【技术实现步骤摘要】
一种应用于室内定位的Wi
‑
Fi和蓝牙信号融合方法
[0001]本专利技术属于室内定位领域,尤其涉及一种应用于室内定位的
Wi
‑
Fi
和蓝牙信号融合方法
。
技术介绍
[0002]基于位置的服务
(Location
‑
Based Services,LBS)
在确定物体或人员的精确位置方面具有显著的社会和商业意义,并已逐渐成为学术界和工业界的关注焦点
。
尽管基于卫星信号的导航定位技术在室外定位中取得了显著成功,但在室内环境,卫星信号因严重的衰减和多径效应的缘故,其定位效果还无法让人满意
。
[0003]为了提高室内定位的精度,研究者开始探究使用其他信号的室内定位技术
。
例如
Wi
‑
Fi
和行人航位推算
。Wi
‑
Fi
定位主要依赖于现有的无线局域网络基础设施,通过测量信号强度或传播时延进行三角定位
。
行人航位推算主要依赖于基于穿戴的传感器,如加速度计和陀螺仪,来检测和估计行人的步伐和行走方向实现定位
。
尽管这些定位技术各自有其独特的优势,但它们也都存在一些常见的局限性
。
例如,
Wi
‑
Fi
定位可能会因为信号遮挡或反射而产生误差,
Wi
‑
Fi
信号由于不稳定在数据收集过程中出现部分 ...
【技术保护点】
【技术特征摘要】
1.
一种应用于室内定位的
Wi
‑
Fi
和蓝牙信号融合方法,其特征在于,包括如下步骤:步骤一:按照一定的规律设置参考点,在预定的采集点上,分别对
Wi
‑
Fi
信号和蓝牙信号进行收集;将采集的数据按照时间顺序整理;步骤二:对于数据中的信号缺失问题,使用卡尔曼滤波算法,通过预测步骤和更新步骤的迭代计算出信号缺失值;步骤三:对于填补缺失值后的信号,找出每一列数据中的最大值和最小值,使用最大最小归一化方法对每个元素进行归一化计算;步骤四:使用两个长短期记忆网络分别提取两种数据的特征,即为每种类型的数据分别创建一个单独的长短期记忆网络,一个网络用于处理
Wi
‑
Fi
信号,另一个网络用于处理蓝牙信号,最终输出提取后的特征;步骤五:每个长短期记忆网络的输出将进一步传入一个多头自注意力模型,根据序列内部的相似性,为每个元素计算相应的注意力权重;步骤六:将加权后的
Wi
‑
Fi
和蓝牙信号通过级联的方式进行融合,从而得到一个全面和丰富的特征表示
。2.
根据权利要求1所述的应用于室内定位的
Wi
‑
Fi
和蓝牙信号融合方法,其特征在于,所述步骤一包括如下步骤:选择一个空间作为实验区域,将此空间划分为二维平面网格,每个网格为边长
0.6
米的正方形,网格的交点为信号采集点,相邻两个采集点间隔
1.2
米
。3.
根据权利要求1所述的应用于室内定位的
Wi
‑
Fi
和蓝牙信号融合方法,其特征在于,所述步骤二的卡尔曼滤波是一种递归估计算法,由预测步骤和更新步骤组成,采集的数据为时间序列,缺失值的位置留空,算法会基于前一时刻的状态进行预测,得到当前时刻的信号强度的预测值,然后通过实际的信号强度测量值与预测值进行比较,进而对预测值进行修正,经过反复的迭代,算法最终预测出缺失信号的预测值,确保其接近真实的信号强度
。4.
根据权利要求3所述的应用于室内定位的
Wi
‑
Fi
和蓝牙信号融合方法,其特征在于,所述步骤二的具体步骤如下:令
x
y
表示第
y
个位置的信号强度,令
F
表示状态转移矩阵,
w
y
‑1表示过程噪声,则得到状态转移模型:
x
y
=
Fx
y
‑1+w
y
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
令
z
y
表示第
y
个位置信号强度值的观察值,
H
表示观测矩阵,
u
y
表示观察噪声,则得到观测模型:
z
y
=
Hx
y
+u
y
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
初始化卡尔曼滤波参数,
x
0|0
为初始状态估计,
P
0|0
为初始状态估计的误差协方差,
O
过程噪声协方差,
R
观测噪声协方差
。
预测下一个信号强度值:
x
y|y
‑1=
Fx
y
‑
1|y
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
令
F
T
表示状态转移矩阵的转置,误差协方差预测为:
P
y|y
‑1=
FP
y
‑
1|y
‑1F
T
+O
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
令
H
T
表示观察矩阵的转置,卡尔曼增益为:
Y
y
=
P
y|y
‑1H
T
(HP
y|y
‑1H
T
+R)
...
【专利技术属性】
技术研发人员:周后盘,程通,黄经州,杜永海,
申请(专利权)人:杭州电子科技大学平湖数字技术创新研究院有限公司,
类型:发明
国别省市:
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。