本發(fā)明屬于無(wú)線通信、模式識(shí)別、室內(nèi)定位追蹤領(lǐng)域，具體涉及一種基于滑動(dòng)窗口的指紋法與傳感器融合的室內(nèi)定位方法。
背景技術(shù)：
：隨著無(wú)線通信、計(jì)算機(jī)和感知技術(shù)的發(fā)展，普適計(jì)算實(shí)現(xiàn)了物理世界和信息空間的融合，為人們提供廣泛的計(jì)算和信息服務(wù)。由于大多數(shù)服務(wù)都是基于位置的服務(wù)(LocationBasedServices,LBS)，普適計(jì)算中的位置感知變得尤為重要?？萍嫉倪M(jìn)步和社會(huì)的發(fā)展使得人們對(duì)于位置、興趣點(diǎn)定位和導(dǎo)航的關(guān)注程度日益提高，普適計(jì)算中基于位置的服務(wù)已經(jīng)成為非常有前景的業(yè)務(wù)。它能夠廣泛支持需要?jiǎng)討B(tài)位置信息的應(yīng)用，為諸如信息查詢(xún)服務(wù)、交通管理、醫(yī)療救護(hù)、道路輔助與導(dǎo)航等提供較精確的位置信息，因此為用戶(hù)提供LBS有著巨大的市場(chǎng)規(guī)模和良好的商業(yè)前景。位置感知服務(wù)不僅僅局限在交通監(jiān)測(cè)與管理、移動(dòng)蜂窩網(wǎng)系統(tǒng)的設(shè)計(jì)、緊急救援等領(lǐng)域，人們?cè)谌粘Ｉ钪袑?duì)位置感知服務(wù)的需求也日益增多，比如：地下停車(chē)場(chǎng)、礦井的實(shí)時(shí)監(jiān)測(cè)、候車(chē)室、倉(cāng)儲(chǔ)、圖書(shū)館等大型復(fù)雜場(chǎng)景。人類(lèi)80％活動(dòng)時(shí)間處于室內(nèi)環(huán)境，在室內(nèi)的定位需求比在室外環(huán)境要多。目前，已經(jīng)有多種技術(shù)和方法被用于室內(nèi)定位。其中，基于位置指紋的WiFi室內(nèi)定位系統(tǒng)具有建設(shè)成本低、分布廣、精度高等優(yōu)勢(shì)。它不需要另外部署網(wǎng)絡(luò)環(huán)境和安裝額外的設(shè)備，直接利用現(xiàn)有的WiFi資源即可，成本較低，可直接利用終端內(nèi)嵌的無(wú)線網(wǎng)絡(luò)適配器測(cè)量接收信號(hào)強(qiáng)度(ReceivedSignalStrength，RSS)，完全通過(guò)純軟件的方式就能夠?qū)崿F(xiàn)定位?；谖恢弥讣y的WiFi室內(nèi)定位技術(shù)主要依賴(lài)于RSS的物理位置關(guān)聯(lián)特性，即終端與接入點(diǎn)(AccessPoint,AP)之間的距離及環(huán)境因素決定終端所接收到的RSS值。終端將在待定位點(diǎn)采集到的來(lái)自各個(gè)AP的信號(hào)強(qiáng)度值及對(duì)應(yīng)的AP的地址上傳給服務(wù)器，服務(wù)器在指紋數(shù)據(jù)庫(kù)中通過(guò)匹配算法查找與之最相近的指紋，利用這些指紋的位置坐標(biāo)計(jì)算得出待定位點(diǎn)的坐標(biāo)，將坐標(biāo)返回到客戶(hù)端。由于室內(nèi)環(huán)境很復(fù)雜，RSS信號(hào)的傳播會(huì)受到多徑效應(yīng)、同頻無(wú)線電干擾、人體遮擋、溫度濕度變化、室內(nèi)布局改變等因素的影響。由于受到這些因素的影響，RSS信號(hào)的時(shí)變性非常強(qiáng)，這種時(shí)變性使得RSS與物理位置不是簡(jiǎn)單的一一對(duì)應(yīng)的映射關(guān)系，而表現(xiàn)為復(fù)雜的、非線性的的映射關(guān)系，嚴(yán)重影響定位精度。