CN109525935A - 一种针对普适室内环境的智能楼层感知方法及控制系统 - Google Patents

一种针对普适室内环境的智能楼层感知方法及控制系统 Download PDF

Info

Publication number
CN109525935A
CN109525935A CN201811408590.6A CN201811408590A CN109525935A CN 109525935 A CN109525935 A CN 109525935A CN 201811408590 A CN201811408590 A CN 201811408590A CN 109525935 A CN109525935 A CN 109525935A
Authority
CN
China
Prior art keywords
floor
information
wifi
module
indoor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811408590.6A
Other languages
English (en)
Other versions
CN109525935B (zh
Inventor
杨帆
柳景斌
安康
李正
童鹏飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201811408590.6A priority Critical patent/CN109525935B/zh
Publication of CN109525935A publication Critical patent/CN109525935A/zh
Application granted granted Critical
Publication of CN109525935B publication Critical patent/CN109525935B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明属于导航定位和位置服务领域，公开了一种针对普适室内环境的智能楼层感知方法及控制系统，采取电梯/楼梯/扶梯的PDR相对楼层识别策略、WiFi最强AP信号识别绝对楼层策略、气压与楼层经验公式识别绝对楼层策略、GNSS信噪比阈值识别建筑物策略、自然语言处理技术，进行数据融合，实现用户所在楼层的精准感知。本发明可以智能感知周围环境，根据所感知的环境信号进行智能切换定位源进行导航定位；当GNSS信号在建筑物密集的环境下，信息遮挡比较严重此时可以借助该系统进行建筑物的定位；将室内定位系统进行融合，很大程度上提高定位精度和用户体验效果。

