一种应用于室内定位的制造技术

本发明专利技术属于室内定位领域，公开了一种应用于室内定位的

【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信号缺失；行人航位推算的准确性会随时间逐渐累积误差
。
为了克服这些局限性，许多研究者正努力探索融合多种信号的方法，希望通过这种融合提高室内定位的准确性和鲁棒性
。
例如，融合
Wi
‑
Fi、
地磁与行人航位推算的技术，融合
Wi
‑
Fi
与图像的技术等，都已经在实验中展现出了良好的定位效果
。
[0004]融合多种信号源的定位技术在一定程度上降低了室内定位的误差
。
然而这些融合方案往往涉及多种硬件和软件组件的集成，整体的部署和维护成本较高
。
在商业应用和日常生活中，这种成本的增加可能会限制其广泛应用
。

技术实现思路

[0005]本专利技术目的在于提供一种应用于室内定位的
Wi
‑
Fi
和蓝牙信号融合方法，以解决融合多种信号源的定位技术的部署和维护成本较高的技术问题
。
[0006]为解决上述技术问题，本专利技术的旨在提出一种新的融合
Wi
‑
Fi
和蓝牙信号的定位方案
。
这种方案的目标是在确保定位系统精度的同时，降低其部署成本，从而实现经济
、
高效且鲁棒的室内定位
。
本专利技术的的具体技术方案如下：
[0007]一种应用于室内定位的
Wi
‑
Fi
和蓝牙信号融合方法，包括如下步骤：
[0008]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；
[0009]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；
[0010]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；
[0011]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；
[0012]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；
[0013]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
。
[0014]进一步地，所述步骤一包括如下步骤：
[0015]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
。
[0016]进一步地，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
。
[0017]进一步地，所述步骤二的具体步骤如下：
[0018]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：
[0019]x
y
＝
Fx
y
‑1+w
y
‑1(1)
[0020]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：
[0021]z
y
＝
Hx
y
+u
y
(2)
[0022]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
。
[0023]预测下一个信号强度值：
[0024]x
y|y
‑1＝
Fx
y
‑
1|y
‑1(3)
[0025]令
F
T
表示状态转移矩阵的转置，误差协方差预测为：
[0026]P
y|y
‑1＝
FP
y
‑
1|y
‑1F
T
+O(4)
[0027]令
H
T
表示观察矩阵的转置，卡尔曼增益为：
[0028]Y
y
＝
P
y|y
‑1H
T
(HP
y|y
‑1H<本文档来自技高网...

【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：