CN110187308B - 一种基于信号指纹库的室内定位方法、装置、设备及介质 - Google Patents

一种基于信号指纹库的室内定位方法、装置、设备及介质 Download PDF

Info

Publication number
CN110187308B
CN110187308B CN201910537083.0A CN201910537083A CN110187308B CN 110187308 B CN110187308 B CN 110187308B CN 201910537083 A CN201910537083 A CN 201910537083A CN 110187308 B CN110187308 B CN 110187308B
Authority
CN
China
Prior art keywords
estimated
target object
target
fingerprint library
signal fingerprint
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.)
Active
Application number
CN201910537083.0A
Other languages
English (en)
Other versions
CN110187308A (zh
Inventor
余松森
徐逸轩
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.)
South China Normal University
Original Assignee
South China Normal University
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 South China Normal University filed Critical South China Normal University
Priority to CN201910537083.0A priority Critical patent/CN110187308B/zh
Publication of CN110187308A publication Critical patent/CN110187308A/zh
Application granted granted Critical
Publication of CN110187308B publication Critical patent/CN110187308B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Navigation (AREA)

Abstract

本申请公开了一种基于信号指纹库的室内定位方法、装置、设备及介质，包括：采集室内各参考点的位置参数信息，构建信号指纹库；利用加权K近邻算法结合信号指纹库中的各参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标；利用PDR定位技术结合估计位置坐标计算出目标对象的估计步长和估计航向角；利用自适应半径的萤火虫粒子滤波算法修正估计步长和估计航向角，得到更新步长和更新航向角；将估计位置坐标、更新步长和更新航向角进行融合，得到目标对象的目标位置坐标。能减少对萤火虫粒子的数量的需求，避免粒子贫化问题，能降低计算的复杂度，相对提高目标跟踪的实时性，提高得出目标对象的目标位置坐标的实时性。

Description

一种基于信号指纹库的室内定位方法、装置、设备及介质
技术领域
本发明涉及室内定位领域，特别涉及一种基于信号指纹库的室内定位方法、装置、设备及计算机可读存储介质。
背景技术
随着人们在室内的时间占总生活时间的比重越来越高，人们对室内定位的准确度要求也越来越高。现有技术中的室内定位方法一般是根据信号指纹库中的各参考点的位置参数信息计算出表示目标对象所在位置的估计位置坐标，并在利用PDR定位技术结合估计位置坐标计算出目标对象的估计步长和估计航向角之后，利用蒙特卡洛粒子滤波算法进行目标跟踪，从而得到目标对象的目标位置坐标。但是这种方法需要大量的粒子来保证目标跟踪的准确性，重采样后将造成粒子贫化问题，并且需要将每个粒子之间进行比较计算，大量的计算将进一步导致得出目标对象的目标位置坐标的实时性差。
因此，如何在实现目标跟踪的过程中避免粒子贫化问题，并且能相对提高目标跟踪的实时性，以便能够实时获取目标对象的目标位置坐标，是本领域技术人员目前需要解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于信号指纹库的室内定位方法，能够在实现目标跟踪的过程中避免粒子贫化问题，并且能相对提高目标跟踪的实时性，能够提高获取目标对象的目标位置坐标的实时性；本发明的另一目的是提供一种基于信号指纹库的室内定位装置、设备及计算机可读存储介质，均具有上述有益效果。