Description

一种针对普适室内环境的智能楼层感知方法及控制系统
技术领域
本发明属于导航定位和位置服务领域，尤其涉及一种针对普适室内环境的智能楼层感知方法及控制系统。
背景技术
目前，业内常用的现有技术是这样的：
随着物联网技术和人工智能技术的发展，用户在体验这种技术带来便捷的同时更希望有多元化的服务。例如在大型商场内可以为用户提供准确的位置服务，地下停车场能够准备地定位自己的车位等等一些需求。基于以上需求，基于位置服务的室内定位技术逐渐进入人们的眼球，基于二维平面的室内定位技术逐渐完善，但是对于智能感知环境进行智能切换楼层模块仍然有很多未知领域值得研究。目前的室内定位技术几乎都是基于某一个建筑物的某一楼层进行定位，不能准确利用GNSS信息和建筑物传播的信息达到室内外无缝定位的要求。同时在建筑物内进行定位的时候，通过人识别楼层信息进行手动的切换楼层和楼层平面图，这样会导致有更多的噪声信号不能有效剔除，从而影响定位精度，同时不能更加地智能化。基于上面所述问题，研究智能感知环境进行室内外无缝定位以及自动识别楼层位置信息有着重要意义。
针对室内外无缝定位以及楼层智能识别的研究往往是基于某单一技术，比如根据GNSS信号强弱进行判断、WIFI信号、Pressure气压计以及地图匹配楼层切换等等一些技术。同时也有一些数据融合的方法，往往采取的是两两结合的方案，比如GPS和无线传感器网络、GPS和PDR技术、GPS和WIFI等。虽然这些方法在特定的实验场景下有较好的效果，但是获取的信号源不具有普适性，很难适应普适室内场景。具体表现为：室内环境下GNSS信号可用性差，定位误差高达数十米；WiFi指纹采集过程耗费巨大人力物力，且信号稳定性差，需定期更新，经济成本过高；气压计非当前安卓手机标准配置，大部分手机无法准确获取当前气压信息。因此，在普适室内场景下，同时拥有以上所有信号源是不现实的。
综上所述，现有技术存在的问题是：
(1)同时在使用过程中会有以下几点问题：1)像GPS信号在非视距的情况下传播强度被非正常削弱，这样会影响正常定位的方法从而导致楼层位置和建筑物信息获取不准确。
2)WIFI信息虽然在楼层里已经很普及，然而WIFI信号传播到手机传感器的过程中会遇到各种的反射、折射、吸收等等一些问题减弱信号强度，同时固定AP的RSSI不稳定，因此用来做楼层切换的定位源极其不稳定。
3)PDR技术是通过读取手机内置的陀螺仪和加速度计进行计算行走的姿态和位置，当前所有的PDR技术都基于平面假设，利用PDR进行高度推算还尚无完整指导理论。
4)基于Pressure气压测高的楼层切换技术所需成本较低，在宽阔的户外环境精度较高，但是室内环境比较复杂，室内高度温差和气压相差较小，精度比较低，同时部分室内环境和走廊的气压差较大，在同一楼层会发生乒乓效应从而影响定位精度
解决上述技术问题的难度和意义：
当前利用单一信号源的楼层识别技术都在较为严苛的实验环境下完成，然而在真实环境下存在很多技术问题难以攻克。并且受制于信号源本身的技术特性，利用单一信号源实现用户在室内环境的高度(楼层)感知是局限且不稳健的。
本发明尝试联合多种信号源实现协同定位感知，可较大程度的弥补各技术手段的不足，且独创性的提出手机内置惯性传感器的PDR高度推算方案，以此为纽带连接其它信号源，可提供稳健的楼层信息，为后续实现精密室内定位提供高度信息，具有较大的应用前景和市场潜力。
发明内容
针对现有技术存在的问题，本发明提供了一种针对普适室内环境的智能楼层感知方法及控制系统。本发明针对现实生活中人们对自身位置的粗定位需求，提供一种利用GPS、WiFi、气压计、手机惯性传感器等多源融合的智能环境感知系统，将实现低成本、高准确率、高通用性的建筑物识别和楼层识别解决方案。
本发明针对普适室内环境的智能楼层感知方法采取电梯/楼梯/扶梯的PDR相对楼层识别策略、WiFi最强AP信号识别绝对楼层策略、气压与楼层经验公式识别绝对楼层策略、GNSS信噪比阈值识别建筑物策略、自然语言处理技术，进行数据融合，实现用户所在楼层的精准感知。
本发明是这样实现的，一种针对普适室内环境的智能楼层感知控制系统，包括四个模块，分别为(1)室外到室内无缝定位、(2)楼层绝对位置的感知、(3)楼层相对位置的感知、(3)楼层判断决策模块；
所述的室外到室内无缝定位模块，通过识别智能手机的GNSS信号强度的变化率以及信号强度感知室内室外的过渡，通过WIFI的MAC地址感知建筑物楼栋和入口编号，从而将室外和室内进行无缝地对接；
所述的楼层绝对位置的感知，智能感知用户到室内智能切换定位源，对接收到的MAC地址和RSS进行高斯滤波算法处理，智能识别每个楼层对应的唯一的MAC地址，以及手机气压计信息来反算出所在楼层信息；
所述的楼层相对位置的感知，通过多种数据源进行识别，包括用PDR来智能识别此刻的运动状态，用手机气压计和智能语音识别感知运动状态，用定位地图和PDR数据结合判断运动状态，三者数据结合可以推算出运动前后的相对位置关系；
所述的楼层判断决策模块，将上述的一些建筑物信息、绝对楼层信息、相对楼层信息进行融合最后推算出确定的楼层信息；
进一步，室外到室内无缝定位模块至少包括：
GNSS信号提取模块，用来比较室外和室内GNSS信号的差别和信号强度差值，选取一个阈值，就可以初步智能判断室外和室内；
GNSS信号的信噪比测量模块，在不同的建筑物场景下，在室外到室内过渡过程中卫星信号的信噪比(Signal-Nosie Ratio，SNR)是不同的，通过测量不同场景下的SNR确定合理的阈值；
WIFI的MAC获取模块，每一个AP发布的MAC地址都有唯一性，通过获取不同建筑物的MAC地址建立WIFI指纹库，感知建筑物附近的WIFI信号，通过朴素贝叶斯算法识别所在楼层信息。
数据融合模块，针对GNSS信号变化检测切换算法的缺陷，提出基于GNSS、WIFI信号多源数据的切换算法，在持续对GNSS信号进行测量SNR的同时在过渡区域识别WiFi的MAC地址进行多阈值判断进行室内外无缝定位，提高识别的稳定性和准确性，避免出现乒乓效应。
所述的建立WIFI指纹库是在测试的场景通过手机进行采集WIFI，将采集到的信息作为已知的数据作为下次感知识别的基础数据。
进一步，所述的楼层绝对位置的感知模块至少包括：
WIFI信号强度提取模块，用在实验场景下建立好的WIFI指纹库，不同的楼层有不同的识别ID，通过识别不同的楼层ID号可以判断楼层；
手机气压计模块，根据楼层和气压的传统经验公式P＝P0×(1-H/44300)^5.256或者其改进公式等，可以粗略地获取楼层信息。
语音智能识别模块采样子模块，主要通过机器学习的方法，打开手机的麦克风权限，获取外界的声音并从中提取出电梯播放的特有声音，从而获取楼层的位置信息；
进一步，所述的楼层相对位置的感知模块至少包括：
楼梯识别模块，通过获取手机内置陀螺仪和加速度计来识别人的行走状态从而进行识别是否在走楼梯，通过步数进行估计行走台阶数从而间接地推算出相对楼层变化。
直行电梯识别模块，通过获取手机内置陀螺仪和加速度计、气压计来识别人的运动状态，同时通过语音智能识别模块识别电梯楼层播报信息从而准备地获知相对地楼层变化。
扶梯识别模块，通过室内地图信息以及WiFi指纹库匹配和获取手机内置陀螺仪和加速度计来识别人的行走状态，通过三种信息的融合来估计扶梯上/下的状态。
进一步，所述的手机内置陀螺仪和加速度计来识别人的行走状态是利用人行走的过程中有加速度从增加到减小的一个渐变过程，通过对每次渐变过程进行卡尔曼滤波得到一系列有峰值和峰谷的连续曲线，对曲线进行分析可以识别此刻的行走状态。
进一步，楼层判断决策模块包括：
室内地图信息提取模块，室内地图是二维地图，当导航位置点处于地图标记的扶梯式电梯标记处一段时间，可以粗略地认为是在乘电梯，同时结合PDR和WIFI的MAC地址综合判断此刻的行走状态。
多源融合模块，提取绝对楼层信息和相对楼层变化信息，进行卡尔曼自适应滤波，获得最优楼层信息。
针对未来室内定位系统的实施方案，本发明主要考虑了随机误差、系统误差、覆盖率、部署成本、市场可行性等几方面，采用室外到室内无缝定位模块、楼层绝对位置的感知模块、楼层相对位置的感知模块、绝对位置和相对位置的数据融合模块，对建筑物进行识别，对每一时刻在该建筑物的行走状态进行状态识别，从而达到感知具体建筑物楼层的具体信息的效果。本发明系统既可以作为室内定位系统中的一种重要数据来源，又能感知用户在建筑物内行走的具体详细信息。
