【技术实现步骤摘要】
本申请涉及定位，尤其涉及一种定位方法及相关设备。
技术介绍
1、在现有技术中，当处于复杂的室内环境中时，精确时间测量技术(fine timemeasurements，ftm)定位的精度显著降低。在理想的直视(los)环境中，ftm测距可以在1sigma的情况下达到1.4m的准确性。然而，在实际的室内环境中，由于多径效应、非直视信号传播和电噪声等干扰，测距精度降至3.4米。因此，由于各种干扰，实现准确而普遍的ftm室内定位仍然是一个挑战。
2、此外，在现有技术中，在求解因子图时，如果考虑所有变量，因子图算法会导致高维度的代价函数。此外，代价曲面是非凸的，会进一步增加计算的复杂性。
技术实现思路
1、有鉴于此，本申请的目的在于提出一种定位方法及相关设备。
2、基于上述目的，本申请提供了一种定位方法，包括：
3、基于获取的测距的测量距离和测距的估计距离，构建动态测距估计模型；
4、基于获取的先验估计的移动距离和系统估计的移动距离，构建基于先验信息的运动模型；
5、基于所述动态测距估计模型和所述基于先验信息的运动模型，构建因子图模型；
6、利用自适应梯度下降算法迭代更新所述因子图模型，得到第一定位位置；响应于所述迭代更新满足第一条件，将所述第一定位位置作为最终的定位位置。
7、在一种可能的实现方式中，所述基于获取的测距的测量距离和测距的估计距离，构建动态测距估计模型，包括：
8、基于获取的真实距
9、基于获取的系统估计距离和估计噪声获取得到所述测距的估计距离；
10、基于所述测距的测量距离和所述测距的估计距离，计算得到残差误差；
11、基于所述残差误差和所述测距的测量距离，计算得到所述误差残差相对于所述测距的距离的自适应均值和标准差；
12、基于所述误差残差相对于所述测距的距离的自适应均值和标准差，构建所述动态测距估计模型。
13、在一种可能的实现方式中，所述基于获取的先验估计的移动距离和系统估计的移动距离，构建基于先验信息的运动模型，包括：
14、基于获取的真实移动距离和估计噪声，获取得到所述系统估计的移动距离；
15、基于获取的真实移动距离和先验噪声，获取得到所述先验估计的移动距离；
16、基于所述先验估计的移动距离和系统估计的移动距离，计算得到残差噪声；
17、基于所述残差噪声，构建得到所述基于先验信息的运动模型。
18、在一种可能的实现方式中，通过下式表示所述动态测距估计模型：
19、
20、其中ri,j表示从路径点j到第i个无线访问接入点api的测距值，fi,j(vj|ri,j)表示在给定测距值ri,j的情况下，客户端位于位置vj的概率，vj＝(xj,yj)，σf(ri,j)表示残差噪声相对于测距值ri,j的标准差，μf(ri,j)表示残差噪声相对于测距值ri,j的自适应均值，xi和yi表示第i个无线访问接入点api的坐标。
21、在一种可能的实现方式中，通过下式表示所述基于先验信息的运动模型：
22、gj(vj,vj+1|δtj)＝gj(xj,yj,xj+1,yj+1|δtj)
23、
24、其中，gj(vj,vj+1|δtj)表示运动因子，vj＝(xj,yj)，vj+1＝(xj+1,yj+1)，σg(δtj)表示标准差函数，‖vj+1-vj‖2表示系统估计的移动距离，μv·δtj表示先验估计的移动距离。
25、在一种可能的实现方式中，通过下式表示所述因子图模型的目标函数：
26、
27、其中，fi,j(vj|ri,j)表示在给定测距值ri,j的情况下，客户端位于位置vj的概率，gj(vj,vj+1|δtj)表示运动因子。
28、在一种可能的实现方式中，所述第一条件为所述因子图模型的平均位置方差小于或等于预设阈值。
29、基于同一专利技术构思，本申请实施例还提供了一种定位装置，包括：
30、第一构建模块，被配置为基于获取的测距的测量距离和测距的估计距离，构建动态测距估计模型；
31、第二构建模块，被配置为基于获取的先验估计的移动距离和系统估计的移动距离，构建基于先验信息的运动模型；
32、第三构建模块，被配置为基于所述动态测距估计模型和所述基于先验信息的运动模型，构建因子图模型；
33、梯度下降模块，被配置为利用自适应梯度下降算法迭代更新所述因子图模型，得到第一定位位置；响应于所述迭代更新满足第一条件，将所述第一定位位置作为最终的定位位置。
34、基于同一专利技术构思，本申请实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任意一项所述的定位方法。
35、基于同一专利技术构思，本申请实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述任一所述的定位方法。
36、从上面所述可以看出，本申请提供的定位方法及相关设备，通过基于获取的测距的测量距离和测距的估计距离，构建动态测距估计模型；基于获取的先验估计的移动距离和系统估计的移动距离，构建基于先验信息的运动模型；基于所述动态测距估计模型和所述基于先验信息的运动模型，构建因子图模型；利用自适应梯度下降算法迭代更新所述因子图模型，得到第一定位位置；响应于所述迭代更新满足第一条件，将所述第一定位位置作为最终的定位位置。本申请实施例首先通过统计方法从ftm测距矩阵中估计每个无线访问接入点(access point，ap)对应测距测量的权重，而后为两个连续测距测量的两个位置之间的距离建立概率模型，且同时考虑目标在运动时的先验运动的统计数据和时间间隔，进而构建基于先验信息的运动模型，之后利用前述步骤构建的测距和运动模型，共同构建因子图模型，且在这个模型中，开发了一个联合成本函数，通过最大概率规则优化来增强用户位置估计的结果。基于前述模型能够有效提高室内定位的精度，且在不同测距周期、姿势、用户、移动速度和环境下仍然能够实现高精度室内定位。之后为了在最大限度上降低因子图框架相关的时间复杂性，利用一种加速算法，能够有效识别具有最高概率的位置，有效的降低了算法计算的开销，进而有效提升了室内定位的速度。
本文档来自技高网...【技术保护点】
1.一种定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于获取的测距的测量距离和测距的估计距离，构建动态测距估计模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于获取的先验估计的移动距离和系统估计的移动距离，构建基于先验信息的运动模型，包括：
4.根据权利要求1所述的方法，其特征在于，通过下式表示所述动态测距估计模型：
5.根据权利要求1所述的方法，其特征在于，通过下式表示所述基于先验信息的运动模型：
6.根据权利要求1所述的方法，其特征在于，通过下式表示所述因子图模型的目标函数：
7.根据权利要求1所述的方法，其特征在于，所述第一条件为所述因子图模型的平均位置方差小于或等于预设阈值。
8.一种定位装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。
10.一种非暂态计算机可读存储介质，所述非暂态计
...【技术特征摘要】
1.一种定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于获取的测距的测量距离和测距的估计距离，构建动态测距估计模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于获取的先验估计的移动距离和系统估计的移动距离，构建基于先验信息的运动模型，包括：
4.根据权利要求1所述的方法，其特征在于，通过下式表示所述动态测距估计模型：
5.根据权利要求1所述的方法，其特征在于，通过下式表示所述基于先验信息的运动模型：
6.根据权利要求1所述的方法，其特征在...
【专利技术属性】
技术研发人员：邵文华，赵方，罗海勇，洪韵涵，李雅琦，申卓辉，王龙，周天浩，
申请(专利权)人：北京邮电大学，
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。