基于二阶级联的多元素融合定位方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了基于二阶级联的多元素融合定位方法、装置及电子设备，该方法包括：获取用户的运动参数、所述用户所在位置的磁场参数、以及由无线节点发送的无线信号和当前场景的地图信息；根据所述运动参数及所述磁场参数，计算所述用户的行人航位推算PDR参数；根据所述无线信号，通过第一预设算法，计算出所述用户的测量位置；根据所述PDR参数及所述测量位置，通过扩展卡尔曼滤波算法，计算出所述用户的一级准确位置；根据所述PDR参数、所述一级准确位置及所述地图信息，通过粒子滤波算法，计算出所述用户的二级准确位置，作为所述用户的定位位置，可以提高定位精度。

【技术实现步骤摘要】
基于二阶级联的多元素融合定位方法、装置及电子设备
本专利技术涉及定位
，特别是涉及基于二阶级联的多元素融合定位方法、装置及电子设备。
技术介绍
室内定位技术自提出以来得到了广泛的关注，已经成为各国研究的热点。目前室内定位的主要技术包括WiFi(WIreless-Fidelity，无线保真)、Bluetooth(蓝牙)、RFID(RadioFrequencyIdentification，射频识别)、红外线、超声波等无线定位技术，以及PDR(Pedestriandeadreckoning，行人航位推算)、INS(Inertialnavigationsystem，惯性导航系统)等自主定位技术。这些技术在办公室、家庭、工厂以及商场等生活的方方面面得到了广泛的应用。但是现有室内定位技术在室内多遮挡、强干扰、非视距等恶劣环境下，会不可避免的出现信息丢失、出错等信息不完备现象，这就导致了现有定位技术不能够满足连续稳定低功耗的室内高精度定位的需求。例如：惯性导航系统定位技术中，惯性传感器一般包括加速度传感器、陀螺仪和磁力计，多被应用到移动终端里面。惯性传感器定位有两种方法，一种是惯性积分定位法，根据牛顿运动定律，利用三轴加速度和三轴陀螺仪的数据积分计算三维姿态、速度和位置。另一种是行人航位推算，其利用行人的位移和航向进行位置解算。惯性传感器定位可以完全不依赖外部环境，可以提供连续的定位结果，但是存在累积误差，不适合长期使用。总之，现有室内定位技术定位精度低。
技术实现思路
本专利技术实施例的目的在于提供一种基于二阶级联的多元素融合定位方法、装置及电子设备，以实现提高定位精度。具体技术方案如下：第一方面，本专利技术实施例提供了一种基于二阶级联的多元素融合定位方法，所述方法包括：获取用户的运动参数、所述用户所在位置的磁场参数、以及由无线节点发送的无线信号和当前场景的地图信息，其中，所述运动参数包括：角速度及加速度；根据所述运动参数及所述磁场参数，计算所述用户的行人航位推算PDR参数，其中，所述PDR参数包括：步长及航向角；根据所述无线信号，通过第一预设算法，计算出所述用户的测量位置；根据所述PDR参数及所述测量位置，通过扩展卡尔曼滤波算法，计算出所述用户的一级准确位置；根据所述PDR参数、所述一级准确位置及所述地图信息，通过粒子滤波算法，计算出所述用户的二级准确位置，作为所述用户的定位位置。可选的，所述根据所述运动参数及所述磁场参数，计算所述用户的行人航位推算PDR参数，包括：根据所述加速度，利用经验公式，计算所述用户的步长；以四元数作为状态向量，所述角速度和所述磁场参数作为扩展卡尔曼滤波算法的观测量，校正所述角速度，得到航向角。可选的，所述根据所述PDR参数及所述测量位置，通过扩展卡尔曼滤波算法，计算出所述用户的一级准确位置，包括：建立所述用户的位置的扩展卡尔曼滤波算法的状态方程；根据所述PDR参数及所述测量位置，建立所述用户的位置的扩展卡尔曼滤波算法的测量方程；根据所述测量方法和所述状态方程，校正所述用户的位置，得到所述用户的一级准确位置。