本发明的另一目的在于提供一种针对普适室内环境的智能楼层感知方法，融合普适室内环境中容易获取的泛在信号，确定个人移动设备所在的空间楼层或其三维高程信息。所述个人移动设备包括手机、平板电脑、手环或其他移动终端；使用相同的匹配指纹库和匹配算法时，定位性能在不同移动设备上具有一致性。
进一步，根据不同泛在信号的特征，将楼层信息分为绝对楼层信息和相对楼层变化信息两类，利用卡尔曼滤波或其延伸的滤波融合技术，可实现两类楼层信息的互补和充分利用。所述的融合技术不仅包含卡尔曼滤波手段，亦包含其变种或者粒子滤波、贝叶斯概率融合技术等。
进一步，普适环境下的泛在信号指代：大量布设且随处可得的WiFi信号发射源，和个人移动设备中普遍内置的录音器、惯性传感器件和气压计等获取的对应信号。这些数据较强的普遍性，不强依赖于外界基站。
进一步，绝对楼层信息包括录音器语音识别的楼层信息、气压计推算的楼层信息和WiFi最强信号接入点推算的楼层信息；相对楼层信息包括楼梯/电梯/自动扶梯场景下通过行人航迹推算获取的楼层信息。绝对楼层信息指普遍意义上的用户具体所在空间楼层，而相对楼层信息指用户上下楼所发生的楼层变化量。
进一步，与传统室内定位不同，本发明手段无需耗费大量的人力/物力实现预先建立指纹库，可通过简易且稀疏的先验信息即可实现轻量级的室内楼层识别。
进一步，在有语音提示功能的电梯环境下，录音器通过捕捉电梯关键播报字段如数字信息，从而识别用户当前所在楼层。
进一步，在用户/终端可提供气压观测值的前提下，可利用差分气压测量和经验公式直接推算用户所在楼层，允许误差范围为上下各一层。
进一步，WiFi最强接入点指代当前楼层统计意义上的RSSI信号最强，包含WiFi无线路由器和专用信号发射器。每层楼有一个或一系列最强信号源，通过排序对比当前最强信号和先验最强信号源，判断当前用户所在楼层。
进一步，利用手机内置惯性传感器，基于深度学习或其它机器学习等方法，进行场景识别；实现的场景包括：非爬楼状态/楼梯/直达式电梯/商场手扶式电梯。
进一步，基于楼梯/直达式电梯/商场手扶式电梯三种场景，构建基于惯性传感器数据的运动模型或者提取运动特征；基于深度学习或其它机器学习等方法，实现相对楼层的感知。
进一步，包括如下步骤：
步骤一：明确需要定位的建筑物地址；搜集建筑物的各个入口信息；
步骤二：搜集各入口的WiFi Mac地址信息；确定入口处的GNSS阈值信息；
步骤三：搜集建筑物电梯语音播报关键字段(如有)；
步骤四：搜集每层楼WiFi RSSI强度信息，稀疏程度为每10米采集一次。
步骤五：测量每层楼的气压信息并建立回归模型。
步骤六：携带移动设备实时获取当前GNSS信号/WIFi地址/WiFi强度信息/
惯性传感器数据/气压计数据。
步骤七：根据当前获取数据，分别判断绝对楼层信息和相对楼层变化信息。
步骤八：如融合滤波器未初始化，则将绝对楼层信息作为初值初始化滤波器。
步骤九：输入绝对/相对楼层信息驱动融合滤波器，输出最优楼层估计。
步骤十：重复步骤六、七、八、九，直到任务结束。
综上所述，本发明的优点及积极效果为：
建筑物定位 室内高度推算 通用程度 经济成本
PDR 不可行 不可行 高 低
WiFi 较准确 较准确 中 高
GNSS 较准确 不准确 高 低
Barometer 不可行 较准确 低 中
本技术 较准确 较准确 高 低
根据以上思路，本发明初步设计了一个手机APP，并在武汉大学诗琳通中心(武汉遥感与空间信息工业技术研究院)设计了以下实验。实验1场地共五层楼，我们从户外走进实验场地，并连续的从一楼上楼梯直至五楼，在此过程中会在每层楼停留一段时间。
实验2发现本发明在连续的楼层判断过程中存在一定的时延(大致在5～10秒之间)，但正确率可基本保证。另外，我们设计了补充实验以测试楼层判断的正确率，具体操作是走遍实验场地每层楼的走廊和可抵达的房间，记录下每次楼层判断的结果(楼层判断输出频率为2秒一次)。五层楼的实验结果参见图11，发现本专利可保证楼层判断成功率高于90％。
当GNSS信号在建筑物密集的环境下，信息遮挡比较严重此时可以借助该系统进行建筑物的定位。
在室内进行导航定位无需人为切换楼层信息，可自动实现楼层信息感知。
将室内定位系统进行融合，很大程度上提高定位精度和用户体验效果。
附图说明
图1是本发明实施例提供的卫星高度和SNR阈确定切换阈值过程图。
图2是本发明实施例提供的WiFi Mac地址KNN匹配过程图。
图3是本发明实施例提供的卷积神经网络分层图。
图4是本发明实施例提供的CNN训练模型技术路线图。
图5是本发明实施例提供的行人航迹推算示意图。
图6是本发明实施例提供的差分气压测高辅助楼层判定数据处理流程图。
图7是本发明实施例提供的WiFi最强AP楼层判断流程图。
图8是本发明实施例提供的电梯播报语音识别图。
图9是本发明实施例提供的Kaman滤波过程图。
图10是本发明实施例提供的针对普适室内环境的智能楼层感知方法原理图。
图11是本发明实施例提供的五层楼的实验结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明工作于个人移动设备，尤其是Android系统的智能手机，用于确定移动设备及其用户所在室内环境的具体楼层信息，弥补传统二维平面室内定位的高程信息，增强室内环境感知的健壮性，从而为无缝室内楼层切换和定位奠定基础；本发明基于手机惯性传感器单元、WiFi接收模块、气压计、GNSS模块、录音功能等，分别采取了电梯/楼梯/扶梯的PDR相对楼层识别策略、WiFi最强AP信号识别绝对楼层策略、气压与楼层经验公式识别绝对楼层策略、GNSS信噪比阈值识别建筑物策略、自然语言处理技术，最终实现用户所在楼层的精准感知。本发明削弱了单一技术手段的缺点，综合多种技术以取长补短，达到数据融合的目的；同时，本发明首次提出了绝对楼层变化和相对楼层变化概念，并结合两者信息实现高可用的智能楼层感知系统。
下面结合具体分析对本发明的应用作进一步描述。
本发明实施例提供的针对普适室内环境的智能楼层感知控制系统，包括四个模块，分别为(1)室外到室内无缝定位、(2)楼层绝对位置的感知、(3)楼层相对位置的感知、(3)楼层判断决策模块；
所述的室外到室内无缝定位模块，通过识别智能手机的GNSS信号强度的变化率以及信号强度感知室内室外的过渡，通过WIFI的MAC地址感知建筑物楼栋和入口编号，从而将室外和室内进行无缝地对接；
所述的楼层绝对位置的感知，智能感知用户到室内智能切换定位源，对接收到的MAC地址和RSS进行高斯滤波算法处理，智能识别每个楼层对应的唯一的MAC地址，以及手机气压计信息来反算出所在楼层信息；
所述的楼层相对位置的感知，通过多种数据源进行识别，包括用PDR来智能识别此刻的运动状态，用手机气压计和智能语音识别感知运动状态，用定位地图和PDR数据结合判断运动状态，三者数据结合可以推算出运动前后的相对位置关系；
所述的楼层判断决策模块，将上述的一些建筑物信息、绝对楼层信息、相对楼层信息进行融合最后推算出确定的楼层信息；
室外到室内无缝定位模块至少包括：
GNSS信号提取模块，用来比较室外和室内GNSS信号的差别和信号强度差值，选取一个阈值，就可以初步智能判断室外和室内；
GNSS信号的信噪比测量模块，在不同的建筑物场景下，在室外到室内过渡过程中卫星信号的信噪比(Signal-Nosie Ratio，SNR)是不同的，通过测量不同场景下的SNR确定合理的阈值；
WIFI的MAC获取模块，每一个AP发布的MAC地址都有唯一性，通过获取不同建筑物的MAC地址建立WIFI指纹库，感知建筑物附近的WIFI信号，通过朴素贝叶斯算法识别所在楼层信息。
数据融合模块，针对GNSS信号变化检测切换算法的缺陷，提出基于GNSS、WIFI信号多源数据的切换算法，在持续对GNSS信号进行测量SNR的同时在过渡区域识别WiFi的MAC地址进行多阈值判断进行室内外无缝定位，提高识别的稳定性和准确性，避免出现乒乓效应。
所述的建立WIFI指纹库是在测试的场景通过手机进行采集WIFI，将采集到的信息作为已知的数据作为下次感知识别的基础数据。
所述的楼层绝对位置的感知模块至少包括：
WIFI信号强度提取模块，用在实验场景下建立好的WIFI指纹库，不同的楼层有不同的识别ID，通过识别不同的楼层ID号可以判断楼层；
手机气压计模块，根据楼层和气压的传统经验公式P＝P0×(1-H/44300)^5.256或者其改进公式等，可以粗略地获取楼层信息。
语音智能识别模块采样子模块，主要通过机器学习的方法，打开手机的麦克风权限，获取外界的声音并从中提取出电梯播放的特有声音，从而获取楼层的位置信息；