为解决上述技术问题，本发明提供一种基于信号指纹库的室内定位方法，包括：
采集室内各参考点的位置参数信息，构建信号指纹库；
利用加权K近邻算法结合所述信号指纹库中的各所述参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标；
利用PDR定位技术结合所述估计位置坐标计算出所述目标对象的估计步长和估计航向角；
利用自适应半径的萤火虫粒子滤波算法修正所述估计步长和所述估计航向角，得到更新步长和更新航向角；
将所述估计位置坐标、所述更新步长和所述更新航向角进行融合，得到所述目标对象的目标位置坐标。
优选地，所述利用加权K近邻算法结合所述信号指纹库中的各所述参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标的过程，具体包括：
在确定出所述目标对象所在位置时，依次从所述信号指纹库中选取目标参考点；
将所述目标对象所在位置的所有无线接入点分别与所述目标参考点中的各无线接入点进行匹配，当所述目标对象所在位置的无线接入点与所述目标参考点的无线接入点相同时，将匹配项数自增1，得出目标匹配参数；
当所述目标对象所在位置的MAC地址与所述目标参考点的MAC地址相同时，利用所述目标匹配参数计算所述目标对象所在位置与所述目标参考点的RSSI值的均方差；
分别计算出所述信号指纹库中的所有参考点分别对应的均方差，并获取K个均方差最小的参考点做加权处理，得出所述目标对象所在位置的所述估计位置坐标。
优选地，所述利用PDR定位技术结合所述估计位置坐标计算出所述目标对象的估计步长和估计航向角的过程，具体包括：
获取所述目标对象行走过程中的步行数据，并根据预设判断规则排除无效步；
利用非线性步长估计模型计算所述目标对象的所述估计步长；
利用扩展卡尔曼滤波算法结合加速度计、陀螺仪和磁力计分别获取的数据计算出所述目标对象的所述估计航向角。
优选地，所述利用自适应半径的萤火虫粒子滤波算法修正所述估计步长和所述估计航向角，得到更新步长和更新航向角的过程，具体包括：
根据自适应半径的萤火虫粒子滤波算法计算粒子权重；
利用所述粒子权重修正所述估计步长和所述估计航向角，得到所述更新步长和所述更新航向角。
优选地，所述采集室内各参考点的位置参数信息，构建信号指纹库的过程，具体包括：
采集室内各所述参考点的四个朝向的RSSI值、MAC地址以及对应的位置坐标，根据各朝向构建对应的朝向指纹库；
将四个所述朝向指纹库合并训练，得到所述信号指纹库；
对应的，所述在确定出所述目标对象所在位置时，依次从所述信号指纹库中选取目标参考点的过程，具体包括：
在确定出所述目标对象所在位置时，根据所述目标对象的目标朝向确定出对应的目标朝向指纹库，并依次从所述目标朝向指纹库中选取所述目标参考点。
优选地，所述将所述估计位置坐标、所述更新步长和所述更新航向角进行融合，得到所述目标对象的目标位置坐标的过程，具体为：
根据无迹卡尔曼滤波将所述估计位置坐标、所述更新步长和所述更新航向角进行融合，得到所述目标对象的所述目标位置坐标。
为解决上述技术问题，本发明还提供一种基于信号指纹库的室内定位装置，包括：
构建模块，用于采集室内各参考点的位置参数信息，构建信号指纹库；
第一估计模块，用于利用加权K近邻算法结合所述信号指纹库中的各所述参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标；
第二估计模块，用于利用PDR定位技术结合所述估计位置坐标计算出所述目标对象的估计步长和估计航向角；
修正模块，用于利用自适应半径的萤火虫粒子滤波算法修正所述估计步长和所述估计航向角，得到更新步长和更新航向角；
位置确定模块，用于将所述估计位置坐标、所述更新步长和所述更新航向角进行融合，得到所述目标对象的目标位置坐标。
为解决上述技术问题，本发明还提供一种基于信号指纹库的室内定位设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述任一种基于信号指纹库的室内定位方法的步骤。
为解决上述技术问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种基于信号指纹库的室内定位方法的步骤。
相较于现有技术，本发明提供的基于信号指纹库的室内定位方法，通过自适应半径的萤火虫粒子滤波算法修正估计步长和估计航向角，得到更新步长和更新航向角，以实现位置更新，不涉及对低权值的萤火虫粒子的舍弃问题，并且每个萤火虫粒子不需要与其他全部萤火虫粒子进行亮度比较，不仅能够减少对萤火虫粒子的数量的需求，避免粒子贫化问题，而且能够降低计算的复杂度，从而能够相对提高目标跟踪的实时性，提高得出目标对象的目标位置坐标的实时性。
