CN111491367B - 一种基于群智感知和多融合技术的室内定位方法 - Google Patents

一种基于群智感知和多融合技术的室内定位方法 Download PDF

Info

Publication number
CN111491367B
CN111491367B CN202010309876.XA CN202010309876A CN111491367B CN 111491367 B CN111491367 B CN 111491367B CN 202010309876 A CN202010309876 A CN 202010309876A CN 111491367 B CN111491367 B CN 111491367B
Authority
CN
China
Prior art keywords
pedestrian
acceleration
access point
wireless access
data
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
CN202010309876.XA
Other languages
English (en)
Other versions
CN111491367A (zh
Inventor
邢建川
孙隽姝
常琬星
王翔
王博
张陆平
鲁权
张禹睿
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202010309876.XA priority Critical patent/CN111491367B/zh
Publication of CN111491367A publication Critical patent/CN111491367A/zh
Priority to PCT/CN2020/136377 priority patent/WO2021212878A1/zh
Application granted granted Critical
Publication of CN111491367B publication Critical patent/CN111491367B/zh
Priority to ZA2021/06561A priority patent/ZA202106561B/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • 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
    • 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)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于群智感知和多融合技术的室内定位算法，包括以下步骤：推算行人航位，利用步伐检测算法进行步伐检测，然后基于步伐检测结果，计算出步长、利用加权平均法获取手机的方向角数据、计算出行人方向角；对推算出的行人航位进行误差纠正；构建位置指纹地图以及在线定位；本发明的室内定位算法在实际验证中准确性高，具备较好的实用性，本发明算法通过设定了环境潜在地标，对行人航位推算中的累积误差进行纠正，提高了位置指纹地图的准确性，很好地解决了当前离线定位阶段对于现场勘查的绝对依赖问题，使基于Wi‑Fi位置的指纹室内定位技术真正具有了商业应用价值。

