一種基于自適應粒子濾波器算法的地磁室內(nèi)定位系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于自適應粒子濾波算法的地磁室內(nèi)定位系統(tǒng)及其方法。所述系統(tǒng)包含一個新型自適應粒子濾波器算法和一個高效的地磁指紋數(shù)據(jù)收集單元。其中，高效的地磁指紋數(shù)據(jù)收集單元主要功能是利用手機磁強計快速地收集室內(nèi)地磁信號，轉(zhuǎn)化為地磁指紋模型并存儲。新型自適應粒子濾波器算法是對現(xiàn)有濾波器算法的改進，以提高魯棒性，精確度和可用性。自適應粒子濾波改進算法關鍵技術主要包括：自適應行為模型，新型度量模型，自適應重采樣模型，定位精度評估和定位失效檢測模型。該系統(tǒng)適用于各類集成加速度傳感器、陀螺儀和磁強計的智能手機。系統(tǒng)的特點在于不限制手機朝向、擺放位置以及使用，而且定位精度高。
【專利說明】一種基于自適應粒子濾波器算法的地磁室內(nèi)定位系統(tǒng)
【技術領域】
[0001]本發(fā)明涉及傳感器，人工智能以及移動計算領域，尤其涉及基于粒子濾波算法和智能手機傳感器進行地磁室內(nèi)定位的系統(tǒng)。
【背景技術】
[0002]隨著越來越多的基于位置來提供服務的應用的出現(xiàn)，利用手機進行精確室內(nèi)定位成為了一大研究熱點。由于GPS信號受到建筑物的阻擋，在室內(nèi)環(huán)境無法應用，所以研究者們提出了許多新型的室內(nèi)定位的方法。常見的幾種方法包括:超聲波定位技術，W1-FiFingerprint技術,慣性傳感器(加速度傳感器，羅盤，陀螺儀等)定位技術等。
[0003]超聲波定位技術主要利用超聲波進行測距，然后通過三角測距法進行定位。使用前需要在室內(nèi)布置超聲波應答器，當接收到手機發(fā)射的超聲波信號后，反射信號給手機。手機通過測量發(fā)射和接收的時間差估計手機距離各個應答器的距離，然后利用三角測距原理獲得精確定位。其優(yōu)點在于定位精度高，缺點是容易受到多徑效應的影響，而且需要布置大量的基礎設施，造價高。
[0004]W1-Fi Fingerprint定位技術是目前最為火熱的定位技術,它通過測量室內(nèi)各個W1-Fi熱點信號強度RSSI實現(xiàn)定位。主要方法是要先在室內(nèi)各個位置點測量各個W1-Fi AP的信號強度得到一個W1-Fi指紋〈RSSIp RSSI2,…，RSSIn, Location),最終形成一個W1-Fi指紋數(shù)據(jù)庫。當用 戶需要定位時，只需要測量當前W1-Fi熱點的信號強度，然后和指紋數(shù)據(jù)庫進行匹配，就可以完成定位。其優(yōu)點在于W1-Fi設備幾乎處處可見，不需要額外的布置，而且定位方便快捷，缺點在于需要測量得到指紋數(shù)據(jù)庫較為費時費力，精度低，不穩(wěn)定，掃描W1-Fi信號還比較耗電，不適于連續(xù)跟蹤用戶位置。
[0005]慣性傳感器定位技術主要是在假設已知用戶初始位置的情況下，利用手機的慣性傳感器來測量用戶的行走速度和方向，從而跟蹤用戶的位置。這類方法的特點在于不需要額外的基礎設置，簡單方便，耗電低，但是容易產(chǎn)生累積誤差，定位精度低。
