CN110118549B - 一种多源信息融合定位方法和装置 - Google Patents

Abstract

本发明涉及一种多源信息融合定位方法和装置。该方法包括：1)利用智能终端内部集成的传感器进行航迹推断；2)利用蓝牙传感器进行加权质心定位和信号序列匹配定位；3)利用Wi‑Fi传感器进行加权质心定位和信号序列匹配定位；4)将步骤1)得到的航迹推断结果和步骤2)、步骤3)得到的定位结果进行融合处理，得到最终的定位结果。本发明采用基于惯导/蓝牙/Wi‑Fi的融合定位方式，能够有效发挥各种定位技术的优势，实现高精度定位导航。本发明的定位成本低、部署方便、覆盖范围广，具有很强的场景适应性，能够提供实时、连续、准确的位置信息，可以广泛应用于各种室内定位场景中。

Description

一种多源信息融合定位方法和装置

技术领域

本发明涉及在三维场景下的多模融合定位技术，融合采用了多种传感器信息，包括Wi-Fi、蓝牙、加速度传感器、陀螺仪、方向传感器等，构建了包括计步器、精准航向估计和步长估计、加权质心算法、蓝牙/Wi-Fi信号序列匹配及多源信息融合模块，来实现一种惯导/蓝牙/Wi-Fi多源信息融合定位方法和装置。

背景技术

近年来，随着经济的不断发展和虚拟现实、图形学的不断发展和进步，三维导航和实时定位服务在紧急救助、人员定位、灾害预防、物流管理、设备检测、个性化信息传递等众多领域的需求也日益增大，各种无线技术被应用于定位导航领域中，用来获取用户或物体的位置信息。全球卫星定位系统GPS(Global Position System)具有覆盖范围广、定位精度高、功能全和性能优良等优势，在多个领域如车载、地形勘测、手机终端应用等都已经得到了广泛应用。GPS系统虽然能够较好地解决室外定位问题，但是对于复杂室内定位环境，由于墙壁及障碍物的遮挡使得卫星信号的强度急速下降，导致定位精度不高或无法完成定位，也缺少高度信息，同时也伴随着能耗高、响应慢，效率低等典型问题，因此难以应用于室内定位场景。

惯性导航技术不需要获取环境信息，它仅仅利用安装在对应载体装置上的惯性敏感器件获取加速度、角速度等信息，结合对应载体装置的初始位置与基准方向便可以推导出对应载体装置的运动方向、运动速度、位置等信息。惯性导航定位不需要部署任何的基础设施，同时也不需要对环境信息进行采集，具有普适性。BLE技术是低成本、短距离、可互操作的鲁棒性无线技术，基于蓝牙4.0协议，能耗非常低，一个低功耗蓝牙设备使用单节纽扣电池可以工作几个月甚至几年，同时蓝牙信号覆盖范围广，在室外环境下蓝牙信标的覆盖范围可以达到70m以内，在室内环境下根据室内环境分布不同蓝牙信标的覆盖范围在15-40m左右，非常适合用于室内低功耗高精度定位。WLAN网络产品成熟、成本低廉，使得WLAN网络可以实际环境中大规模普及，是普及度最高的室内定位技术，定位技术较为成熟与完善，此外，WLAN网络已经广泛部署于人们的日常生活中，具有较高的可用性。

不同的定位方法有各自擅长的定位场景，同时所需基础设施、定位开销、定位精度以及定位成本各有优劣，为扩展定位范围，增强场景适应性，提高定位精度及定位系统鲁棒性，对多种定位技术进行有机融合，相互取长补短，能有效扩展定位覆盖范围和提高定位精度，能够解决完成单模不能实现的定位，同时有利于实现全时空性(无缝隙、无死角，全天候)定位，已成为室内外全空间定位导航技术的发展趋势。

发明内容

本发明提供一种多源信息融合定位方法和装置，采用基于惯导/蓝牙/Wi-Fi的融合定位方式，能够有效发挥各种定位技术的优势，实现高精度定位导航。

本发明采用的技术方案如下：

一种多源信息融合定位方法，包括以下步骤：

1)利用智能终端内部集成的传感器进行航迹推断；

2)利用蓝牙传感器进行加权质心定位和信号序列匹配定位；

3)利用Wi-Fi传感器进行加权质心定位和信号序列匹配定位；

4)将步骤1)得到的航迹推断结果和步骤2)、步骤3)得到的定位结果进行融合处理，得到最终的定位结果。

进一步地，所述航迹推断包括步子检测、步长估计和航向估计三个步骤；通过对加速度传感器采集的数据进行处理，将标准差和最大自相关系数与阈值比较，来进行所述步子检测；根据用户步频和加速度来进行所述步长估计；通过对手机陀螺仪和磁强计采集的数据进行处理来进行所述航向估计。