Description

一种基于群智感知和多融合技术的室内定位方法
技术领域
本发明涉及定位技术领域，尤其涉及一种基于群智感知和多融合技术的室内定位方法。
背景技术
借助全球定位系统(Global Positioning System,GPS)、北斗卫星等技术支持，室外定位技术发展迅猛，基于位置的服务(Location Based Service,LBS)在室外环境已经孕育出成熟的商业运作模式。然而，伴随城市大规模建设的迅猛发展，城市建筑覆盖面积日益增长，人们的室内活动时间占日常总活动时间的比例在不断攀升。复杂的建筑设计、建筑内GPS信号差等问题又迫使人们提出了“基于室内位置的服务”(Indoor Location BasedService，ILBS)的概念。ILBS对于更高精度、更低成本的室内定位技术的要求，推动着室内定位算法的研究快速发展，对室内定位系统的需求与日俱增；
目前，室内定位技术的常见定位信号依据有光追踪、射频识别系统(RadioFrequency Identification System，RFID)、Wi-Fi、蓝牙、超声波、红外线等。其中，基于Wi-Fi信号的定位技术能够更好地避免环境干扰，对硬件设备要求低；不需要提前在现场安装设备，仅基于市面常见的手机和已布置成熟的Wi-Fi环境就可以进行，成本较低。综合成本和定位精度，Wi-Fi相较其他定位信号具有显著的优势。尽管基于Wi-Fi的位置指纹室内定位技术具有多重优势，是当前最具市场应用价值的室内定位技术之一，但其算法本身仍具有诸多问题。基于Wi-Fi的位置指纹室内定位技术分为两个阶段：离线阶段和在线阶段。传统的离线阶段指位置指纹库的建库过程，是通过预先在定位场所进行等间隔采集数据，这一过程耗费大量人力、物力，也不具备实际商业应用价值。因此，针对目前离线阶段指纹库建立耗时耗力、不可避免预先获得室内地图的情况，本发明提出一种基于群智感知和多融合技术的室内定位算法，以解决现有技术中的不足之处。
发明内容
针对上述问题，本发明的目的在于提供一种基于群智感知和多融合技术的室内定位方法，该室内定位算法在实际验证中准确性高，具备较好的实用性，本发明算法通过设定了环境潜在地标，对行人航位推算中的累积误差进行纠正，提高了位置指纹地图的准确性，很好地解决了当前离线定位阶段对于现场勘查的绝对依赖问题，使基于Wi-Fi的位置指纹室内定位技术真正具有了商业应用价值。
为实现本发明的目的，本发明通过以下技术方案实现：
一种基于群智感知和多融合技术的室内定位方法，包括以下步骤：
步骤一：推算行人航位
获取行人当前位置坐标(x0,y0)，设定行人移动步长为L，行人移动的方向角为θ，假定行人的下一位置坐标为(x,y)，根据公式(1)计算出行人航位；
Figure GDA0002885474100000021
步骤二：对推算出的行人航位进行误差纠正
2.1：设定一个宽度为n的滑动窗，设窗内起始点无线访问接入点的信号强度为R1，结束点无线访问接入点的信号强度为Rn，滑动窗信号强度变化程度为ΔR＝|Rn-R1|，然后使用支持向量机对点进行标记，再对被标记为房间切换位点的位置将进行误差纠正；
2.2：假设地标群为Loc,距离阈值为δ，LOC＝{Loc1，Loc2，…，Loci}，当存在被标点l，且
Figure GDA0002885474100000031
则计算被标记点无线访问接入点信号数据与各Loc的平均无线访问接入点信号数据的相似度，然后计算被标记点距离Loc中心点的距离d，选择d小于δ且相似度最高的地标群，修改当前点坐标为该地标群的中心点位置，更新地标群；
步骤三：构建位置指纹地图