此外，位置指紋法定位需要離線階段采集RSS樣本構(gòu)成離線數(shù)據(jù)庫(kù)，在不同的定位環(huán)境下，所采集的RSS樣本不同，即單獨(dú)使用指紋法定位時(shí)受環(huán)境因素影響大，定位結(jié)果不穩(wěn)定。在進(jìn)行實(shí)時(shí)定位前均需要提前做好樣本采集工作，且一段時(shí)間后需要對(duì)指紋數(shù)據(jù)庫(kù)進(jìn)行更新，才能保證在該環(huán)境內(nèi)使用指紋法能夠獲得較好的定位誤差?；谖恢弥讣y的WiFi室內(nèi)定位的研究大多集中在靜態(tài)定位，動(dòng)態(tài)定位主要采用基于慣性傳感器的方法?；趹T性傳感器的室內(nèi)定位技術(shù)，具有定位的自主性和連續(xù)性。慣性傳感器定位使用的傳感器涉及到加速度計(jì)、陀螺儀、磁羅盤(pán)等。在慣性定位技術(shù)中，加速度計(jì)可獲得運(yùn)動(dòng)的加速度，地磁羅盤(pán)可獲得當(dāng)前的行進(jìn)方向，陀螺儀可實(shí)時(shí)獲得方向角度的變化量，在給定初始方向的情況下也可得到實(shí)時(shí)的方向。由于行人航跡推算(Pedestriandeadreckoning,PDR)算法根據(jù)人行走的位移與航向進(jìn)行位置推算，定位精度依賴(lài)于計(jì)步效果、行人航向以及行人的步長(zhǎng)等因素，因而隨著行走時(shí)間增加，慣性傳感器定位的誤差也在不斷累積。對(duì)于連續(xù)定位，無(wú)線信號(hào)強(qiáng)度容易受到環(huán)境因素的影響而產(chǎn)生時(shí)高時(shí)低的波動(dòng)效應(yīng)，因此僅僅依靠WiFi指紋法定位獲得的結(jié)果是不連續(xù)也不穩(wěn)定的，這種不穩(wěn)定性表現(xiàn)在即使終端原地不動(dòng)，計(jì)算的實(shí)時(shí)位置也會(huì)在真實(shí)位置附近跳動(dòng)，這種現(xiàn)象稱(chēng)為漂移。對(duì)于較小面積的場(chǎng)所和細(xì)粒度的定位需求來(lái)說(shuō)，單獨(dú)使用指紋法來(lái)進(jìn)行連續(xù)定位是不合理的?；趥鞲衅鞯暮轿煌扑慵夹g(shù)由于數(shù)學(xué)迭代求和的方法，每次迭代都依賴(lài)上一次迭代的結(jié)果，因此具有連續(xù)性好的優(yōu)點(diǎn)，然而傳感器數(shù)掘的測(cè)量不可避免地存在誤差，從而使計(jì)算結(jié)果產(chǎn)生誤差，這種誤差會(huì)隨著每一次迭代計(jì)算而累積，即航位推算算法短期精度較好，而長(zhǎng)期精度較差。不同的技術(shù)實(shí)現(xiàn)手段各有優(yōu)缺點(diǎn)，依靠單一技術(shù)的改進(jìn)實(shí)現(xiàn)系統(tǒng)整體性能的提升變得日益困難，將WLAN室內(nèi)定位算法與傳感器融合，可以互相利用指紋法與傳感器定位各自的優(yōu)點(diǎn)并規(guī)避其缺點(diǎn)，互相補(bǔ)充以達(dá)到較好的定位效果。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于克服上述不足，提供一種基于滑動(dòng)窗口的指紋法與傳感器融合的室內(nèi)定位方法，能夠克服指紋法跳變性的影響以及航位推算所帶來(lái)的累計(jì)誤差，融合了指紋法與航位推算各自的優(yōu)點(diǎn)來(lái)提高連續(xù)定位的性能。