进一步地，所述加权质心定位采用改进的加权质心定位算法，对每一个蓝牙/Wi-Fi信标权重引入修正因子以减少定位误差。

进一步地，所述信号序列匹配定位包括离线训练和在线定位两个阶段，所述离线训练阶段对场景中的可达路径进行蓝牙/Wi-Fi信号采样，并构建蓝牙/Wi-Fi信号序列指纹库；所述在线定位阶段首先使用移动智能终端的蓝牙/Wi-Fi信号进行初始化航迹推断，以提供初始位置，随后将采集的蓝牙/Wi-Fi信号序列和离线阶段采集的带有位置信息的蓝牙/Wi-Fi信号序列指纹进行相似度匹配计算，获得信号序列匹配定位结果，最后使用蓝牙/Wi-Fi信号序列匹配定位结果校准航迹推断误差，提高定位精度。

进一步地，步骤2)和步骤3)基于改进的加权质心定位算法与信号序列匹配算法进行融合定位：改进的加权质心算法的输入坐标表示为W，信号序列匹配算法的输出坐标表示为B，初始定位坐标采用基于改进的加权质心算法的输出坐标，当信号序列长度满足指定的阈值要求时，分别对两种定位算法输出坐标赋予不同权重α与(1-α)，权重系数根据实际情况进行动态调整，得到最终输出坐标F：F＝α*W+(1-α)*B。

进一步地，步骤4)基于场景和置信度进行所述融合处理：首先根据当前位置能收到Wi-Fi/蓝牙信标密集程度和信号强度确定Wi-Fi/蓝牙定位是否可用，如果不可用系统直接使用INS定位结果，如果可用则先计算Wi-Fi/蓝牙定位结果与INS定位结果的欧式距离判断该Wi-Fi/蓝牙定位定位结果是否合理，若合理根据Wi-Fi/蓝牙定位置信度确定融合权重；不断重复上述步骤直至定位结束。

一种多源信息融合定位系统，其包括：

航迹推断模块，负责利用智能终端内部集成的传感器进行航迹推断；

加权质心定位模块，负责利用蓝牙传感器和Wi-Fi传感器进行加权质心定位；

信号序列匹配定位模块，负责利用蓝牙传感器和Wi-Fi传感器进行信号序列匹配定位；

融合处理模块，负责将航迹推断结果、加权质心定位结果和信号序列匹配定位结果进行融合处理，得到最终的定位结果。

本发明采用基于惯导/蓝牙/Wi-Fi的融合定位方式，通过高精度计步器输出准确计步，并基于用户不同行走状态下进行动态步长调整，采用实时混合航向估计，从而获取更为准确的航迹推算，利用基于改进定位加权方法与序列匹配算法，综合利用环境中存在的蓝牙、Wi-Fi信息，获取可靠的室内定位坐标，最后通过多源信息融合框架动态调整定位策略，并基于场景动态调整多种定位引擎置信度，有效发挥各种定位技术的优势，实现高精度定位导航。基于惯导/蓝牙/Wi-Fi多源信息融合定位系统定位成本低、部署方便、覆盖范围广，具有很强的场景适应性，能够提供实时、连续、准确的位置信息，可以广泛应用于各种室内定位场景中。

附图说明

图1是航迹推断流程图。

图2是手机方向示意图。

图3是定位算法示意图。

图4是蓝牙/Wi-Fi信标部署示意图。

图5是蓝牙信号序列定位流程图。

图6是DTW匹配示意图。

图7是多源信息融合框架图。

图8是基于场景区分的数据融合流程图。

图9是实施例中实验场景示意图。

图10是实施例中定位精度示意图。

具体实施方式

下面通过具体实施例和附图，对本发明做进一步详细说明。

面向日益增长的室内移动位置信息服务应用需求，针对建筑物中空区域准确区分楼层、易部署(尽可能减少对定位基础设施的依赖)、高精度定位应用需求，本发明对惯性导航/蓝牙定位/Wi-Fi定位进行有机融合，并提出一种基于惯导/蓝牙定位/Wi-Fi多源信息融合的高精度室内定位方法及装置，发挥各自优势，扩展定位覆盖范围，提高定位精度及实时性。

一、虚拟环境的创建

本发明构建虚拟的数字地球，再根据建筑图纸或测量，进行1:1建模，实现将现实虚拟化，并在虚拟的三维环境中进行室内定位。

1、创建数字地球

根据1:1的比例创建数字地球，计算数字地球上的顶点的正余弦值，设经度为dLon，纬度为dLat，高度为dHei。则：

cosLat＝cos(dLat*3.1415926/180.0)

sinLat＝sin(dLat*3.1415926/180.0)

cosLon＝cos(dLon*3.1415926/180.0)

sinLon＝sin(dLon*3.1415926/180.0)