对运动轨迹中轨迹拐角小于120°的拐点处进行分割，获得行人的轨迹片段，再将轨迹片段的平均无线访问接入点信号强度，聚类处理得到了多个片段族，再对多个片段族内无线访问接入点信号强度相似性较高的轨迹片段进行合并，判断片段族间的连通性，除连通区域外，得到一组环绕各片段族的地图墙体，得到位置指纹地图；
步骤四：在线定位
4.1：对位置指纹地图进行预处理，计算每一位点处无线访问接入点信号数据的时间稳定性和各个无线访问接入点信号的相似性，然后筛选时间稳定性stability，时间稳定性stability计算如公式(2)和(3)所示；
Figure GDA0002885474100000032
Figure GDA0002885474100000033
4.2：在线定位，在用户发送定位请求时，进行获取用户当前位置的无线访问接入点信号强度数据{AP1，AP2，…，APN}和行人当前位置坐标(x0,y0)，构成当前位置的状态变量E，E＝{AP1，AP2，…，APN，x0，y0}，计算当前位置状态变量与位置指纹地图中各点状态变量的欧氏距离，选择距离最小的k个位点，最后计算k个位点坐标平均值作为定位结果。
进一步改进在于：所述步骤一中推算行人航位前，先利用加速度幅值的阈值检测和周期性判断构建步伐检测算法，利用步伐检测算法进行步伐检测，然后基于步伐检测结果，再利用步长计算公式(4)计算出步长。
Figure GDA0002885474100000041
进一步改进在于：所述利用加速度幅值的阈值检测和周期性判断构建步伐检测算法，利用步伐检测算法进行步伐检测的具体过程为：假定行人加速度模值大于当地平均重力加速度δg时刻为步伐发生时，假定行人的加速度模值小于或等于当地重力加速度时刻δg为步伐完成时，当步伐发生时刻出现时触发步伐检测算法，平均重力加速度δg的计算方式为：上一步伐持续时间内的重力加速度平均值，如公式(5)所示：
Figure GDA0002885474100000042
然后给定自相关阈值δcorr，步伐发生时中自相关值大于δcorr者记为候选步伐，将步伐完成时和步伐发生时的时间差Δt不在[0.5,2]区间内的记为扰动，同时给定单步内加速度幅值的极值阈值为δm，单步时段内极值超过δm则记为扰动，最终的所有非扰动候选步伐为步伐检测结果。
进一步改进在于：所述步骤一中推算行人航位前，还需要根据陀螺仪方向角φgyr和加速度-磁场方向角φa-mag数据，利用加权平均法获取手机的方向角数据，如公式(6)所示。
φ＝Aφgyr+Bφa-mag (6)
进一步改进在于：所述步骤一中推算行人航位前，还需要假设设备的加速度为a＝[ax,ay,az]，令设备在水平面xoy内逆时针旋转ω，则得到公式(7)；
Figure GDA0002885474100000051
假设y为行人的前进方向，然后对a′y进行频域分析，假定ω为设备与人之间的夹角θangle，则a′y频域最大值点为步频处，行人方向角计算如公式(8)所示。
θ＝θangle+φ (8)
进一步改进在于：所述步骤一中行人移动步长、行人移动的方向角和行人的下一位置坐标获取方法为：利用手机内嵌设的磁力计、陀螺仪和加速度传感器分别获取磁力数据、角运动数据和加速度数据，然后根据磁力数据、角运动数据和加速度数据获取手机方向角，并根据加速度数据获取手机与人体夹角以及移动步长，最后根据手机方向角和手机与人体夹角获取行人移动的方向角，根据行人移动的方向角和移动步长推算出行人的下一位置坐标。
进一步改进在于：所述步骤四公式(2)和(3)中APi为第i个无线访问接入点信号，RSSIkj为第k个位点第j次信号采集的无线访问接入点信号强度；N为位置指纹库中检测到APi信号的位点数，n为同一个位点上重复测量的次数，v是极小值，防止分数被零除。
