一种基于WiFi-PDR融合的高精度室内定位方法技术

本发明专利技术公开了一种基于WiFi

【技术实现步骤摘要】
一种基于WiFi
‑
PDR融合的高精度室内定位方法


[0001]本专利技术涉及信号处理与信息融合领域，特别是涉及一种基于WiFi
‑
PDR融合的精度室内定位方法。

技术介绍

[0002]得益于信息技术的发展，如今定位技术已被广泛应用于工业、科研、商业等领域。高精度室内定位技术无论在生产生活亦或是国防军事上都发挥着重要作用，有着广阔的发展长景。然而，由于室内空间相对封闭，环境较为复杂，全球定位系统等室外定位导航手段在室内存在着信号易衰减、退化严重等问题，无法满足室内定位的精度要求。
[0003]目前还没有一种单一的无线定位技术能够同时满足定位准确、实时性高、适应性强、可靠性高和成本低的需求。多传感器融合定位技术通过融合处理多种传感器信息，实现多传感器信息互补和协同工作的效果，从而提高整个系统的可靠性。如今无线网络普及度高且成本较低，基于WiFi的定位得到了广泛应用。WiFi定位通常采用指纹定位法，通过将预先建立起的位置
‑
信号强度(RSSI)特征向量之间的位置指纹数据库与实测点采集到的来自各个无线接入点(accesspoint，AP)的RSSI信息相配从而实现定位。另一种广泛应用在移动设备上的定位技术为步行者航位推算(PDR)定位，是利用对加速度计得出的加速度值进行二重积分实现针对步数、步长的检测，并结合陀螺仪或电子罗盘的方位信息完成定位。而这些技术存在如下问题：
[0004](1)WiFi定位精度较依赖于WiFi指纹数据库的质量，且室内环境复杂多变，WiFi指纹数据容易出现波动。
[0005](2)由于许多移动终端内置的传感器精度不高，同时人在行走中肢体可能产生不规律晃动，使得PDR定位存在误差且会随时间不断累积，导致长时间连续使用PDR定位误差较大。
[0006](3)现有的WiFi
‑
PDR融合定位技术的稳定性不够，无法进行抗差自适应。