[0006]利用地磁場信號進行定位是一種較為新型的定位技術。其理論基礎在于，在室內(nèi)環(huán)境下，地磁場受到室內(nèi)其他磁場源(如鋼筋結構，大型電磁設備等)的影響，而使得磁場發(fā)生扭曲，使得各個位置點的地磁信號都不相同，從而形成了類似W1-Fi指紋一樣的地磁指紋。而且智能手機中基本都集成了磁強計。另外，利用粒子濾波技術將地磁數(shù)據(jù)和慣性傳感器數(shù)據(jù)融合起來進行定位能夠?qū)崿F(xiàn)更加精確的定位，這種方法最初被用于機器人定位領域，然而在通過手機傳感器獲取數(shù)據(jù)會引入更多的噪聲，而且對人的動作識別也會產(chǎn)生更多的誤差，這些噪聲和誤差極易導致粒子濾波器失效。更嚴重的問題是在手機采集的地磁場數(shù)據(jù)是一個三維向量，每個分量代表了磁場在手機的X，y, z方向上磁場強度。同一個地點，當手機方向發(fā)生偏轉(zhuǎn)，讀到的磁場向量也會發(fā)生變化。因此已有的方法不得不要求用戶使用時固定手機的朝向，使用非常不便。另外一個難點在于，不同的手機，在同一個地點，同一個朝向狀態(tài)下地磁讀數(shù)仍然存在偏差，需要校準。
【發(fā)明內(nèi)容】

[0007]本發(fā)明主要針對以上【背景技術】中的不足，提供一種利用智能手機的傳感器讀取的地磁場信號進行精確室內(nèi)定位的方法，該方法不需要額外的基礎設施，耗電低，應用廣泛；更重要的是，該方法不限制手機的朝向和使用，具有更好的魯棒性和實用性。最后該定位方法取得了非常高的定位精度。
[0008]本發(fā)明通過以下技術方案實現(xiàn):
[0009]一種基于自適應粒子濾波器算法的地磁室內(nèi)定位系統(tǒng)及其方法，包括一個高效的地磁指紋數(shù)據(jù)的收集方法和一個自適應粒子濾波器算法，該定位系統(tǒng)適用于各類集成了加速度傳感器、陀螺儀和磁強計的智能手機。
[0010]所述高效的地磁指紋數(shù)據(jù)收集方法主要功能是利用手機磁強計快速地收集室內(nèi)地磁信號，轉(zhuǎn)化為地磁指紋模型，最終通過插值得到高密度〈地磁指紋，位置 > 數(shù)據(jù)庫，它包括三個過程:首先將所要收集地磁數(shù)據(jù)的區(qū)域用平行的直線路徑分割；接著收集者需要拿著運行著地磁數(shù)據(jù)收集程序的手機，沿著這些路徑勻速緩慢行走，收集每條路線上的地磁數(shù)據(jù)；最后，我們通過插值的方式，將兩條線之間的地磁數(shù)據(jù)補齊，從而得到高密度的地磁指紋數(shù)據(jù)庫。所述地磁數(shù)據(jù)收集程序是基于智能手機開發(fā)的應用軟件，用戶能夠在該程序上設置和選擇路線，該應用主要收集地磁數(shù)據(jù)和重力加速度數(shù)據(jù)，并進行數(shù)據(jù)處理，轉(zhuǎn)換為粒子濾波器算法需要的地磁指紋模型，最后和其對應的位置一起存入數(shù)據(jù)庫。
[0011]所述自適應粒子濾波器算法是對粒子濾波算法的進一步改進，粒子濾波算法是一個迭代的貝葉斯過程，通過一系列的粒子用來估計系統(tǒng)狀態(tài)的后驗分布。在定位領域，系統(tǒng)狀態(tài)就是指用戶的位置坐標(X，y)和朝向Θ。每個粒子都是對當前系統(tǒng)狀態(tài)的一個假設，通過對粒子賦一個權值來評估該粒子和真實狀態(tài)的接近程度。該自適應粒子濾波算法包括以下幾個關鍵組成部分:
[0012]I)行為模型:通過慣性傳感器對人的行為進行估計，包括計步，動態(tài)步長估計和兩步之間朝向變化估計，根據(jù)用戶行為的變化來更新每個粒子的狀態(tài)。
[0013]2)度量模型:將地磁指紋作為觀察值，匹配手機讀數(shù)和地磁指紋數(shù)據(jù)庫中指紋數(shù)據(jù)，重新評估更新后的每個粒子的權重。
