本發(fā)明涉及室內定位，尤其涉及一種基于ukf-fgo算法的pdruwb室內融合定位方法。

背景技術：

1、室內環(huán)境的建筑物和障礙物會限制全球導航衛(wèi)星系統(tǒng)(global?navigationsatellite?system，gnss)信號的穿透能力，導致信號質量下降。此外，室內環(huán)境中容易發(fā)生多徑效應，即信號在建筑物內部反射、折射，造成接收器收到多個路徑上的信號，從而影響定位準確性。這些因素導致gnss無法滿足人們對室內定位的需求。

2、為解決該技術問題，現(xiàn)階段多采用超寬帶技術(ultra?wide?band，uwb)和行人航位推算算法(pedestrian?dead?reckoning，pdr)來實現(xiàn)室內定位。對于uwb技術來說，其利用基站與移動標簽之間的脈沖信號的到達時間進行定位，定位精度高，但是容易受到非視距、多徑效應等多種因素的影響。pdr算法主要是利用慣性測量元件，如加速度傳感器、陀螺儀、磁力計等，基于步數(shù)、步長、方向等參數(shù)實現(xiàn)對室內人員的定位，定位短時精度高且表現(xiàn)出良好的穩(wěn)定性，但是長距離定位存在積分誤差。

3、也即，現(xiàn)階段所采用的室內定位算法受到各種因素的影響，使得最終確定的定位數(shù)據(jù)存在偏差，進而導致最終確定的室內定位結果不準確。

技術實現(xiàn)思路

1、本發(fā)明實施例提供了一種基于ukf-fgo算法的pdruwb室內融合定位，以解決現(xiàn)階段由于最終確定的定位數(shù)據(jù)存在偏差，進而導致室內定位結果不準確的問題。

2、第一方面，本發(fā)明實施例提供了一種基于ukf-fgo算法的pdruwb室內融合定位方法，包括：

3、采集目標人員在室內的運動數(shù)據(jù)；

4、基于運動數(shù)據(jù)確定第一定位結果和第二定位結果；其中，第一定位結果基于pdr算法確定，第二定位結果基于uwb算法確定；

5、將第一定位結果輸入到第一方程中，確定第一目標；

6、將第二定位結果輸入到第二方程中，確定第二目標；

7、基于ukf-fgo算法，將第一目標和第二目標融合，得到目標方程，對目標方程求解，得到目標人員在室內的融合定位結果。

8、在一種可能的實現(xiàn)方式中，將第一目標和第二目標融合，得到目標方程，對目標方程求解，得到目標人員在室內的融合定位結果，包括：

9、將運動數(shù)據(jù)輸入到融合無跡卡爾曼濾波的因子圖優(yōu)化算法中，得到ukf每個時刻輸出的目標人員的位置信息；

10、將ukf每個時刻輸出的目標人員的位置信息輸入到第三方程中，確定第三目標；

11、將第一目標、第二目標和第三目標融合，得到目標方程，對目標方程求解，得到目標人員在室內的融合定位結果。

12、在一種可能的實現(xiàn)方式中，第三方程為：

13、

14、其中，eukf為ukf頂點的誤差項；為k時刻ukf輸出的目標人員的位置信息；pk為k時刻ukf輸入的運動數(shù)據(jù)；ωukf為權重矩陣；為觀測噪聲。

15、在一種可能的實現(xiàn)方式中，第一定位結果包括pdr算法輸出的目標人員的步長、航向角和每一時刻的位姿變量頂點；

16、第二定位結果包括uwb算法輸出的每個時刻目標人員對應的坐標量。

17、在一種可能的實現(xiàn)方式中，第一方程為：

18、

19、其中，epdr為pdr位姿頂點的誤差項；qk-1為誤差項與k-1時刻位姿變量；qk為k時刻姿變量；ωpdr為平方誤差項的權重矩陣；lk為k時刻位姿變化；xk為k時刻二維位置中的橫向坐標；xk-1為k-1時刻二維位置中的橫向坐標；yk為k時刻二維位置中的縱向坐標；yk-1為k-1時刻二維位置中的縱向坐標；θk為k時刻航向角；θk-1為k-1時刻航向角；sk為k時刻對應的步長；δθk為k時刻航向角的變化量；

