[发明专利]一种基于IMU和RFID信息融合的室内目标快速跟踪方法

权利要求书

1.一种基于IMU和RFID信息融合的室内目标快速跟踪方法，其特征在于，包括以下步骤：

步骤1：根据RFID的采样周期与阈值的比较结果选择目标追踪的方法，若RFID的采样周期小于阈值，则通过不敏卡尔曼滤波器对RFID测量数据进行坐标的估计，获得机动目标的坐标；如果RFID的采样周期大于或者等于阈值，则通过不敏卡尔曼滤波器对RFID测量数据进行坐标的估计，以两次估计到的坐标间的距离作为估算距离d₁，并选择用IMU的陀螺仪数据估算航向角，根据的数学关系式推算出机动目标在各个时刻的坐标；

步骤2：判断RFID测量系统中是否还有未处理的原始测量数据，如果有，则返回步骤1；如果没有，则判断是否还有来自IMU的测量数据，若是，则用IMU的陀螺仪数据估算航向角，并采用IMU的加速度计数据由牛顿运动定律计算出机动目标在各个采样间隔内的位移d₂，根据的数学关系式推算出机动目标在各个时刻的坐标；若否，则算法结束；

其中，Δx为目标在跟踪区域内的横向坐标x的变化量，Δy为目标在跟踪区域内的纵向坐标y的变化量，为目标转过的航向角。

2.根据权利要求1所述的基于IMU和RFID信息融合的室内目标快速跟踪方法，其特征在于，步骤1中若RFID的采样周期小于阈值，则通过不敏卡尔曼滤波器对RFID测量数据进行坐标的估计，获得机动目标的坐标，包括：

步骤1.1：目标运动状态和系统自适应参数初始化；

步骤1.2：建立具有系统自适应参数的运动模型及RFID测量模型；

步骤1.3：根据建立的具有系统自适应参数的运动模型对目标状态进行预测，得到下一时间点的目标状态预测值；

步骤1.4：根据RFID测量模型和目标状态预测值计算目标状态测量预测值；

步骤1.5：根据目标状态预测值和目标状态测量预测值计算不敏卡尔曼滤波器增益；

步骤1.6：读取RFID监控系统获取的下一时间点目标状态原始测量值z_n(t_i)；

步骤1.7：根据目标状态原始测量值、目标状态测量预测值和滤波器增益计算目标状态修正值：

其中，X(t_i)为目标状态修正值，t_i为采样时刻，n＝1,2,…N(t_i)，N(t_i)为t_i时刻的获得与目标距离数据的RFID读取器的个数；K_n(t_i)为t_i时刻第n个读写器的滤波器增益，z_n(t_i)为第n个读取器在t_i时刻的测量数据，为t_i时刻的测量的估计值；

步骤1.8：根据目标状态预测值和目标状态修正值X(t_i)计算目标状态估计值及目标状态协方差估计值；

目标状态估计值的计算公式如下：

其中，表示t_i时刻的目标状态估计值；表示在t_i-1时刻时预测t_i时刻的目标状态预测值；X(t_i)为目标状态修正值，t_i为采样时刻；

目标状态协方差估计值的计算公式如下：

其中，P(t_i|t_i)表示t_i时刻的目标状态协方差估计值，P(t_i|t_i-1)表示在t_i-1时刻预测t_i时刻的目标状态协方差预测值，K_n(t_i)为t_i时刻第n个读写器的滤波器增益；S_n(t_i)为第n个读写器的协方差矩阵；

步骤1.9：利用目标状态预测值更新系统自适应参数，进而更新步骤1.3中的运动模型；

步骤1.10：将估计到的机动目标的坐标存储下来。