【技术实现步骤摘要】
一种基于EKF滤波的初始状态自适应融合定位方法
本专利技术涉及定位追踪的
，具体涉及一种基于EKF滤波的初始状态自适应融合定位方法。
技术介绍
随着新一代蜂窝网技术的商用落地，室内定位技术再次引起人们的广泛关注，日益增长的生活与商业需求的位置服务刺激了室内定位系统和相关技术的快速发展。典型的室内定位技术包括Wi-Fi、蓝牙、RFID、超宽带等，其中，Wi-Fi位置指纹定位的网络覆盖广，可满足大多数室内定位需求，但其信号易受环境干扰，导致定位结果产生较大波动；行人航位推算(PedestrianDeadReckoning,PDR)定位方法利用惯性传感单元(Inertialmeasurementunit，IMU)实现航位推算定位，目前移动终端设备支持良好，但存在较大的惯性累积误差。为提高上述单一定位系统的性能，目前的研究对有关Wi-Fi与PDR的融合定位系统与技术进行了探讨与分析。多数情况下，可以通过融合定位的方法来改善单一系统的定位性能，这样一方面可以减少Wi-Fi定位的波动性所带来的影响，另一方面可以降低PDR在...
【技术保护点】
1.一种基于EKF滤波的初始状态自适应融合定位方法，其特征在于：将待测区域进行网格化处理，建立离线状态下的Wi-Fi位置指纹数据库，再利用扩展卡尔曼滤波方法EKF将Wi-Fi位置指纹定位方法和行人航位推算方法PDR进行融合，其用户运动时的初始状态是在Wi-Fi位置指纹定位方法的基础上，结合多点卡尔曼滤波方法获得，同时，在扩展卡尔曼滤波方法EKF的迭代过程中，则以用户运动过程中相邻两个状态的信号强度数据RSSI的欧氏距离来构成动态的观测噪声协方差矩阵，以完成对用户运动时下一个状态的位置预测。/n
【技术特征摘要】
1.一种基于EKF滤波的初始状态自适应融合定位方法，其特征在于：将待测区域进行网格化处理，建立离线状态下的Wi-Fi位置指纹数据库，再利用扩展卡尔曼滤波方法EKF将Wi-Fi位置指纹定位方法和行人航位推算方法PDR进行融合，其用户运动时的初始状态是在Wi-Fi位置指纹定位方法的基础上，结合多点卡尔曼滤波方法获得，同时，在扩展卡尔曼滤波方法EKF的迭代过程中，则以用户运动过程中相邻两个状态的信号强度数据RSSI的欧氏距离来构成动态的观测噪声协方差矩阵，以完成对用户运动时下一个状态的位置预测。
2.根据权利要求1所述的基于EKF滤波的初始状态自适应融合定位方法，其特征在于：所述初始状态包括初始位置L0和初始航向角θ0，以Wi-Fi位置指纹数据库为基础，利用Wi-Fi位置指纹定位方法解算得到用户由静止开始运动m步后预测的各个位置点坐标记为在每个位置点i重新采集得到M组Wi-Fi信号强度数据，再利用Wi-Fi位置指纹定位方法解算得到每个位置点i对应的M个定位结果，记为Li′(j)(j＝1,2，…,M)，然后利用多点卡尔曼滤波方法对所有的定位结果进行迭代解算获得滤波后的各个位置点i的坐标(xi,yi)(i＝0,1,2，…,m)，记为则初始位置初始航向角
3.根据权利要求2所述的基于EKF滤波的初始状态自适应融合定位方法，其特征在于：在扩展卡尔曼滤波方法EKF的迭代过程中，利用如下方程式计算观测噪声协方差矩阵Rk
其中，
当k＝0时，初始值δ0设置为常量，为Wi-Fi指纹定位方法的平均误差；
当k≥1时，表示用户运动时第k个状态和第k-1个状态对应的RSSI信号强度数据的欧式距离，表示用户运动时第k个状态对应的位置点所采集到一组共T个Wi-Fi信号强度数据，[Dmin,Dmax]表示在一个稳定环境下Dk的取值范围，[Smin,Smax]表示采用如权要求1所述的一种基于EKF滤波的初始状态自适应融合定位方法的定位精度范围，Dmin、Dmax、Smin、Smax均设置为经验值，δd表示用户运动时的步长误差，δθ表示用户运动时的航向角误差，均设置为常量。
4.根据权利要求3所述的基于EKF滤波的初始状态自适应融合定位方法，其特征在于利用扩展卡尔曼滤波方法EKF将Wi-Fi位置指纹定位方法和行人航位推算方法PDR进行融合，以完成对用户运动时下一个状态的位置预测，具体包括以下步骤：
步骤一、在扩展卡尔曼滤波方法EKF的预测阶段，利用如下公式计算得到用户运动时第k个状态对应的系统状态矩阵Xk′和噪声协方差矩阵Pk′，
...
【专利技术属性】
技术研发人员：胡文强，胡建鹏，吴飞，陆雯霞，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：上海;31
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。