20、第二方程為：

21、

22、euwb(uk,bn,dkn)＝norm(bn-uk)-dkn

23、其中，euwb為uwb測量值形成的誤差函數(shù)；uk為k時刻目標人員的坐標bn為第n個基站坐標；dkn為k時刻目標人員到第n個基站的距離；ωuwb為權重矩陣；norm(·)代表向量的模；norm(bn-uk)表示預測值，用于預測k時刻目標人員到第n個基站的距離；

24、目標方程為：

25、f(·)＝fpdr(·)+fuwb(·)+fukf(·)。

26、在一種可能的實現(xiàn)方式中，運動數(shù)據(jù)包括每個時刻對應的加速度和二維位置；

27、基于運動數(shù)據(jù)確定第一定位結果，包括：

28、根據(jù)每個時刻對應的加速度，確定目標人員的每一步所對應的步態(tài)數(shù)據(jù)；其中，步態(tài)數(shù)據(jù)包括每一步對應的起始時刻、中間時刻和每一刻對應的加速度；

29、基于步態(tài)數(shù)據(jù)確定目標人員的步長；

30、分別將每個時刻對應的加速度和重力加速度進行坐標系轉換，得到b系坐標下每個時刻對應的的標準加速度和重力加速度；

31、將標準加速度和重力加速度相乘，得到標準加速度誤差；

32、將標準加速度誤差輸入到pi濾波器中，得到加速度補償項；

33、基于加速度補償項對每個時刻對應的加速度進行修正，得到更新后的航向角；

34、基于更新后的航向角和二維位置，確定每一時刻的位姿變量頂點。

35、在一種可能的實現(xiàn)方式中，基于運動數(shù)據(jù)確定第二定位結果，包括：

36、針對每個時刻，利用雙邊雙向測距法，計算第k個基站與目標人員之間的電磁波飛行時間；

37、基于電磁波飛行時間計算第k個基站與目標人員之間的距離；

38、基于目標人員與預設數(shù)量基站之間的距離，得到非線性方程組；

39、對非線性方程組進行至少兩次解算，并得到至少兩次解算對應的定位誤差；

40、當定位誤差小于預設閾值時，將該至少兩次解算得到的初始坐標量的平均值作為uwb算法輸出的每個時刻目標人員對應的坐標量。

41、第二方面，本發(fā)明實施例提供了一種基于ukf-fgo算法的pdruwb室內融合定位裝置，包括：

42、采集模塊，用于采集目標人員在室內的運動數(shù)據(jù)；

43、定位模塊，用于基于運動數(shù)據(jù)確定第一定位結果和第二定位結果；其中，第一定位結果基于pdr算法確定，第二定位結果基于uwb算法確定；

44、確定模塊，用于將第一定位結果輸入到第一方程中，確定第一目標；

45、確定模塊，還用于將第二定位結果輸入到第二方程中，確定第二目標；

46、融合模塊，用于基于ukf-fgo算法，將第一目標和第二目標融合，得到目標方程，對目標方程求解，得到目標人員在室內的融合定位結果。

47、第三方面，本發(fā)明實施例提供了一種電子設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如上第一方面或第一方面的任一種可能的實現(xiàn)方式所述方法的步驟。

48、第四方面，本發(fā)明實施例提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上第一方面或第一方面的任一種可能的實現(xiàn)方式所述方法的步驟。

49、本發(fā)明實施例提供一種基于ukf-fgo算法的pdruwb室內融合定位方法，相比于傳統(tǒng)方法，本發(fā)明實施例采用兩種不同的定位算法，確定兩種定位結果，通過結合二者的優(yōu)點，能夠提高定位精度；對于二者之間的局限性，則采用融合算法，對得到的兩種定位結果重新進行處理，以對定位數(shù)據(jù)進行修正，減少偏差，進而提高室內定位結果的準確性。