為了達(dá)到上述目的，本發(fā)明包括以下步驟：步驟一，將整個(gè)定位過(guò)程分成多段來(lái)消除長(zhǎng)期定位帶來(lái)的累計(jì)誤差，其中每一段被定義為一個(gè)窗口；步驟二，對(duì)參數(shù)進(jìn)行初始化后，對(duì)在某一個(gè)窗口內(nèi)的行人的運(yùn)動(dòng)進(jìn)行PDR定位；步驟三，對(duì)行人進(jìn)行WiFi位置指紋法定位；步驟四，將PDR定位結(jié)果與WiFi指紋法定位結(jié)果融合，得到融合定位結(jié)果；步驟五，當(dāng)行人到達(dá)下一個(gè)窗口時(shí)，重復(fù)步驟二至步驟四，計(jì)算用戶(hù)接下來(lái)的每一步的定位結(jié)果直到用戶(hù)停止運(yùn)動(dòng)，即完成基于滑動(dòng)窗口的指紋法與傳感器融合的室內(nèi)定位方法。所述步驟二中，初始化的具體方法如下：從初始位置開(kāi)始，令步數(shù)t＝0，初始位置L0＝(x0,y0)(t＝0)已知，其中x0代表x軸坐標(biāo)，y0代表y軸坐標(biāo)，設(shè)窗口大小為W，滑動(dòng)間隔為I。所述步驟二中，PDR定位的具體方法如下：當(dāng)行人腳步被探測(cè)之后，令t＝t+1，假定用戶(hù)第t步的PDR的定位結(jié)果為第t步估計(jì)步長(zhǎng)為dt，第t步運(yùn)動(dòng)方向?yàn)棣萾，則根據(jù)PDR定位結(jié)果的計(jì)算公式，如式(1)，可得t時(shí)刻PDR的定位結(jié)果；xpdrt=xpdrt-1+dt·cos(θt)ypdrt=ypdrt-1+dt·sin(θt)---(1)]]>所述步驟三中，WiFi位置指紋法定位的具體方法如下：假定用戶(hù)第t步的位置指紋法的定位結(jié)果為位置指紋法的定位結(jié)果根據(jù)KNN算法計(jì)算得到。所述步驟四中，將PDR定位結(jié)果與WiFi指紋法定位結(jié)果融合的方法如下：第一步，假定用戶(hù)第t步的融合方案定位結(jié)果為lt＝(xt,yt)；第二步，用戶(hù)初始位置已知，l0＝(x0,y0)；第三步，對(duì)于第t(t＝1,2,…,W-1)步，PDR的定位結(jié)果即為融合算法的定位結(jié)果，即第四步，對(duì)于第t(t＝W,…,W+I-1)步，設(shè)第一個(gè)窗口內(nèi)指紋法定位結(jié)果的均值為第一個(gè)窗口內(nèi)指紋法定位結(jié)果的均值到第一個(gè)窗口內(nèi)中間步數(shù)前一時(shí)刻融合算法定位結(jié)果l(1)＝(x(1),y(1))的距離為dis_wf(1)，第一個(gè)窗口內(nèi)中間時(shí)刻融合算法定位結(jié)果到第一個(gè)窗口內(nèi)中間步數(shù)前一時(shí)刻融合算法定位結(jié)果l(1)＝(x(1),y(1))的距離為dis(1)；則dis_wf(1),dis(1)的計(jì)算公式如下：xavg(1)=Σt=0W-1xwftyavg(1)=Σt=0W-1ywft---(2)]]>dis_wf(1)=(xavg(1)-x(1))2+(yavg(1)-y(1))2---(3)]]>dis(1)=(xm(1)-x(1))2+(ym(1)-y(1))2---(4)]]>接著，按照下述公式歸一化加權(quán)系數(shù)為：c(1)=1/dis_wf(1)1/dis_wf(1)+1/dis(1)---(5)]]>則c(1)代表WiFi指紋法定位結(jié)果歸一化加權(quán)系數(shù)，1-c(1)代表融合算法定位結(jié)果歸一化加權(quán)系數(shù)；因此，第一個(gè)窗口內(nèi)初始位置可以更新為：xini(1)=(1-c(1))×xm(1)+c(1)×xavg(1)yini(1)=(1-c(1))×ym(1)+c(1)×yavg(1)---(6)]]>此時(shí)，可以得到第t(t＝W,…,W+I-1)步融合算法的定位結(jié)果，其計(jì)算公式如下：xt=xini(1)+Σp=2tdpcosθp,t=W,...,W+I-1yt=yini(1)+Σp=2tdpsinθp,t=W,...,W+I-1---(7)]]>與現(xiàn)有技術(shù)相比，本發(fā)明通過(guò)將整個(gè)定位過(guò)程分成多段來(lái)消除長(zhǎng)期定位帶來(lái)的累計(jì)誤差，其中每一段被定義為一個(gè)窗口，在每一個(gè)窗口中，利用該窗口內(nèi)指紋法定位結(jié)果與PDR定位結(jié)果經(jīng)過(guò)比例加權(quán)得到一個(gè)位置坐標(biāo)，該位置坐標(biāo)作為計(jì)算用戶(hù)后面每一步定位結(jié)果的初始位置，最后將所有窗口中的位置相結(jié)合，即可對(duì)行人的位置進(jìn)行精確定位；本發(fā)明將PDR作為主要定位方案，以WiFi指紋法的定位結(jié)果作為輔助來(lái)修正PDR定位結(jié)果帶來(lái)的累計(jì)誤差，利用了PDR定位結(jié)果在短期內(nèi)穩(wěn)定且定位精度好的特性。附圖說(shuō)明圖1為本發(fā)明基于滑動(dòng)窗口的融合定位示意圖；圖2為本發(fā)明實(shí)施例中測(cè)試環(huán)境平面圖；圖3為本發(fā)明實(shí)施例的定位軌跡圖。具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步說(shuō)明。參見(jiàn)圖1，本發(fā)明包括以下步驟：步驟一，將整個(gè)定位過(guò)程分成多段來(lái)消除長(zhǎng)期定位帶來(lái)的累計(jì)誤差，其中每一段被定義為一個(gè)窗口；步驟二，對(duì)參數(shù)進(jìn)行初始化后，對(duì)在某一個(gè)窗口內(nèi)的行人的運(yùn)動(dòng)進(jìn)行PDR定位；初始化的具體方法如下：從初始位置開(kāi)始，令步數(shù)t＝0，初始位置L0＝(x0,y0)(t＝0)已知，其中x0代表x軸坐標(biāo)，y0代表y軸坐標(biāo)，設(shè)窗口大小為W，滑動(dòng)間隔為I。PDR定位的具體方法如下：當(dāng)行人腳步被探測(cè)之后，令t＝t+1，假定用戶(hù)第t步的PDR的定位結(jié)果為第t步估計(jì)步長(zhǎng)為dt，第t步運(yùn)動(dòng)方向?yàn)棣萾，則根據(jù)PDR定位結(jié)果的計(jì)算公式，如式(1)，可得t時(shí)刻PDR的定位結(jié)果；xpdrt=xpdrt-1+dt·cos(θt)ypdrt=ypdrt-1+dt·sin(θt)---(1)]]>步驟三，對(duì)行人進(jìn)行WiFi位置指紋法定位，假定用戶(hù)第t步的位置指紋法的定位結(jié)果為位置指紋法的定位結(jié)果根據(jù)KNN算法計(jì)算得到；步驟四，將PDR定位結(jié)果與WiFi指紋法定位結(jié)果融合，具體方法如下：方法如下：第一步，假定用戶(hù)第t步的融合方案定位結(jié)果為lt＝(xt,yt)；第二步，用戶(hù)初始位置已知，l0＝(x0,y0)；第三步，對(duì)