[0014]3)重采樣模型:主要重新選取更高概率的靠近真正狀態(tài)的粒子進入下一輪迭代；完成重采樣后，粒子集將更加貼近真實狀態(tài)的后驗分布。
[0015]4)定位精度評估和定位失效檢測模型:主要用來評估當前定位精度，并啟發(fā)式地檢測是否發(fā)生定位失效的情況，一旦發(fā)生失效，則啟動恢復程序。
[0016]所述基于自適應粒子濾波器算法的地磁室內(nèi)定位系統(tǒng)的各個關鍵模型都不依賴于手機的朝向，并且能夠容忍行為模型的估計誤差，因此，使得該系統(tǒng)對手機朝向、擺放位置和使用都沒有限制。
[0017]所述行為模型中計步算法主要通過處理手機加速度傳感器數(shù)據(jù)得到；人在行走時，加速度會發(fā)生周期性的變化；首先使用低通濾波器和均值濾波器來平滑原始的加速度數(shù)據(jù)降低誤差，接著設置相鄰波峰和波谷之間加速度大小閾值和時間差閾值(上界和下界)過濾掉干擾情況，最后通過數(shù)波峰或者波谷數(shù)量就可以實現(xiàn)計步功能。
[0018]所述行為模型中步長估計算法是一種動態(tài)的步長估計算法，在普通粒子濾波算法中步長被設置為一個常量，但是不同的人步長各異，即使同一個人步長也時常發(fā)生變化，所以本發(fā)明通過對重采樣后的粒子步長求加權平均值得到一個建議步長。并利用一個隊列緩存最近N個建議步長，將這N個建議步長的平均值作為下一次迭代的步長估計。
[0019]所述行為模型中連續(xù)兩步之間用戶朝向變化的估計算法，首先是通過對從陀螺儀讀取的角速度進行積分，得到兩步之間手機X，y, Z三軸上角度變化，繼而利用加速度傳感器獲取到重力的方向，也就是豎直方向，通過坐標系變化，得到兩步之間手機圍繞豎直方向變化的角度，即用戶朝向變化值。
[0020]所述度量模型是一種新型的混合的模型，綜合利用了兩種不同的地磁指紋模型，分別是HV地磁指紋模型和地磁密度指紋模型。在定位的初始階段，使用HV地磁指紋模型，能夠加快粒子濾波器收斂速度，更快的完成定位；為了提高定位魯棒性和穩(wěn)定性，完成定位后切換到地磁密度指紋模型來繼續(xù)追蹤定位。
[0021]所述度量模型使用地磁指紋作為觀察值進行匹配和評估權重時，并非使用地磁指紋的絕對值來評估，而是使用連續(xù)兩步之間地磁指紋的差值作為觀察值，這樣能夠避免不同手機讀數(shù)存在偏差的問題，即不需要去一一校準所有的手機。
[0022]所述地磁密度指紋模型，是指將三軸地磁向量數(shù)據(jù)的大小，即模值，當作地磁讀數(shù)。其特點是不受手機朝向變化的影響，而且非常穩(wěn)定。
[0023]所述HV地磁指紋模型是指通過加速度獲取豎直方向，然后從三軸的地磁向量讀數(shù)中抽取水平分量和豎直分量，形成一個新的二維地磁向量，該地磁向量不受手機朝向變化的影響，而且比地磁密度指紋多了一個分量，因此特異性更高，作為度量模型的觀察值時能夠加快定位。但是容易受到用戶行為的影響，不夠穩(wěn)定。
[0024]所述重采樣模型是兩種重采樣算法的混合模型，包括權重離散分布重采樣算法和啟發(fā)式重采樣算法。重采樣時，會先根據(jù)當前檢測到用戶朝向變化值的大小來自適應地決定兩種重采樣算法分別需要采集的粒子數(shù)量。一般地，用戶朝向變化越大，啟發(fā)式重采樣算法采集粒子數(shù)比重就越大。
[0025]所述權重離散重采樣算法是根據(jù)當前粒子的權重分布情況選取粒子，直觀上，就是權重大的粒子多取，權重小的粒子少取。