为解决上述技术问题，本发明还提供了一种基于信号指纹库的室内定位装置、设备及计算机可读存储介质，均具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种基于信号指纹库的室内定位方法的流程图；
图2为本发明实施例提供的一种基于信号指纹库的室内定位装置的结构图；
图3为本发明实施例提供的一种基于信号指纹库的室内定位设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例的核心是提供一种基于信号指纹库的室内定位方法，能够在实现目标跟踪的过程中避免粒子贫化问题，并且能相对提高目标跟踪的实时性，能够提高获取目标对象的目标位置坐标的实时性；本发明的另一核心是提供一种基于信号指纹库的室内定位装置、设备及计算机可读存储介质，均具有上述有益效果。
为了使本领域技术人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
图1为本发明实施例提供的一种基于信号指纹库的室内定位方法的流程图。如图1所示，一种基于信号指纹库的室内定位方法包括：
S10：采集室内各参考点的位置参数信息，构建信号指纹库。
本步骤中，参考点指的是室内的采集了位置参数信息的位置，位置参数信息包括该位置对应的RSSI值、MAC地址以及对应的位置坐标等信息，通过采集室内的各参考点的位置参数信息，构建信号指纹库。可以理解的是，参考点的数量越多，构建的信号指纹库越大，后续利用信号指纹库中的参考点的位置参数信息进行计算时，计算结果将更准确。在实际操作中，可以根据实际需求设置参考点的数量，本实施例对此不做具体的限定。
S20：利用加权K近邻算法结合信号指纹库中的各参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标。
具体的，在确定出目标对象所在位置后，获取目标对象所在位置对应的RSSI值和MAC地址，然后依次从信号指纹库中选取参考点，利用信号指纹库中的所有参考点与目标对象所在位置通过加权K近邻算法进行匹配计算，得到目标对象所在位置的估计位置坐标。可以理解的是，由于目标对象会在室内行走移动而发生位置的改变，因此在目标对象发生位置改变后，需要再次计算目标对象所在位置的估计位置坐标。
S30：利用PDR定位技术结合估计位置坐标计算出目标对象的估计步长和估计航向角。
具体的，利用基于惯性传感的人员位置推算技术(Pedestrian Dead Reckoning，PDR)结合目标对象的估计位置坐标，并根据陀螺仪、加速度计和磁力计等惯性器件传感器测得的数据，解算出目标对象的估计步长和估计航向角。
S40：利用自适应半径的萤火虫粒子滤波算法修正估计步长和估计航向角，得到更新步长和更新航向角。
具体的，目标对象在运动过程中，萤火虫粒子也在进行位置的更新，通过自适应半径的萤火虫粒子滤波算法可以修正估计步长和估计航向角，利用粒子滤波算法可以在目标对象的位置推算中提高定位精度。
S50：将估计位置坐标、更新步长和更新航向角进行融合，得到目标对象的目标位置坐标。
具体的，在得出目标对象的估计位置坐标、更新步长和更新航向角之后，按照预设的算法将得到的数据进行融合，以得出目标对象的目标位置坐标。目标位置坐标即计算出更为准确的目标对象的位置坐标。
本实施例提供的基于信号指纹库的室内定位方法，通过采集室内各参考点的位置参数信息，构建信号指纹库；利用加权K近邻算法结合信号指纹库中的各参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标；利用PDR定位技术结合估计位置坐标计算出目标对象的估计步长和估计航向角；利用自适应半径的萤火虫粒子滤波算法修正估计步长和估计航向角，得到更新步长和更新航向角；将估计位置坐标、更新步长和更新航向角进行融合，得到目标对象的目标位置坐标。
相较于现有技术，本发明提供的基于信号指纹库的室内定位方法，通过自适应半径的萤火虫粒子滤波算法修正估计步长和估计航向角，得到更新步长和更新航向角，以实现位置更新，不涉及对低权值的萤火虫粒子的舍弃问题，并且每个萤火虫粒子不需要与其他全部萤火虫粒子进行亮度比较，不仅能够减少对萤火虫粒子的数量的需求，避免粒子贫化问题，而且能够降低计算的复杂度，从而能够相对提高目标跟踪的实时性，提高得出目标对象的目标位置坐标的实时性。
相较于上一实施例，本实施例对技术方案做了进一步的说明和优化，具体的，利用加权K近邻算法结合信号指纹库中的各参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标的过程，具体包括：
在确定出目标对象所在位置时，依次从信号指纹库中选取目标参考点；
将目标对象所在位置的所有无线接入点分别与目标参考点中的各无线接入点进行匹配，当目标对象所在位置的无线接入点与目标参考点的无线接入点相同时，将匹配项数自增1，得出目标匹配参数；
当目标对象所在位置的MAC地址与目标参考点中的MAC地址相同时，利用目标匹配参数计算目标对象所在位置与目标参考点的RSSI值的均方差；
