[发明专利]面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法

摘要

本发明公开了一种面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法，首先用户手持终端设备在目标区域内，接收来自每个AP的RSSI，在对数正态分布的路径损耗模型下，利用加权最小二乘法得到用户的位置，同时通过PDR算法中的估算模型得到用户位置，然后利用自适应卡尔曼滤波将基于传播模型的定位信息与PDR的定位信息进行多次融合，得到用户的最佳位置，其中，自适应卡尔曼滤波体现在反馈机制上，即将每次融合定位结果对加权最小二乘法中的路径损耗指数等参数进行动态修正，最终使得传播模型更符合室内环境。本发明解决了在室内环境下单一WiFi定位精度低和PDR存在累积误差的问题，还能够实时跟踪传播模型的路径损耗指数，增强了定位性能的稳定性。

主权项

1.面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法，其特征在于，包括以下步骤：步骤一、在目标区域内，给定用户的初始位置X′_0|0；步骤二、用户接收第i个AP的信号强度m为AP的个数；步骤三、根据对数正态分布的路径损耗模型其中，A表示在参考距离d₀处所接收到的信号强度；η表示路径损耗指数；N₀表示环境噪声，服从均值为0，方差σ²的高斯分布，计算用户和每个AP之间的距离，其中，d_i表示用户和AP_i之间的距离，AP_i表示第i个AP；步骤四、已知AP₁,…,AP_m的位置坐标分别为(x₁,y₁),…,(x_m,y_m)，并设用户的位置坐标为(x,y)，根据步骤三得到的用户和每个AP之间的距离，构造双曲线方程；步骤五、采用加权最小二乘法，给用户和每个AP之间的距离赋予权重，计算出基于WiFi的估计位置步骤六、已知用户初始位置X′_0|0，采用PDR算法实现对用户的相对定位，进而推算出用户在t_k时刻的位置(x_k,y_k)；步骤七、在卡尔曼滤波的预测阶段，得到预测状态X′_k|k‑1和对应该预测状态的协方差P_k|k‑1；步骤八、在卡尔曼滤波的更新阶段，得到卡尔曼增益K_k和当前时刻的估计状态X′_k|k；步骤九、利用卡尔曼滤波器的估计结果X′_k|k作为输入，校准路径损耗指数，以获得新的当前时刻的估计状态具体包括以下步骤：9a、根据步骤三，可以得到：9b、利用步骤八的当前时刻的估计状态X′_k|k，计算其中，为第i个AP的位置坐标，|| ||₂表示欧几里德范数；9c、结合步骤9a和步骤9b，得到：其中，为当前关于第i个AP更新后的路径损耗指数；9d、根据重复步骤四、步骤五和步骤八，得到新的当前时刻的估计状态步骤十、设置可收敛的迭代阈值其中，和分别是X轴和Y轴方向的方差，即协方差矩阵P_k|k对角线上的元素，α是可调系数，并计算其中，表示在第k时刻第j次迭代更新后的估计位置，表示在第k时刻第j‑1次迭代更新后的估计位置；步骤十一、判断是否小于阈值T；是，则进入步骤十二；否，则进入步骤九；步骤十二、更新RSSI测量误差协方差σ_R；具体包括以下步骤：12a、计算其中，T_old表示前一时刻关于所有AP的路径损耗指数和，η′为前一时刻第i个AP的路径损耗指数；12b、计算其中，T_new表示当前时刻所有AP更新后的路径损耗指数和；12c、当更新时，同时更新RSSI测量误差协方差σ_R；其中：表示更新后的RSSI测量误差协方差，表示更新前的RSSI测量误差协方差；步骤十三、更新卡尔曼增益K_k、当前时刻的估计状态和协方差矩阵P_k|k；步骤十四、获得用户的最佳位置并作为下一时刻的初始位置。