则此位置对应到球心的长度(即此位置到球心的距离)为：

Lenth＝赤道半径/sqrt(1.0–偏率的平方*sinLat*sinLat)

则此位置对应的空间坐标系的坐标值为：

x＝(Lenth+dHei)*cosLat*sinLon

y＝(Lenth*(1.0-偏率的平方)+dHei)*sinLat

z＝(Lenth+dHei)*cosLat*cosLat*cosLon

2、创建三维场景

根据建筑图纸或实地测量，进行1:1建模，形成三维场景，当场景比较大时，采用无人机或是带有镜深的相机进行建模，然后通过三维引擎进行加载。在三维场景的基础上，再进行定位。

二、航迹推断

航迹推断技术使用加速度传感器(或称加速度计)、陀螺仪以及罗盘，估计目标位置，不需要借助外界基础设施，工作不受气象条件的限制，不需要前期训练工作，仅依赖设备自身就可以自主提供连续位置服务。针对当前航迹推断的航程与航向问题，本发明提出了基于加速传感器的高精度计步器(用于检测用户一段时间内行走了多少步)以及混合航向估计技术。针对航迹推断过程中由于传感器信号噪声导致定位误差随着时间不断累积的难题，本发明基于蓝牙信号/Wi-Fi设计多种航迹校准方案，多模校准系统根据用户所处室内环境触发其中一种或多种校准方案来提高室内定位精度。

航迹推断根据运动规律、运动速度和运动方向计算下一时刻物体所处位置信息。在初始位置、行走步长和行走方向已知的前提下，行人航迹推断算法可以推算出行人的下一时刻的位置信息。通常情况下，行人航迹推断算法如图1示，由步子检测(也称为步伐检测)、步长估计和航向估算三部分构成。智能终端内部集成有各种传感器，本发明通过调用相关传感器API并使各种传感器工作在固定的频率上(比如100次/秒)来实现行人航迹推断。

1、步子检测

本发明通过对手机加速度传感器采集的数据进行处理，分别将标准差和最大自相关系数与阈值比较，对用户的静止与运动状态进行有效识别。

(1)通过加速度传感器采集手机的三轴加速度数据，对三轴加速度进行求模得到A并存储在一个队列中，见下面公式(1)；

其中，A_x、A_y、A_z分别代表加速度在手机坐标系中沿着X轴、Y轴和Z轴的分量大小，A代表加速度模值。

(2)以两步为一个采集单位，对用户行走信息进行采集获取，即采集用户行走过程中所持手机的加速度传感器的加速度值。将用户行走时产生的加速度值计算求模后存在了一个队列中，队列长度是指队列中加速度模值的总个数。

将加速度传感器的采样频率设为50次/秒，也就是一秒钟可以采集50个加速度传感器的加速度值，一个人走两步的时间大约可以采集40-100个加速度传感器的加速度值。采用自相关算法，计算每两步采集的加速度模值之间的自相关性，即左脚和右脚各前进一步进行其产生的加速度模值的自相关计算。

由于不同用户在行走速度上存在差异，因此每个人走两步的所用时间不同导致采集的数据量也不同；考虑使用一个长度可变的窗口，该窗口长度在40到100之间即设置两步的数据量最小值Tmin＝40和最大值Tmax＝100用来进行传感器数据采集，当队列长度达到Tsize＝200时开始进行计算。

(3)当队列长度大于Tsize时进行求标准差STD和自相关系数AF计算，两者计算公式如公式(2)与公式(3)所示；

公式(2)中，STD是标准差，a_t是每个数据的值，μ是从k＝0到k＝t-1个数据的均值，N是数据的总个数；t的值是从Tmin取到Tmax；

公式(3)中，AF是自相关系数，m是指从队列中第m个数据开始进行自相关计算，σ(m,t)是从第m个到m+t个数据的标准差，σ(m+t,t)是指从m+t到m+2t个数据的标准差，a表示每个数据的值，和公式(2)中a_t的意义相同。

