基于粒子滤波算法的传感器融合室内定位方法及系统技术方案

本发明专利技术公开了一种基于粒子滤波算法的传感器融合室内定位方法及系统，应用于云服务器，该方法包括：通过UWB收发器测量得到各个基站与移动智能终端的距离；在移动的过程中，通过惯性传感器单元，计算得到用户在移动过程中产生的位移矢量；接下来，利用UWB信号的信道响应信息得到有效测距基站的数目；最后，将目前计算得到的所有数据作为粒子滤波融合算法的输入，利用融合算法完成数据融合，得到所属移动智能终端的位置信息。本发明专利技术充分考虑了室内复杂环境对于UWB信道的影响，设计了一种融合定位方法，相较于单一信源定位而言，对外界环境变化的鲁棒性更强、定位精度更高、实用性更强；相较于传统的多源融合算法而言，灵活性和可移植性更强。可移植性更强。可移植性更强。

【技术实现步骤摘要】
基于粒子滤波算法的传感器融合室内定位方法及系统


[0001]本申请涉及信号检测和无线定位
，具体涉及一种基于粒子滤波算法的传感器融合室内定位方法及系统。

技术介绍

[0002]室内定位技术在特定场合受到了广泛关注。在室内环境中，卫星信号衰落严重，GPS几乎无法使用，因此需要特别研究室内定位技术。近年来，移动智能终端高速普及，基于移动智能终端的室内定位技术，由于其较强的实用性和易推广性，更是成为研究的热点。
[0003]室内定位的技术分为基于外置信源的定位技术和基于天然信源的定位技术。基于外置信源的技术依赖外置信源，会主动布设基站标签等信息，利用系统主动的信息交互完成定位；基于天然信源的技术仅依靠终端传感器，利用周围环境可采集到的信息即可完成定位。
[0004]现有基于外置信源的定位技术采用的信号形式主要有WiFi、蓝牙、超宽带(Ultra Wide Band,UWB)、声波等。基于WiFi的定位系统多数采用接收信号强度(Received Signal Strength Indication，RSSI)指纹法。在某个位置接收到的多个WiFi接入点的RSSI作为位置指纹，首先采集多个已知位置的指纹构建指纹库，当需要定位时，把当前获得的位置指纹和指纹库匹配，选取指纹库中与当前指纹最接近的作为定位结果。指纹库的构建过程较为复杂，并且其可移植性较差，通常为一个新的环境就需要构建一套新的位置指纹库，增加了很多不必要的人力物力成本。基于蓝牙的定位系统建立蓝牙RSSI和传播距离的路径损耗模型，通过RSSI测距法进行定位。然而，蓝牙通信距离较短，定位系统需要密集部署蓝牙节点，系统部署复杂、实用性差。基于声波的定位系统多数采用声波到达时间或者到达时间差进行定位，基站定时发射声信号，利用移动终端获取声信号的到达时间，通过几何关系完成定位。该方法基站发射声信号会被周围的人听到，从而造成声波的污染，并且在较为嘈杂的地方也容易受到周围环境噪声的影响。基于UWB的定位系统通常采用双程测距(Two Way Ranging,TWR)测量信号从预先部署在特定环境中的基站到移动终端的飞行时间，随后建立移动终端与基站之间的位置几何关系，从而解算出移动节点位置，其定位精度可达到厘米级。然而，UWB基站系统部署成本较为昂贵，为保证定位精度，系统一般需要大量部署定位基站，这导致了系统成本的进一步增加，从而限制了该方法的推广。
[0005]现有基于天然信源的定位技术，包括地磁导航、惯性导航等。地磁导航是采用指纹匹配的方法，通过事先采集并精确的构建地磁指纹数据库，利用传感器获取定位目标当前位置的磁场数据，将实时数据与地磁指纹库基准数据精确匹配得到定位目标当前的位置。利用位置指纹进行匹配的定位方法，构建指纹库需要大量人力物力成本，并且指纹库的泛用性较差，新的环境需要构建新的指纹库才可完成定位。惯性导航技术是利用惯性传感器对于待定位目标的运动状态进行检测，利用相关的算法对前一个时刻的位置信息进行处理，得到当前时刻的相对位置。利用该技术进行定位，具备较强的自主性，并且短时间内的定位精度和连续性非常高；但是定位误差会随着时间累计，长时间进行定位会产生较大的
定位误差。
[0006]采用外置信源的定位技术有其固有的缺陷，如预设基站与定位目标之间完成信息交换时的信号传播过程中容易受到外部环境的噪声影响，导致信号传播时间的不准确，甚至会产生部分基站信息确实的情况，最终影响定位的精度。采用天然信源的定位技术则对于外界噪声有较强的鲁棒性，然而两种采用天然信源的定位技术也各有其缺陷。因此，单独使用天然信源和外置信源两种技术定位均无法满足室内定位的需求。