可选的，所述根据所述PDR参数、所述一级准确位置及所述地图信息，通过粒子滤波算法，计算出所述用户的二级准确位置，作为所述用户的定位位置，包括：以预设位置为中心，在当前场景中均匀散布N个粒子，得到第一粒子集合，其中，N为正整数；根据所述PDR参数，结合步态模型，变换所述第一粒子集合中各粒子的位置，得到第二粒子集合；根据所述第二粒子集合中各粒子与所述一级准确位置间的距离，及所述地图信息，确定所述第二粒子集合中各粒子的权重；在所述第二粒子集合中，去掉权重为0的粒子，选取权重符合预设规则的粒子进行复制，并从粒子复制后的第二粒子集合中选取N个粒子，得到第三粒子集合；平均配置所述第三粒子集合中各粒子的权重，根据所述第三粒子集合中各粒子的权重及位置，计算所述二级准确位置，作为所述用户的定位位置。可选的，所述根据所述PDR参数，结合步态模型，变换所述第一粒子集合中各粒子的位置，得到第二粒子集合，包括：根据及变换所述第一粒子集合中每个粒子的位置，得到第二粒子集合；其中，为所述第二粒子集合中第i个粒子的x轴坐标，为所述第一粒子集合中第i个粒子的x轴坐标，Lstepk-1为所述用户上一步的步长，headingk-1为所述用户上一步的航向角，为所述第二粒子集合中第i个粒子的x轴坐标，为所述第一粒子集合中第i个粒子的x轴坐标。可选的，所述根据所述第二粒子集合中各粒子与所述一级准确位置间的距离，及所述地图信息，确定所述第二粒子集合中各粒子的权重，包括：根据以下公式，计算所述第二粒子集合中各粒子的第一权重系数：其中，xi表示所述第二粒子集合中第i个粒子坐标，xmeasure为所述一级准确位置，weighti_measure为所述第二粒子集合中第i个粒子的第一权重系数；根据所述地图信息，若所述第二粒子集合中的粒子在不可达区域，则令该粒子的第二权重系数为0，若所述第二粒子集合中的粒子在可达区域，则令该粒子的第二权重系数为1；将所述第一权重系数与所述第二权重系数的乘积作为相应粒子的权重。可选的，所述平均配置所述第三粒子集合中各粒子的权重，根据所述第三粒子集合中各粒子的权重及位置，计算所述二级准确位置，作为所述用户的定位，包括：平均配置所述第三粒子集合中各粒子的权重：其中，Xi为所述第三粒子集合中第i个粒子，w′i为所述第三粒子集合中第i个粒子的权重，且w′i＝1/N；根据计算所述二级准确位置，作为所述用户的定位，其中，X为所述二级准确位置，xi为所述第三粒子集合中第i个粒子的坐标。第二方面，本专利技术实施例提供了一种基于二阶级联的多元素融合定位装置，所述装置包括：数据获取模块，用于获取用户的运动参数、所述用户所在位置的磁场参数、以及由无线节点发送的无线信号和当前场景的地图信息，其中，所述运动参数包括：角速度及加速度；PDR计算模块，用于根据所述运动参数及所述磁场参数，计算所述用户的行人航位推算PDR参数，其中，所述PDR参数包括：步长及航向角；测量位置计算模块，用于根据所述无线信号，通过第一预设算法，计算出所述用户的测量位置；一级计算模块，用于根据所述PDR参数及所述测量位置，通过扩展卡尔曼滤波算法，计算出所述用户的一级准确位置；二级计算模块，用于根据所述PDR参数、所述一级准确位置及所述地图信息，通过粒子滤波算法，计算出所述用户的二级准确位置，作为所述用户的定位位置。可选的，所述PDR计算模块，包括：步长计算子模块，用于根据所述加速度，利用经验公式，计算所述用户的步长；航向角计算子模块，用于以四元数作为状态向量，所述角速度和所述磁场参数作为扩展卡尔曼滤波算法的观测量，校正所述角速度，得到航向角。可选的，所述一级计算模块，包括：第一计算子模块，用于建立所述用户的位置的扩展卡尔曼滤波算法的状态方程；第二计算子模块，用于根据所述PDR参数及所述测量位置，建立所述用户的位置的扩展卡尔曼滤波算法的测量方程；第三计算子模块，用于根据所述测量方法和所述状态方程，校正所述用户的位置，得到所述用户的一级准确位置。可选的，所述二级计算模块，包括：第一集合确定子模块，用于以预设位置为中心，在当前场景中均匀散布N个粒子，得到第一粒子集合，本文档来自技高网...