所述的楼层相对位置的感知模块至少包括：
楼梯识别模块，通过获取手机内置陀螺仪和加速度计来识别人的行走状态从而进行识别是否在走楼梯，通过步数进行估计行走台阶数从而间接地推算出相对楼层变化。
直行电梯识别模块，通过获取手机内置陀螺仪和加速度计、气压计来识别人的运动状态，同时通过语音智能识别模块识别电梯楼层播报信息从而准备地获知相对地楼层变化。
扶梯识别模块，通过室内地图信息以及WiFi指纹库匹配和获取手机内置陀螺仪和加速度计来识别人的行走状态，通过三种信息的融合来估计扶梯上/下的状态。
所述的手机内置陀螺仪和加速度计来识别人的行走状态是利用人行走的过程中有加速度从增加到减小的一个渐变过程，通过对每次渐变过程进行卡尔曼滤波得到一系列有峰值和峰谷的连续曲线，对曲线进行分析可以识别此刻的行走状态。
楼层判断决策模块包括：
室内地图信息提取模块，室内地图是二维地图，当导航位置点处于地图标记的扶梯式电梯标记处一段时间，可以粗略地认为是在乘电梯，同时结合PDR和WIFI的MAC地址综合判断此刻的行走状态。
多源融合模块，提取绝对楼层信息和相对楼层变化信息，进行卡尔曼自适应滤波，获得最优楼层信息。
针对未来室内定位系统的实施方案，本发明主要考虑了随机误差、系统误差、覆盖率、部署成本、市场可行性等几方面，采用室外到室内无缝定位模块、楼层绝对位置的感知模块、楼层相对位置的感知模块、绝对位置和相对位置的数据融合模块，对建筑物进行识别，对每一时刻在该建筑物的行走状态进行状态识别，从而达到感知具体建筑物楼层的具体信息的效果。本发明系统既可以作为室内定位系统中的一种重要数据来源，又能感知用户在建筑物内行走的具体详细信息。
本发明实施例提供一种针对普适室内环境的智能楼层感知方法，融合普适室内环境中容易获取的泛在信号，确定个人移动设备所在的空间楼层或其三维高程信息。所述个人移动设备包括手机、平板电脑、手环或其他移动终端；使用相同的匹配指纹库和匹配算法时，定位性能在不同移动设备上具有一致性。
根据不同泛在信号的特征，将楼层信息分为绝对楼层信息和相对楼层变化信息两类，利用卡尔曼滤波或其延伸的滤波融合技术，可实现两类楼层信息的互补和充分利用。所述的融合技术不仅包含卡尔曼滤波手段，亦包含其变种或者粒子滤波、贝叶斯概率融合技术等。
普适环境下的泛在信号指代：大量布设且随处可得的WiFi信号发射源，和个人移动设备中普遍内置的录音器、惯性传感器件和气压计等获取的对应信号。这些数据较强的普遍性，不强依赖于外界基站。
绝对楼层信息包括录音器语音识别的楼层信息、气压计推算的楼层信息和WiFi最强信号接入点推算的楼层信息；相对楼层信息包括楼梯/电梯/自动扶梯场景下通过行人航迹推算获取的楼层信息。绝对楼层信息指普遍意义上的用户具体所在空间楼层，而相对楼层信息指用户上下楼所发生的楼层变化量。
与传统室内定位不同，本发明手段无需耗费大量的人力/物力实现预先建立指纹库，可通过简易且稀疏的先验信息即可实现轻量级的室内楼层识别。
在有语音提示功能的电梯环境下，录音器通过捕捉电梯关键播报字段如数字信息，从而识别用户当前所在楼层。
在用户/终端可提供气压观测值的前提下，可利用差分气压测量和经验公式直接推算用户所在楼层，允许误差范围为上下各一层。
WiFi最强接入点指代当前楼层统计意义上的RSSI信号最强，包含WiFi无线路由器和专用信号发射器。每层楼有一个或一系列最强信号源，通过排序对比当前最强信号和先验最强信号源，判断当前用户所在楼层。
利用手机内置惯性传感器，基于深度学习或其它机器学习等方法，进行场景识别；实现的场景包括：非爬楼状态/楼梯/直达式电梯/商场手扶式电梯。
基于楼梯/直达式电梯/商场手扶式电梯三种场景，构建基于惯性传感器数据的运动模型或者提取运动特征；基于深度学习或其它机器学习等方法，实现相对楼层的感知。
包括如下步骤：
步骤一：明确需要定位的建筑物地址；搜集建筑物的各个入口信息；
步骤二：搜集各入口的WiFi Mac地址信息；确定入口处的GNSS阈值信息；
步骤三：搜集建筑物电梯语音播报关键字段(如有)；
步骤四：搜集每层楼WiFi RSSI强度信息，稀疏程度为每10米采集一次。
步骤五：测量每层楼的气压信息并建立回归模型。
步骤六：携带移动设备实时获取当前GNSS信号/WIFi地址/WiFi强度信息/
惯性传感器数据/气压计数据。
步骤七：根据当前获取数据，分别判断绝对楼层信息和相对楼层变化信息。
步骤八：如融合滤波器未初始化，则将绝对楼层信息作为初值初始化滤波器。
步骤九：输入绝对/相对楼层信息驱动融合滤波器，输出最优楼层估计。
步骤十：重复步骤六、七、八、九，直到任务结束。
下面结合具体分析对本发明的应用作进一步。
1、GNSS阈值法，旨在解决室外到室内过程中的建筑物识别问题。从室内到室外无缝切换，主要是定位信号源的变化，室外是根据GNSS信号进行位置服务，当进入室内GNSS信号逐渐衰弱。这时需要设定一个GNSS阈值在室内外的交界区域进行切换定位源和导航地图等一些定位信息。在建筑物密集的环境下(城市峡谷模型)和建筑物广阔的地域环境下切换的阈值是不同的，根据不同的场景要确定与之对应的阈值，确定阈值过程中接收GNSS信号数据中，信噪比(SNR)是判断信号强弱的重要指标。在不同时刻手机终端所接收到的卫星高度角是不断变化的，越接近建筑物，所接收到的卫星信号越弱，但是卫星高度角偏大的在进入室内之后SNR可能有剧烈的跳变。参见图1。
通过读取手机GNSS硬件接收到的所有卫星Ln根据高度角βn从高到低进行排序，选取前i个卫星持续检测SNR的变化情况，计算SNR的均值。
SNRnt指在t时刻，第n个卫星的SNR，当进入室内GNSS服务不可用的时候或者大多数卫星SNRt趋近0的时候，寻找卫星高度角较大的卫星SNR变化剧烈的时刻，这时候可以认为到达室内的分界点，从而完成室外到室内的无缝切换。
2、基于稀疏指纹库的WiFi Mac地址KNN匹配法。
本发明旨在解决室外到室内过程中的建筑物识别问题。传统的WiFi指纹定位方法需采集大量的WiFi信号强度信息，并且需要按照一定的密度和重复度采集方可满足定位精度需求。然而，对于建筑物识别等类型的粗定位而言，大量且重复的采集WiFi信号强度信息不仅耗费人力和物力，而且也没有必要。
为此，本发明发展了稀疏WiFiMac地址指纹库。稀疏指仅在每个建筑的入口处一定范围内(30米范围，每隔5米采集一次即可)采集AP的Mac地址信息。我们表明，这样的稀疏指纹库已经能完全满足建筑物识别这样的粗定位需求。本发明的指纹库Φ可简易描述如下：
其中m代表建筑编号，n代表该建筑的第n号门。最终可构成总指纹库如下：
Φ＝∪Φm,n
对于Φm，n而言，其中i代表第i个采集点，j代表在某采集点扫描到的第j个AP的mac地址。在最终匹配阶段，KNN的度量准则是：与每一个采集点相比，每出现一个相同AP的Mac地址，则其度量投票+1。最终选出投票数量最多的一个，即最优匹配点，其所处的建筑物和门栋信息亦由此可得。指纹构建和匹配过程可参见图2。
3：基于深度学习的PDR场景识别：电梯，楼道，手扶电梯。
本发明旨在对用户所处的环境进行分类和感知，为后续PDR(行人航迹推算算法)判断楼层变化奠定基础。
基于智能手机传感器，使用CNN(卷积神经网络)可以对PDR的场景进行识别，可以判断行人是乘坐电梯、扶梯或者是在走楼梯。利用这些信息可以辅助PDR定位推算，提高定位精度。
卷积神经网络的概念示范：输入的数据通过三个可训练的滤波器和可加偏置进行卷积，卷积后在C1层产生三个特征映射图，然后特征映射图中每组的四个像素再进行求和，加权值，加偏置，通过一个Sigmoid函数得到三个S2层的特征映射图。这些映射图再进过滤波得到C3层，这个层级结构再和S2一样产生S4。最终，这些像素值被光栅化，并连接成一个向量输入到传统的神经网络，得到输出。过程参见图3。
在CNN中，卷积计算层是CNN最关键的一步，在一个卷积层，上一层的特征maps被一个可学习的卷积核进行卷积，然后通过一个激活函数，就可以得到输出特征map。每一个输出map可能是组合卷积多个输入maps的值：
这里Mj表示选择的输入maps的集合。每一个输出map会给一个额外的偏置b，但是对于一个特定的输出map，卷积每个输入maps的卷积核是不一样的。