(4)取从Tmin到Tmax范围内得到最大自相关系数AF_max时的t作为Topt，Topt就是取得最大自相关系数时两步行走的数据量大小；

(5)根据标准差STD和最大自相关系数AF_max进行计步判别，并清除处理过的数据。

计步判别是判断用户是否在走路产生步数。将计算得到的标准差STD和自相关系数AF_max与进行多次实验得到的经验阈值进行比较来进行计步判别。

由于将加速度的模值存储在数列(队列)中，每走两步就会进行自相关计算，计算之后删除前两步的数据释放内存空间。

(6)设置Tmin＝Topt-10、Tmax＝Topt+10、Tsize＝2*Tmax，重复(4)(5)(6)步骤；最后得到用户从一点走到另一点所走的步数。

该步骤这样设置是为了减少计算，最开始不知道用户实际走两步加速度传感器可以采集到多少个数据，假设最少40个最多100个进行计算，通过计算得到了Topt，也就是当前两步采集到了是Topt个数据，但是每次走两步采集的数据又不可能是完全一样的所以就在Topt的基础上加减10。步子检测最终是计算了用户从一点走到另一点走了多少步，当又得到了步长估计的步长后，就知道用户走了多远的距离，再加上航向估计得到的方向就知道用户运动的轨迹。

2、动态步长估计

用户在慢走、快跑及正常行走状态下的步长各不相同。即使是同一个人，不同行走速度也会导致步长各异，因此，本发明根据用户步频和加速度设计步长模型公式(5)来计算步长，该方案能自适应用户在不同行走状态并精确估算用户步长。

L_k＝a+b×f+c×σ²+ξ (5)

其中，L_k表示第k步的步长估计值，f为用户行走步频率，σ²是指人在第k步中加速度变化的方差，加入方差的原因是考虑到当人的迈步较大时，在空中停留的时间就会边长，与此同时所产生的加速度抖动就会变多，也就是加速度方差会变大，a、b、c为模型参数，该值可以由经验值指定，也可以通过训练得到，比如在有GPS信号的情况下，通过反复的训练和线性拟合得到这三个参数，ξ为高斯噪声，并且满足ξ＝N(0,σ²)。

3、混合航向估计

本发明通过对手机陀螺仪和磁强计采集的数据进行分析和处理来进行航向估计。智能手机上定义地磁正北方向为0度，从正北方向顺时针旋转到正南方向角度变化范围为0度至180度；从正北方向逆时针旋转到正南方向角度变化范围分别是0度至-180度，如图2所示。

(1)通过陀螺仪和磁强计采集数据；

(2)对于第k步的数据，计算陀螺仪角度θ_g,k和磁强计角度θ_m,k；

(3)计算第k步陀螺仪角度θ_g,k和磁强计角度θ_m,k的差异角θ_Δ,c，

θ_Δ,c＝|θ_m,k-θ_g,k|；

(4)第k步与第k-1步之间磁强计的差异角θ_Δ,m，

θ_Δ,m＝|θ_m,k-θ_m,k-1|；

(5)设定第k-1步的航向θ_k-1、第k步的磁力航向θ_m,k、陀螺航向θ_g,k的权重α、β和γ；其中，α+β+γ＝1，在实验场景中进行多次离线数据采集，并记录下采集对应数据时的真实航向角度信息，通过对所有数据进行训练得到一组α、β和γ参数，使得在该参数下的航向估计与真实航向角度均方误差最小；

(6)通过下面公式(6)进行条件判断，求和获得第k步的航向角θ_k，

三、蓝牙/Wi-Fi定位模块

1、蓝牙设备选择及部署方案

a)定位设备选择

定位使用低功耗蓝牙信标(即beacon)。该信标遵循低功耗蓝牙协议，可以固定或放置在某一个固定位置以一定功率周期性地发送蓝牙广播报文，该报文中包含设备Mac地址以及信号强度等信息，广播信号在特定规则下进行排列。该设备具有极低的能耗，成本低廉，使用一块纽扣电池可以持续工作六个月到两年，具体使用时间取决于设备自身信号发射功率及发送周期，设备体积较小，部署简单方便，蓝牙信标通常由集成电路板、纽扣电池以及外保护壳组成。

b)部署方案设定

在定位算法实施之前，需要预先在定位场景中进行设备部署。一般来说，在室外空旷区域，一个蓝牙信标设备可以覆盖30～50米的半径，而在室内场所，由于室内拓补结构复杂，信号存在遮挡，一个设备最大可以覆盖10～20米的范围。通常beacon的部署间隔在5米，可根据实际精度需要动态调整信标部署距离。为了保证信号传输质量，蓝牙信标部署高度通常在3米左右，信标信号发射周期通常在2HZ～10HZ。在加权质心定位算法中，信标部署位置已知，因此在部署完成后，需要对信标部署位置以及信标Mac地址映射进行记录。

2、改进加权质心定位算法：

a)蓝牙/Wi-Fi信号预处理

真实场景中一个场景可能有蓝牙信号，也可能有Wifi信号，或者两种信号都有。由于定位场景中部署有许多的蓝牙和Wi-Fi信标，因此在定位阶段在相邻两次定位结果之间，对于同一个蓝牙或Wi-Fi信标而言，可以采集到多个信号强度值，对于蓝牙、Wi-Fi信号多个信号强度值采取公式(7)所述方法进行预处理：