[0026]所述啟發(fā)式重采樣算法是從當前預測的位置一定范圍內(nèi)，隨機選取一部分新的粒子。粒子的朝向可以在當期預測朝向一定變化范圍內(nèi)隨機設置。該算法主要能夠增加粒子多樣性，保證魯棒性，更關鍵的是能夠防止由于用戶使用手機做其他事情導致估計人朝向變化值出現(xiàn)大的誤差而發(fā)生定位失效。
[0027]所述定位精度評估和定位失效檢測模型是通過計算粒子的聚集度來預測當前定位精度，當預測精度超過一個閾值時，則判定為發(fā)生了定位失效。發(fā)現(xiàn)定位失效后，則啟動定位恢復程序。
[0028]所述粒子的聚集度是指以當前預測位置為圓心，能夠圈住多數(shù)粒子(如90% )的圓的最小半徑。
[0029]所述定位恢復程序是從歷史定位信息中選取距離當前點較近的穩(wěn)定點重新執(zhí)行自適應粒子濾波的定位算法。
[0030]所述歷史定位信息包括用戶計步數(shù)據(jù)，每步中的手機讀取的地磁指紋數(shù)據(jù)和用戶朝向變化數(shù)據(jù)，以及預測的用戶位置和朝向信息。
[0031]所述穩(wěn)定點是指從該點到當前點，用戶朝向變化很少，這樣帶來的誤差也就較少。[0032]所述基于自適應粒子濾波器算法的地磁室內(nèi)定位系統(tǒng)是一種離線的工作模式，用戶通過手機采集和處理慣性傳感器和磁強計數(shù)據(jù)得到行為模型參數(shù)和地磁指紋數(shù)據(jù)，將其上傳至定位服務器進行定位，服務器將定位結果返回到手機。
【專利附圖】

【附圖說明】
[0033]為了更清楚地說明本發(fā)明實施例的技術方案，下面將對實施例描述中所有需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域的普通技術人員來說，在不付出創(chuàng)造性勞動的前提下所獲得的其他附圖都屬于本發(fā)明的保護范圍。
[0034]圖1為本發(fā)明實施例提供的一種基于自適應粒子濾波器算法的地磁室內(nèi)定位系統(tǒng)的算法框架圖。
[0035]圖2為本發(fā)明實施例提供的地磁指紋數(shù)據(jù)收集方法描述圖和地磁收集程序樣例圖。
[0036]圖3為本發(fā)明實施例提供的動態(tài)步長估計算法描述圖。
[0037]圖4為本發(fā)明實施例提供的朝向變化估計算法示意圖。
[0038]圖5為本發(fā)明實施例提供的一種基于自適應粒子濾波器算法的地磁室內(nèi)定位系統(tǒng)的用例圖。
【具體實施方式】
[0039]下面結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地的描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部實施例?；诒景l(fā)明的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明的保護范圍。
[0040]如圖1所示，本發(fā)明實施例提供的一種基于自適應粒子濾波器算法的地磁室內(nèi)定位系統(tǒng)的算法框架圖，圖1中:
[0041]在剛開始進行定位時，粒子濾波器需要從初始定位區(qū)域內(nèi)隨機產(chǎn)生N個粒子
(101)。每當通過計步算法檢測到用戶邁了一步時，就進行一次迭代(102)。在迭代開始時，先要獲取通過動態(tài)步長估計算法估計當前用戶的步長1，并計算出這一步用戶朝向的變化Δ Θ (103)，接著對每一個粒子(104) (105)，利用行為模型更新粒子的狀態(tài)(106)，如公式