基于深度学习的行为模式识别可分为：数据采集与预处理、CNN网络的设计与实现、模型的训练及测试，移动端的移植等步骤。行为模式识别采用的滑动窗口大小为2S，滑动步长为1S。由于样本量较大，所以对训练数据进行多层卷积和池化，喂入两层的神经网络进行训练。训练过程中，网络的复杂性带来了过拟合等问题发生，为了防止算法产生过拟合现象，可以使用regularization和dropout层等策略，但使用过程中发现仍然不能很好地解决过拟合问题。参见图4。
4：PDR相对楼层变化推算。
本发明旨在发展平面PDR至三维空间，从而挖掘用户的高程变化信息，获取其楼层变化量。
在定位过程中，PDR通常需要和其他定位源进行结合，通过绝对定位源来给出一个初始的位置，在此位置的基础上，根据行人在不同的方向上行走的距离，解算出行人的实时位置，参见图5。PDR推算整个过程的数学表达形式为：
其中，xk+1和xk是连续两个位置的横坐标，yk+1和yk是连续两个位置的纵坐标，sk是行走方向上距离，是行走的方向角。
已知初始位置的坐标p0的坐标，通过以上提到的公式的推算，即可求出当前的位置坐标pk(xk，yk)和pk+1(xk+1，yk+1)。
当判断在在同一楼层时，行人步行过程中的采用“滑动窗口+峰值探测+零点交叉法”的步频探测方法，进行二维的推算。通过深度学习可以识别出上下楼的行为，一旦出现上下楼行为，此时就使用三维PDR推算模型，基于二维PDR技术，我们可以根据加速度的峰值探测出有效的步频，在有效步频的持续时间内检测俯仰角的变化，结合楼梯的台阶数目或者利用建筑物的楼梯的几何信息确定楼层。
将两种推算情况进行整合，对识别的行人上下楼行为进行标记，可将水平行走和上下楼的行为模式统一到一个推算方程中，三维坐标推算如下：
其中，Hw和Hh为楼梯的宽度和高度，m为行为标记，水平行走为0，上下楼为1，n为上楼或下楼标记，上楼为1，下楼为-1。
5：气压计经验公式建立和楼层推算。
本发明旨在利用手机内置气压计获取粗糙的绝对楼层信息。
气压测高是一种传统的测高手段，其依据的物理规律是大气压值会随海拨高程增加而减小，从而可通过建立气压高程模型，获取测量大气压力值，通过模型计算该大气压力值时的高程值。
实际上，大气压强会受到各种各样的因素影响，已知的影响因素包括经纬度、季节、天气、温度、湿度等。鉴于大气压强测高法受环境影响比较大，考虑到局部区域内大气运动、变化规律等物理特性比较接近，可以利用局域内已经测定、校准好的本地气压、温度值与待测点的气压、温度值做差分校正，获取基准点和待测点之间的精确高度差，进而推算出待测点的高度信息，高度计算公式如下：
其中，P为待测点的大气压强值，P0为参考点的大气压强值，H为待测点的海拔高度值，H0为参考点的海拔高度值，g为重力加速度，Rd＝287.05J/(kg·K)为干燥空气的气体常数，Tm可以由公式Tm＝(T0+T)/2简单计算得到，T为待测点的温度值，T0为参考点的温度值。
通常在气压测高中，是采用设立标校站的方式来测量高程，在室内定位中，可以采取在各建筑内部署基准站，以获取更准确的高程信息。即可在楼内建立气压基准站，将基准站气压和温度数据上传到服务器中，客户端上传数据时可同时上传气压数据和温度数据，获取位置与高程后回传到客户端中。室内定位中，高程运用一般是以楼层的方式来进行，故测量的高程可作为楼层判定的依据。
由于室内楼层高度是固定的，可以用来作为楼层判定的参照，因此本文提出并利用一种基于阈值的楼层判定方法，即先在各楼层高度上设定阈值，再在实际的楼层判定中，通过气压测得的高差值与真实的楼层高度值进行比较，若在阈值内，判定为该楼层，在阈值外，判定为不在该楼层。
差分气压测高辅助楼层判定主要处理过程如图6所示，首先利用基站的气压传感器获得气压信号值，并实时将气压及温度数据上传至定位服务器，在移动终端请求定位时，对实时同步气压信号及温度进行滤波处理，并进行高差解算，获得高差后进行楼层判定。需要注意的是，由于气压计本身的硬件差异和环境因素的不稳定性，本发明仅用于提供粗糙的楼层信息。
6：基于稀疏指纹库的WiFi最强AP楼层判断。
本发明旨在利用传统WiFi的强度信息获取较准确的绝对楼层信息。
利用在实验场景下建立好的WIFI指纹库，不同的楼层有自己的识别ID，可根据识别ID筛选出每个ID号下所包含的所有AP的Mac地址值及对应的最强信号强度RSSI值的绝对值，按楼层ID为单位分别建立各自楼层的指纹库F，每个楼层的指纹库格式如下：
在进行定位之前，根据智能移动端接收到的一组AP及信号强度值(RSSIAP1，RSSIAP2，RSSIAP3，...，RSSIAPn)，根据Mac地址比较相同AP的信号强度RSSI值大小，记录下每个楼层指纹库中弱于最强RSSI值的相同AP的个数，符合条件AP个数最多的楼层最有可能是所在楼层，多次连续判断相同即作为楼层结果输出，具体判断流程图如图7所示。
7、电梯楼层信息自然语言处理和楼层判断。
本发明旨在利用语音识别方法获取精确的绝对楼层信息。由于本发明仅限于楼层识别，因此只专注于关于电梯楼层播报的片段，具有高可实施性。
针对移动终端在直行电梯里，可以通过打开录音设备对电梯运行过程中所有的声音进行录入，通过对原始声音进行滤波从而得到电梯设备播报的楼层数。该技术主要有三大关键技术点：1、对声音进行自适应滤波处理以及加窗分帧2、声音端点检测3、特征提取。声音信号预处理：首先将数字化信号进行滤波，让信号通过式H1z＝1-uz-1，由于电梯播报信号需要计算短时能量和过零碎等情况，所以采用矩形窗将声音信号进行分帧，矩形窗定义式端点检测：要确定一段声音信号的起始和结束，将于系统识别无关的背景信号和噪声信号进行剔除，减少特征提取的计算量，该技术通过短时能量进行识别，短时能量定义特征提取：对于声音识别系统，目前有很多描述声音信号特征的参数，比如有短时能量，过零率、线性预测系数(LPC)、线性预测倒谱系数(LPCC)、梅尔倒谱系数(MFCC)、逆梅尔倒谱系数(IMFCC)等，将选用多种参数进行组合得到更好的结果一般都会选择多用特征进行组合，达到更好的识别效果。
该技术整体思路如图8所示，通过对电梯播报声音进行采样，进行一系列的处理得到较好的特征参数形成参考模板库。当移动终端获取声音的时候对声音信号进行噪声处理，用DTW模式匹配算法将声音和模板参考库进行匹配从而得到电梯播报的楼层数。
8、针对楼层识别系统的经典卡尔曼滤波融合方法。
本发明旨在基于以上技术手段提供的相对楼层信息和绝对楼层信息，利用Kalman滤波融合方法给出最优的当前楼层估计。
卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。其思想核心在于状态更新和时间更新的自回归过程，参见图9，亦如下公式描述：
具体到本发明，由于相对楼层信息仅有PDR算法提供，且用户仅可能处在楼梯/电梯/自动扶梯这三种状态之一，故它们不会相互冲突。因此，我们利用相对楼层信息构建楼层变化模型，用以进行预测。与之相对应，其余观测手段提供的绝对楼层变化将作为新息，用以改正预测值。
另外需要注意的是，由于模型采用相对楼层变化信息，因此需要对该卡尔曼滤波器进行初始化。初始信息由绝对楼层提供，如利用GNSS阈值法或者WiFi Mac地址KNN匹配算法用以识别建筑物和入口编号时可以顺便获取绝对楼层信息。其识别精度也相对较高。
如图10，本发明针对普适室内环境的智能楼层感知方法采取电梯/楼梯/扶梯的PDR相对楼层识别策略、WiFi最强AP信号识别绝对楼层策略、气压与楼层经验公式识别绝对楼层策略、GNSS信噪比阈值识别建筑物策略、自然语言处理技术，进行数据融合，实现用户所在楼层的精准感知。
下面结合具体实验对本发明作进一步描述。
根据以上思路，本发明初步设计了一个手机APP，并在武汉大学诗琳通中心(武汉遥感与空间信息工业技术研究院)设计了以下实验。实验1场地共五层楼，我们从户外走进实验场地，并连续的从一楼上楼梯直至五楼，在此过程中会在每层楼停留一段时间。
实验2发现本发明在连续的楼层判断过程中存在一定的时延(大致在5～10秒之间)，但正确率可基本保证。另外，我们设计了补充实验以测试楼层判断的正确率，具体操作是走遍实验场地每层楼的走廊和可抵达的房间，记录下每次楼层判断的结果(楼层判断输出频率为2秒一次)。五层楼的实验结果参见图11，发现本专利可保证楼层判断成功率高于90％。
当GNSS信号在建筑物密集的环境下，信息遮挡比较严重此时可以借助该系统进行建筑物的定位。
在室内进行导航定位无需人为切换楼层信息，可自动实现楼层信息感知。
将室内定位系统进行融合，很大程度上提高定位精度和用户体验效果。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种针对普适室内环境的智能楼层感知方法，其特征在于，所述针对普适室内环境的智能楼层感知方法包括：