于第t(t＝1,2,…,W-1)步，PDR的定位結(jié)果即為融合算法的定位結(jié)果，即第四步，對(duì)于第t(t＝W,…,W+I-1)步，設(shè)第一個(gè)窗口內(nèi)指紋法定位結(jié)果的均值為第一個(gè)窗口內(nèi)指紋法定位結(jié)果的均值到第一個(gè)窗口內(nèi)中間步數(shù)前一時(shí)刻融合算法定位結(jié)果l(1)＝(x(1),y(1))的距離為dis_wf(1)，第一個(gè)窗口內(nèi)中間時(shí)刻融合算法定位結(jié)果到第一個(gè)窗口內(nèi)中間步數(shù)前一時(shí)刻融合算法定位結(jié)果l(1)＝(x(1),y(1))的距離為dis(1)；則dis_wf(1),dis(1)的計(jì)算公式如下：xavg(1)=Σt=0W-1xwftyavg(1)=Σt=0W-1ywft---(2)]]>dis_wf(1)=(xavg(1)-x(1))2+(yavg(1)-y(1))2---(3)]]>dis(1)=(xm(1)-x(1))2+(ym(1)-y(1))2---(4)]]>接著，按照下述公式歸一化加權(quán)系數(shù)為：c(1)=1/dis_wf(1)1/dis_wf(1)+1/dis(1)---(5)]]>則c(1)代表WiFi指紋法定位結(jié)果歸一化加權(quán)系數(shù)，1-c(1)代表融合算法定位結(jié)果歸一化加權(quán)系數(shù)；因此，第一個(gè)窗口內(nèi)初始位置可以更新為：xini(1)=(1-c(1))×xm(1)+c(1)×xavg(1)yini(1)=(1-c(1))×ym(1)+c(1)×yavg(1)---(6)]]>此時(shí)，可以得到第t(t＝W,…,W+I-1)步融合算法的定位結(jié)果，其計(jì)算公式如下：xt=xini(1)+Σp=2tdpcosθp,t=W,...,W+I-1yt=yini(1)+Σp=2tdpsinθp,t=W,...,W+I-1---(7)]]>即可得到融合定位結(jié)果。步驟五，當(dāng)行人到達(dá)下一個(gè)窗口時(shí)，重復(fù)步驟二至步驟四，算用戶(hù)接下來(lái)的每一步的定位結(jié)果直到用戶(hù)停止運(yùn)動(dòng)，即完成基于滑動(dòng)窗口的指紋法與傳感器融合的室內(nèi)定位方法。實(shí)施例：參見(jiàn)圖2和圖3，整個(gè)實(shí)驗(yàn)環(huán)境大小為41.26m×26.10m，具體測(cè)試環(huán)境如圖2所示，信號(hào)采集終端為安卓手機(jī)。A、離線階段信號(hào)指紋采集。在本次測(cè)試中，實(shí)驗(yàn)環(huán)境中間參考點(diǎn)間隔是3.2m，由于空間限制，實(shí)驗(yàn)環(huán)境兩翼參考點(diǎn)的間隔是2.4m或1.6m，一共有73個(gè)參考點(diǎn)，在每個(gè)參考點(diǎn)采集的信號(hào)強(qiáng)度值RSS來(lái)自環(huán)境中已有的AP，我們剔除RSS低于-80dBm的AP。每個(gè)參考點(diǎn)分4個(gè)方向，以200ms的采樣間隔在每個(gè)方向采集50s的RSS樣本。B、步驟A中完成了信號(hào)采集工作之后，將采集到的信息在放入數(shù)據(jù)庫(kù)之前需要進(jìn)行預(yù)處理。在每個(gè)參考點(diǎn)上對(duì)同一個(gè)AP采集到的多組RSSI信息，rssi1,rssi2,...,rssin，計(jì)算出他們的均值計(jì)算公式為：將每個(gè)參考點(diǎn)的所有方向的樣本平均存入數(shù)據(jù)庫(kù)。