(I)⑵(3)。其中Ge和G1是高斯噪聲。
[0042]if+i = + Δ§ + G9 公式(I)
[0043]Ifti = 4 + (1+f1.) * COfftt+1 公式(2)
[0044]Tt1 = Yf + (I + G;).5￡ηθΙ+1 公式(3)
[0045]接著，利用度量模型去重新評估每個粒子的權重(107)，如公式(4)。其中S|表示
第i個粒子在第t步時的狀態(tài)(X, y, Θ ), wf—是粒子i在第t步時的權重,Zt是第t步時觀
察值，也就是手機上地磁讀數(shù)轉(zhuǎn)換為地磁指紋后的向量，是根據(jù)第i個粒子在第t步時的狀態(tài)從指紋數(shù)據(jù)庫中取出對應該狀態(tài)的地磁指紋數(shù)據(jù)，V代表協(xié)方差。該評估公式的隱含意義是指是指如果從.4:到4+1，數(shù)據(jù)庫中存儲的指紋數(shù)據(jù)的變化值和當前手機讀取到
的指紋數(shù)據(jù)的變化值越相近，則說明粒子i的越接近真實狀態(tài)，那么其權重也就越大。
[0046]
【權利要求】
1.一種基于自適應粒子濾波器算法的地磁室內(nèi)定位系統(tǒng)，特征在于:包含一個高效的地磁指紋數(shù)據(jù)收集單元和一個自適應粒子濾波器單元； 所述高效的地磁指紋數(shù)據(jù)收集單元是利用手機磁強計快速地收集室內(nèi)地磁信號，轉(zhuǎn)化為地磁指紋模型，最終通過插值得到高密度〈地磁指紋，位置 > 數(shù)據(jù)庫； 所述自適應粒子濾波器單元精確地估計用戶的位置和朝向，包括:自適應行為模型，度量模型，自適應重采樣模型，定位精度評估和定位失效檢測模型，其中各個模型都不依賴于手機的朝向，并且能夠容忍用戶行為估計誤差。
2.根據(jù)權利要求1所述的地磁室內(nèi)定位系統(tǒng)，其特征在于: 所述高效的地磁指紋數(shù)據(jù)收集單元:首先將所要收集地磁數(shù)據(jù)的區(qū)域用平行的直線路徑分割；接著收集者需要拿著運行著地磁數(shù)據(jù)收集程序的手機，沿著這些路徑勻速緩慢行走，收集每條路線上的地磁數(shù)據(jù)；最后，通過插值的方式，將兩條線之間的地磁數(shù)據(jù)補齊，從而得到高密度的地磁指紋數(shù)據(jù)庫； 所述地磁數(shù)據(jù)收集程序是基于智能手機開發(fā)的應用軟件，用戶能夠在該程序上設置和選擇路線，該應用軟件收集地磁數(shù)據(jù)和重力加速度數(shù)據(jù)，并進行數(shù)據(jù)處理，轉(zhuǎn)換為所述自適應粒子濾波器單元需要的地磁指紋模型，最后和其匹配的位置一起存入數(shù)據(jù)庫； 所述地磁指紋模型包括兩種，地磁密度指紋模型和HV地磁指紋模型，在存入數(shù)據(jù)庫時，只需要保存位置對應的HV地磁指紋模型，地磁密度指紋模型通過從HV指紋模型中計算得來； 所述地磁密度指紋模型，是指將三軸地磁向量數(shù)據(jù)的大小，即模值，當作地磁讀數(shù)；所述HV地磁指紋模型是指通過加速度獲取豎直方向，然后從三軸的地磁向量讀數(shù)中抽取水平分量和豎直分量，形成一個新的二維地磁向量，所述二維地磁向量不受手機朝向變化的影響，而且比地磁密度指紋多了一個分量，作為度量模型的觀察值時能夠加快定位速度。