采取电梯/楼梯/扶梯的PDR相对楼层识别策略、WiFi最强AP信号识别绝对楼层策略、气压与楼层经验公式识别绝对楼层策略、GNSS信噪比阈值识别建筑物策略、自然语言处理技术，进行数据融合，实现用户所在楼层的感知。
2.如权利要求1所述的针对普适室内环境的智能楼层感知方法，其特征在于，进行数据融合中，融合普适室内环境中容易获取的泛在信号，确定个人移动设备所在的空间楼层或其三维高程信息；所述个人移动设备包括手机、平板电脑、手环或其他移动终端；使用相同的匹配指纹库和匹配算法时，定位性能在不同移动设备上具有一致性。
3.如权利要求1所述的针对普适室内环境的智能楼层感知方法，其特征在于，根据不同泛在信号的特征，将楼层信息分为绝对楼层信息和相对楼层变化信息两类，利用卡尔曼滤波或其延伸的滤波融合技术，实现两类楼层信息的互补和充分利用；所述的融合技术包括卡尔曼滤波方法、卡尔曼滤波变种或者粒子滤波、贝叶斯概率融合技术；
普适环境下的泛在信号包括：大量布设且随处可得的WiFi信号发射源，和个人移动设备中普遍内置的录音器、惯性传感器件和气压计获取的对应信号；
绝对楼层信息包括录音器语音识别的楼层信息、气压计推算的楼层信息和WiFi最强信号接入点推算的楼层信息；相对楼层信息包括楼梯/电梯/自动扶梯场景下通过行人航迹推算获取的楼层信息；绝对楼层信息为用户具体所在空间楼层，而相对楼层信息为用户上下楼所发生的楼层变化量。
4.如权利要求1所述的针对普适室内环境的智能楼层感知方法，其特征在于，在有语音提示功能的电梯环境下，录音器通过捕捉电梯关键播报字段如数字信息，识别用户当前所在楼层；
在用户/终端可提供气压观测值的前提下，利用差分气压测量和经验公式直接推算用户所在楼层，允许误差范围为上下各一层；
WiFi最强接入点为当前楼层统计意义上的RSSI信号最强，包括WiFi无线路由器和专用信号发射器；每层楼有一个或一系列最强信号源，通过排序对比当前最强信号和先验最强信号源，判断当前用户所在楼层；
利用手机内置惯性传感器，基于深度学习或其它机器学习方法，进行场景识别；实现的场景包括：非爬楼状态/楼梯/直达式电梯/商场手扶式电梯；
基于楼梯/直达式电梯/商场手扶式电梯三种场景，构建基于惯性传感器数据的运动模型或者提取运动特征；基于深度学习或其它机器学习方法，实现相对楼层的感知。
5.如权利要求1所述的针对普适室内环境的智能楼层感知方法，其特征在于所述的针对普适室内环境的智能楼层感知方法具体包括：
步骤一：明确需要定位的建筑物地址；搜集建筑物的各个入口信息；
步骤二：搜集各入口的WiFi Mac地址信息；确定入口处的GNSS阈值信息；
步骤三：搜集建筑物电梯语音播报关键字段；
步骤四：搜集每层楼WiFi RSSI强度信息，稀疏程度为每10米采集一次。
步骤五：测量每层楼的气压信息并建立回归模型；
步骤六：携带移动设备实时获取当前GNSS信号/WIFi地址/WiFi强度信息惯性传感器数据/气压计数据；
步骤七：根据当前获取数据，分别判断绝对楼层信息和相对楼层变化信息；
步骤八：如融合滤波器未初始化，则将绝对楼层信息作为初值初始化滤波器；
步骤九：输入绝对/相对楼层信息驱动融合滤波器，输出最优楼层估计；
步骤十：重复步骤六、七、八、九，直到任务结束。
6.一种针对普适室内环境的智能楼层感知计算机程序，其特征在于，所述针对普适室内环境的智能楼层感知计算机程序实现权利要求1～5任意一项所述的针对普适室内环境的智能楼层感知方法。
7.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-5任意一项所述的针对普适室内环境的智能楼层感知方法。
8.一种实现权利要求1所述针对普适室内环境的智能楼层感知方法的针对普适室内环境的智能楼层感知控制系统，其特征在于，所述针对普适室内环境的智能楼层感知控制系统包括：室外到室内无缝定位模块、楼层绝对位置的感知模块、楼层相对位置的感知模块、楼层判断决策模块；
室外到室内无缝定位模块，通过识别智能手机的GNSS信号强度的变化率以及信号强度感知室内室外的过渡，通过WIFI的MAC地址感知建筑物楼栋和入口编号，从而将室外和室内进行无缝地对接；
楼层绝对位置的感知模块，智能感知用户到室内智能切换定位源，对接收到的MAC地址和RSS进行高斯滤波算法处理，智能识别每个楼层对应的唯一的MAC地址，以及手机气压计信息来反算出所在楼层信息；
楼层相对位置的感知模块，通过多种数据源进行识别，包括用PDR来智能识别此刻的运动状态，用手机气压计和智能语音识别感知运动状态，用定位地图和PDR数据结合判断运动状态，三者数据结合可以推算出运动前后的相对位置关系；
所述的楼层判断决策模块，将上述的建筑物信息、绝对楼层信息、相对楼层信息进行融合最后推算出确定的楼层信息。
9.如权利要求8所述的针对普适室内环境的智能楼层感知控制系统，其特征在于，室外到室内无缝定位模块至少包括：
GNSS信号提取模块，用来比较室外和室内GNSS信号的差别和信号强度差值，选取一个阈值，就可以初步智能判断室外和室内；
GNSS信号的信噪比测量模块，在不同的建筑物场景下，在室外到室内过渡过程中卫星信号的信噪比是不同的，通过测量不同场景下的SNR确定合理的阈值；
WIFI的MAC获取模块，每一个AP发布的MAC地址都有唯一性，通过获取不同建筑物的MAC地址建立WIFI指纹库，感知建筑物附近的WIFI信号，通过朴素贝叶斯算法识别所在楼层信息；
数据融合模块，基于GNSS、WIFI信号多源数据的切换算法，在持续对GNSS信号进行测量SNR的同时在过渡区域识别WiFi的MAC地址进行多阈值判断进行室内外无缝定位；
建立WIFI指纹库是在测试的场景通过手机进行采集WIFI，将采集到的信息作为已知的数据作为下次感知识别的基础数据；
所述的楼层绝对位置的感知模块至少包括：
WIFI信号强度提取模块，用在实验场景下建立好的WIFI指纹库，不同的楼层有不同的识别ID，通过识别不同的楼层ID号判断楼层；
手机气压计模块，根据楼层和气压的传统经验公式P＝P0×(1-H/44300)^5.256或者其改进公式，获取楼层信息；
语音智能识别模块采样子模块，通过机器学习的方法，打开手机的麦克风权限，获取外界的声音并从中提取出电梯播放的特有声音，获取楼层的位置信息；
楼层相对位置的感知模块至少包括：
楼梯识别模块，通过获取手机内置陀螺仪和加速度计来识别人的行走状态从而进行识别是否在走楼梯，通过步数进行估计行走台阶数从而间接地推算出相对楼层变化；
直行电梯识别模块，通过获取手机内置陀螺仪和加速度计、气压计来识别人的运动状态，同时通过语音智能识别模块识别电梯楼层播报信息从而准备地获知相对地楼层变化；
扶梯识别模块，通过室内地图信息以及WiFi指纹库匹配和获取手机内置陀螺仪和加速度计来识别人的行走状态，通过三种信息的融合来估计扶梯上/下的状态。
10.如权利要求8所述的针对普适室内环境的智能楼层感知控制系统，其特征在于，手机内置陀螺仪和加速度计来识别人的行走状态是利用人行走的过程中有加速度从增加到减小的一个渐变过程，通过对每次渐变过程进行卡尔曼滤波得到一系列有峰值和峰谷的连续曲线，对曲线进行分析识别此刻的行走状态；
楼层判断决策模块包括：
室内地图信息提取模块，室内地图是二维地图，当导航位置点处于地图标记的扶梯式电梯标记处一段时间，为在乘电梯；同时结合PDR和WIFI的MAC地址综合判断此刻的行走状态；
多源融合模块，提取绝对楼层信息和相对楼层变化信息，进行卡尔曼自适应滤波，获得最优楼层信息。
CN201811408590.6A 2018-11-23 2018-11-23 一种针对普适室内环境的智能楼层感知方法及控制系统 Expired - Fee Related CN109525935B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811408590.6A CN109525935B (zh) 2018-11-23 2018-11-23 一种针对普适室内环境的智能楼层感知方法及控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811408590.6A CN109525935B (zh) 2018-11-23 2018-11-23 一种针对普适室内环境的智能楼层感知方法及控制系统

