基于指纹库和PDR推算的融合定位方法及指纹库更新方法技术

本发明专利技术涉及室内外定位技术领域，尤其涉及一种基于指纹库和PDR推算的融合定位方法及指纹库更新方法，所述融合定位方法包括如下步骤，初始坐标结合PDR推算，获取定位点的位置坐标posPDR，获取该位置指纹定位坐标posRSSI；若posPDR与posRSSI的差值小于指纹库中相邻的两个指纹距离，对posPDR与posRSSI使用互补滤波处理得到posFinal，则posFinal为该定位点的最终坐标；根据posFinal调整步长推算模型中的参数使步长推算模型更优，并将posFinal设定为下一次PDR定位的初始坐标。若posPDR与posRSSI的差值不小于指纹库中相邻的两个指纹距离，则对上一个定位点投票，投票值在规定期限内超过规定值时，即可以对该点的指纹进行更新。本发明专利技术的定位方法精度高，指纹库更新及时效率高。指纹库更新及时效率高。指纹库更新及时效率高。

【技术实现步骤摘要】
基于指纹库和PDR推算的融合定位方法及指纹库更新方法


[0001]本专利技术属于室内外定位
，尤其涉及一种基于指纹库及PDR推算的融合定位方法及指纹库更新方法。

技术介绍

[0002]采用指纹地图对客户端进行定位是室内定位
常用的方法，因为设备噪声、外界干扰等原因，信号强度呈现随机跳动状态，因此仅仅依靠指纹法定位获得的结果是不连续也不稳定的，这种不稳定性表现在即使终端原地不动，计算的实时位置也会在真实位置附近跳动，这种现象称为漂移。对于较小面积的场所和细粒度的定位需求来说，单独使用指纹法来进行连续定位是不合理，基于传感器的航位推算技术（PDR）定位由于数学迭代求和的方法，每次迭代都依赖上一次迭代的结果，因此具有连续性好的优点，然而传感器数据的测量不可避免地存在误差，从而使计算结果产生误差，这种误差会随着每一次迭代计算而累积，即航位推算算法短期精度较好，而长期精度较差。不同的技术实现手段各有优缺点，依靠单一技术的改进实现系统整体性能的提升变得日益困难，将指纹定位与PDR定位融合，达到提高定位精度是本领域重要的研究课题。另外，指纹库根据使用情况进行定期更新是确保指纹定位精度的重要方法，现有技术通常是利用专业人员线下采集并将整个指纹库更新，这种方法效率低下，成本很高。

