基于HMM的wifi和地磁融合的室内定位系统及方法技术方案

本发明专利技术公开基于HMM的wifi和地磁融合的室内定位系统及方法。本发明专利技术主要通过移动终端实时wifi信号与预先建立wifi指纹库匹配获得局部位置区域，初始化区域内的位置获得初始概率分布矩阵，利用局部位置区域内标签点的位置关系获得状态转移概率矩阵，再融合地磁信号与预先建立地磁指纹库匹配获得观测概率矩阵，根据前向算法估计用户位置。当用户定位在wifi信号确定的局部位置区域内时，利用当前实时地磁信号更新观测概率矩阵，将其和状态转移矩阵估计用户位置；否则引入wifi信号重新建立局部位置区域，同时按前面所述方法更新初始概率分布、状态转移概率和观测概率矩阵。本发明专利技术将多种信息进行有效融合，提高系统的定位精度。

Indoor location system and method of WiFi and geomagnetic fusion based on HMM

The invention discloses indoor positioning system and method based on HMM WiFi and geomagnetic fusion. The invention mainly obtains the local position area by matching the real-time WiFi signal of the mobile terminal with the pre-established WiFi fingerprint database, obtains the initial probability distribution matrix by initializing the position in the region, obtains the state transition probability matrix by using the position relation of the label points in the local position area, and then fuses the geomagnetic signal with the pre-established geomagnetic finger. The probability matrix is obtained by matching the pattern library, and the user position is estimated based on the forward algorithm. When the user locates in the local location area determined by the WiFi signal, the observation probability matrix is updated by the current real-time geomagnetic signal, and the state transition matrix is used to estimate the user's position; otherwise, the local location area is reconstructed by introducing the WiFi signal, and the initial probability distribution, the state transition probability and the state transition probability are updated according to the method mentioned above. Observation probability matrix. The invention effectively integrates various information and improves the positioning accuracy of the system.

