一种基于多数据融合的人员定位方法技术

本发明专利技术公开了一种基于多数据融合的人员定位方法，是一种融合WIFI、惯性传感器和地磁信息的定位方法。本发明专利技术利用机器学习结合加速度计数据识别行人的运动状态，在得到步长、步数及方向角数据后进行行人航迹推算(PDR)。在PDR定位基础之上，融合地磁匹配定位结果改善PDR的累计误差，采用WIFI锚点实现位置初始化并修正定位误差。本发明专利技术所提出的基于粒子滤波的多数据动态融合算法，提高了系统精度及鲁棒性，且该方法不受外界环境干扰，成本低，器件便于携带，可应用于室内、隧道、矿井下等复杂环境。

A Personnel Location Method Based on Multi-data Fusion

The invention discloses a personnel location method based on multi-data fusion, which is a location method integrating WIFI, inertial sensors and geomagnetic information. The method uses machine learning and accelerometer data to identify the movement state of pedestrians, and then performs pedestrian track estimation (PDR) after obtaining the data of step size, step number and direction angle. On the basis of PDR positioning, the cumulative error of PDR is improved by integrating the results of geomagnetic matching positioning. WIFI anchor is used to initialize the position and correct the positioning error. The multi-data dynamic fusion algorithm based on particle filter improves the accuracy and robustness of the system, and the method is not disturbed by external environment, has low cost, and the device is easy to carry, and can be applied to indoor, tunnel, underground and other complex environments.

