topography: A Guide for Clinical Application in Wavefront Era》
  为临床实践提供波前时代角膜地形图的应用指导。

• 《Wavefront Customized Visual Correction: The Quest for Super Vision II》
  探讨波前定制技术在视觉矫正中的最新进展。

• 《波前时代角膜地形图的临床应用（中文翻译版）》
  提供波前时代角膜地形图的应用实例与分析。

Reddit讨论​

• 您的 Laserfit 硬性透气镜片体验

• Laserfit 与 Eye Print Pro 硬性透气镜片的比较

Blog posts support Docusaurus Markdown features, such as MDX.

<button onClick={() => alert('button clicked!')}>Click me!</button>