【技术实现步骤摘要】
基于HMM的wifi和地磁融合的室内定位系统及方法
本专利技术涉及室内定位系统及定位方法，尤其涉及一种基于HMM的wifi和地磁融合的室内定位系统及定位方法。
技术介绍
随着经济的快速发展，各种高楼大厦拔地而起，人们在室内的活动空间不断扩大并且室内地形也越来越复杂。对室内定位的需求越来越强烈。在商场内寻找某件特定物品，在机场内找寻远道而来的朋友，在停车场内反向寻车，人们都需要明确的位置进行引导。GPS定位技术在室外定位能够发挥很好的作用，但在室内环境中GPS信号受到建筑物的遮挡，移动终端很难接收到GPS信号。基于室内定位的技术很多，包括红外线定位技术、蓝牙定位技术、RFID定位技术、wifi定位技术、惯性导航技术和地磁定位技术。红外线、蓝牙、RFID等这些定位技术需要在目标区域预先部署专用的硬件设施，用户还需要佩戴相对应的定位终端，系统总体成本花费较高。在惯性导航技术中，惯性传感器在短时间内定位效果比较好，但长时间容易积累误差，导致定位精度急剧下降。在地磁定位技术中，磁场信号稳定、抗干扰能力强，局部特征明显，但当定位空间较大时，不同位置的地磁信号可能存在相似的情况，导致仅根据地磁信号的定位精度降低。而直接利用广泛布置在公共场所的wifi网络进行定位，可以降低定位成本，但是wifi容易受到多径效应、信号衰减和人体阻挡影响，从而导致单一的wifi定位技术精度比较低。单一的室内定位技术已不能满足人们对位置的需求，而多种定位技术结合已成为室内定位的主流方向，因此如何将多种信息进行有效结合达到精准定位，是一个具有探索性的问题。目前基于滤波的融合定位方法主要是粒子滤波，该方法在粒子状态转移过程需要对用户的步长和方向进行准确估计，但是不同用户步长具有多样性以及行走方向具有随机性，能否有效估计步长和方向影响着定位结果。而本专利技术采用前向方法不断迭代估计用户的位置，避免连续行走过程对步长和方向的估计，同时对wifi信号和地磁信号进行有效融合，提高定位的精度。
技术实现思路
为了解决上述问题，本专利技术提出了一种基于HMM的wifi和地磁融合的室内定位系统及定位方法，通过多种信息融合，提高定位精度。本专利技术具体技术方案如下。一种基于HMM的wifi和地磁融合的室内定位系统，该系统包括移动终端和服务器端。其中移动终端上具有wifi传感器模块、地磁传感器模块、方向传感器、无线传输模块和数据存储模块；服务器端为具有高级计算功能和数据存储的设备和无线传输模块。服务端可通过无线传输模块接收由移动终端收集和发送的wifi数据和地磁数据，服务器端建立用于定位的隐马尔可夫模型，实现wifi信号和地磁信号的融合对用户位置进行定位。其中：所述wifi传感器模块用于接收wifi信号；所述地磁传感器模块用于接收地磁信号；所示方向传感器模块用于获取移动终端的方向；所述的无线网络是由路由器构成的通信网络；所述无线传输模块将移动终端收集的wifi信号和地磁信号发送到服务器端，服务器端的定位结果同样通过无线传输模块发送回移动终端的存储模块；所述数据存储模块将用户历史的定位结果进行保存，便于查看行走路径；所述服务器端的高级计算功能可进行矩阵的运算，同时存储预先建立的wifi指纹库和地磁指纹库。所述的基于隐马尔可夫模型的定位方法，具体步骤如下：a.建立的wifi指纹库，用于移动终端实时收集的wifi信号与建立的wifi指纹库进行匹配；b.建立的地磁指纹库，为移动终端实时收集的地磁信号与建立的地磁指纹库进行匹配；c.移动终端将实时采样的wifi信号与预先建立的wifi指纹库进行匹配得到局部位置区域，在局部位置区域内进行初始化获得隐马尔可夫模型的初始概率分布矩阵E；d.根据局部位置区域内标签点的位置关系，获得隐马尔可夫模型的状态转移概率矩阵G；e.移动终端实时采样的地磁信号与预先建立的地磁指纹库进行匹配，获得隐马尔可夫模型的观测概率矩阵D；f.利用用户前一时刻估算出的位置信息、隐马尔可夫模型的状态转移概率矩阵G和隐马尔可夫模型的观测概率矩阵D，通过隐马尔可夫模型的前向算法不断迭代估计后一时刻隐藏的状态，即用户的位置信息；g.当用户的定位在由wifi信号所确定的局部位置区域内时，即用户在此局部位置区域内移动，此时仅利用用户所在位置的实时地磁信号更新观测概率矩阵，将其和状态转移矩阵用于隐马尔科夫模型中确定用户的实时位置；当用户的定位在wifi信号所确定的局部位置区域的外部时，则引入wifi信号重新建立一个局部位置区域，重复步骤c、d、e、f，该过程保证了wifi信号和地磁信号的有效融合，从而估计用户的位置。所述的步骤a建立wifi指纹库，具体如下：a1.定位区域内每隔1米设置一个标签点，以第一个标签位置作为二维平面的原点坐标，按依次递增的顺序为标签位置进行编号，总共N个标签位置，即标签位置的编号范围为1～N，其中N为正整数。此外，J个路由器被部署在定位区域的墙顶上，J为正整数；a2.移动终端的wifi传感器模块以1Hz作为采样频率，对每个标签位置采样m次wifi信号数据，并通过无线传输模块发送给服务器端并存于数据存储模块，其中m为正整数；a3.将m次wifi信号数据求平均值作为该标签位置的wifi特征指纹，表示为其中，(ai,bi)表示第i个标签位置的二维平面坐标，表示在第i个标签位置接收到的第j个wifi信号强度的平均值，i∈[1,2,......,N]，j∈[1,2,......,J]；表示在第i个标签位置接收到第j个路由器的第k次采样的wifi信号强度，k∈[1,2,......,m]。所述的步骤b建立地磁指纹库，具体如下：b1.与步骤a中建立的wifi指纹库选取相同的标签位置；b2.地磁信号采样频率为1Hz，每个标签位置采集m次地磁信号数据；b3.将m次地磁数据求平均值，表示为具体计算公式如下：分别表示为磁传感器相对移动终端直角坐标系Xs,Ys,Zs方向上的第i个标签位置第k次采样的地磁分量，分别表示在移动终端直角坐标系Xs,Ys,Zs轴下第i个标签位置磁场信号平均值；b4.将移动终端直角坐标系下的第i个标签位置磁场矢量变换到地球绝对坐标系Xe,Ye,Ze轴下的磁场矢量对绝对坐标系下磁场矢量求模值||Bi,e||，即绝对坐标系下的地磁矢量和模值作为标签位置的地磁特征值，表示为具体计算如下：其中，ξ是绝对坐标系变换到移动终端直角坐标系的旋转矩阵，θ,γ,ψ分别是方向传感器相对移动终端直角坐标系下绕Xs,Ys,Zs轴的旋转角度。所述的步骤c中局部位置区域，具体步骤如下：c1.移动终端实时收集的wifi信号强度值与步骤a建立的wifi指纹库进行匹配，通过KNN算法获得一个粗略的定位位置(ap,bp)；c2.在以(ap,bp)为圆心，R为半径的圆形区域，该圆形区域即为局部位置区域，其中R为正整数；所述的步骤c中初始概率分布矩阵表示为E＝(et,i,......,et,j,......,et,l)，其中et,i表示t时刻用户携带移动终端在第i个标签位置的概率；根据步骤c1和c2获得的局部位置区域，统计在该局部位置区域的标签位置个数为n个，移动终端位于这n个标签位置的初始概率设为即n∈[1,2,......,N]。所述的步骤d中状态转移概率矩阵其中gi,j表示在步骤c获本文档来自技高网...

