一种基于行为的室内定位和地标语义标识的方法技术

本发明专利技术公开了一种基于行为的室内定位和地标语义标识的方法，基于室内人员的动作模式；利用智能手机内置惯性传感器对设计好的动作模式进行数据采集，对这些数据进行预处理和特征提取并运用支持向量机来识别动作序列，并通过模糊模式识别算法将动作序列识别为行为模式；根据WIFI信号确定初始定位点和航位推算法确定大致行走轨迹；分别对行为模式和位置进行分析；通过不断地对地标进行更新，实现更加精确的室内定位，并通过地标的属性对其进行语义标识。室内行人在进行定位时则根据其行为模式与地标集合来修正航位推算所产生的漂移误差。该方法能够利用地标校正定位误差，有效应对环境因素的干扰和传感器自身的噪声，显著提高室内定位的精度。

A method of indoor location and landmark semantic identification based on behavior

The invention discloses an indoor positioning behavior and method of semantic identification based on landmarks, indoor personnel action mode based on data acquisition design; good operation mode by using intelligent mobile phone built-in inertial sensors, the data preprocessing and feature extraction and use support vector machine to identify the action sequences, and through fuzzy pattern recognition algorithm for sequence recognition behavior; according to the WIFI signal to determine the initial positioning and dead reckoning method to determine the approximate walking trajectory; respectively on the behavior pattern and position analysis; by constantly on the landmark update, to achieve indoor positioning more accurate, and the landmark attributes of the semantic identification. In the indoor pedestrian localization based on the patterns of behavior and the set of landmarks to correct the drift error caused by dead reckoning. The method can correct the location error by using landmarks, and effectively deal with the interference of environmental factors and the noise of the sensor itself, which can significantly improve the accuracy of indoor positioning.

【技术实现步骤摘要】
一种基于行为的室内定位和地标语义标识的方法
本专利技术涉及基于惯性传感器的室内行人定位和地标语义标识领域，提出一种基于行为的室内定位和地标语义标识的方法。
技术介绍
基于惯性传感器的室内定位是在室内环境下首先采集RF信号，通过聚类算法将采集到的RF信号和对应指纹库进行聚类获取行人的初始位置；然后通过采集和处理加速度传感器、陀螺仪以及地磁传感器的数据来计算行人行走时的位移和航向角，结合航位推算原理，在已知上一个位置的基础上，根据行走时间段内的位移和航向角来推算出行人当前的位置。在航向推算算法中，采集的加速度传感器数据可以通过步态识别的方法计算行人行走的步数，进而计算其位移，采集的陀螺仪和地磁传感器数据可以获取行人的航向角，其中陀螺仪数据提供短期精确的相对角变换，地磁传感器数据提供长期固定的角度变换。但是由于地磁信号非常容易受到金属物体的干扰，并且传感器自身噪声和行人身体晃动容易引起累计漂移误差，所以基于惯性传感器的室内定位在这种环境下定位精度较差。研究人员提出过很多基于惯性传感器的室内定位和地标标识方法。对于室内定位方法中，有的只是对传感器数据进行滤波等处理，虽然一定程度上减小了漂移误本文档来自技高网...

【技术保护点】
一种基于行为的室内定位和地标语义标识的方法，其特征在于，包括以下步骤：步骤1，加速度传感器、陀螺仪、方向传感器以固定频率100Hz采集数据，以及以1Hz的频率采集WIFI信号；步骤2，通过支持向量机学习传感器数据来识别室内行人的元动作序列，进而通过基于可能性的模糊模式识别方法识别室内人员的行为模式；步骤3，利用WIFI粗定位和航位推算原理计算室内行人的位置，这个过程不断地执行就可以不断地获得室内行人的位置信息；步骤4，根据所识别的行为模式和室内行人的粗定位对室内地标进行位置探测；步骤5，根据发生在地标的元动作序列属性、室内地标相对位置关系以及地标的覆盖范围对地标进行自动语义标识；步骤6，重复步...