其中，RSSI是Received Signal Strength Indication的简称，代表信号强度，由于蓝牙扫描在相邻两次定位结果产出的过程中对于同一个信标可能扫描到多次蓝牙信号强度，即n个rssi信息，故使用多个信号强度的均值作为该信标的信号强度值RSSI。i代表第i个蓝牙/Wi-Fi信标，n代表相邻两次定位结果产出过程中智能终端所采集到的第i个蓝牙/Wi-Fi信标的广播报文数目，对于采集到的多次信号强度信息，使用它们的平均信号强度作为第i个信标的信号强度。

b)加权定位算法

假设实验环境如图3所示，A、B、C、D代表部署的蓝牙/Wi-Fi信标，P1为智能终端所处实际位置，加权质心算法主要是利用已知坐标点信息与未知坐标点信息之间接收的RSSI值获取权重参数，从而决定已知坐标点对未知坐标点的影响程度，已知A、B、C、D四点的坐标为(x₁,y₁),(x₂,y₂),(x₃,y₃),(x₄,y₄)，设每个采集点对应的权值为

应用加权质心算法即可得到待测位置P1的坐标(x',y')如公式(8)所示：

c)加权修正因子

由于环境噪声、空间干扰以及信道冲突的存在，所接收到的蓝牙/Wi-Fi信标强度值并不是稳定的，而是存在扰动，这就可能导致不同beacon对于采集点距离不同，但采集点收到的信号强度大小是一样的现象产生。

如图4所示，A、B、C、D四点是四个信标点，物理坐标分别为(x₁,y₁),(x₂,y₂)(x₃,y₃),(x₄,y₄)，P1为智能终端所在位置，A、B两点距离采集点P1的距离分别为S1、S2，C、D两点距离采集点P1的距离分别为S3、S4，并且存在如下的逻辑关系：S1＝S3＝S4<S2，这里面假设A点受环境干扰比较大，在采集点P1所采集到的A点的信号强度与B点的信号强度相同，都为r(单位dBm)，P1点所采集到的C、D两点信号强度为t(单位dBm)，并且有t>r，根据加权质心坐标计算公式(9)，可以计算出P1点的坐标为：

由于蓝牙/Wi-Fi信号波动的现象存在，A点与D点权重相等导致计算出来的物理坐标与实际坐标之间存在可能存在较大偏差，基于以上现象，本发明对每一个蓝牙/Wi-Fi信标权重引入修正因子，假设环境中部署的m个蓝牙/Wi-Fi信标位置分别为(x₁,y₁),(x₂,y₂),(x₃,y₃)...(x_m,y_m)，采集点采集到的m个蓝牙/Wi-Fi信标的信号强度分别为s₁,s₂,s₃...s_m，定义修正因子如公式(10)所示：

由于实际采集获取的蓝牙/Wi-Fi信标信号强度为负值，所以这里定位修正因子为

则每一个蓝牙/Wi-Fi信标对应权值为：

引入修正因子之后，A、B、C、D四点的蓝牙/Wi-Fi信标权值由

改变为

由此可见A、B两点权重被弱化，C、D两点权重被加强，最终得到的定位坐标更加接近真实坐标，能够有效减小定位误差。

3、蓝牙/Wi-Fi信号序列匹配定位算法

如图5所示，本发明所使用的蓝牙/Wi-Fi信号序列匹配定位算法包括离线训练和在线定位两个阶段，图5仅示意了蓝牙信号序列匹配定位流程。离线训练阶段需要对场景中的可达路径进行蓝牙/Wi-Fi信号采样，根据统计规律关联位置信息建立相应的模型，即构建蓝牙/Wi-Fi信号序列指纹库，供在线定位阶段使用。在在线定位阶段，首先使用移动智能终端的蓝牙/Wi-Fi信号进行初始化航迹推断，为其提供初始位置。随后，通过计步器驱动追踪算法(追踪算法包括航迹推断和加权质心定位算法)，即先根据计步器判断用户是否在行走，用户静止则不进行定位，当用户在行走时，用户每走一步执行一次定位；通过在线定位阶段实时采集的蓝牙/Wi-Fi信号序列和离线阶段采集的带有位置信息的蓝牙/Wi-Fi信号序列指纹进行相似度匹配计算，获得信号序列匹配定位结果。最后，使用蓝牙/Wi-Fi信号序列匹配定位结果校准航迹推断误差，提高定位精度。为了去掉冗余信息，信号序列匹配定位算法仅仅对用户处于运动状态时刻进行信号样本采样，当用户处于静止状态时既不采样也不进行匹配运算，这样可以在有效避免用户不动时定位结果来回跳跃的同时提高匹配定位精度和效率。

a)蓝牙/Wi-Fi信号轨迹指纹构建

某个位置一次蓝牙/Wi-Fi扫描得到n个AP(Access Point，接入点)的MAC地址及信号强度，关联当前航迹推断结果(x,y,z)，构建当前位置的点指纹。本发明根据计步器的结果(用户当前行走了多少步，即步数)构建蓝牙/Wi-Fi信号轨迹指纹，每一步对应一个点指纹。某一位置对应的点指纹如下面所示：