【技术保护点】
1.基于HMM的wifi和地磁融合的室内定位系统，其特征在于包括移动终端和服务器端；其中移动终端上具有wifi传感器模块、地磁传感器模块、方向传感器、无线传输模块和数据存储模块；服务器端包括具有高级计算功能和数据存储的设备和无线传输模块；服务器端通过无线网络和无线传输模块接收由移动终端收集和发送的wifi数据和地磁数据，服务器端建立用于定位的隐马尔可夫模型，实现wifi信号和地磁信号的融合对用户位置进行定位；其中：所述wifi传感器模块用于接收wifi信号；所述地磁传感器模块用于接收地磁信号；所示方向传感器模块用于获取移动终端的方向；所述的无线网络是由路由器构成的通信网络；所述无线传输模块将移动终端收集的wifi信号和地磁信号发送到服务器端，服务器端的定位结果同样通过无线传输模块发送回移动终端的数据存储模块；所述数据存储模块将用户历史的定位结果进行保存，便于查看行走路径。所述服务器端的高级计算功能实现矩阵的运算，同时存储预先建立的wifi指纹库和地磁指纹库。

【技术特征摘要】
1.基于HMM的wifi和地磁融合的室内定位系统，其特征在于包括移动终端和服务器端；其中移动终端上具有wifi传感器模块、地磁传感器模块、方向传感器、无线传输模块和数据存储模块；服务器端包括具有高级计算功能和数据存储的设备和无线传输模块；服务器端通过无线网络和无线传输模块接收由移动终端收集和发送的wifi数据和地磁数据，服务器端建立用于定位的隐马尔可夫模型，实现wifi信号和地磁信号的融合对用户位置进行定位；其中：所述wifi传感器模块用于接收wifi信号；所述地磁传感器模块用于接收地磁信号；所示方向传感器模块用于获取移动终端的方向；所述的无线网络是由路由器构成的通信网络；所述无线传输模块将移动终端收集的wifi信号和地磁信号发送到服务器端，服务器端的定位结果同样通过无线传输模块发送回移动终端的数据存储模块；所述数据存储模块将用户历史的定位结果进行保存，便于查看行走路径。所述服务器端的高级计算功能实现矩阵的运算，同时存储预先建立的wifi指纹库和地磁指纹库。2.利用权利要求1所述基于HMM的wifi和地磁融合的室内定位系统的定位方法，其特征在于，服务器端通过无线网络和无线传输模块接收由移动终端收集和发送的wifi数据和地磁数据，服务器端建立用于定位的隐马尔可夫模型，实现wifi信号和地磁信号的融合对用户位置进行定位；所述的隐马尔可夫模型具体如下：a.建立wifi指纹库，用于移动终端实时收集的wifi信号与建立的wifi指纹库进行匹配；b.建立地磁指纹库，为移动终端实时收集的地磁信号与建立的地磁指纹库进行匹配；c.移动终端将实时采样的wifi信号与预先建立的wifi指纹库进行匹配得到局部位置区域，在局部位置区域内进行初始化获得隐马尔可夫模型的初始概率分布矩阵E；d.根据局部位置区域内标签点的位置关系，获得隐马尔可夫模型的状态转移概率矩阵G；e.移动终端实时采样的地磁信号与预先建立的地磁指纹库进行匹配，获得隐马尔可夫模型的观测概率矩阵D；f.利用用户前一时刻估算出的位置信息、隐马尔可夫模型的状态转移概率矩阵G和隐马尔可夫模型的观测概率矩阵D，通过隐马尔可夫模型的前向算法不断迭代估计后一时刻隐藏的状态，即用户的位置信息；g.当用户的定位在由wifi信号所确定的局部位置区域内时，即用户在此局部位置区域内移动，此时仅利用用户所在位置的实时地磁信号更新观测概率矩阵，将其和状态转移矩阵用于隐马尔科夫模型中确定用户的实时位置；当用户的定位在wifi信号所确定的局部位置区域的外部时，则引入wifi信号重新建立一个局部位置区域，重复步骤c、d、e、f，该过程保证了wifi信号和地磁信号的有效融合，从而估计用户的位置。3.如权利要求2所述的定位方法，其特征在于，所述的步骤a建立wifi指纹库，具体如下：a1.定位区域内每隔1米设置一个标签点，以第一个标签位置作为二维平面的原点坐标，按依次递增的顺序为标签位置进行编号，总共N个标签位置，即标签位置的编号范围为1～N，其中N为正整数；此外，J个路由器被部署在定位区域的墙顶上，J为正整数；a2.移动终端的wifi传感器模块以1Hz作为采样频率，对每个标签位置采样m次wifi信号数据，并通过无线传输模块发送给服务器端并存于数据存储模块，其中m为正整数；a3.将m次wifi信号数据求平均值作为该标签位置的wifi特征指纹，表示为其中，(ai,bi)表示第i个标签位置的二维平面坐标，表示在第i个标签位置接收到的第j个wifi信号强度的平均值，i∈[1,2,......,N]，j∈[1,2,......,J]；表示在第i个标签位置接收到第j个路由器的第k次采样的wifi信号...

【专利技术属性】
技术研发人员：张梅，卿婷婷，朱金辉，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44