3.根據(jù)權利要求1所述的地磁室內(nèi)定位系統(tǒng)，其特征在于: 所述自適應行為模型是通過慣性傳感器對用戶的行為進行估計，包括計步，步長估計和連續(xù)兩步之間朝向變化估計，根據(jù)用戶行為變化來更新每個粒子的狀態(tài)； 所述度量模型將地磁指紋作為觀察值，匹配手機讀數(shù)和地磁指紋數(shù)據(jù)庫中指紋數(shù)據(jù)，重新評估更新后的每個粒子的權重； 所述自適應重采樣模型重新篩選粒子，使得重采樣后，粒子集將更加貼近真實狀態(tài)的后驗分布； 所述定位精度評估和定位失效檢測模型用來評估當前定位精度，并啟發(fā)式地檢測是否發(fā)生定位失效的情況，一旦發(fā)生失效，則啟動恢復程序。
4.根據(jù)權利要求3所述的地磁室內(nèi)定位系統(tǒng)，其特征在于: 所述計步算法通過處理手機加速度傳感器數(shù)據(jù)得到；人在行走時，加速度會發(fā)生周期性的變化；首先使用低通濾波器和均值濾波器來平滑原始的加速度數(shù)據(jù)降低誤差，接著設置相鄰波峰和波谷之間加速度大小閾值和時間差閾值(上界和下界)過濾掉干擾情況，最后通過數(shù)波峰或者波谷數(shù)量實現(xiàn)計步功能； 所述步長估計算法是一種動態(tài)自適應的步長估計算法，在普通粒子濾波算法中步長被設置為一個常量，但是不同的人步長各異，即使同一個人步長也時常發(fā)生變化，所以本發(fā)明通過對重采樣后的粒子步長求加權平均值得到一個建議步長。并通過一個隊列緩存最近N個建議步長，將這N個建議步長的平均值作為下一次迭代時的步長。 所述連續(xù)兩步之間朝向變化估計算法，首先是通過對從陀螺儀讀取的角速度進行積分，得到兩步之間手機X，y, z三軸上角度變化，繼而利用加速度傳感器獲取到重力的方向，也就是豎直方向，通過坐標系變化，得到兩步之間手機圍繞豎直方向變化的角度，即用戶朝向變化值。
5.根據(jù)權利要求3所述的地磁室內(nèi)定位系統(tǒng)，其特征在于: 所述度量模型是一種新型的混合的模型，綜合利用了兩種不同的地磁指紋模型，分別是HV地磁指紋模型和地磁密度指紋模型，在定位的初始階段，使用HV地磁指紋模型，能夠加快粒子濾波器收斂速度，更快的完成定位；為了提高定位魯棒性和穩(wěn)定性，完成定位后切換到地磁密度指紋模型來繼續(xù)追蹤定位； 所述度量模型使用地磁指紋作為觀察值進行匹配和評估權重時，并非使用地磁指紋的絕對值來評估，而是使用連續(xù)兩步之間地磁指紋的差值作為觀察值，這樣能夠避免不同手機讀數(shù)存在偏差的問題，即不需要去一一校準所有的手機。
6.根據(jù)權利要求 3所述的地磁室內(nèi)定位系統(tǒng)，其特征在于， 所述自適應重采樣模型是兩種重采樣算法的混合模型，包括權重離散分布重采樣算法和啟發(fā)式重采樣算法，重采樣時，會先根據(jù)當前檢測到用戶朝向變化值的大小來自適應地決定兩種重采樣算法分別需要采集的粒子數(shù)量；用戶朝向變化越大，啟發(fā)式重采樣算法采集粒子數(shù)比重就越大； 所述權重離散重采樣算法是根據(jù)當前粒子的權重分布情況選取粒子，直觀上，就是權重大的粒子多取，權重小的粒子少??； 所述啟發(fā)式重采樣算法是從當前預測的位置一定范圍內(nèi)，隨機選取一部分新的粒子；粒子的朝向在當期預測朝向一定變化范圍內(nèi)隨機設置，防止由于用戶使用手機做其他事情導致估計人朝向變化值出現(xiàn)大的誤差而發(fā)生定位失效。