【技术实现步骤摘要】
一种基于多数据融合的人员定位方法
本专利技术涉及一种基于多数据融合的人员定位方法。
技术介绍
近年来，互联网技术发展日益成熟，移动智能终端迅速普及。基于位置的服务(LBS)对行人进行实时定位和导航，从而为行人提供实时有效的相关信息，为人们的生活带来了便利。其在车辆导航、商品运送物流、交通管理、医疗救护和个人定位各个领域都有着广泛的应用。WIFI定位是通过在目标点采集来自无线接入器的信号强度来确定目标点的位置坐标。由于室内环境的复杂性，WIFI指纹定位精度不高且不稳定。小型惯性传感器已经成为各种智能手持设备的标配，为基于手持移动设备的行人航位推算(PDR)提供了可能。PDR能够在不依赖于外部信息的条件下连续自主定位，短期内噪声小、稳定性好。地磁场具有丰富的例如总强度、矢量强度、磁倾角、磁偏角和强度梯度等特征,为地磁匹配提供了充足的匹配信息。但磁信号容易受到环境中不断变化的电、磁信号源干扰，定位结果不稳定，精度会受影响。综上可知，任何一种室内定位技术都有其优点和局限性，如若能扬长避短，以协同合作的方式发挥各自的优点和互补性，定位精度将进一步提高。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于多数据融合的人员定位方法，克服单一定位技术的缺点，以协同的方式发挥各定位技术自优点和互补性，提高定位精度。本专利技术所提出的动态加权融合算法，实现了WIFI定位、PDR定位以及地磁匹配定位的多数据融合，提高了定位效果。其中，PDR定位短时间内噪声小、精度高，用来计算相对距离并得到最终位置；地磁匹配定位具有全天时、误差不累计的特点，用来修正PDR的定位结果，降低噪声；而WIFI短距离定位精度高，用来对粒子进行初始化及作为锚节点更新位置。本专利技术为解决上述技术问题采用以下技术方案：本专利技术提供一种基于多数据融合的人员定位方法，采用粒子滤波的方法对WIFI指纹定位、PDR定位算法、地磁匹配定位算法得到的位置信息进行融合，从而实现人员定位；该方法具体包括以下步骤：步骤1，利用WIFI锚点确定人员当前位置范围：在WIFI锚点确定的位置(x0,y0,z0)处以半径r均匀撒N个粒子，每个粒子权重为1/N，且粒子之间互独立且满足高斯分布；步骤2，分别利用PDR定位算法和地磁匹配定位算法估算步骤1中每个粒子的位置，并对PDR定位算法和地磁匹配定位算法的结果进行加权融合，得到每个粒子的位置预测；步骤3，更新粒子权重，并对更新后的粒子权重进行归一化处理；步骤4，根据更新后的粒子权重，计算人员当前位置；步骤5，若当前WIFI信号强度RSSI超过设定阈值，则将WIFI锚点确定的位置信息作为当前人员定位结果输出，并进行重采样更新粒子后返回步骤2；否则将步骤4中计算得到的人员当前位置结果作为当前人员定位结果输出。作为本专利技术的进一步技术方案，步骤1中的半径r的大小根据WIFI信号值来确定。作为本专利技术的进一步技术方案，步骤2中对PDR定位算法和地磁匹配定位算法的结果进行加权融合，具体为：P＝PPDR·θ(Δt)+PDC·(1-θ(Δt))式中，P是PDR定位算法和地磁匹配定位算法的结果加权融合后的位置，PPDR是PDR定位算法的结果，PDC是地磁匹配定位算法的结果，θ(Δt)是PDR定位算法所占权重，Δt是定位持续时间，γ是PDR定位算法的结果下降到实际位置3dB时的定位持续时间，n的取值由实际定位环境确认。作为本专利技术的进一步技术方案，步骤3中采用均值为0、方差为σ2的高斯分布描述粒子权重更新方法，更新后的粒子权重为：式中，是当前第i个粒子的位置。作为本专利技术的进一步技术方案，步骤4中人员当前位置为：式中，是更新后的权重，Pi是PDR定位算法和地磁匹配定位算法的结果加权融合后的第i个粒子的位置。作为本专利技术的进一步技术方案，步骤5中采用多项式重采样法进行重采样，具体为：1)将所有粒子按照更新后的权重大小顺序排列为x1,x2,…,xN，并构建离散累积分布函数2)在[0,1]区间产生服从均匀分布的随机数τ，依次与F(K)进行比较，直至F(K)＞τ时复制当前F(K)＞τ对应的粒子作为新粒子，且其权重为1/N；3)重复执行步骤2)N次，生成N个新粒子，完成粒子的更新。作为本专利技术的进一步技术方案，步骤2中PDR定位算法具体为：首先根据加速度计数据识别人员的运动状态，然后根据人员的运动状态采用PDR算法进行人员定位。作为本专利技术的进一步技术方案，根据加速度计数据识别人员的运动状态具体为：首先对加速度数据进行加窗均值滤波，然后采用K-means聚类算法对滤波后的数据进行分类，从而识别出人员的运动状态。作为本专利技术的进一步技术方案，加速度计数据包括幅值平均值Mod、方差Var、峰值Max和频谱最大频率MF。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1)本专利技术所提出的基于粒子滤波的多数据动态融合算法，提高了系统精度及鲁棒性，且该方法不受外界环境干扰，成本低，器件便于携带，可应用于室内、隧道、矿井下等复杂环境；2)本专利技术克服单一定位技术的缺点，以协同的方式发挥各定位技术自优点和互补性，提高定位精度。附图说明图1是本专利技术所述方法的流程框图；图2是粒子滤波算法的流程图；图3是地磁匹配定位的流程图；图4是状态识别结合PDR定位的流程图。具体实施方式下面详细描述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本
技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。下面结合附图对本专利技术的技术方案做进一步的详细说明：本专利技术的目的是提供一种基于多数据融合的定位方法，定位系统包含硬件终端和WEBGIS显示平台。在移动的过程中，目标的惯性运动信息、环境中的WIFI、地磁信号通过WIFI传输至服务器端，最后采用粒子滤波融合算法估算目标位置并在GIS平台实时显示。本专利技术是一种基于多数据融合的人员定位方法，意在实现部署方便、成本低廉、实时高精度的人员定位。在具体实施过程中，需进行以下操作：(1)惯性传感器的校准。受自身工艺条件影响，惯性器件普遍存在量化噪声、速度随机游走和零偏不稳定性等误差。此前，需对惯性传感器进行误差消除。基于传感器输出噪声的长相关性和非稳定性，本专利技术采用基于小波分析的阈值去噪算法。(2)数字地图的构建。利用PDR算法和地标定位算法获取行人位置后，还需结合所在位置地图信息确定目标的具体空间位置。地图信息约束主要是根据室内建筑结构对定位误差进行补偿修正，不仅可加快定位过程收敛速度，提高定位精度，还可增强系统鲁棒性。构建过程中，忽略墙体、门窗等建筑结构的厚度，将建筑物拆分为多层平面(多个多边形)，每一平面中由可穿边界和不可穿边界连接而成，抽象表示墙体和门等结构。为了缩小粒子滤波权重更新时检索范围，将建筑物每一层中不同房间(Room)作为一个整体进行唯一编号；每一本文档来自技高网...