Publications (2)

Publication Number Publication Date
CN109525935A true CN109525935A (zh) 2019-03-26
CN109525935B CN109525935B (zh) 2021-01-15

Family

ID=65777477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811408590.6A Expired - Fee Related CN109525935B (zh) 2018-11-23 2018-11-23 一种针对普适室内环境的智能楼层感知方法及控制系统

Country Status (1)

Country Link
CN (1) CN109525935B (zh)

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109982245A (zh) * 2019-04-04 2019-07-05 南京邮电大学 一种室内实时三维定位方法
CN110781122A (zh) * 2019-09-26 2020-02-11 广东小天才科技有限公司 楼层电磁信号关联方法、装置、设备及存储介质
CN111275088A (zh) * 2020-01-16 2020-06-12 广东小天才科技有限公司 一种建筑模型的构建方法、系统及存储介质
CN111366963A (zh) * 2019-12-17 2020-07-03 广东小天才科技有限公司 一种室内位置数据采集方法及数据采集装置
CN111457925A (zh) * 2020-04-15 2020-07-28 湖南赛吉智慧城市建设管理有限公司 社区路径导航方法、装置、计算机设备及存储介质
CN111638537A (zh) * 2020-08-03 2020-09-08 成都瑞达科讯科技有限公司 一种室内室外多技术融合定位方法
CN111750917A (zh) * 2019-08-25 2020-10-09 广东小天才科技有限公司 一种楼层间移动方式的识别方法、装置及智能设备
CN111751849A (zh) * 2019-07-31 2020-10-09 广东小天才科技有限公司 一种基于可穿戴设备的室内定位方法及可穿戴设备
CN111750851A (zh) * 2019-09-10 2020-10-09 广东小天才科技有限公司 一种楼层间移动方式的识别方法、装置及智能设备
CN111751848A (zh) * 2019-06-14 2020-10-09 广东小天才科技有限公司 一种节省功耗的方法及电子设备
CN111757262A (zh) * 2019-07-31 2020-10-09 广东小天才科技有限公司 基于电子围栏的定位提醒方法、系统及可穿戴设备
WO2020238086A1 (zh) * 2019-05-31 2020-12-03 广东小天才科技有限公司 一种楼栋位置的确定方法及终端设备
CN112804748A (zh) * 2021-01-05 2021-05-14 腾讯科技（深圳）有限公司 定位方法、定位服务器、终端、移动基站及存储介质
CN112880660A (zh) * 2021-01-09 2021-06-01 西安交通大学 一种智能建筑WiFi和红外热成像仪的融合定位系统及方法
CN112996103A (zh) * 2019-12-16 2021-06-18 深圳拓邦股份有限公司 一种室内定位方法、装置、定位设备、机器人及存储介质
CN113008268A (zh) * 2021-02-05 2021-06-22 中国科学院空天信息创新研究院 一种基于台阶检测的穿戴式行人定位高程校正方法
CN113277392A (zh) * 2021-04-28 2021-08-20 上海有个机器人有限公司 一种基于高斯分布模型的电梯楼层高度标定方法、电子设备及存储介质
CN113556666A (zh) * 2020-04-03 2021-10-26 广州迈傲信息科技有限公司 一种室内环境下的楼层定位方法
CN113570295A (zh) * 2020-04-28 2021-10-29 北京三快在线科技有限公司 交付方式判别方法、装置、存储介质及电子设备
CN113747566A (zh) * 2021-08-27 2021-12-03 深圳市前海智车科技有限公司 一种基于Beacon信号的楼层定位方法、系统、移动终端及存储介质
CN113866800A (zh) * 2021-12-03 2021-12-31 深圳市麦微智能电子有限公司 一种gnss高精度导航信息汇总系统
WO2022021040A1 (zh) * 2020-07-28 2022-02-03 蜂图志科技控股有限公司 一种定位方法、装置、移动终端、存储介质
CN114125696A (zh) * 2020-08-31 2022-03-01 华为技术有限公司 多楼层建筑的指纹地图的构建方法、定位方法及装置
CN114608523A (zh) * 2021-12-30 2022-06-10 西南科技大学 一种高精度与高稳定性的气压测高系统
CN115060253A (zh) * 2022-05-31 2022-09-16 广东职业技术学院 走失寻迹方法、系统、设备及计算机存储介质
CN115616640A (zh) * 2022-10-28 2023-01-17 北斗天地(北京)科技有限公司 一种智能手机gnss气压计组合定位方法
CN115924664A (zh) * 2022-12-23 2023-04-07 泰州雷德波达定位导航科技有限公司 一种垂直电梯识别方法、系统、介质、设备、终端及应用
CN116184312A (zh) * 2022-12-22 2023-05-30 泰州雷德波达定位导航科技有限公司 一种基于语义Wi-Fi的室内众源指纹库构建方法
CN117309186A (zh) * 2023-11-30 2023-12-29 烟台华孚制冷设备有限公司 制冷冰淇淋机实时温度监测系统及方法
CN117395340A (zh) * 2023-08-31 2024-01-12 重庆市特种设备检测研究院 一种基于粒子滤波的智能手机测试电梯运行参数的方法、系统及介质
CN117890949A (zh) * 2024-03-14 2024-04-16 山东科技大学 一种顾及mac地址的gnss和rssi融合定位方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130053064A1 (en) * 2011-08-31 2013-02-28 Snu R&Db Foundation Method and apparatus for determining heading angle in wireless lan
CN104501796A (zh) * 2014-12-16 2015-04-08 重庆邮电大学 一种室内wlan/mems融合跨楼层3维定位方法
CN105371847A (zh) * 2015-10-27 2016-03-02 深圳大学 一种室内实景导航方法及系统
CN105682022A (zh) * 2015-12-30 2016-06-15 华东师范大学 一种基于Android设备的室内外无缝定位系统及其定位方法
CN106500690A (zh) * 2016-09-22 2017-03-15 中国电子科技集团公司第二十二研究所 一种基于多模态融合的室内自主定位方法和装置
CN106779447A (zh) * 2016-12-28 2017-05-31 南京建工集团有限公司 一种融合bim的rfid的建筑工人智能管理系统及方法
CN106888426A (zh) * 2017-03-03 2017-06-23 深圳墨兔科技有限公司 一种蓝牙、WiFi及惯导技术融合的室内定位方法以及系统
CN107094319A (zh) * 2016-02-17 2017-08-25 王庆文 一种高精度室内外融合定位系统和方法
CN107339990A (zh) * 2017-06-27 2017-11-10 北京邮电大学 多模式融合定位系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130053064A1 (en) * 2011-08-31 2013-02-28 Snu R&Db Foundation Method and apparatus for determining heading angle in wireless lan
CN104501796A (zh) * 2014-12-16 2015-04-08 重庆邮电大学 一种室内wlan/mems融合跨楼层3维定位方法
CN105371847A (zh) * 2015-10-27 2016-03-02 深圳大学 一种室内实景导航方法及系统
CN105682022A (zh) * 2015-12-30 2016-06-15 华东师范大学 一种基于Android设备的室内外无缝定位系统及其定位方法
CN107094319A (zh) * 2016-02-17 2017-08-25 王庆文 一种高精度室内外融合定位系统和方法
CN106500690A (zh) * 2016-09-22 2017-03-15 中国电子科技集团公司第二十二研究所 一种基于多模态融合的室内自主定位方法和装置
CN106779447A (zh) * 2016-12-28 2017-05-31 南京建工集团有限公司 一种融合bim的rfid的建筑工人智能管理系统及方法
CN106888426A (zh) * 2017-03-03 2017-06-23 深圳墨兔科技有限公司 一种蓝牙、WiFi及惯导技术融合的室内定位方法以及系统
CN107339990A (zh) * 2017-06-27 2017-11-10 北京邮电大学 多模式融合定位系统及方法