分别计算出信号指纹库中的所有参考点分别对应的均方差，并获取K个均方差最小的参考点做加权处理，得出目标对象所在位置的估计位置坐标。
具体的，首先确定出目标对象所在位置，获取目标对象所在位置对应的RSSI值、MAC地址以及各无线接入点(access point，AP)的信息，然后依次从信号指纹库中选取目标参考点，并将目标对象所在位置的无线接入点分别与目标参考点的各无线接入点进行匹配，当目标对象所在位置的无线接入点与目标参考点的无线接入点相同时，将匹配项数自增1，直至目标对象所在位置所有无线接入点均与目标参考点的所有无线接入点进行匹配，得出目标匹配参数。然后，将目标对象所在位置的MAC地址与目标参考点的MAC地址进行匹配，当两者的MAC地址相同时，利用目标匹配参数计算目标对象所在位置与目标参考点的RSSI值的均方差；
具体的，RSSI值的均方差的计算方法为：
Figure BDA0002101504710000071
其中，m为目标对象所在位置与目标参考点匹配的无线接入点的个数，即目标匹配参数；l表示目标参考点中与目标对象所在位置的无线接入点相匹配的各个无线接入点；rssik,l表示目标对象所在位置的RSSI值，rssie,l表示目标参考点的RSSI值。
按照上述步骤，分别计算出信号指纹库中的各参考点与目标对象所在位置的RSSI值的均方差，然后比较得出各均方差中值最小的K个均方差，并将这K个均方差的倒数作为对应的加权系数，将K个均方差对应的参考点的位置坐标做加权处理，计算出表示目标对象所在位置的估计位置坐标，具体计算方法如下：
Figure BDA0002101504710000081
其中，(xk,yk)表示目标对象所在位置的估计位置坐标；c是为了防止均方差的倒数
Figure BDA0002101504710000082
分母为零而随机选取的一个接近于零的随机数；(xe,ye)表示选取的K个参考点的位置坐标。
本实施例提供了一种计算目标对象所在位置的估计位置坐标的方法，操作过程相对简单，计算结果相对准确。
相较于上一实施例，本实施例对技术方案做了进一步的说明和优化，具体的，利用PDR定位技术结合估计位置坐标计算出目标对象的估计步长和估计航向角的过程，具体包括：
获取目标对象行走过程中的步行数据，并根据预设判断规则排除无效步；
利用非线性步长估计模型计算目标对象的估计步长；
利用扩展卡尔曼滤波算法结合加速度计、陀螺仪和磁力计分别获取的数据计算出目标对象的估计航向角。
可以理解的是，目标对象在实际行走的过程中，左右腿交替运动和抬腿落地的动作呈现周期的特点，因此，通过加速度计采集到的数据形成一个波峰、波谷的波形图，但是不规则的抖动会带来一定的干扰，对检测步数造成误差。本实施例通过预设判断规则来排除目标对象行走过程中的无效步，具体是通过阈值检测法来判断对应的步是否为有效步，通过分别为波峰、波谷和步时三种参数设置对应的阀值，当波峰、波谷和步时超过对应的阈值时，即将该步判定为无效步，使得后续参与计算的步均为有效步，提高了后续计算步长的准确性。
具体的，利用非线性步长估计模型计算目标对象的第k步的估计步长Lk，其中，非线性步长估计模型为：
Figure BDA0002101504710000091
amax和amin分别表示目标对象行走一步时的竖直方向上的加速度最大值和加速度最小值，aavg为amax和amin的平均值，Tk表示第k步的行走时间；C1和C2为模型参数。
本实施例中，估计航向角由扩展卡尔曼滤波(Extended Kalman Filter，EKF)算法融合加速度计、陀螺仪和磁力计测得的数据计算得出。具体的，首先利用四元数法解算陀螺仪测得的数据：
Figure BDA0002101504710000092
其中，Qk＝[q0,q1,q2,q3]T是一个四元数向量，ω＝[ωx,ωy,ωz]T是陀螺仪测得的x、y、z三轴的数据；
由
Figure BDA0002101504710000093
变换得出
Figure BDA0002101504710000094
得出第k步的Q值Qk；
然后，利用扩展卡尔曼滤波(Extended Kalman Filter，EKF)融合加速度计、陀螺仪和磁力计获得的数据，利用EKF的状态方程Qk+1＝AQk+λ和测量方程
Figure BDA0002101504710000101
修正Qk，得到估计航向角/>
Figure BDA0002101504710000102
其中，A为状态转移矩阵，/>
Figure BDA0002101504710000103
为姿态旋转矩阵，λ为过程噪声；gk为加速度计测得的噪声，mk为磁力计测得的噪声，a＝[0,0,1]为重力常量，h＝[1,0,0]为磁力常量。
作为优选的实施方式，利用自适应半径的萤火虫粒子滤波算法修正估计步长和估计航向角，得到更新步长和更新航向角的过程，具体包括：
根据自适应半径的萤火虫粒子滤波算法计算粒子权重；