本发明的有益效果为：本发明算法在实际验证中准确性高，具备较好的实用性，本发明算法通过设定了环境潜在地标，对行人航位推算中的累积误差进行纠正，提高了位置指纹地图的准确性，本发明的基于群智感知和多融合技术的室内定位算法，很好地解决了当前离线定位阶段对于现场勘查的绝对依赖问题，使基于Wi-Fi位置的指纹室内定位技术真正具有了商业应用价值。
附图说明
图1本发明行人航位推算算法流程图示意图。
图2为本发明房间切换数据特征示意图。
图3为本发明行人航位推算验证示意图。
图4为本发明实施例中走廊地图构建结果示意图。
图5为本发明实施例中指定区域地图绘制示意图。
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的实施例，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。
根据图1、2、3、4、5所示，本实施例提出一种基于群智感知和多融合技术的室内定位方法，包括以下步骤：
步骤一：推算行人航位
先利用加速度幅值的阈值检测和周期性判断构建步伐检测算法，利用步伐检测算法进行步伐检测，具体过程为：假定行人加速度模值大于当地平均重力加速度δg时刻为步伐发生时，假定行人的加速度模值小于或等于当地重力加速度时刻δg为步伐完成时，当步伐发生时刻出现时触发步伐检测算法，平均重力加速度δg的计算方式为：上一步伐持续时间内的重力加速度平均值，如公式(5)所示：
Figure GDA0002885474100000071
然后给定自相关阈值δcorr，步伐发生时中自相关值大于δcorr者记为候选步伐，将步伐完成时和步伐发生时的时间差Δt不在[0.5,2]区间内的记为扰动，同时给定单步内加速度幅值的极值阈值为δm，单步时段内极值超过δm则记为扰动，最终的所有非扰动候选步伐为步伐检测结果，然后基于步伐检测结果，再利用步长计算公式(4)计算出步长。
Figure GDA0002885474100000072
根据陀螺仪方向角φgyr和加速度-磁场方向角φa-mag数据，利用加权平均法获取手机的方向角数据，如公式(6)所示：
φ＝Aφgyr+Bφa-mag (6)
假设设备的加速度为a＝[ax,ay,az]，令设备在水平面xoy内逆时针旋转ω，则得到公式(7)；
Figure GDA0002885474100000073
假设y为行人的前进方向，然后对a′y进行频域分析，假定ω为设备与人之间的夹角θangle，则a′y频域最大值点为步频处，行人方向角计算如公式(8)所示。
θ＝θangle+φ (8)
如图1所示，行人移动步长、行人移动的方向角和行人的下一位置坐标获取方法为：利用手机内嵌设的磁力计、陀螺仪和加速度传感器分别获取磁力数据、角运动数据和加速度数据，然后根据磁力数据、角运动数据和加速度数据获取手机方向角，并根据加速度数据获取手机与人体夹角以及移动步长，最后根据手机方向角和手机与人体夹角获取行人移动的方向角，根据行人移动的方向角和移动步长推算出行人的下一位置坐标，从图1的行人航位推算算法流程图能看出，我们能够利用手机上的传感器信息来成功推算出行人的下一位置；
获取行人当前位置坐标(x0,y0)，设定行人移动步长为L，行人移动的方向角为θ，假定行人的下一位置坐标为(x,y)，根据公式(1)计算出行人航位；
Figure GDA0002885474100000081
步骤二：对推算出的行人航位进行误差纠正
2.1：如图2所示，设定一个宽度为n的滑动窗，设窗内起始点无线访问接入点的信号强度为R1，结束点无线访问接入点的信号强度为Rn，滑动窗信号强度变化程度为ΔR＝|Rn-R1|,然后使用支持向量机对点进行标记，再对被标记为房间切换位点的位置将进行误差纠正，从图2的房间切换数据特征示意图中能看出，这个方法能够检测到房间切换数据特征；
2.2：假设地标群为Loc，距离阈值为δ，LOC＝{Loc1，Loc2，…，Loci}，当存在被标点l，且
