A particle filter method for indoor positioning map information and adaptive location based on modified particle initialization, including: state information specified particles; particle propagation, according to the state vector of dead reckoning formula next time particle; particle update, determine whether the particles spread in the process of intersection and obstacles in the map, if there is intersection the particle extinction; determine the target location, according to the weighted particle update survival after particle location and the final location to determine the target; resampling and position adaptive correction, using random sampling method in survival were randomly selected as the particle particle particle generation position on compensation, compensation of particles with adaptive adjustment, thus correction of target position. The invention reduces the accumulated error during the updating process, and effectively improves the positioning accuracy.
【技术实现步骤摘要】
基于地图信息和位置自适应修正的粒子滤波室内定位方法
本专利技术涉及目标定位、目标跟踪等领域,尤其涉及基于智能移动设备的室内定位领域。
技术介绍
随着智慧城市、移动互联网、智能移动设备等技术的发展,作为这些领域的共性技术——位置服务显得尤为重要。同时,人们对室内定位的需求日益增加,如何通过有效的技术手段来实现室内精确定位已经成为亟待解决的问题。行人航位推算(PedestrianDeadReckoning,PDR)是近些年室内定位领域的研究热点,它是通过采集高精度传感器数据,以计步检测和航向估计为基础,从已知起始位置进行航位推算的目标定位技术。PDR在没有GPS信号的室内也能正常运用,因此广泛应用于室内定位。但是,PDR的定位误差会随着时间而累积,在使用一定时间后,PDR会出现误差逐步增大,定位精度逐步下降的问题。由于在室内进行目标定位,目标的移动受到建筑物的墙壁等障碍物的约束,因此,一种有效遏制累积误差的方法是利用已知的室内地图信息在定位过程中进行地图匹配来提高定位精度。粒子滤波是一种基于粒子仿真的概率估计算法,其核心思想是通过计算一组随机样本的蒙特卡洛估计来表征待估计的后验概率分布,因此,被广泛应用于定位系统中。粒子实际就是对状态空间中未知或者隐藏状态的采样。在定位系统中,一个粒子就表征目标一个可能的位置,当粒子数量足够大时,粒子极大概率出现在目标正确的位置上。
技术实现思路
为了克服当前的航位推算室内定位算法误差会随着时间累积导致定位精度随时间下降、定位精度较低的不足,本专利技术提出一种基于地图信息和位置自适应修正的粒子滤波室内定位方法,在定位过程中使用地图 ...
【技术保护点】
一种基于地图信息和位置自适应修正的粒子滤波室内定位方法,其特征在于:所述定位方法包括以下步骤:步骤1,粒子初始化为
【技术特征摘要】
1.一种基于地图信息和位置自适应修正的粒子滤波室内定位方法,其特征在于:所述定位方法包括以下步骤:步骤1,粒子初始化为指定粒子携带的状态信息为其中是初始时刻t0第i个粒子的状态向量,分别是时刻t0第i个粒子的横坐标、纵坐标和权重,初始权重设为1,N是粒子数量,是由目标初始位置加上偏移量得到,偏移量服从均值为0,方差为σ2的高斯分布;步骤2,粒子传播,根据式(1)由k-1时刻粒子状态向量Sk-1计算出粒子在k时刻的状态向量Sk,其中是k时刻第i个粒子的坐标,是k-1时刻第i个粒子的坐标,Lk-1是k-1时刻目标的行进步长,Lk是k时刻目标的行进步长,由式(2)计算得到,其中α,β是步长模型参数,是在离线阶段根据已知步长和步频通过线性回归计算得到,freqk是k时刻的目标步频,根据目标行进过程中采集到的加速度传感器数据通过波峰检测算法计算得到,是k时刻第i个粒子的航向,是k-1时刻第i个粒子的航向,由方向传感器采集得到;Lk=α·freqk+β(2)步骤3,粒子更新,判断粒子在传播过程中是否与地图中的墙壁等障碍物相交,如果存在相交则该粒子灭亡,权重置为0;步骤4,目标位置确定,根据式(3)计算得到目标在k时刻的最终位置,其中(Xk,Yk)是k时刻由粒子滤波算法估算出的目标最终位置坐标,是k时刻第i个粒子的坐标,是k时刻第i个粒子的权重;步骤5,粒子重采样和位置自适应修正,设步骤3中得到的存活粒子数为Ns,在存活的粒子中随机抽取N-Ns个粒子用于补偿损失的粒子;...
【专利技术属性】
技术研发人员:宦若虹,陈月,陶一凡,杨鹏,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。