將所有AP的均值信息構(gòu)成一組向量，作為位置指紋。C、在線連續(xù)定位時(shí)，利用終端快速的進(jìn)行周?chē)鶤P信息的掃描，進(jìn)行上傳定位。同時(shí)，軟件終端實(shí)時(shí)記錄用戶(hù)運(yùn)動(dòng)過(guò)程中的傳感器數(shù)據(jù)并實(shí)時(shí)計(jì)算步數(shù)、步長(zhǎng)以及方向。具體來(lái)講，RSS的采樣間隔是50ms，加速計(jì)和羅盤(pán)的采樣頻率是50Hz。實(shí)驗(yàn)時(shí)勻速行走，步長(zhǎng)固定為0.8m，初始位置已知。利用加速度傳感器可以檢測(cè)行走的步數(shù)，每檢測(cè)到行走一步時(shí)，利用羅盤(pán)和陀螺儀可以得到該步行進(jìn)的方向，進(jìn)行PDR定位。同時(shí)手機(jī)采集到該步相對(duì)應(yīng)RSS值，利用KNN算法進(jìn)行WiFi定位。D、服務(wù)器接收到以上信息之后，按照下面步驟進(jìn)行實(shí)時(shí)定位。設(shè)窗口大小為5，窗口滑動(dòng)間隔為3，具體的融合算法如下：(1)：用戶(hù)初始位置已知，l0＝(x0,y0)；(2)：對(duì)于第t(t＝1,2,…,5)步，PDR的定位結(jié)果即為融合算法的定位結(jié)果，即(3)：對(duì)于第t(t＝5,6,7)步，設(shè)第一個(gè)窗口內(nèi)指紋法定位結(jié)果的均值為第一個(gè)窗口內(nèi)指紋法定位結(jié)果的均值到第一個(gè)窗口內(nèi)中間步數(shù)前一時(shí)刻融合算法定位結(jié)果l(1)＝(x(1),y(1))的距離為dis_wf(1)，第一個(gè)窗口內(nèi)中間時(shí)刻融合算法定位結(jié)果到第一個(gè)窗口內(nèi)中間步數(shù)前一時(shí)刻融合算法定位結(jié)果l(1)＝(x(1),y(1))的距離為dis(1)。則dis_wf(1),dis(1)的計(jì)算公式如下：xavg(1)=Σt=04xwftyavg(1)=Σt=04ywft---(8)]]>dis_wf(1)=(xavg(1)-x(1))2+(yavg(1)-y(1))2---(9)]]>dis(1)=(xm(1)-x(1))2+(ym(1)-y(1))2---(10)]]>接著，按照下述公式歸一化加權(quán)系數(shù)為：c(1)=1/dis_wf(1)1/dis_wf(1)+1/dis(1)---(11)]]>則c(1)代表WiFi指紋法定位結(jié)果歸一化加權(quán)系數(shù)，1-c(1)代表融合算法定位結(jié)果歸一化加權(quán)系數(shù)。因此，第一個(gè)窗口內(nèi)初始位置可以更新為：xini(1)=(1-c(1))×xm(1)+c(1)×xavg(1)yini(1)=(1-c(1))×ym(1)+c(1)×yavg(1)---(12)]]>此時(shí)，可以得到第t(t＝5,6,7)步融合算法的定位結(jié)果，其計(jì)算公式如下：xt=xini(1)+Σp=2tdpcosθp,t=5,6,7yt=yini(1)+Σp=2tdpsinθp,t=5,6,7---(13)]]>E、按照上述步驟得到t(t＝5,6,7)步的融合算法定位結(jié)果。向用戶(hù)運(yùn)動(dòng)的方向滑動(dòng)窗口3步，重復(fù)步驟4計(jì)算用戶(hù)接下來(lái)的每一步的定位結(jié)果直到用戶(hù)停止運(yùn)動(dòng)。當(dāng)前第1頁(yè)1 2 3