【技术保护点】
一种基于二阶级联的多元素融合定位方法，其特征在于，所述方法包括：获取用户的运动参数、所述用户所在位置的磁场参数、以及由无线节点发送的无线信号和当前场景的地图信息，其中，所述运动参数包括：角速度及加速度；根据所述运动参数及所述磁场参数，计算所述用户的行人航位推算PDR参数，其中，所述PDR参数包括：步长及航向角；根据所述无线信号，通过第一预设算法，计算出所述用户的测量位置；根据所述PDR参数及所述测量位置，通过扩展卡尔曼滤波算法，计算出所述用户的一级准确位置；根据所述PDR参数、所述一级准确位置及所述地图信息，通过粒子滤波算法，计算出所述用户的二级准确位置，作为所述用户的定位位置。

【技术特征摘要】
1.一种基于二阶级联的多元素融合定位方法，其特征在于，所述方法包括：获取用户的运动参数、所述用户所在位置的磁场参数、以及由无线节点发送的无线信号和当前场景的地图信息，其中，所述运动参数包括：角速度及加速度；根据所述运动参数及所述磁场参数，计算所述用户的行人航位推算PDR参数，其中，所述PDR参数包括：步长及航向角；根据所述无线信号，通过第一预设算法，计算出所述用户的测量位置；根据所述PDR参数及所述测量位置，通过扩展卡尔曼滤波算法，计算出所述用户的一级准确位置；根据所述PDR参数、所述一级准确位置及所述地图信息，通过粒子滤波算法，计算出所述用户的二级准确位置，作为所述用户的定位位置。2.根据权利要求1所述的方法，其特征在于，所述根据所述运动参数及所述磁场参数，计算所述用户的行人航位推算PDR参数，包括：根据所述加速度，利用经验公式，计算所述用户的步长；以四元数作为状态向量，所述角速度和所述磁场参数作为扩展卡尔曼滤波算法的观测量，校正所述角速度，得到航向角。3.根据权利要求1所述的方法，其特征在于，所述根据所述PDR参数及所述测量位置，通过扩展卡尔曼滤波算法，计算出所述用户的一级准确位置，包括：建立所述用户的位置的扩展卡尔曼滤波算法的状态方程；根据所述PDR参数及所述测量位置，建立所述用户的位置的扩展卡尔曼滤波算法的测量方程；根据所述测量方法和所述状态方程，校正所述用户的位置，得到所述用户的一级准确位置。4.根据权利要求1所述的方法，其特征在于，所述根据所述PDR参数、所述一级准确位置及所述地图信息，通过粒子滤波算法，计算出所述用户的二级准确位置，作为所述用户的定位位置，包括：以预设位置为中心，在当前场景中均匀散布N个粒子，得到第一粒子集合，其中，N为正整数；根据所述PDR参数，结合步态模型，变换所述第一粒子集合中各粒子的位置，得到第二粒子集合；根据所述第二粒子集合中各粒子与所述一级准确位置间的距离，及所述地图信息，确定所述第二粒子集合中各粒子的权重；在所述第二粒子集合中，去掉权重为0的粒子，选取权重符合预设规则的粒子进行复制，并从粒子复制后的第二粒子集合中选取N个粒子，得到第三粒子集合；平均配置所述第三粒子集合中各粒子的权重，根据所述第三粒子集合中各粒子的权重及位置，计算所述二级准确位置，作为所述用户的定位位置。5.根据权利要求4所述的方法，其特征在于，所述根据所述PDR参数，结合步态模型，变换所述第一粒子集合中各粒子的位置，得到第二粒子集合，包括：根据及变换所述第一粒子集合中每个粒子的位置，得到第二粒子集合；其中，为所述第二粒子集合中第i个粒子的x轴坐标，为所述第一粒子集合中第i个粒子的x轴坐标，Lstepk-1为所述用户上一步的步长，headingk-1为所述用户上一步...

【专利技术属性】
技术研发人员：邓中亮，李晶，付潇，刘雯，苏洋，张书楠，王翰华，姚喆，邢华帅，冷泽富，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11