用户每行走一步更新一次各个AP对应的信号强度值，随着用户位置改变会不再收到某些AP的信号，这时本文把该AP的信号强度置为某个固定的阈值(-100dBm)，同时也可能会出现新的AP，这时把新AP对应的MAC地址和信号强度加入该位置的点指纹。用户沿着某一条路径行走m步之后，得到蓝牙/Wi-Fi信号轨迹指纹。蓝牙/Wi-Fi信号序列格式如下面所示：

表1为中国科学院计算技术研究所七楼南侧由西向东行走的蓝牙/Wi-Fi信号轨迹观测值，该观测数据由计步器触发采集蓝牙/Wi-Fi信号扫描结果，每一行对应用户每前行一步所处位置的多个蓝牙/Wi-Fi标签观测结果，前两列表示用户的位置坐标，之后的每一列表示用户在不同位置对某个AP的观测结果。为了减少蓝牙/Wi-Fi信号序列指纹采集开销和指纹存储空间，本发明还通过逆序蓝牙/Wi-Fi信号序列指纹的方式构建反向蓝牙/Wi-Fi信号序列指纹。

表1.蓝牙/Wi-Fi信号序列

b)基于FastDTW算法的蓝牙/Wi-Fi信号序列匹配算法

在信号序列的匹配过程中，需要注意到在相同的采样频率下，行走速度的快慢会导致同一条路径信号样本密度有很大区别。为了解决“压缩”或“拉伸”问题，本发明考虑了如今广泛应用于声音匹配、行为识别、信息检索的DTW(Dynamic Time Wrapping)算法。DTW通过计算两个时序序列中最佳的匹配点，获取整个序列的最佳匹配距离(最佳匹配路径)。如图6所示，该算法基于动态规划的思想，通过寻找两个不同长度序列中最佳的对应采样点来计算两个序列的DTW距离。但是注意到当前建筑物室内拓扑结构往往比较复杂，人行走的路径条数多、长度不同，而DTW算法复杂度接近O(n2)，这会使计算开销变大，在实时定位阶段势必会导致明显定位延迟。为了解决这个问题，本发明使用Stan Salvador和PhilipChan提出的FastDTW(Fast Dynamic Time Warping，快速动态时间归准)算法通过减少搜索空间和数据抽象两种方法对DTW算法进行改进，算法的时间复杂度为O(n)，可以有效的减少计算开销。

新采样信号样本加入样本队列构成信号序列，如果信号序列长度小于阈值(比如440)则继续采集数据；如果信号序列长度大于阈值(比如440)。为了增加匹配次数，本发明采用增量式处理，触发匹配算法之后，删掉成信号序列的最前面一段样本序列，然后在成信号序列末尾加入新的采样样本构成新的成信号序列，利用这种方式保证算法的实时性。

4、基于改进加权质心算法与信号序列匹配算法的融合定位

对基于改进加权质心算法输入坐标表示为W，序列匹配算法的输出坐标表示为B，在初始定位阶段，由于短时间无法形成一定长度的信号序列，所以初始定位坐标采用基于改进加权质心算法的输出坐标，当信号序列长度满足我们指定的阈值要求时，分别对两种定位算法输出坐标赋予不同权重α与(1-α)，权重系数可根据实际情况进行动态调整，得到最终输出坐标F如公式(12)所示：

F＝α*W+(1-α)*B (12)

分别使用两个使用长度为4的滑动窗口S和R，滑动窗口S用来对每一次产生的融合定位结果进行存储，滑动窗口R用来存储最终的定位结果，其中滑动窗口长度可以根据实际需要进行调整，当滑动窗口S没有填满时，使用滑动窗口中所有定位结果的平均值作为最终的定位结果，并加入到滑动窗口R中，当滑动窗口S填满时，对每一次定位坐标分别赋予权重0.1,0.2,0.2,0.5(可调参数)，计算得到加权定位坐标，对加权坐标的处理策略如下：如果存储最终定位结果的滑动窗口为空时，直接以加权坐标为最终定位坐标，并加入到滑动窗口R中，当滑动窗口R不为空时，对两次定位结果之间的距离进行计算，当距离小于0.5米是，使用上一次定位结果作为最终结果，当定位距离大于3米时，使用上次定位结果与本次定位结果之间距离的1/3位置作为最终结果，否则使用当前定位结果作为最终定位结果，采用这种方式，有效避免了定位结果的跳跃性问题，改善了用户体验。