Figure GDA0002885474100000082
则计算被标记点无线访问接入点信号数据与各Loc的平均无线访问接入点信号数据的相似度，然后计算被标记点距离Loc中心点的距离d，选择d小于δ且相似度最高的地标群，修改当前点坐标为该地标群的中心点位置，更新地标群；
步骤三：构建位置指纹地图
对运动轨迹中轨迹拐角小于120°的拐点处进行分割，获得行人的轨迹片段，再将轨迹片段的平均无线访问接入点信号强度，聚类处理得到了多个片段族，再对多个片段族内无线访问接入点信号强度相似性较高的轨迹片段进行合并，判断片段族间的连通性，除连通区域外，得到一组环绕各片段族的地图墙体，得到位置指纹地图；
步骤四：在线定位
4.1：对位置指纹地图进行预处理，计算每一位点处无线访问接入点信号数据的时间稳定性和各个无线访问接入点信号的相似性，然后筛选时间稳定性stability，时间稳定性stability计算如公式(2)和(3)所示；
Figure GDA0002885474100000091
Figure GDA0002885474100000092
APi为第i个无线访问接入点信号，RSSIkj为第k个位点第j次信号采集的无线访问接入点信号强度；N为位置指纹库中检测到APi信号的位点数，n为同一个位点上重复测量的次数，v是极小值，防止分数被零除；
4.2：在线定位，在用户发送定位请求时，进行获取用户当前位置的无线访问接入点信号强度数据{AP1，AP2，…，APN}和行人当前位置坐标(x0,y0)，构成当前位置的状态变量E，E＝{AP1，AP2，…，APN，x0，y0}，计算当前位置状态变量与位置指纹地图中各点状态变量的欧氏距离，选择距离最小的k个位点，最后计算k个位点坐标平均值作为定位结果。
对本发明算法进行验证：
1.进行行人航位推算，图3为一组行人航位推算结果示意图所示，该验证场所位于电子科技大学品学楼A区一层开阔区域，该区域位于室外，接受GPS和Wi-Fi信号良好；
图3中，蓝色曲线为GPS定位数据，黑色曲线为未加验证的行人航位推算数据，红色曲线为多传感器融合修正的行人航位推算数据，从可以得出，本发明算法与真实航位基本重合，准确率极高。
2.进行位置指纹地图构建，本实施例以电子科技大学品学楼A区三楼走廊为测试点1，楼层Wi-Fi信号良好，测试者手持一台安卓设备步行环绕楼层一圈，构建出如图4所示走廊地图，从图4可以看出，本发明算法识别出该路径为光滑的走廊，整体连通，因此内外墙体绘制采用测试者的步行路径，绘制结果与实际吻合。
再以电子科技大学寝室楼为测试点2，楼层Wi-Fi信号良好，测试者携带一台安卓设备，在区域内自由步行，测试制定路线行走构建地图，如图5所示。从图5可以看出，各种区域的地图构建结果良好，说明本发明算法具备可行性。
3.在线位置匹配验证，以为电子科技大学品学楼A区一楼开放区域为测试地点，Wi-Fi信号良好。将GPS定位数据作为实际值，定位数据作为观测值，比例转换后得到匹配平均误差为1.5m，定位精度良好；误差在1m以内记为准确定位，正确定位概率为82％，定位准确性高。
本发明算法在实际验证中准确性高，具备较好的实用性，本发明算法通过设定了环境潜在地标，对行人航位推算中的累积误差进行纠正，提高了位置指纹地图的准确性，本发明的基于群智感知和多融合技术的室内定位算法，很好地解决了当前离线定位阶段对于现场勘查的绝对依赖问题，使Wi-Fi位置指纹室内定位技术真正具有了商业应用价值。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明的精神和范围的前提下，本发明还会有各种变化和改进，并且这些变化和改进都会落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效。

