[发明专利]基于指纹库和PDR推算的融合定位方法及指纹库更新方法

说明书

本发明涉及室内外定位技术领域，尤其涉及一种基于指纹库和PDR推算的融合定位方法及指纹库更新方法，所述融合定位方法包括如下步骤，初始坐标结合PDR推算，获取定位点的位置坐标posPDR，获取该位置指纹定位坐标posRSSI；若posPDR与posRSSI的差值小于指纹库中相邻的两个指纹距离，对posPDR与posRSSI使用互补滤波处理得到posFinal，则posFinal为该定位点的最终坐标；根据posFinal调整步长推算模型中的参数使步长推算模型更优，并将posFinal设定为下一次PDR定位的初始坐标。若posPDR与posRSSI的差值不小于指纹库中相邻的两个指纹距离，则对上一个定位点投票，投票值在规定期限内超过规定值时，即可以对该点的指纹进行更新。本发明的定位方法精度高，指纹库更新及时效率高。

技术领域

本发明属于室内外定位技术领域，尤其涉及一种基于指纹库及PDR推算的融合定位方法及指纹库更新方法。

背景技术

采用指纹地图对客户端进行定位是室内定位技术领域常用的方法，因为设备噪声、外界干扰等原因，信号强度呈现随机跳动状态，因此仅仅依靠指纹法定位获得的结果是不连续也不稳定的，这种不稳定性表现在即使终端原地不动，计算的实时位置也会在真实位置附近跳动，这种现象称为漂移。对于较小面积的场所和细粒度的定位需求来说，单独使用指纹法来进行连续定位是不合理，基于传感器的航位推算技术（PDR）定位由于数学迭代求和的方法，每次迭代都依赖上一次迭代的结果，因此具有连续性好的优点，然而传感器数据的测量不可避免地存在误差，从而使计算结果产生误差，这种误差会随着每一次迭代计算而累积，即航位推算算法短期精度较好，而长期精度较差。不同的技术实现手段各有优缺点，依靠单一技术的改进实现系统整体性能的提升变得日益困难，将指纹定位与PDR定位融合，达到提高定位精度是本领域重要的研究课题。另外，指纹库根据使用情况进行定期更新是确保指纹定位精度的重要方法，现有技术通常是利用专业人员线下采集并将整个指纹库更新，这种方法效率低下，成本很高。

发明内容

本发明的目的在于克服现有技术不足，提供一种基于指纹库和PDR推算的融合定位方法。

实现上述目的技术方案为，

一种基于指纹库和PDR推算的融合定位方法，PDR推算包括步态检测，步长推算，方位推算，所述融合定位方法包括如下步骤，

步骤一，通过指纹定位获取初始坐标；

步骤二，初始坐标结合PDR推算，获取定位点的位置坐标posPDR，且在该定位点采用指纹定位，获取位置坐标posRSSI；

步骤三，若posPDR与posRSSI的差值小于指纹库中相邻的两个指纹距离，对posPDR与posRSSI使用互补滤波处理得到posFinal，则posFinal为该定位点的最终坐标；

步骤四，根据posFinal调整步长推算模型中的参数使步长推算模型更优，并将posFinal设定为下一次PDR定位的初始坐标；

步骤五，重复步骤二至步骤四，直到定位结束。

进一步，所述步态检测包括如下步骤，采集移动设备中的加速度传感器的值绘制信号图像，通过高斯平滑滤波去噪，从中检测阈值进行计步。

进一步，所述步长推算模型为基于Weinberg approach的非线性步长推算模型，其公式计算为

，式中表示一步内最大加速度，表示一步内最小加速度，和为模型系数。该模型在一般非线性步长推算模型的基础上将行走时间考虑在内，解决快速行走时精度大幅下降的现象。

进一步，所述方位推算包括如下步骤，使用互补滤波将移动设备中的加速度计测量的航向角和陀螺仪测量的航向角融合处理，获得最终估算的行走方向。

进一步，所述指纹定位根据KNN算法计算获得。