【技术特征摘要】
1.一种基于行为的室内定位和地标语义标识的方法，其特征在于，包括以下步骤：步骤1，加速度传感器、陀螺仪、方向传感器以固定频率100Hz采集数据，以及以1Hz的频率采集WIFI信号；步骤2，通过支持向量机学习传感器数据来识别室内行人的元动作序列，进而通过基于可能性的模糊模式识别方法识别室内人员的行为模式；步骤3，利用WIFI粗定位和航位推算原理计算室内行人的位置，这个过程不断地执行就可以不断地获得室内行人的位置信息；步骤4，根据所识别的行为模式和室内行人的粗定位对室内地标进行位置探测；步骤5，根据发生在地标的元动作序列属性、室内地标相对位置关系以及地标的覆盖范围对地标进行自动语义标识；步骤6，重复步骤1-5，不断对室内地标进行探测和语义标识，逐渐完善对室内环境的扫描，直至无法探测到新的室内地标；步骤7，对行人进行高精度室内定位；为了消除传感器漂移所带来的定位误差，利用地标来修正室内行人的位置；步骤8，需要通过识别室内行人当前的行为模式和位置来判断室内行人此时是否处于地标旁，具体做法为室内人员当前时刻行为模式是否和周围欧氏距离为M米内的地标相匹配；若行为模式和位置可以与附近地标进行匹配，则利用地标位置修正当前时刻室内行人的位置，消除传感器的漂移问题，输出高精度带有语义的室内定位结果；若否，则使用航位推算所得到的位置作为室内行人的当前位置。2.根据权利要求1所述的一种基于行为的室内定位和地标语义标识的方法，其特征在于，所述的步骤2中，识别元动作序列的具体操作方法如下:步骤2.1，输入加速度传感器、陀螺仪和方向传感器数据；步骤2.2，对传感器数据进行卡尔曼滤波；卡尔曼滤波首先引入一个离散控制过程的系统，使用一个线性随机微分方程描述：X(k)＝AX(k-1)+BU(k)+W(k)，再加上系统的测量值：Z(k)＝HX(k)+V(k)，其中X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制量，A和B是系统参数，Z(k)是k时刻的测量值，H是测量系统的参数，W(k)和V(k)分别表示过程和测量的噪声；他们被假设成高斯白噪声，他们的协方差分别是Q，R；1)首先利用系统的过程模型，来预测下一状态的系统；假设现在的系统状态是k，根据系统的模型，可以基于系统的上一状态而预测出现在状态：X(k|k-1)＝AX(k-1|k-1)+BU(k)，X(k|k-1)是利用上一状态预测的结果，X(k-1|k-1)是上一状态最优的结果，U(k)为现在状态的控制量；2)到现在为止，系统结果已经更新了，可是，对应于X(k|k-1)的协方差还没更新；P表示协方差：P(k|k-1)＝AP(k-1|k-1)A’+Q，P(k|k-1)是X(k|k-1)对应的协方差，P(k-1|k-1)是X(k-1|k-1)对应的协方差，A’表示A的转置矩阵，Q是系统过程的协方差；3)结合预测值和测量值，我们可以得到现在状态k的最优化估算值X(k|k)：X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1))，其中Kg为卡尔曼增益：Kg(k)＝P(k|k-1)H’/(HP(k|k-1)H’+R)；4)为了令卡尔曼滤波器不断的运行下去直到系统过程结束，我们还要更新k状态下X(k|k)的协方差：P(k|k)＝(I-Kg(k)H)P(k|k-1)，其中I为1的矩阵，对于单模型单测量，I＝1；当系统进入k+1状态时，P(k|k)就是P(k-1|k-1)；这样，算法就可以自回归的运算下去；步骤2.3，数据归一化使用Z-score归一化方法，利用卡尔曼滤波后的数据的均值和标准差进行数据归一化：x*＝(x-μ)/σ，式中x表示需要进行归一化的数据，μ表示样本均值，σ表示样本标准差；步骤2.4，用滑动窗口机制对预处理后的数据提取特征，根据采样频率设置滑动窗口大小为100，窗口重叠率设置为50％；步骤2.5，滑动窗口每次向后移动0.5个窗口大小；步骤2.6，判断滑动窗口是否到达数据末尾，如果到达则元动作序列识别工作流程结束并输出元动作序列，否则对滑动窗口内数据进行特征提取；动作序列识别使用三个传感器，每个传感器有三个轴，对每个轴提取12个标准统计学特征，包括：均值、最大值、最小值、方差、标准偏差、峰度、信号幅度面积、正值之和、负值之和、均方根、波峰及波谷的数量，共9×12＝108个特征，此外同一传感器任意两轴之间的轴相关系数也作为特征，共9个特征，因此一个滑动窗口内共有117个特征，将这117个特征组成一个特征向量，以便SVM进行识别；步骤2.7，将特征向量输入到已训练好的SVM分类器中进行学习，SVM分类器核函数选择径向基核函数，输出为元动作；在输出元动作后，转到步骤2.5继续对数据进行识别。3.根据权利要求1所述的一种基于行为的室内定位和地标语义标识的方法，其特征在于，所述的步骤2中，对行为模式定义如下:1)标准行为模式，即根据室内行人的动作序列特点来定义标准的动作序列；2)每个标准行为模式中的元动作均具有前驱动作和后继动作，排列在某元动作之前的动作称为该动作的前驱动作，排列在之后的动作称为该动作的后继动作；3)每个元动作均具有隶属度μpj(a)和权重ωi两个属性，隶属度的计算公式为：μpj(a)＝(pa+qa)/(n-1)，其中pa表示元动作a在标...

【专利技术属性】
技术研发人员：牛晓光，王嘉伟，王震，张逸昊，张淳，杨青虎，王安康，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42