Claims (7)

1.一种基于群智感知和多融合技术的室内定位方法，其特征在于，包括以下步骤：
步骤一：推算行人航位
获取行人当前位置坐标(x0，y0)，设定行人移动步长为L，行人移动的方向角为θ，假定行人的下一位置坐标为(x，y)，根据公式(1)计算出行人航位；
Figure FDA0002885474090000011
步骤二：对推算出的行人航位进行误差纠正
2.1：设定一个宽度为n的滑动窗，设窗内起始点无线访问接入点的信号强度为R1，结束点无线访问接入点的信号强度为Rn，滑动窗信号强度变化程度为ΔR＝|Rn-R1|，然后使用支持向量机对点进行标记，再对被标记为房间切换位点的位置进行误差纠正；
2.2：假设地标群为Loc，距离阈值为δ，LOC＝{Loc1，Loc2，…，Loci}，当存在被标点l，且
Figure FDA0002885474090000012
则计算被标记点无线访问接入点信号数据与各Loc的平均无线访问接入点信号数据的相似度，然后计算被标记点距离Loc中心点的距离d，选择d小于δ且相似度最高的地标群，修改当前点坐标为该地标群的中心点位置，更新地标群；
步骤三：构建位置指纹地图
对运动轨迹中轨迹拐角小于120°的拐点处进行分割，获得行人的轨迹片段，再将轨迹片段的平均无线访问接入点信号强度，聚类处理得到了多个片段族，再对多个片段族内无线访问接入点信号强度相似性较高的轨迹片段进行合并，判断片段族间的连通性，除连通区域外，得到一组环绕各片段族的地图墙体，得到位置指纹地图；
步骤四：在线定位
4.1：对位置指纹地图进行预处理，计算每一位点处无线访问接入点信号数据的时间稳定性和各个无线访问接入点信号的相似性，然后筛选时间稳定性stability，时间稳定性stability计算如公式(2)和(3)所示；
Figure FDA0002885474090000021
Figure FDA0002885474090000022
式中，APi为第i个无线访问接入点信号，RSSIkj为第k个位点第j次信号采集的无线访问接入点信号强度；N为位置指纹库中检测到APi信号的位点数，n为同一个位点上重复测量的次数，v是极小值，防止分数被零除；
4.2：在线定位，在用户发送定位请求时，进行获取用户当前位置的无线访问接入点信号强度数据{AP1，AP2，…，APN}和行人当前位置坐标(x0，y0)，构成当前位置的状态变量E，E＝{AP1，AP2，…，APN，x0，y0}，计算当前位置状态变量与位置指纹地图中各点状态变量的欧氏距离，选择距离最小的k个位点，最后计算k个位点坐标平均值作为定位结果。
2.根据权利要求1所述的一种基于群智感知和多融合技术的室内定位方法，其特征在于：所述步骤一中推算行人航位前，先利用加速度幅值的阈值检测和周期性判断构建步伐检测算法，利用步伐检测算法进行步伐检测，然后基于步伐检测结果，再利用步长计算公式(4)计算出步长。
Figure FDA0002885474090000031
3.根据权利要求2所述的一种基于群智感知和多融合技术的室内定位方法，其特征在于：所述利用加速度幅值的阈值检测和周期性判断构建步伐检测算法，利用步伐检测算法进行步伐检测的具体过程为：假定行人加速度模值大于当地平均重力加速度δg时刻为步伐发生时，假定行人的加速度模值小于或等于当地重力加速度时刻δg为步伐完成时，当步伐发生时刻出现时触发步伐检测算法，平均重力加速度δg的计算方式为：上一步伐持续时间内的重力加速度平均值，如公式(5)所示：
Figure FDA0002885474090000032
然后给定自相关阈值δcorr，步伐发生时中自相关值大于δcorr者记为候选步伐，将步伐完成时和步伐发生时的时间差Δt不在[0.5，2]区间内的记为扰动，同时给定单步内加速度幅值的极值阈值为δm，单步时段内极值超过δm则记为扰动，最终的所有非扰动候选步伐为步伐检测结果。
4.根据权利要求1所述的一种基于群智感知和多融合技术的室内定位方法，其特征在于：所述步骤一中推算行人航位前，还需要根据陀螺仪方向角φgyr和加速度-磁场方向角φa-mag数据，利用加权平均法获取手机的方向角数据，如公式(6)所示
φ＝Aφgyr+Bφa-mag (6)。
5.根据权利要求1所述的一种基于群智感知和多融合技术的室内定位方法，其特征在于：所述步骤一中推算行人航位前，还需要假设设备的加速度为a＝[ax，ay，az]，令设备在水平面xoy内逆时针旋转ω，则得到公式(7)；
Figure FDA0002885474090000041
假设y为行人的前进方向，然后对a′y进行频域分析，假定ω为设备与人之间的夹角θangle，则a′y频域最大值点为步频处，行人方向角计算如公式(8)所示
θ＝θangle+φ (8)。
6.根据权利要求1所述的一种基于群智感知和多融合技术的室内定位方法，其特征在于：所述步骤一中行人移动步长、行人移动的方向角和行人的下一位置坐标获取方法为：利用手机内嵌设的磁力计、陀螺仪和加速度传感器分别获取磁力数据、角运动数据和加速度数据，然后根据磁力数据、角运动数据和加速度数据获取手机方向角，并根据加速度数据获取手机与人体夹角以及移动步长，最后根据手机方向角和手机与人体夹角获取行人移动的方向角，根据行人移动的方向角和移动步长推算出行人的下一位置坐标。
7.根据权利要求1所述的一种基于群智感知和多融合技术的室内定位方法，其特征在于：所述步骤四公式(2)和(3)中APi为第i个无线访问接入点信号，RSSIkj为第k个位点第j次信号采集的无线访问接入点信号强度；N为位置指纹库中检测到APi信号的位点数，n为同一个位点上重复测量的次数，v是极小值，防止分数被零除。
CN202010309876.XA 2020-04-20 2020-04-20 一种基于群智感知和多融合技术的室内定位方法 Active CN111491367B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010309876.XA CN111491367B (zh) 2020-04-20 2020-04-20 一种基于群智感知和多融合技术的室内定位方法
PCT/CN2020/136377 WO2021212878A1 (zh) 2020-04-20 2020-12-15 一种基于群智感知和多融合技术的室内定位算法
ZA2021/06561A ZA202106561B (en) 2020-04-20 2021-09-07 Indoor positioning algorithm based on swarm intelligence perception and multi-fusion technology