7.根據(jù)權利要求3所述的地磁室內(nèi)定位系統(tǒng)，其特征在于: 所述定位精度評估和定位失效檢測模型是通過計算粒子的聚集度來預測當前定位精度，當預測精度超過一個閾值時，則判定為發(fā)生了定位失效；發(fā)現(xiàn)定位失效后，則啟動定位恢復程序； 所述粒子的聚集度是指以當前預測位置為圓心，能夠圈住多數(shù)粒子的圓的最小半徑；所述定位恢復程序是從歷史定位信息中選取距離當前點較近的穩(wěn)定點重新執(zhí)行自適應粒子濾波的定位算法； 所述歷史定位信息包括用戶計步數(shù)據(jù)，每步中的手機讀取的地磁指紋數(shù)據(jù)和用戶朝向變化數(shù)據(jù)，以及預測的用戶位置和朝向信息； 所述穩(wěn)定點是指從該點到當前點，用戶朝向變化很少，這樣帶來的誤差也就較少。
8.一種基于自適應粒子濾波器算法的地磁室內(nèi)定位方法，特征在于:包括一個高效的地磁指紋數(shù)據(jù)收集步驟和一個新型自適應粒子濾波器算法步驟，其中: 所述高效的地磁指紋數(shù)據(jù)收集步驟是利用手機磁強計快速地收集室內(nèi)地磁信號，轉(zhuǎn)化為地磁指紋模型，最終通過插值得到高密度〈地磁指紋，位置 > 數(shù)據(jù)庫； 所述自適應粒子濾波器算法步驟包括:自適應行為步驟，新型度量步驟，自適應重采樣步驟，定位精度評估和定位失效檢測步驟，其中，各個步驟都不依賴于手機的朝向，并且能夠容忍用戶行為估計誤差。
9.根據(jù)權利要求8所述的地磁室內(nèi)定位方法，其特征在于: 所述高效的地磁指紋數(shù)據(jù)收集方法包括三個過程:首先將所要收集地磁數(shù)據(jù)的區(qū)域用平行的直線路徑分割；接著收集者需要拿著運行著地磁數(shù)據(jù)收集程序的手機，沿著這些路徑勻速緩慢行走，收集每條路線上的地磁數(shù)據(jù)；最后，通過插值的方式，將兩條線之間的地磁數(shù)據(jù)補齊，從而得到高密度的地磁指紋數(shù)據(jù)庫； 所述地磁數(shù)據(jù)收集程序是基于智能手機開發(fā)的應用軟件，用戶能夠在該程序上設置和選擇路線，收集地磁數(shù)據(jù)和重力加速度數(shù)據(jù)，并進行數(shù)據(jù)處理，轉(zhuǎn)換為粒子濾波器算法需要的地磁指紋模型，最后和其匹配的位置一起存入數(shù)據(jù)庫； 所述指紋模型包括兩種，地磁密度指紋模型和HV地磁指紋模型；在存入數(shù)據(jù)庫時，保存位置對應的HV地磁指紋模型，地磁密度指紋模型通過從HV指紋模型中計算得來； 所述地磁密度指紋模型，是指將三軸地磁向量數(shù)據(jù)的大小，即模值，當做地磁讀數(shù)；所述HV地磁指紋模型是指通過加速度獲取豎直方向，然后從三軸的地磁向量讀數(shù)中抽取水平分量和豎直分量，形成一個新的二維地磁向量，該地磁向量不受手機朝向變化的影響，而且比地磁密度指紋多了一個分量，作為度量模型的觀察值時能夠加快定位速度。
10.根據(jù)權利要求8所述的地磁室內(nèi)定位方法，其特征在于: 所述行為步驟是通過慣性傳感器對用戶的行為進行估計，包括計步，步長估計和連續(xù)兩步之間朝向變化估計，根據(jù)用戶行為變化來更新每個粒子的狀態(tài)； 所述度量步驟將地磁指紋作為觀察值，匹配手機讀數(shù)和地磁指紋數(shù)據(jù)庫中指紋數(shù)據(jù)，重新評估更新后的每個粒子的權重； 所述重采樣步驟重新篩選粒子，使得重采樣后，粒子集將更加貼近真實狀態(tài)的后驗分布； 所述定位精度評估和定位失效檢測步驟用來評估當前定位精度，并啟發(fā)式地檢測是否發(fā)生定位失效的情況，一旦發(fā)生失效，則啟動恢復程序。