技术实现思路

[0003]本专利技术的目的在于克服现有技术不足，提供一种基于指纹库和PDR推算的融合定位方法。
[0004]实现上述目的技术方案为，一种基于指纹库和PDR推算的融合定位方法，PDR推算包括步态检测，步长推算，方位推算，所述融合定位方法包括如下步骤，步骤一，通过指纹定位获取初始坐标；步骤二，初始坐标结合PDR推算，获取定位点的位置坐标posPDR，且在该定位点采用指纹定位，获取位置坐标posRSSI；步骤三，若posPDR与posRSSI的差值小于指纹库中相邻的两个指纹距离，对posPDR与posRSSI使用互补滤波处理得到posFinal，则posFinal为该定位点的最终坐标；步骤四，根据posFinal调整步长推算模型中的参数使步长推算模型更优，并将posFinal设定为下一次PDR定位的初始坐标；步骤五，重复步骤二至步骤四，直到定位结束。
[0005]进一步，所述步态检测包括如下步骤，采集移动设备中的加速度传感器的值绘制信号图像，通过高斯平滑滤波去噪，从中检测阈值进行计步。
[0006]进一步，所述步长推算模型为基于Weinberg approach的非线性步长推算模型，其公式计算为
，式中表示一步内最大加速度，表示一步内最小加速度，和为模型系数。该模型在一般非线性步长推算模型的基础上将行走时间考虑在内，解决快速行走时精度大幅下降的现象。
[0007]进一步，所述方位推算包括如下步骤，使用互补滤波将移动设备中的加速度计测量的航向角和陀螺仪测量的航向角融合处理，获得最终估算的行走方向。
[0008]进一步，所述指纹定位根据KNN算法计算获得。
[0009]上述基于指纹库和PDR推算的融合定位方法，以指纹库和PDR推算融合的定位数据作为下一次PDR定位的初始数据，且每一次PDR定位后都根据指纹库和PDR推算融合的定位数据对步长推算模型的参数进行调整以优化模型，以提高定位精度。
[0010]本专利技术基于上述的融合定位方法，还提供一种快捷判断指纹过期并对其进行更新的指纹库更新方法，包括如下步骤，S1，设定指纹库中每个点的初始投票数为0，每次PDR定位时，保留上一个定位点的信息；S2，上述的融合定位方法步骤三中，若posPDR与posRSSI的差值大于或等于指纹库中相邻的两个指纹距离，则回退到上一个定位点，以该定位点为中心，对其八邻域的范围的投票数加1，并将此时的RSSI信息记录在这个中心处；S3，针对在规定时间内且投票数大于该点构建指纹需要测量的数量的点进行指纹更新，如果该点的八领域不重叠，分别统计该点八邻域记录的rssi信息来更新该点的指纹信息，否则将重叠部分的rssi信息分别与不同的非重叠部分的均值对比，将重叠部分的rssi信息划分到更相近的非重叠部分的rssi信息，再分别统计该点八邻域记录的rssi信息来更新该点的指纹信息。所述规定时间一般以应用场景需要确定，例如一个旅游景点，通常以一天时间为准。
[0011]上述指纹库更新方法，建立在指纹指纹库和PDR推算的融合定位方法基础上，以 posPDR与posRSSI的差值超过两个相邻指纹的距离为参考，进行投票，投票数在规定时间内超过构建该点处指纹需要测量的数量判定该点指纹已经过期，必须更新，依赖融合定位中获得的有关数据即可对该点进行快捷更新。该方法能够快速判断指纹过期并对其进行有效的自动更新，效率高且成本低。
附图说明
[0012]图1为本专利技术实施例的基于指纹库和PDR推算的融合定位方法和指纹库更新方法的流程图；图2为使用本专利技术本实施例的融合定位方法和现有技术定位方法的轨迹对比图；图3采用本专利技术实施例的指纹库更新方法使用到的投票示意图。
具体实施方式
[0013]以下结合实施例对本专利技术进行具体的说明。
[0014]参见图1， 一种基于指纹库和PDR推算的融合定位方法，PDR推算的步长推算为基于Weinberg approach的非线性步长估计模型，其公式计算为
，式中表示一步内最大加速度，表示一步内最小加速度，和为模型系数，融合定位方法包括如下步骤，步骤一，通过指纹定位获取初始坐标；步骤二，初始坐标结合PDR推算，获取定位点的位置坐标posPDR，且在该定位点采用指纹定位，获取位置坐标posRSSI；步骤三，若posPDR与posRSSI的差值小于指纹库中相邻的两个指纹距离，对posPDR与posRSSI使用互补滤波处理得到posFinal，则posFinal为该定位点的最终坐标；步骤四，根据posFinal调整步长估计模型系数和，使步长推算模型更优，本实施例中，可以通过先保证参数不变，更新参数（当然也可以通过先保证参数不变，更新参数，以下步骤对应改变），下次优化时，保证参数不变，更新参数，使得步长估计模型不断得到优化，并将posFinal设定为下一次PDR定位的初始坐标；步骤五，重复步骤二至步骤四，直到定位结束；本实施例中，步态检测包括如下步骤，采集移动设备中的加速度传感器的值绘制信号图像，通过高斯平滑滤波去噪，从中检测阈值进行计步；本实施例中，方位推算包括如下步骤，使用互补滤波将移动设备中的加速度计测量的航向角和陀螺仪测量的航向角融合处理，获得最终估算的行走方向；本实施例中，指纹定位根据KNN算法计算获得。
[0015]为检验上述的融合定位方法，专利技术人在一个50*50的室内场地中，每隔5米放置一个蓝牙信标，每隔一米建立一个参考点，测试人员手持安卓8.0版本的智能手机，打开蓝牙，运行导航系统，沿规划路径分别使用本专利技术的融合定位方法、现有的融合定位方法和仅使用PDR定位的方法的行走，图2为三次行走获得的连续定位点形成行动轨迹与规划路径的对比图，该图清楚显示本专利技术的融合定位方法获得的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于指纹库和PDR推算的融合定位方法，PDR推算包括步态检测，步长推算，方位推算，其特征为，包括如下步骤，步骤一，通过指纹定位获取初始坐标；步骤二，初始坐标结合PDR推算，获取定位点的位置坐标posPDR，且在该定位点采用指纹定位，获取位置坐标posRSSI；步骤三，若posPDR与posRSSI的差值小于指纹库中相邻的两个指纹距离，对posPDR与posRSSI使用互补滤波处理得到posFinal，则posFinal为该定位点的最终坐标；步骤四，根据posFinal调整步长推算模型中的参数使步长推算模型更优，并将posFinal设定为下一次PDR定位的初始坐标；步骤五，重复步骤二至步骤四，直到定位结束。2.根据权利要求1所述的融合定位方法，其特征为，所述步态检测包括如下步骤，采集移动设备中的加速度传感器的值绘制信号图像，通过高斯平滑滤波去噪，，从中检测阈值进行计步。3.根据权利要求1所述的融合定位方法，其特征为，所述步长推算模型为基于Weinberg approach的非线性步长估计模型，其公式计算为，式中表示一步内最大加速度，表示一步内最小加速度，和为模型系数。...

【专利技术属性】
技术研发人员：陈金龙，秦兴国，裴允杰，杨天乐，黄贞平，刘忞劼，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：