对于蓝牙进行这上述两种算法的融合，得到单独使用蓝牙技术的定位结果P_B；然后对Wi-Fi也进行这两种算法的融合，得到单独使用Wi-Fi技术的定位结果P_W；然后将P_B和P_W用于后文步骤四中三种技术的融合(即公式13)。

四、惯导/蓝牙/Wi-Fi多源信息融合

1、多源信息融合框架

为了提高自主室内航迹技术的准确性和普适性，多个定位技术的定位结果由融合策略进行融合和裁决，然后给出最终的定位结果，以期达到更好的效果。

如图7所示，多源信息融合定位架构由传感器采集数据后上传到特征提取模块抽取原始数据中与各个定位模块(加权质心定位模块、信号序列匹配定位模块、航迹推断模块)相关的特征，特征数据交给各自定位模块进行校准运算，定位结果提交给融合处理模块，融合处理模块根据融合策略进行处理，输出最终融合定位结果。由图7可以观察到定位模块和融合策略是完全分离的、不相关的，各个定位模块和融合策略以插件的形式存在于框架中。图7中的气压计主要用于楼层识别，信号序列匹配定位模块根据楼层识别加载不同楼层的定位模型。

2、基于场景和置信度的位置信息融合策略

参与融合的定位技术为惯导、蓝牙和Wi-Fi定位三种，也即图7中将加权质心定位结果、信号序列定位结果和航迹推断结果进行融合处理。融合过程即是三种定位技术的权值分配过程，如公式(13)所示。三种定位技术特性鲜明，其中Wi-Fi定位利用室内已有路由进行定位，无需部署额外的基础设施，蓝牙则更多的应用于多径效应明显的环境下，INS(Inertial Navigation System，惯性导航系统)在短时间内有较高的定位精度，却容易产生累计误差。

根据以上三种定位技术的技术特点及用户所处环境场景，设计了一种基于场景区分的融合算法。基于场景区分的数据融合流程如图8所示。如公式14所示，系统首先根据当前位置能收到Wi-Fi/蓝牙信标密集程度和信号强度确定Wi-Fi/蓝牙定位是否可用，如果不可用系统直接使用INS定位结果，如果可用则先计算Wi-Fi/蓝牙定位结果与INS定位结果的欧式距离判断该Wi-Fi/蓝牙定位定位结果是否合理，若合理根据Wi-Fi/蓝牙定位置信度确定融合权重W。不断重复上述步骤直至定位结束。

P＝w_IP_I+w_BP_B+w_WP_W

w_I+w_B+w_W＝1

其中，P表示融合定位结果；P_I,P_B,P_W分别表示INS、蓝牙、Wi-Fi的定位结果；E_I,E_B,E_W分别为INS、蓝牙、Wi-Fi的定位置信度，可在前期测试阶段通过统计定位误差来计算定位置信度，即前期采集完训练数据之后，再采集一些带有真实位置信息的测试数据来优化算法参数并评估定位系统性能；n_b,n_w分别为蓝牙和Wi-Fi的标签密度(单位面积内部署的标签数量)；θ_b,θ_w分别为蓝牙和Wi-Fi的标签密度阈值；d_I,b,d_I,w分别为蓝牙和Wi-Fi定位结果与INS定位结果的欧氏距离，d为距离阈值；w_I,w_B,w_W分别为INS、蓝牙、Wi-Fi的融合权重。标签密度阈值、距离阈值可基于经验值设定(如9/100m²,d＝5m)。

为了评估本发明的效果，在如图9所示的区域进行验证实验，实验过程中按照9/100m²的密度在指定位置部署蓝牙(BLE)和Wi-Fi标签。Wi-Fi/BLE加权质心定位结果，惯导结果及融合定位结果如图10所示，其X轴表示定位误差，Y轴的CDF表示定位误差小于某个值的百分比，相比单模定位，融合定位精度有较大的提升。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求书所述为准。

Claims (9)

