【技术实现步骤摘要】
基于泛在定位信号增强的个性化PDR定位方法及系统
[0001]本专利技术涉及定位
,尤其涉及一种基于泛在定位信号增强的个性化PDR定位方法及系统。
技术介绍
[0002]基于位置的服务(location
‑
based services)具有诸多的应用市场,包括自动泊车、手机寻车、人员管理等,在室内外定位领域中非常普遍,越来越受到人们的关注。在基于行人的室内外定位中,由于室内外定位环境的复杂性以及行人之间的个体差异,容易导致步长估计不准确;同时,由于人的行走会带来运动加速度,这将降低水平姿态角的解算精度,进而降低对磁力计观测值的调平精度,最后影响航向角的解算精度。这两个因素同时导致了PDR(行人航迹推算)定位算法累积误差过大,因此有关室内外定位中PDR定位算法的研究已成为一个迫切需要解决的科学问题,相关的定位算法和技术成果不断涌现。
[0003]PDR算法主要包括两部分内容:步长估计和航向估计。目前,在常见的PDR定位算法中,其步长估计大多数采用步长估计模型的方法,基于离线训练好的模型参数实现实时的步长估计;其航向估计,主要是基于MARS(磁力计、陀螺仪和加速度计)传感器,融合形成一套AHRS(航姿参考系统)算法,实现实时的航向估计。这两者共同组成了PDR定位算法,最终获得行人的定位结果。
[0004]本申请专利技术人在实施本专利技术的过程中,发现现有技术的方法,至少存在如下技术问题:
[0005]现有技术中,由于室内外定位环境的复杂性以及行人之间的个体差异,容易导致步长 ...
【技术保护点】
【技术特征摘要】
1.基于泛在定位信号增强的个性化PDR定位方法,其特征在于,包括:采用WRLS算法基于SLAM里程计输出的后端实时位置参数对预设PDR步长估计模型的参数进行估计,得到估计参数,WRLS算法为递归加权最小二乘算法;根据得到的估计参数获得PDR步长估计模型,并利用PDR步长估计模型对步长进行估计;采用后端实时姿态参数增强的AHRS算法对SLAM里程计输出的后端实时姿态参数和传感器数据进行融合,得到行人的航向,将估计得到的步长和行人的航向作为PDR定位方法的定位结果,后端实时姿态参数增强的AHRS算法为后端实时姿态参数增强的航姿参考系统算法。2.如权利要求1所述的基于泛在定位信号增强的个性化PDR定位方法,其特征在于,采用WRLS算法基于SLAM里程计输出的后端实时位置参数对预设PDR步长估计模型的参数进行估计通过下述公式实现:估计通过下述公式实现:P
k
=(I
‑
K
k
H
k
)P
k
‑1ꢀꢀꢀꢀꢀꢀꢀ
(3)其中,k表示步数,K
k
表示增益矩阵,P
k
‑1表示估计的第k
‑
1步步长估计模型参数的估计方差,H
k
表示第k步步长估计模型的系数矩阵,R
k
表示第k步SLAM后端实时观测的步长的方差,表示估计的第k步步长估计模型的参数,作为估计参数,表示估计的第k
‑
1步步长估计模型的参数,Z
k
表示第k步SLAM后端实时观测的步长,即SLAM算法输出的后端实时位置参数,P
k
表示估计的第k步步长估计模型参数的估计方差。3.如权利要求1所述的基于泛在定位信号增强的个性化PDR定位方法,其特征在于,传感器数据包括磁力计数据、陀螺仪数据和加速度计数据。4.如权利要求1所述的基于泛在定位信号增强的个性化PDR定位方法,其特征在于,采用后端实时姿态参数增强的AHRS算法对SLAM里程计输出的后端实时姿态参数和传感器数据进行融合,包括:定义系统状态向量、系统状态方程和量测方程,其中,系统状态向量的公式为:其中:δx表示系统状态向量,φ1×3表示失准角误差,表示陀螺零偏;系统状态方程为:δx
t,t
‑1=Φ
t
‑1δx
t
‑
1,t
‑1+w
t
其中:δx
t
‑
1,t
‑1表示t
‑
1时刻的系统状态向量,δx
t,t
‑1表示预测得到的t时刻的系统状态向量,w
t
表示系统过程噪声,Φ
t
‑1表示状态转移矩阵;Φ
t
‑1表示为:其中:I3×3表示单位矩阵,03×3表示0矩阵,表示t时刻b系相对于n
c
系的姿态变换矩
阵,b
(t)
表示t时刻b系,即载体系,n
c
表示计算的世界坐标系,Δt表示t
‑
1时刻到t时刻的时间间隔;量测方程为:δz
t
=H
t
δx
t,t
‑1+v
t
其中:δz
t
表示量测闭合差向量,H
t
表示量测矩阵,v
t
...
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。