Bluetooth Low Energy (BLE) devices have become integral to modern wireless com munication, facilitating a wide range of applications in consumer electronics, healthcare, security, and beyond. Their capacity to broadcast signals presents significant opportunities for tracking and localization, which could be helpful in domains such as search and rescue operations. However, privacy mechanisms, particularly randomization of Media Access Control (MAC) addresses, pose substantial challenges to persistent device identification and tracking. This thesis explores methodologies for associating BLE measurements with specific devices and estimating their locations, despite the complexities introduced by privacy preserving techniques. By developing robust association and localization frameworks, this study aims to advance BLE-based tracking applications while addressing the inher ent trade-offs between utility and privacy. The methodological framework is empirical and based on BLE signal measurements collected through scanning equipment deployed in both controlled tests and outdoor field conditions. The process begins with identifying unique MAC addresses and extracting rel evant features. These features feed into an association algorithm that attempts to associate individual measurements with specific physical targets despite the address randomization. Alocalization algorithm is then used to estimate the position of each target by combining Received Signal Strength Indicator (RSSI) data with the known locations of the scanners. Both algorithms are validated against ground truth data using reference devices and RSSI f iltering. Association and localization are central to this tracking method: association ensures that fragmented or randomized measurements are correctly grouped per physical device, while localization estimates where each target was at a given time. The output of the methodisaspatiotemporal trace of each tracked device, providing a sequence of estimated positions that can aid in real-time tracking or retrospective analysis. Theassociation algorithm is capable of grouping signal observations from the same de vice, although its accuracy is affected by timing inconsistencies. Localization, based on sig nal strength data, generally performs well when scanners are spatially distributed but can suffer in certain geometric configurations. Adjustments in scanner placement and tempo ral processing show potential to improve association reliability and localization accuracy. While the approach is promising for static or semi-static scenarios, further adaptation is needed for use in dynamic, real-time search and rescue operations.

Bluetooth Low Energy (BLE)-enheter har blivit en integrerad del av modern trådlös kommunikation och möjliggör ett brett spektrum av tillämpningar inom konsumentelektronik, hälso- och sjukvård, säkerhet och andra områden. Deras förmåga att sända signaler erbjuder betydande möjligheter för spårning och lokalisering, vilket kan vara särskilt användbart inom exempelvis sök- och räddningsinsatser. Emellertid utgör integritetsskyddande mekanismer, särskilt randomisering av Media Access Control (MAC)-adresser, avsevärda utmaningar för beständig identifiering och spårning av enheter. Denna avhandling undersöker metoder för att koppla BLE-mätningar till specifika enheter samt uppskatta deras positioner, trots de komplexiteter som introduceras genom integritetsbevarande tekniker. Genom att utveckla robusta ramverk för association och lokalisering syftar studien till att främja BLE-baserade spårningstillämpningar, samtidigt som de inneboende avvägningarna mellan nytta och integritet beaktas. Det metodologiska ramverket är empiriskt och baseras på BLE-signalmätningar insamlade med hjälp av skanningsutrustning som har distribuerats i både kontrollerade tester och i fältmiljöer utomhus. Processen inleds med identifiering av unika MAC-adresser och extraktion av relevanta egenskaper. Dessa egenskaper matas in i en associationsalgoritm som försöker koppla enskilda mätningar till specifika fysiska mål, trots adressernas randomisering. En lokaliseringsalgoritm används därefter för att uppskatta varje måls position genom att kombinera data från mottagen signalstyrka (Received Signal Strength Indicator, RSSI) med de kända positionerna för skannrarna. Båda algoritmerna valideras mot referensdata med hjälp av referensenheter och RSSI-filtrering. Association och lokalisering utgör centrala komponenter i denna spårningsmetod: association säkerställer att fragmenterade eller randomiserade mätningar korrekt grupperas per fysisk enhet, medan lokalisering uppskattar var varje mål befann sig vid en given tidpunkt. Metodens utdata är ett rumsligt-temporalt spår för varje spårad enhet, vilket ger en sekvens av uppskattade positioner som kan användas för realtidsuppföljning eller retrospektiv analys. Associationsalgoritmen har förmåga att gruppera signalobservationer från samma enhet, även om dess noggrannhet påverkas av tidsmässiga inkonsekvenser. Lokaliseringen, som bygger på signalstyrkebaserad data, fungerar i allmänhet väl när skannrarna är rumsligt utspridda, men kan uppvisa svårigheter i vissa geometriska konfigurationer. Justeringar av skannrarnas placering samt temporala processer visar potential att förbättra både associationsnoggrannhet och lokaliseringsprecision. Även om metoden är lovande för statiska eller semi-statiska scenarier, krävs ytterligare anpassningar för att kunna användas i dynamiska, realtidsbaserade sök- och räddningsoperationer.