技术实现思路

[0007]本申请实施例的目的是提供一种基于粒子滤波算法的传感器融合室内定位方法及系统，以解决传统定位方法中，单一信源定位由于自身的性能缺陷导致无法满足室内定位需求的问题。
[0008]根据本申请实施例的第一方面，提供一种基于粒子滤波算法的传感器融合室内定位方法，应用于云服务器，包括：
[0009]S1：控制UWB基站与移动智能终端进行信息交换，获取到各UWB基站与移动智能终端之间的距离，可用于融合定位算法的有效基站数量；
[0010]S2：从移动智能终端获取到用户在一段时间内产生的相对位移矢量；
[0011]S3：利用所述各基站与智能终端的距离，构建三边定位模型，通过最小二乘法解算所述三边定位模型，得到用户当前时刻的UWB定位结果；
[0012]S4：根据所述当前时刻的UWB定位结果、之前一个时刻的融合定位结果以及采样的时间间隔信息，计算用户的行走速度信息，将该行走速度信息作为基于粒子滤波算法的自适应融合算法时间更新的输入量一；
[0013]S5：根据之前两个时刻的融合定位结果以及采样的时间间隔信息，计算用户的行走速度信息，将该行走速度信息作为基于粒子滤波算法的自适应融合算法时间更新的输入量二；
[0014]S6：利用所述相对位移矢量、UWB定位结果，根据速度选择算法在所述输入量一和输入量二之间选择一个作为时间更新的输入量，并完成时间更新步骤；
[0015]S7：利用所述有效基站的数量，根据自适应权重更新算法，来确定所述基站与智能终端的距离和所述位移矢量在融合滤波算法测量更新中所占的比重，并得到融合算法中粒子的权重；
[0016]S8：利用所述粒子的权重，得到当前时刻粒子的分布结果，并计算在当前粒子分布的期望作为融合滤波算法的定位结果。
[0017]进一步地，控制UWB基站与移动智能终端进行信息交换，获取到各UWB基站与移动智能终端之间的距离，可用于融合定位算法的有效基站数量，包括：
[0018]智能终端每隔固定时间向云服务器发送信息交换的请求，再由云服务器向各UWB基站分配工作时隙；
[0019]各UWB基站按照各自编号在自己的工作时隙，依次向智能终端发送UWB测距信号；
[0020]UWB基站与智能终端将完成信息交换，信息交换完成之后，智能终端获取到UWB测距的时间戳数据，以及UWB基站物理层的信道脉冲响应信息；
[0021]智能终端根据信息交换获得的所述UWB测距的时间戳数据，利用双边双程测距算
法，计算各UWB基站与智能终端的距离；
[0022]根据所述UWB基站物理层的信道脉冲响应信息，进行LOS和NLOS的鉴别，确定用于融合定位算法的有效基站数量。
[0023]进一步地，从移动智能终端获取到用户在一段时间内产生的相对位移矢量，包括：
[0024]利用行人航位推算算法对惯性传感器单元中的加速度计所采集数据进行峰值检测，以判断行人是否走过一步；
[0025]利用惯性传感器单元中的陀螺仪、磁力计这两个传感器所采集到的数据判断行人的航向；
[0026]判断行人走过一步之后，利用钟摆模型计算行人的步长信息，并且记录当时行人的航向信息；
