[发明专利]一种融合地图信息的改进卡尔曼滤波器室内定位跟踪方法

权利要求书

1.一种融合地图信息的改进卡尔曼滤波器室内定位跟踪方法，其特征在于，所述融合地图信息的改进卡尔曼滤波器室内定位跟踪方法融合地图信息信息，遇到拐角时，如果手机发生转弯，调整卡尔曼滤波器的参数，以改善其跟踪精度；

所述融合地图信息的改进卡尔曼滤波器室内定位跟踪方法包括以下步骤：

1)确定基本离散卡尔曼滤波器方程和对应的变量；

1.1)确定状态向量：卡尔曼滤波器的状态向量为：

x＝[s_x,v_x,s_y,v_y]^T

其中s_x和v_x分别表示x方向的位置和速度，s_y和v_y分别表示y方向的位置和速度；

1.2)确定量测阵：由于用户在定位时只有定位结果，而没有输出速度信息，因此观测量只有s_x和s_y，从而量测阵为：

其中H为卡尔曼滤波器的量测阵；

1.3)确定状态方程：由于发明定位跟踪系统设定为各个直线段匀速运动，因此状态方程为：

其中s_xk，s_yk，v_xk和v_yk分别表示k时刻定位终端的位置和速度，s_x(k-1)，s_y(k-1)，v_x(k-1)和v_y(k-1)分别表示k-1时刻定位终端的位置和速度；

1.4)确定状态转移矩阵：

其中A表示卡尔曼滤波器的状态转移矩阵，Δt表示两次定位之间的时间间隔；

1.5)最小均方误差阵P的初始值的选取没有特别要求，在卡尔曼滤波过程中P矩阵会趋于稳定；

1.6)在卡尔曼滤波器的实际应用时，测量噪声的协方差R一般可以直接观测得到，是滤波器的已知条件；但是激励噪声协方差阵Q无法直接得到，可以根据实际情况选取合适的Q；

2)结合地图对卡尔曼滤波器跟踪算法进行优化；

2.1)计算第k个时刻卡尔曼滤波器的时间更新方程：

其中为k时刻的预测状态向量，为k-1时刻卡尔曼滤波器输出的状态向量，A为状态转移矩阵，B是控制输入矩阵，u_k-1为k-1时刻的驱动输入向量，T表示矩阵的转置；

2.2)计算第k个时刻卡尔曼滤波器的测量更新方程：

其中G_k表示第k个时刻的卡尔曼滤波增益，z_k为第k个时刻的观测向量，I为单位矩阵；

2.3)如果定位跟踪结束，则退出跟踪算法，否则，执行步骤2.4；

2.4)判断定位终端是否到达拐角附近，如果到达拐角附近，执行步骤2.5，否则，令k的值增加1后回到步骤2.1；

2.5)判断定位终端是否发生转弯，如果发生转弯，执行步骤2.6，否则，令k的值增加1后回到步骤2.1；

2.6)调整卡尔曼滤波器的参数：根据实际情况对卡尔曼滤波器的误差协方差阵P的值进行调整，从而提高定位终端发生转弯时的定位跟踪精度；

2.7)令k的值增加1后回到步骤2.1，继续执行融合地图信息的改进卡尔曼滤波算法，直到定位跟踪结束。

2.如权利要求1所述的融合地图信息的改进卡尔曼滤波器室内定位跟踪方法，其特征在于，所述步骤2.4)中的判断定位终端是否到达拐角附近，卡尔曼滤波器每输出一个位置估计都会计算与各个拐角的距离d_k，如果d_k小于某一个阈值，则认为移动终端进入拐角范围，存在转弯的可能。