【技术保护点】
1.一种基于多数据融合的人员定位方法，其特征在于，采用粒子滤波的方法对WIFI指纹定位、PDR定位算法、地磁匹配定位算法得到的位置信息进行融合，从而实现人员定位；该方法具体包括以下步骤：步骤1，利用WIFI锚点确定人员当前位置范围：在WIFI锚点确定的位置(x0,y0,z0)处以半径r均匀撒N个粒子，每个粒子权重为1/N，且粒子之间互独立且满足高斯分布；步骤2，分别利用PDR定位算法和地磁匹配定位算法估算步骤1中每个粒子的位置，并对PDR定位算法和地磁匹配定位算法的结果进行加权融合，得到每个粒子的位置预测；步骤3，更新粒子权重，并对更新后的粒子权重进行归一化处理；步骤4，根据更新后的粒子权重，计算人员当前位置；步骤5，若当前WIFI信号强度RSSI超过设定阈值，则将WIFI锚点确定的位置信息作为当前人员定位结果输出，并进行重采样更新粒子后返回步骤2；否则将步骤4中计算得到的人员当前位置结果作为当前人员定位结果输出。

【技术特征摘要】
1.一种基于多数据融合的人员定位方法，其特征在于，采用粒子滤波的方法对WIFI指纹定位、PDR定位算法、地磁匹配定位算法得到的位置信息进行融合，从而实现人员定位；该方法具体包括以下步骤：步骤1，利用WIFI锚点确定人员当前位置范围：在WIFI锚点确定的位置(x0,y0,z0)处以半径r均匀撒N个粒子，每个粒子权重为1/N，且粒子之间互独立且满足高斯分布；步骤2，分别利用PDR定位算法和地磁匹配定位算法估算步骤1中每个粒子的位置，并对PDR定位算法和地磁匹配定位算法的结果进行加权融合，得到每个粒子的位置预测；步骤3，更新粒子权重，并对更新后的粒子权重进行归一化处理；步骤4，根据更新后的粒子权重，计算人员当前位置；步骤5，若当前WIFI信号强度RSSI超过设定阈值，则将WIFI锚点确定的位置信息作为当前人员定位结果输出，并进行重采样更新粒子后返回步骤2；否则将步骤4中计算得到的人员当前位置结果作为当前人员定位结果输出。2.根据权利要求1所述的一种基于多数据融合的人员定位方法，其特征在于，步骤1中的半径r的大小根据WIFI信号值来确定。3.根据权利要求1所述的一种基于多数据融合的人员定位方法，其特征在于，步骤2中对PDR定位算法和地磁匹配定位算法的结果进行加权融合，具体为：P＝PPDR·θ(Δt)+PDC·(1-θ(Δt))式中，P是PDR定位算法和地磁匹配定位算法的结果加权融合后的位置，PPDR是PDR定位算法的结果，PDC是地磁匹配定位算法的结果，θ(Δt)是PDR定位算法所占权重，Δt是定位持续时间，γ是PDR定位算法的结果下降到实际位置3dB时的定位持续时...

【专利技术属性】
技术研发人员：李世银，卢洋，梁冠琪，向杨俊钰，张楠，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32