1.一种多源信息融合定位方法，其特征在于，包括以下步骤：

1)利用智能终端内部集成的传感器进行航迹推断；

2)利用蓝牙传感器进行加权质心定位和信号序列匹配定位；

3)利用Wi-Fi传感器进行加权质心定位和信号序列匹配定位；

4)将步骤1)得到的航迹推断结果和步骤2)、步骤3)得到的定位结果进行融合处理，得到最终的定位结果；

所述加权质心定位采用改进的加权质心定位算法，对每一个蓝牙/Wi-Fi信标权重引入修正因子以减少定位误差；假设环境中部署的m个蓝牙/Wi-Fi信标位置分别为(x₁,y₁),(x₂,y₂),(x₃,y₃)...(x_m,y_m)，采集点采集到的m个蓝牙/Wi-Fi信标的信号强度分别为s₁,s₂,s₃...s_m，定义修正因子如下面公式所示：

则每一个蓝牙/Wi-Fi信标对应的权值为：

其中，rssi为对第i个蓝牙/Wi-Fi信标采集的信号强度。

2.如权利要求1所述的方法，其特征在于，所述航迹推断包括步子检测、步长估计和航向估计三个步骤；通过对加速度传感器采集的数据进行处理，将标准差和最大自相关系数与阈值比较，来进行所述步子检测；根据用户步频和加速度来进行所述步长估计；通过对手机陀螺仪和磁强计采集的数据进行处理来进行所述航向估计。

3.如权利要求2所述的方法，其特征在于，所述步长估计采用以下公式来自适应用户的不同行走状态并精确估算用户步长：

L_k＝a+b×f+c×σ²+ξ，

其中，L_k表示第k步的步长估计值，f为用户行走步频率，σ²是指人在第k步中加速度变化的方差，a、b、c为模型参数，其值由经验值指定或通过训练得到；ξ为高斯噪声。

4.如权利要求2所述的方法，其特征在于，所述航向估计的步骤包括：

(1)通过陀螺仪和磁强计采集数据；

(2)对于第k步的数据，计算陀螺仪角度θ_g,k和磁强计角度θ_m,k；

(3)计算第k步陀螺仪角度θ_g,k和磁强计角度θ_m,k的差异角θ_Δ,c；

(4)第k步与第k-1步之间磁强计的差异角θ_Δ,m；

(5)设定第k-1步的航向θ_k-1、第k步的磁力航向θ_m,k、陀螺航向θ_g,k的权重α、β和γ；

(6)通过下面公式进行条件判断，求和获得第k步的航向角θ_k：

5.如权利要求1所述的方法，其特征在于，所述信号序列匹配定位包括离线训练和在线定位两个阶段，所述离线训练阶段对场景中的可达路径进行蓝牙/Wi-Fi信号采样，并构建蓝牙/Wi-Fi信号序列指纹库；所述在线定位阶段首先使用移动智能终端的蓝牙/Wi-Fi信号进行初始化航迹推断，以提供初始位置，随后将采集的蓝牙/Wi-Fi信号序列和离线阶段采集的带有位置信息的蓝牙/Wi-Fi信号序列指纹进行相似度匹配计算，获得信号序列匹配定位结果，最后使用蓝牙/Wi-Fi信号序列匹配定位结果校准航迹推断误差，提高定位精度。

6.如权利要求1所述的方法，其特征在于，采用FastDTW算法进行信号序列的匹配过程。

7.如权利要求1所述的方法，其特征在于，步骤2)和步骤3)基于改进的加权质心定位算法与信号序列匹配算法进行融合定位：改进的加权质心算法的输入坐标表示为W，信号序列匹配算法的输出坐标表示为B，初始定位坐标采用基于改进的加权质心算法的输出坐标，当信号序列长度满足指定的阈值要求时，分别对两种定位算法输出坐标赋予不同权重α与(1-α)，权重系数根据实际情况进行动态调整，得到最终输出坐标F：

F＝α*W+(1-α)*B。

8.如权利要求1所述的方法，其特征在于，步骤4)基于场景和置信度进行所述融合处理：首先根据当前位置能收到Wi-Fi/蓝牙信标密集程度和信号强度确定Wi-Fi/蓝牙定位是否可用，如果不可用系统直接使用INS定位结果，如果可用则先计算Wi-Fi/蓝牙定位结果与INS定位结果的欧式距离判断该Wi-Fi/蓝牙定位定位结果是否合理，若合理根据Wi-Fi/蓝牙定位置信度确定融合权重；不断重复上述步骤直至定位结束。

9.一种采用权利要求1～8中任一权利要求所述方法的多源信息融合定位系统，其特征在于，包括：

航迹推断模块，负责利用智能终端内部集成的传感器进行航迹推断；

加权质心定位模块，负责利用蓝牙传感器和Wi-Fi传感器进行加权质心定位；

信号序列匹配定位模块，负责利用蓝牙传感器和Wi-Fi传感器进行信号序列匹配定位；

融合处理模块，负责将航迹推断结果、加权质心定位结果和信号序列匹配定位结果进

行融合处理，得到最终的定位结果。

Images