技术实现思路

[0007]针对现有技术的缺陷，本专利技术的目的在于提供一种基于WiFi
‑
PDR融合的高精度室内定位方法，旨在解决WiFi指纹定位数据波动和PDR定位误差随时间不断累积的问题，以及现有现有的WiFi
‑
PDR融合定位技术的稳定性不够的问题。
[0008]为解决上述问题，本专利技术提供了一种基于WiFi
‑
PDR融合的高精度室内定位方法，包括如下步骤：
[0009]S1：计算得到目标的粗位置、步数和单步步长；其中，
[0010]所述目标的粗位置计算步骤如下：
[0011]采集环境信标数据，环境信标数据包括发射信号频率、地面损耗渗透系数、发射端和接收端之间的楼层数和通路损耗指数；
[0012]再根据若干个AP中接收到的目标RSSI信息，匹配预先建立起的位置
‑
接收信号强
度指纹库，得到若干个目标的初步位置；然后根据采集到的环境信标数据计算参考路径损失系数，并根据参考路径损失系数和自由空间室内路径损失(ITU)模型，计算得到各个AP的权重系数，根据初步位置及其权重计算出目标的粗位置；
[0013]所述目标的步数和单步步长计算步骤如下：
[0014]采集目标的航向角和加速度值；再对原始加速度值数据进行平滑处理以降低噪声干扰，得到降噪数据；然后根据实时采集的降噪数据通过动态设定状态转换参数，计算目标的步数；根据实时采集的降噪数据通过非线性步长估计方法，计算得出目标的单步步长；
[0015]S2：根据目标的粗位置、步数和单步步长，通过自适应无迹粒子滤波算法进行融合计算，得到目标的精确运动状态信息。
[0016]进一步的，骤S1中所述目标的粗位置的具体计算过程为：
[0017]根据环境信标数据，计算得到参考路径损失系数PL0：
[0018]PL0＝20log(f)+c(k,f)
‑
28
[0019]其中f是发射信号频率，c是地面损耗渗透系数，k是发射端和接收端之间的楼层数；
[0020]根据参考路径损失系数PL0，通过ITU模型计算得到t时刻第i个AP与目标之间的距离
[0021][0022]其中是t时刻第i个AP的RSSI值，α是通路损耗指数；
[0023]根据计算t时刻第i个AP的权重系数为：
[0024][0025]其中N为AP的数量；
[0026]根据权重系数和目标的初步位置，计算得到目标的粗位置(x,y)：
[0027][0028]其中(x
i
,y
i
)为目标的初步位置。
[0029]进一步的，步骤S1中所述平滑处理采用简单移动平均(SMA)算法。
[0030]进一步的，步骤S1中所述状态转换参数包括状态阈值、分界参考值和零参考值。
[0031]进一步的，步骤S1中所述非线性步长估计方法的计算如下式：
[0032][0033]其中k是步长估算参数，a
max
和a
min
分别是目标行走一步过程中的采集到的最大加速度值和最小加速度值，step
size
为目标的单步步长。
[0034]进一步的，S2中通过自适应无迹粒子滤波算法进行融合计算包括如下子步骤：
[0035]S21根据目标的粗位置、步数和单步步长，对目标在运动中的动作进行建模，得到
实际移动目标运动模型；
[0036]S22：根据实际移动目标运动模型，建立目标运动系统的状态方程和观测方程；
[0037]S23：根据状态方程，计算得到先验概率密度函数；
[0038]S24：根据观测方程和先验概率密度函数，计算得到似然函数；
[0039]S25：根据似然函数，通过贝叶斯公式，计算得到后验概率密度函数；
[0040]S26：如果当前迭代次数没有达到预设次数，则将后验概率密度函数代入状态方程，重复S23
‑
S26；
[0041]如果当前迭代次数达到预设次数，则从后验概率密度函数中提取出目标的精确运动状态信息。
[0042]进一步的，S22中建立目标运动系统的状态方程和观测方程为：
[0043]x
k
＝f(x
k
‑1,v
k
‑1),y
k
＝h(x
k
,n
k
)
[0044]其中x
k
为状态方程x
k
，y
k
为观测方程，x
k
和y
k
都为非线性方程，n
k
为系统过程噪声，v
k
‑1为观测噪声。
[0045]进一步的，后验概率密度函数包括粒子滤波观测值、状态值、误差协方差和卡尔曼增益。
[0046]优选的，目标为移动智能终端，其包括中央处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于WiFi
‑
PDR融合的高精度室内定位方法，其特征在于，包括如下步骤：S1：计算得到目标的粗位置、步数和单步步长；其中，所述目标的粗位置计算步骤如下：采集环境信标数据；再根据若干个AP中接收到的目标RSSI信息，匹配预先建立起的位置
‑
接收信号强度指纹库，得到若干个目标的初步位置；然后根据采集到的环境信标数据计算参考路径损失系数，并根据参考路径损失系数和ITU模型，计算得到各个AP的权重系数，根据初步位置及其权重计算出目标的粗位置；所述目标的步数和单步步长计算步骤如下：采集目标的航向角和加速度值；再对原始加速度值数据进行平滑处理以降低噪声干扰，得到降噪数据；然后根据实时采集的降噪数据通过动态设定状态转换参数，计算目标的步数；根据实时采集的降噪数据通过非线性步长估计方法，计算得出目标的单步步长；S2：根据目标的粗位置、步数和单步步长，通过自适应无迹粒子滤波算法进行融合计算，得到目标的精确运动状态信息。2.根据权利要求1所述的高精度室内定位方法，其特征在于，步骤S1中所述目标的粗位置的具体计算过程为：根据环境信标数据，计算得到参考路径损失系数PL0：PL0＝20log(f)+c(k,f)
‑
28其中f是发射信号频率，c是地面损耗渗透系数，k是发射端和接收端之间的楼层数；根据参考路径损失系数PL0，通过ITU模型计算得到t时刻第i个AP与目标之间的距离，通过ITU模型计算得到t时刻第i个AP与目标之间的距离其中是t时刻第i个AP的RSSI值，α是通路损耗指数；根据计算t时刻第i个AP的权重系数为：其中N为AP的数量；根据权重系数和目标的初步位置，计算得到目标的粗位置(x,y)：其中(x
i
,y
i
)为目标的初步位置。3.根据权利要求1所述的高精度室内定位方法，其特征在于，步骤S1中所述平滑处理采用SMA算法。4.根据权利要求1所述的高精度室内定位方法，其特征在于，步骤S1中所述状态转换参数包括状态阈值、分界参考值和零参考值。
5.根据权利要求1所述的高精度室内定位方法，...

【专利技术属性】
技术研发人员：黄凡，陈敬东，刘若愚，
申请(专利权)人：中国船舶重工集团公司第七零九研究所，
类型：发明
国别省市：