[0027]将行人走过一步的之后所得到的步长信息和航向信息进行计算，计算得到行人走过一步之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于粒子滤波算法的传感器融合室内定位方法，其特征在于，应用于云服务器，包括：S1：控制UWB基站与移动智能终端进行信息交换，获取到各UWB基站与移动智能终端之间的距离，可用于融合定位算法的有效基站数量；S2：从移动智能终端获取到用户在一段时间内产生的相对位移矢量；S3：利用所述各基站与智能终端的距离，构建三边定位模型，通过最小二乘法解算所述三边定位模型，得到用户当前时刻的UWB定位结果；S4：根据所述当前时刻的UWB定位结果、之前一个时刻的融合定位结果以及采样的时间间隔信息，计算用户的行走速度信息，将该行走速度信息作为基于粒子滤波算法的自适应融合算法时间更新的输入量一；S5：根据之前两个时刻的融合定位结果以及采样的时间间隔信息，计算用户的行走速度信息，将该行走速度信息作为基于粒子滤波算法的自适应融合算法时间更新的输入量二；S6：利用所述相对位移矢量、UWB定位结果，根据速度选择算法在所述输入量一和输入量二之间选择一个作为时间更新的输入量，并完成时间更新步骤；S7：利用所述有效基站的数量，根据自适应权重更新算法，来确定所述基站与智能终端的距离和所述位移矢量在融合滤波算法测量更新中所占的比重，并得到融合算法中粒子的权重；S8：利用所述粒子的权重，得到当前时刻粒子的分布结果，并计算在当前粒子分布的期望作为融合滤波算法的定位结果。2.根据权利要求1所述的方法，其特征在于，控制UWB基站与移动智能终端进行信息交换，获取到各UWB基站与移动智能终端之间的距离，可用于融合定位算法的有效基站数量，包括：智能终端每隔固定时间向云服务器发送信息交换的请求，再由云服务器向各UWB基站分配工作时隙；各UWB基站按照各自编号在自己的工作时隙，依次向智能终端发送UWB测距信号；UWB基站与智能终端将完成信息交换，信息交换完成之后，智能终端获取到UWB测距的时间戳数据，以及UWB基站物理层的信道脉冲响应信息；智能终端根据信息交换获得的所述UWB测距的时间戳数据，利用双边双程测距算法，计算各UWB基站与智能终端的距离；根据所述UWB基站物理层的信道脉冲响应信息，进行LOS和NLOS的鉴别，确定用于融合定位算法的有效基站数量。3.根据权利要求1所述的方法，其特征在于，从移动智能终端获取到用户在一段时间内产生的相对位移矢量，包括：利用行人航位推算算法对惯性传感器单元中的加速度计所采集数据进行峰值检测，以判断行人是否走过一步；利用惯性传感器单元中的陀螺仪、磁力计这两个传感器所采集到的数据判断行人的航向；判断行人走过一步之后，利用钟摆模型计算行人的步长信息，并且记录当时行人的航
向信息；将行人走过一步的之后所得到的步长信息和航向信息进行计算，计算得到行人走过一步之后的坐标变换，该坐标变换即为所述相对位移矢量。4.根据权利要求1所述的方法，其特征在于，利用所述相对位移矢量、UWB定位结果，根据速度选择算法在所述输入量一和输入量二之间选择一个作为时间更新的输入量，并完成时间更新步骤，包括：利用所述相对位移矢量确定当前用户的行走状态；判断当...

【专利技术属性】
技术研发人员：徐元欣，李心慧，张彩宝，曾庆锋，陶子寅，刘诚，王鹏，陈首旭，单文才，马天珩，
申请(专利权)人：浙江大学，
类型：发明
国别省市：