11.根據(jù)權利要求10所述的地磁室內(nèi)定位方法，其特征在于: 所述計步算法通過處理手機加速度傳感器數(shù)據(jù)得到；人在行走時，加速度會發(fā)生周期性的變化；首先使用低通濾波器和均值濾波器來平滑原始的加速度數(shù)據(jù)降低誤差，接著設置相鄰波峰和波谷之間加速度大小閾值和時間差閾值(上界和下界)過濾掉干擾情況，最后通過數(shù)波峰或者波谷數(shù)量實現(xiàn)計步功能； 所述步長估計算法是一種動態(tài)自適應的步長估計算法，在普通粒子濾波算法中步長被設置為一個常量，但是不同的人步長各異，即使同一個人步長也時常發(fā)生變化，所以通過對重采樣后的粒子步長求加權平均值得到一個建議步長，并通過一個隊列緩存最近N個建議步長，將這N個建議步長的平均值作為下一次迭代時的步長； 所述連續(xù)兩步之間朝向變化估計算法，首先是通過對從陀螺儀讀取的角速度進行積分，得到兩步之間手機X，y, z三軸上角度變化，繼而利用加速度傳感器獲取到重力的方向，也就是豎直方向，通過坐標系變化，得到兩步之間手機圍繞豎直方向變化的角度，即用戶朝向變化值。
12.根據(jù)權利要求10所述的地磁室內(nèi)定位方法，其特征在于: 所述度量步驟綜合利用兩種不同的地磁指紋模型，分別是HV地磁指紋模型和地磁密度指紋模型，在定位的初始階段，使用HV地磁指紋模型，加快粒子濾波器收斂速度，更快的完成定位，完成定位后切換到地磁S度指紋1吳型來繼續(xù)追S示定位； 所述度量步驟使用地磁指紋作為觀察值進行匹配和評估權重時，并非使用地磁指紋的絕對值來評估，而是使用連續(xù)兩步之間地磁指紋的差值作為觀察值，避免不同手機讀數(shù)存在偏差的問題，即不需要去一一校準所有的手機。
13.根據(jù)權利要求10所述的地磁室內(nèi)定位方法，其特征在于: 所述重采樣步驟包括權重離散分布重采樣算法和啟發(fā)式重采樣算法，重采樣時，會先根據(jù)當前檢測到用戶朝向變化值的大小來自適應地決定兩種重采樣算法分別需要采集的粒子數(shù)量；用戶朝向變化越大，啟發(fā)式重采樣算法采集粒子數(shù)比重就越大； 所述權重離散重采樣算法是根據(jù)當前粒子的權重分布情況選取粒子，權重大的粒子多取，權重小的粒子少??； 所述啟發(fā)式重采樣算法是從當前預測的位置一定范圍內(nèi)，隨機選取一部分新的粒子；粒子的朝向在當期預測朝向一定變化范圍內(nèi)隨機設置，防止由于用戶使用手機做其他事情導致估計人朝向變化 值出現(xiàn)大的誤差而發(fā)生定位失效。
14.根據(jù)權利要求10所述的地磁室內(nèi)定位方法，其特征在于: 所述定位精度評估和定位失效檢測步驟是通過計算粒子的聚集度來預測當前定位精度，當預測精度超過一個閾值時，則判定為發(fā)生了定位失效；發(fā)現(xiàn)定位失效后，則啟動定位恢復程序； 所述粒子的聚集度是指以當前預測位置為圓心，能夠圈住多數(shù)粒子的圓的最小半徑；所述定位恢復程序是從歷史定位信息中選取距離當前點較近的穩(wěn)定點重新執(zhí)行自適應粒子濾波的定位算法； 所述歷史定位信息包括用戶計步數(shù)據(jù)，每步中的手機讀取的地磁指紋數(shù)據(jù)和用戶朝向變化數(shù)據(jù)，以及預測的用戶位置和朝向信息； 所述穩(wěn)定點是指從該點到當前點，用戶朝向變化很少，帶來的誤差也就較少。
【文檔編號】G01C21/08GK103925923SQ201410191921
【公開日】2014年7月16日 申請日期:2014年5月7日 優(yōu)先權日:2014年5月7日
【發(fā)明者】呂建, 謝宏偉, 陶先平 申請人:南京大學