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010309876.XA CN111491367B (zh) 2020-04-20 2020-04-20 一种基于群智感知和多融合技术的室内定位方法

Publications (2)

Publication Number Publication Date
CN111491367A CN111491367A (zh) 2020-08-04
CN111491367B true CN111491367B (zh) 2021-03-30

Family

ID=71812920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010309876.XA Active CN111491367B (zh) 2020-04-20 2020-04-20 一种基于群智感知和多融合技术的室内定位方法

Country Status (3)

Country Link
CN (1) CN111491367B (zh)
WO (1) WO2021212878A1 (zh)
ZA (1) ZA202106561B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111491367B (zh) * 2020-04-20 2021-03-30 电子科技大学 一种基于群智感知和多融合技术的室内定位方法
CN113203416B (zh) * 2021-03-19 2022-07-12 电子科技大学 一种针对摆臂行人的行人航位推算方法
CN113899368B (zh) * 2021-09-15 2023-06-23 武汉大学 一种基于室内指纹点拓扑关系的行人航向校正方法
CN114005269B (zh) * 2021-10-29 2022-08-19 陕西省君凯电子科技有限公司 一种自行车智能管理方法及系统
CN114018267B (zh) * 2021-11-04 2023-07-07 国网新源控股有限公司 基于可穿戴式室内巡检定位装置的融合定位方法
CN114608560B (zh) * 2022-03-22 2024-04-26 中国矿业大学 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
CN114739412B (zh) * 2022-04-11 2024-05-03 河海大学 一种基于智能手机的行人步态实时检测方法及设备
CN114894196B (zh) * 2022-05-20 2023-09-19 上海航天测控通信研究所 一种航迹推算辅助的离开角测向定位方法
CN115292743B (zh) * 2022-07-06 2023-05-09 南京邮电大学 一种基于智群感知技术的大数据应用系统
CN115166721B (zh) * 2022-09-05 2023-04-07 湖南众天云科技有限公司 路侧感知设备中雷达与gnss信息标定融合方法及装置
CN115580926B (zh) * 2022-11-17 2023-04-14 杭州明启数智科技有限公司 一种基于wifi指纹和改进knn算法的住宅楼宇室内定位方法
CN118055489A (zh) * 2024-01-31 2024-05-17 江南大学 Rss+pdr双源多尺度融合的室内定位方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104390643A (zh) * 2014-11-24 2015-03-04 上海美琦浦悦通讯科技有限公司 基于多信息融合实现室内定位的方法
CN106197418A (zh) * 2016-06-22 2016-12-07 西安交通大学 一种基于滑动窗口的指纹法与传感器融合的室内定位方法
CN107067038A (zh) * 2017-04-20 2017-08-18 哈尔滨工业大学 一种基于pdr轨迹绘制的室内楼宇轮廓修整方法
CN107339992A (zh) * 2017-08-24 2017-11-10 武汉大学 一种基于行为的室内定位和地标语义标识的方法
CN107688665A (zh) * 2017-09-27 2018-02-13 深圳大学 一种室内地图自动构建方法、装置及存储介质
CN109459030A (zh) * 2018-11-27 2019-03-12 北京方位捷讯科技有限公司 一种基于地标的行人定位修正方法及系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103501538B (zh) * 2013-10-12 2016-03-30 清华大学 基于多径能量指纹的室内定位方法
JP2016109426A (ja) * 2014-12-01 2016-06-20 株式会社東芝 サーバコンピュータ、測位システム、測位方法およびプログラム
CN107666638B (zh) * 2016-07-29 2019-02-05 腾讯科技（深圳）有限公司 一种估计录音延迟的方法及终端设备
US10989786B2 (en) * 2016-12-28 2021-04-27 Sap Se Outdoor localization using hotspot labels
CN106845392B (zh) * 2017-01-18 2020-06-30 华中科技大学 一种基于众包轨迹的室内转角地标的匹配及识别方法
FR3072180B1 (fr) * 2017-10-06 2019-11-01 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede de localisation d'une borne d'acces a un reseau de communication
US10546043B1 (en) * 2018-07-16 2020-01-28 Here Global B.V. Triangulation for K-anonymity in location trajectory data
CN110830939B (zh) * 2019-08-29 2021-04-27 天津大学 基于改进的cpn-wlan指纹定位数据库的定位方法
CN110557716B (zh) * 2019-09-03 2020-11-20 华南师范大学 一种基于对数正态模型的室内定位方法
CN110856112B (zh) * 2019-11-14 2021-06-18 深圳先进技术研究院 一种群智感知的多源信息融合室内定位方法及系统
CN111491367B (zh) * 2020-04-20 2021-03-30 电子科技大学 一种基于群智感知和多融合技术的室内定位方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104390643A (zh) * 2014-11-24 2015-03-04 上海美琦浦悦通讯科技有限公司 基于多信息融合实现室内定位的方法
CN106197418A (zh) * 2016-06-22 2016-12-07 西安交通大学 一种基于滑动窗口的指纹法与传感器融合的室内定位方法
CN107067038A (zh) * 2017-04-20 2017-08-18 哈尔滨工业大学 一种基于pdr轨迹绘制的室内楼宇轮廓修整方法
CN107339992A (zh) * 2017-08-24 2017-11-10 武汉大学 一种基于行为的室内定位和地标语义标识的方法
CN107688665A (zh) * 2017-09-27 2018-02-13 深圳大学 一种室内地图自动构建方法、装置及存储介质
CN109459030A (zh) * 2018-11-27 2019-03-12 北京方位捷讯科技有限公司 一种基于地标的行人定位修正方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《An indoor self-localization algorithm using the calibration of the online magnetic fingerprints and indoor landmarks》;Qu Wang;《2016 International Conference on Indoor Positioning and Indoor Navigation (IPIN)》;20161117;全文 *
《基于动态地标的在线室内平面图生成方法》;刘文远;《电子与信息学报》;20160630;全文 *
《基于移动群智感知的室内路径规划关键技术研究》;滕晓强;《中国博士学位论文全文数据库》;20200229;全文 *