利用粒子权重修正估计步长和估计航向角，得到更新步长和更新航向角。
具体的，首先，当萤火虫i与萤火虫j的笛卡尔距离rij小于高亮度萤火虫吸引半径r时，根据p＝pi+βij(pj-pi)+ασ更新萤火虫粒子位置坐标；
其中，高亮度萤火虫吸引半径
Figure BDA0002101504710000104
且I＝(xk-x)2+(yk-y)2；(xk,yk)是目标观测坐标值；(x,y)是目标预测坐标值；
其中，p表示更新后的萤火虫粒子的位置坐标，pi和pj分别表示在执行自适应半径的萤火虫粒子滤波算法之前萤火虫粒子i与萤火虫粒子j的位置坐标；βij表示萤火虫粒子的吸引度，且
Figure BDA0002101504710000105
β0为初始吸引力，γ为光强吸收系数且γ∈[0.01,100]。
当检测到萤火虫粒子为交叉障碍物粒子时，计算改性颗粒，也即，萤火虫粒子i与萤火虫粒子j的更新位置：
Figure BDA0002101504710000106
其中，
Figure BDA0002101504710000107
为非交叉障碍物粒子的平均值；/>
Figure BDA0002101504710000108
OL表示交叉障碍物颗粒数，sign(.)为符号函数，||.||为交叉障碍物粒子和非交叉障碍物粒子的欧几里德距离；α为常数且α∈[0，1]，σ为由高斯分布、均匀分布或者其他分布得到的随机数。
利用平面图检测目标对象所在位置，得到萤火虫粒子权重
Figure BDA0002101504710000111
其中，ε为配置参数；
利用萤火虫粒子权重修正估计步长，得到更新步长
Figure BDA0002101504710000112
其中，Lk+1表示第k+1步的加权步长，M表示萤火虫粒子的个数，(Lk+Δli)表示第k步第i个萤火虫粒子对应的步长，
Figure BDA0002101504710000113
表示第k步第i个萤火虫粒子权重；
利用萤火虫粒子权重修正估计航向角，得到更新航向角
Figure BDA0002101504710000114
其中，ψk+1表示第k+1步的加权航向角，M表示萤火虫粒子的个数，(ψk+Δψi)表示第k步第i个萤火虫粒子对应的航向角，
Figure BDA0002101504710000115
表示第k步第i个萤火虫粒子的权重。
作为优选的实施方式，将估计位置坐标、更新步长和更新航向角进行融合，得到目标对象的目标位置坐标的过程，具体为：
根据无迹卡尔曼滤波将估计位置坐标、更新步长和更新航向角进行融合，得到目标对象的目标位置坐标。
具体的，本实施例采用无迹卡尔曼滤波(UKF)方法融合之前计算出的目标对象所在位置的估计位置坐标和利用PDR定位技术以及自适应半径的萤火虫粒子滤波算法修正的更新步长和更新航向角，得到目标位置坐标，具体为：
Figure BDA0002101504710000116
其中，Sk表示目标位置坐标，
Figure BDA0002101504710000121
表示N步的平均步长，Δψk＝ψk+1-ψk表示相邻两步之间的航向角的偏差，Vk表示系统的观测噪声。
本实施例中，考虑到加速度计、陀螺仪和磁力计等惯性器件传感器在使用过程中的随着行走的距离得出的累计误差会使得由PDR定位技术计算出的估计步长和估计航向角产生误差，因此通过自适应半径的萤火虫粒子滤波算法计算出的萤火虫粒子权重更新估计步长和估计航向角，得到更新步长和更新航向角，能够提升后续计算出的表示目标对象所在位置的目标位置坐标的准确度，并且利用无迹卡尔曼滤波方法将估计位置坐标、更新步长和更新航向角进行融合，得出目标位置坐标，能够进一步提升计算出的目标位置坐标的准确度。
相较于上一实施例，本实施例对技术方案做了进一步的说明和优化，具体的，采集室内各参考点的位置参数信息，构建信号指纹库的过程，具体包括：
采集室内各参考点的四个朝向的RSSI值、MAC地址以及对应的位置坐标，根据各朝向构建对应的朝向指纹库；
将四个朝向指纹库合并训练，得到信号指纹库；
对应的，在确定出目标对象所在位置时，依次从信号指纹库中选取目标参考点的过程，具体包括：
在确定出目标对象所在位置时，根据目标对象的目标朝向确定出对应的目标朝向指纹库，并依次从目标朝向指纹库中选取目标参考点。
具体的，在本实施例中，进一步考虑到人体内的水分会吸收一定的无线信号，因此用户朝向会引起信号强度差异。因此，在建立信号指纹库时，根据四个朝向分别采集RSSI值、MAC地址，再结合对应的位置坐标，得出与各朝向对应的朝向指纹库；然后，将四个朝向指纹库合并训练，得出信号指纹库。也就是说，本实施例中的信号指纹库是在同一位置坐标有四个朝向分别对应的RSSI值，因此对应的，在确定出目标对象所在位置时，首先根据目标对象的目标朝向确定出对应的目标朝向指纹库，然后依次从对应的目标朝向指纹库中选取目标参考点。
本实施例进一步根据目标对象的目标朝向确定出对应的目标朝向指纹库，并通过从目标朝向指纹库中选取对应的目标参考点计算目标对象所在位置的估计位置坐标，能使得计算出的估计位置坐标更加准确。
