[发明专利]一种基于机器学习的手机定位纠偏的定位轨迹方法

权利要求书

1.一种基于机器学习的手机定位纠偏的定位轨迹方法，其特征在于，包括以下步骤：

步骤一：确定物理位置，即用户进入大楼建筑之前定位最后消失的GPS点位；

步骤二：以入口为轨迹起始点，根据手机陀螺仪、姿态传感器，计算室内移动方向、速度从而计算出行动轨迹；

步骤三：利用高度计数据计算大楼内空间楼层；

步骤四：利用用户外部步行数据结合姿态传感器及陀螺仪历史数据，通过机器学习算法累计用户准确的步行速度；

步骤五：通过步行速度、朝向、倾斜角度、高度传感器即可准确进行室内定位，集合室内LTE基站信号与位置对内部进行修正。

2.根据权利要求1所述的一种基于机器学习的手机定位纠偏的定位轨迹方法，其特征在于，所述步骤二中陀螺仪是用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转轴的一个或二个轴的角运动检测装置。

3.根据权利要求1所述的一种基于机器学习的手机定位纠偏的定位轨迹方法，其特征在于，所述陀螺仪当转子对自转轴的转动惯量为I，自转角速度为ω时，则转子的自转动量矩为L＝Iω；假定支架轴承都绝对光滑，基座不能通过这些轴承把外力矩传给转子，且内、外两框环的质量可忽略不计；由动量矩守恒可知，均衡陀螺仪的转子轴将能借惯性而在惯性空间保持不变方向；假如用某种方式给转子以冲击性外力矩，使动量矩L获得横向增量ΔL且ΔL≤L，则新动量矩矢将偏转一个小角

冲击使转子轴的方向产生同一数量级的改变，但新的角速度方向已和新的动量矩方向不一致；冲击后，转子轴将紧靠新动量矩L+△L的方向作微幅高频的抖动，其幅度与ω成反比，而频率则与ω成正比；如果转子没有自转，那么任何微小冲击将使转子轴获得角速度，而此后将按这个方向无限制地偏离下去；如果沿内环轴持久地施加外力矩M，由于存在自转动量矩L，转子不会沿M方向绕内环轴转动，而绕十字交叉轴即外环轴以某一角速度Ω持久地转动，由动量矩定理可以证明，旋进角速度Ω的大小反比于自转角速度ω的大小，即式中θ为ω和Ω的交角；其次，转子对外力矩M的施加者有反作用力矩K＝－M，这个力矩称为陀螺反抗力矩或陀螺力矩，其大小为：K＝ΩLsinθ＝IωΩsinθ＝M，方向与M相反；K是科里奥利惯性力的矩。

4.根据权利要求1所述的一种基于机器学习的手机定位纠偏的定位轨迹方法，其特征在于，所述步骤二中的姿态传感器是基于MEMS技术的高性能三维运动姿态测量系统；其包含三轴陀螺仪、三轴加速度计即IMU，三轴电子罗盘辅助运动传感器，通过内嵌的低功耗ARM处理器输出校准过的角速度，加速度，磁数据，通过基于四元数的传感器数据算法进行运动姿态测量，实时输出以四元数、欧拉角表示的零漂移三维姿态数据。

5.根据权利要求1所述的一种基于机器学习的手机定位纠偏的定位轨迹方法，其特征在于，所述姿态计算的方法有欧拉角法、四元数法、等效旋转矢量法、罗德里格参数法、方向余弦矩阵法；本质上计算姿态的方法就3种：方向余弦矩阵、等效旋转矢量、四元数；所述方向余弦法是用矢量的方向余弦来表示姿态矩阵的方法，也就是绕定点转动的2个坐标系之间的关系可以用方向余弦矩阵来表示；方向余弦矩阵是随时间变化的，其变换规律用的数学微分方程来描述，即时值就可以通过求解该微分方程得到；所述四元数具有很强的物理意义，可以表征刚体姿态变换时顺时欧拉轴和所需的转角。

6.根据权利要求1所述的一种基于机器学习的手机定位纠偏的定位轨迹方法，其特征在于，所述步骤三中的高度计是用来测量物体水平高度，即海拔的工具，所述高度计包括：气压高度计、声波高度计与雷达高度计。

7.根据权利要求1所述的一种基于机器学习的手机定位纠偏的定位轨迹方法，其特征在于，所述步骤四中的机器学习算法包括：朴素贝叶斯模型、Logistic回归模型、线性回归模型、最近领算法、决策树模型、SVM支持向量机、人工神经网络模型、K-Means聚类模型。