Also Published As

Publication number Publication date
CN111491367A (zh) 2020-08-04
ZA202106561B (en) 2022-02-23
WO2021212878A1 (zh) 2021-10-28

Similar Documents

Publication Publication Date Title
CN111491367B (zh) 一种基于群智感知和多融合技术的室内定位方法
CN105547305B (zh) 一种基于无线定位和激光地图匹配的位姿解算方法
US9696165B2 (en) Last-mile navigation using smartphones
Zhou et al. Activity sequence-based indoor pedestrian localization using smartphones
CN110118549B (zh) 一种多源信息融合定位方法和装置
Chen et al. Smartphone inertial sensor-based indoor localization and tracking with iBeacon corrections
CN109413578B (zh) 一种基于wifi与pdr融合的室内定位方法
Zhou et al. ALIMC: Activity landmark-based indoor mapping via crowdsourcing
CN108632761B (zh) 一种基于粒子滤波算法的室内定位方法
CN109298389A (zh) 基于多粒子群优化的室内行人组合位姿估计方法
CN109164411B (zh) 一种基于多数据融合的人员定位方法
Li et al. WiFi-RITA positioning: Enhanced crowdsourcing positioning based on massive noisy user traces
CN105716604A (zh) 基于地磁序列的移动机器人室内定位方法及系统
CN111879305B (zh) 一种面向高危生产环境的多模态感知定位模型与系统
Du et al. CRCLoc: A crowdsourcing-based radio map construction method for WiFi fingerprinting localization
CN111829516B (zh) 一种基于智能手机的自主式行人定位方法
Retscher et al. Continuous indoor navigation with RFID and INS
CN111698774A (zh) 基于多源信息融合的室内定位方法及装置
Cruz et al. MagLand: Magnetic landmarks for road vehicle localization
Kwak et al. Magnetic field based indoor localization system: A crowdsourcing approach
CN114615740A (zh) 一种基于蓝牙、pdr和地图匹配融合的室内人员定位方法
Wang et al. An adaptive indoor positioning method using multisource information fusion combing Wi-Fi/MM/PDR
Mansour et al. Everywhere: A framework for ubiquitous indoor localization
Zhou et al. Anonymous crowdsourcing-based WLAN indoor localization
Nguyen-Huu et al. A Multi‐Floor Indoor Pedestrian Localization Method Using Landmarks Detection for Different Holding Styles

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