Cited By (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109982245A (zh) * 2019-04-04 2019-07-05 南京邮电大学 一种室内实时三维定位方法
CN109982245B (zh) * 2019-04-04 2021-01-05 南京邮电大学 一种室内实时三维定位方法
WO2020238086A1 (zh) * 2019-05-31 2020-12-03 广东小天才科技有限公司 一种楼栋位置的确定方法及终端设备
CN111751848A (zh) * 2019-06-14 2020-10-09 广东小天才科技有限公司 一种节省功耗的方法及电子设备
CN111757262B (zh) * 2019-07-31 2022-08-26 广东小天才科技有限公司 基于电子围栏的定位提醒方法、系统及可穿戴设备
CN111757262A (zh) * 2019-07-31 2020-10-09 广东小天才科技有限公司 基于电子围栏的定位提醒方法、系统及可穿戴设备
CN111751849A (zh) * 2019-07-31 2020-10-09 广东小天才科技有限公司 一种基于可穿戴设备的室内定位方法及可穿戴设备
CN111750917A (zh) * 2019-08-25 2020-10-09 广东小天才科技有限公司 一种楼层间移动方式的识别方法、装置及智能设备
CN111750851A (zh) * 2019-09-10 2020-10-09 广东小天才科技有限公司 一种楼层间移动方式的识别方法、装置及智能设备
CN110781122A (zh) * 2019-09-26 2020-02-11 广东小天才科技有限公司 楼层电磁信号关联方法、装置、设备及存储介质
CN112996103A (zh) * 2019-12-16 2021-06-18 深圳拓邦股份有限公司 一种室内定位方法、装置、定位设备、机器人及存储介质
CN111366963A (zh) * 2019-12-17 2020-07-03 广东小天才科技有限公司 一种室内位置数据采集方法及数据采集装置
CN111275088B (zh) * 2020-01-16 2024-02-20 广东小天才科技有限公司 一种建筑模型的构建方法、系统及存储介质
CN111275088A (zh) * 2020-01-16 2020-06-12 广东小天才科技有限公司 一种建筑模型的构建方法、系统及存储介质
CN113556666A (zh) * 2020-04-03 2021-10-26 广州迈傲信息科技有限公司 一种室内环境下的楼层定位方法
CN111457925A (zh) * 2020-04-15 2020-07-28 湖南赛吉智慧城市建设管理有限公司 社区路径导航方法、装置、计算机设备及存储介质
CN111457925B (zh) * 2020-04-15 2022-03-22 湖南赛吉智慧城市建设管理有限公司 社区路径导航方法、装置、计算机设备及存储介质
CN113570295A (zh) * 2020-04-28 2021-10-29 北京三快在线科技有限公司 交付方式判别方法、装置、存储介质及电子设备
WO2022021040A1 (zh) * 2020-07-28 2022-02-03 蜂图志科技控股有限公司 一种定位方法、装置、移动终端、存储介质
CN114208221B (zh) * 2020-07-28 2024-06-07 蜂图志科技控股有限公司 一种定位方法、装置、移动终端、存储介质
CN114208221A (zh) * 2020-07-28 2022-03-18 蜂图志科技控股有限公司 一种定位方法、装置、移动终端、存储介质
CN111638537A (zh) * 2020-08-03 2020-09-08 成都瑞达科讯科技有限公司 一种室内室外多技术融合定位方法
CN114125696A (zh) * 2020-08-31 2022-03-01 华为技术有限公司 多楼层建筑的指纹地图的构建方法、定位方法及装置
CN112804748A (zh) * 2021-01-05 2021-05-14 腾讯科技（深圳）有限公司 定位方法、定位服务器、终端、移动基站及存储介质
CN112880660B (zh) * 2021-01-09 2022-10-25 西安交通大学 一种智能建筑WiFi和红外热成像仪的融合定位系统及方法
CN112880660A (zh) * 2021-01-09 2021-06-01 西安交通大学 一种智能建筑WiFi和红外热成像仪的融合定位系统及方法
CN113008268B (zh) * 2021-02-05 2023-02-17 中国科学院空天信息创新研究院 一种基于台阶检测的穿戴式行人定位高程校正方法
CN113008268A (zh) * 2021-02-05 2021-06-22 中国科学院空天信息创新研究院 一种基于台阶检测的穿戴式行人定位高程校正方法
CN113277392B (zh) * 2021-04-28 2024-02-02 上海有个机器人有限公司 一种基于高斯分布模型的电梯楼层高度标定方法、电子设备及存储介质
CN113277392A (zh) * 2021-04-28 2021-08-20 上海有个机器人有限公司 一种基于高斯分布模型的电梯楼层高度标定方法、电子设备及存储介质
CN113747566A (zh) * 2021-08-27 2021-12-03 深圳市前海智车科技有限公司 一种基于Beacon信号的楼层定位方法、系统、移动终端及存储介质
CN113866800A (zh) * 2021-12-03 2021-12-31 深圳市麦微智能电子有限公司 一种gnss高精度导航信息汇总系统
CN114608523A (zh) * 2021-12-30 2022-06-10 西南科技大学 一种高精度与高稳定性的气压测高系统
CN114608523B (zh) * 2021-12-30 2023-09-15 西南科技大学 一种高精度与高稳定性的气压测高系统
CN115060253A (zh) * 2022-05-31 2022-09-16 广东职业技术学院 走失寻迹方法、系统、设备及计算机存储介质
CN115616640A (zh) * 2022-10-28 2023-01-17 北斗天地(北京)科技有限公司 一种智能手机gnss气压计组合定位方法
CN115616640B (zh) * 2022-10-28 2023-10-20 北斗天地(北京)科技有限公司 一种智能手机gnss气压计组合定位方法
CN116184312B (zh) * 2022-12-22 2023-11-21 泰州雷德波达定位导航科技有限公司 一种基于语义Wi-Fi的室内众源指纹库构建方法
CN116184312A (zh) * 2022-12-22 2023-05-30 泰州雷德波达定位导航科技有限公司 一种基于语义Wi-Fi的室内众源指纹库构建方法
CN115924664A (zh) * 2022-12-23 2023-04-07 泰州雷德波达定位导航科技有限公司 一种垂直电梯识别方法、系统、介质、设备、终端及应用
CN117395340A (zh) * 2023-08-31 2024-01-12 重庆市特种设备检测研究院 一种基于粒子滤波的智能手机测试电梯运行参数的方法、系统及介质
CN117309186B (zh) * 2023-11-30 2024-05-28 烟台华孚制冷设备有限公司 制冷冰淇淋机实时温度监测系统及方法
CN117309186A (zh) * 2023-11-30 2023-12-29 烟台华孚制冷设备有限公司 制冷冰淇淋机实时温度监测系统及方法
CN117890949A (zh) * 2024-03-14 2024-04-16 山东科技大学 一种顾及mac地址的gnss和rssi融合定位方法
CN117890949B (zh) * 2024-03-14 2024-05-24 山东科技大学 一种顾及mac地址的gnss和rssi融合定位方法

Also Published As

Publication number Publication date
CN109525935B (zh) 2021-01-15

Similar Documents

Publication Publication Date Title
CN109525935A (zh) 一种针对普适室内环境的智能楼层感知方法及控制系统
CN110118549B (zh) 一种多源信息融合定位方法和装置
Abdelnasser et al. SemanticSLAM: Using environment landmarks for unsupervised indoor localization
Potorti et al. The IPIN 2019 indoor localisation competition—Description and results
US9758183B2 (en) Location fingerprinting for transit systems
Elbakly et al. TrueStory: Accurate and robust RF-based floor estimation for challenging indoor environments
US9392415B2 (en) Modeling connectivity of transit systems
CN106441302B (zh) 大型开放式区域内的室内定位方法
CN108225304A (zh) 基于多源传感器室内快速定位方法与系统
US10757671B2 (en) Location fingerprinting for a transit system
CN109874112A (zh) 一种定位的方法及终端
CN111491367A (zh) 一种基于群智感知和多融合技术的室内定位算法
CN108632761A (zh) 一种基于粒子滤波算法的室内定位方法
CN107576330A (zh) 一种基于wlan指纹的室内动态感知策略的定位方法
CN114608560B (zh) 一种基于智能终端传感器的无源组合室内定位系统及方法
Wang et al. An adaptive indoor positioning method using multisource information fusion combing Wi-Fi/MM/PDR
CN117203492A (zh) 地图匹配轨迹
Yu et al. Floor positioning method indoors with smartphone’s barometer
CN109819406B (zh) 一种基于众包的室内定位方法
Gu et al. Integration of positioning and activity context information for lifelog in urban city area
Nguyen et al. Smartphone-based indoor tracking in multiple-floor scenarios
Yu et al. Effective fingerprint extraction and positioning method based on crowdsourcing
Gong et al. An enhanced indoor positioning solution using dynamic radio fingerprinting spatial context recognition
Wang et al. Recent advances in floor positioning based on smartphone
CN104202818A (zh) 一种基于建筑物开放边缘距离加权的楼层识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210115

CF01 Termination of patent right due to non-payment of annual fee