上文对于本发明提供的一种基于信号指纹库的室内定位方法的实施例进行了详细的描述，本发明还提供了一种与该方法对应的基于信号指纹库的室内定位装置、设备及计算机可读存储介质，由于装置、设备及计算机可读存储介质部分的实施例与方法部分的实施例相互照应，因此装置、设备及计算机可读存储介质部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
图2为本发明实施例提供的一种基于信号指纹库的室内定位装置的结构图，如图2所示，一种基于信号指纹库的室内定位装置包括：
构建模块21，用于采集室内各参考点的位置参数信息，构建信号指纹库；
第一估计模块22，用于利用加权K近邻算法结合信号指纹库中的各参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标；
第二估计模块23，用于利用PDR定位技术结合估计位置坐标计算出目标对象的估计步长和估计航向角；
修正模块24，用于利用自适应半径的萤火虫粒子滤波算法修正估计步长和估计航向角，得到更新步长和更新航向角；
位置确定模块25，用于将估计位置坐标、更新步长和更新航向角进行融合，得到目标对象的目标位置坐标。
本发明实施例提供的基于信号指纹库的室内定位装置，具有上述基于信号指纹库的室内定位方法的有益效果。
图3为本发明实施例提供的一种基于信号指纹库的室内定位设备的结构图，如图3所示，一种基于信号指纹库的室内定位设备包括：
存储器31，用于存储计算机程序；
处理器32，用于执行计算机程序时实现如上述基于信号指纹库的室内定位方法的步骤。
本发明实施例提供的基于信号指纹库的室内定位设备，具有上述基于信号指纹库的室内定位方法的有益效果。
为解决上述技术问题，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述基于信号指纹库的室内定位方法的步骤。
本发明实施例提供的计算机可读存储介质，具有上述基于信号指纹库的室内定位方法的有益效果。
以上对本发明所提供的基于信号指纹库的室内定位方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

Claims (8)

1.一种基于信号指纹库的室内定位方法，其特征在于，包括：
采集室内各参考点的位置参数信息，构建信号指纹库；
利用加权K近邻算法结合所述信号指纹库中的各所述参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标；
利用PDR定位技术结合所述估计位置坐标计算出所述目标对象的估计步长和估计航向角；
利用自适应半径的萤火虫粒子滤波算法修正所述估计步长和所述估计航向角，得到更新步长和更新航向角；
将所述估计位置坐标、所述更新步长和所述更新航向角进行融合，得到所述目标对象的目标位置坐标；
所述利用加权K近邻算法结合所述信号指纹库中的各所述参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标的过程，具体包括：
在确定出所述目标对象所在位置时，依次从所述信号指纹库中选取目标参考点；
将所述目标对象所在位置的所有无线接入点分别与所述目标参考点中的各无线接入点进行匹配，当所述目标对象所在位置的无线接入点与所述目标参考点的无线接入点相同时，将匹配项数自增1，得出目标匹配参数；
当所述目标对象所在位置的MAC地址与所述目标参考点的MAC地址相同时，利用所述目标匹配参数计算所述目标对象所在位置与所述目标参考点的RSSI值的均方差；
分别计算出所述信号指纹库中的所有参考点分别对应的均方差，并获取K个均方差最小的参考点做加权处理，得出所述目标对象所在位置的所述估计位置坐标。
2.根据权利要求1所述的方法，其特征在于，所述利用PDR定位技术结合所述估计位置坐标计算出所述目标对象的估计步长和估计航向角的过程，具体包括：
获取所述目标对象行走过程中的步行数据，并根据预设判断规则排除无效步；
利用非线性步长估计模型计算所述目标对象的所述估计步长；
利用扩展卡尔曼滤波算法结合加速度计、陀螺仪和磁力计分别获取的数据计算出所述目标对象的所述估计航向角。
3.根据权利要求1所述的方法，其特征在于，所述利用自适应半径的萤火虫粒子滤波算法修正所述估计步长和所述估计航向角，得到更新步长和更新航向角的过程，具体包括：
根据自适应半径的萤火虫粒子滤波算法计算粒子权重；
利用所述粒子权重修正所述估计步长和所述估计航向角，得到所述更新步长和所述更新航向角。
4.根据权利要求1所述的方法，其特征在于，所述采集室内各参考点的位置参数信息，构建信号指纹库的过程，具体包括：
采集室内各所述参考点的四个朝向的RSSI值、MAC地址以及对应的位置坐标，根据各朝向构建对应的朝向指纹库；
将四个所述朝向指纹库合并训练，得到所述信号指纹库；
对应的，所述在确定出所述目标对象所在位置时，依次从所述信号指纹库中选取目标参考点的过程，具体包括：
在确定出所述目标对象所在位置时，根据所述目标对象的目标朝向确定出对应的目标朝向指纹库，并依次从所述目标朝向指纹库中选取所述目标参考点。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述将所述估计位置坐标、所述更新步长和所述更新航向角进行融合，得到所述目标对象的目标位置坐标的过程，具体为：
根据无迹卡尔曼滤波将所述估计位置坐标、所述更新步长和所述更新航向角进行融合，得到所述目标对象的所述目标位置坐标。
6.一种基于信号指纹库的室内定位装置，其特征在于，包括：
构建模块，用于采集室内各参考点的位置参数信息，构建信号指纹库；
第一估计模块，用于利用加权K近邻算法结合所述信号指纹库中的各所述参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标；
第二估计模块，用于利用PDR定位技术结合所述估计位置坐标计算出所述目标对象的估计步长和估计航向角；
修正模块，用于利用自适应半径的萤火虫粒子滤波算法修正所述估计步长和所述估计航向角，得到更新步长和更新航向角；
位置确定模块，用于将所述估计位置坐标、所述更新步长和所述更新航向角进行融合，得到所述目标对象的目标位置坐标；
其中，所述利用加权K近邻算法结合所述信号指纹库中的各所述参考点的位置参数信息进行匹配计算，得出目标对象所在位置的估计位置坐标的过程，具体包括：
在确定出所述目标对象所在位置时，依次从所述信号指纹库中选取目标参考点；
将所述目标对象所在位置的所有无线接入点分别与所述目标参考点中的各无线接入点进行匹配，当所述目标对象所在位置的无线接入点与所述目标参考点的无线接入点相同时，将匹配项数自增1，得出目标匹配参数；
当所述目标对象所在位置的MAC地址与所述目标参考点的MAC地址相同时，利用所述目标匹配参数计算所述目标对象所在位置与所述目标参考点的RSSI值的均方差；
分别计算出所述信号指纹库中的所有参考点分别对应的均方差，并获取K个均方差最小的参考点做加权处理，得出所述目标对象所在位置的所述估计位置坐标。
7.一种基于信号指纹库的室内定位设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的基于信号指纹库的室内定位方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的基于信号指纹库的室内定位方法的步骤。
CN201910537083.0A 2019-06-20 2019-06-20 一种基于信号指纹库的室内定位方法、装置、设备及介质 Active CN110187308B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910537083.0A CN110187308B (zh) 2019-06-20 2019-06-20 一种基于信号指纹库的室内定位方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910537083.0A CN110187308B (zh) 2019-06-20 2019-06-20 一种基于信号指纹库的室内定位方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN110187308A CN110187308A (zh) 2019-08-30
CN110187308B true CN110187308B (zh) 2023-06-16

Family

ID=67722647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910537083.0A Active CN110187308B (zh) 2019-06-20 2019-06-20 一种基于信号指纹库的室内定位方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN110187308B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111065045B (zh) * 2019-11-04 2021-06-15 广东博智林机器人有限公司 匹配定位方法、装置、电子设备及计算机可读介质
CN112153563B (zh) * 2019-11-25 2023-04-11 广东博智林机器人有限公司 定位方法、装置、电子设备及存储介质
CN112902960A (zh) * 2019-12-04 2021-06-04 中移(上海)信息通信科技有限公司 室内定位方法、装置、设备及存储介质
CN114088095B (zh) * 2021-10-29 2023-07-25 鹏城实验室 一种基于光电二极管的三维室内定位方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573812B (zh) * 2014-07-07 2018-06-01 广西民族大学 一种基于粒子萤火虫群优化算法的无人机航路路径确定方法
CN105588566B (zh) * 2016-01-08 2019-09-13 重庆邮电大学 一种基于蓝牙与mems融合的室内定位系统及方法
CN106289257A (zh) * 2016-07-27 2017-01-04 无锡知谷网络科技有限公司 室内定位方法及定位系统
CN108801267B (zh) * 2018-06-22 2020-09-15 西安电子科技大学 一种融合多传感器的室内无锚点定位方法
CN109323695A (zh) * 2018-10-29 2019-02-12 东南大学—无锡集成电路技术研究所 一种基于自适应无迹卡尔曼滤波的室内定位方法
CN109413578B (zh) * 2018-11-02 2020-10-23 桂林电子科技大学 一种基于wifi与pdr融合的室内定位方法
CN109443354B (zh) * 2018-12-25 2020-08-14 中北大学 基于萤火虫群优化pf的视觉-惯性紧耦合组合导航方法

Also Published As

Publication number Publication date
CN110187308A (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
CN110187308B (zh) 一种基于信号指纹库的室内定位方法、装置、设备及介质
JP6400128B2 (ja) 目標の実時間測位と地図構築の方法及び装置
CN110118560B (zh) 一种基于lstm和多传感器融合的室内定位方法
Biswas et al. Wifi localization and navigation for autonomous indoor mobile robots
WO2017041730A1 (zh) 一种移动机器人避障导航的方法和系统
CN110118554A (zh) 基于视觉惯性的slam方法、装置、存储介质和设备
CN109141364A (zh) 障碍物检测方法、系统及机器人
Gośliński et al. Performance comparison of EKF-based algorithms for orientation estimation on Android platform
JP2008126401A (ja) パーティクルフィルター基盤の移動ロボットの姿勢推定方法、装置及び媒体
JP2008071352A (ja) 移動ロボットの姿勢推定装置および方法
CN113382357B (zh) 一种改进pdr与rssi融合的蓝牙室内定位方法
WO2011027557A1 (ja) 位置校正情報収集装置、位置校正情報収集方法、及び位置校正情報収集プログラム
CN111578958A (zh) 移动机器人导航实时定位方法、系统、介质及电子设备
CA3112435A1 (en) System and method for generating floor plans using user device sensors
CN114608585A (zh) 一种移动机器人同步定位与建图方法及装置
CN109769206B (zh) 一种室内定位融合方法、装置、存储介质及终端设备
CN116310991A (zh) 一种基于强化学习的篮板落点预测方法及系统
CN113115214B (zh) 基于不可翻转定位标签的室内人体朝向识别系统
CN115307641A (zh) 机器人定位方法、装置、机器人和存储介质
CN109727269B (zh) 一种基于单目视觉和道路地图的匹配定位方法
JP6281938B2 (ja) データ処理装置、データ処理方法、及びデータ処理プログラム
Isler et al. Local exploration: online algorithms and a probabilistic framework
Steffens et al. Multiresolution path planning in dynamic environments for the standard platform league
Yu et al. Pose estimation of an aerial construction robot based on motion and dynamic constraints
CN116211290B (zh) 一种踝泵运动的姿态监测与评估方法及系统

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