[发明专利]一种基于运动行为离散数据滤波的指纹定位算法

说明书

本发明公开了一种基于运动行为离散数据滤波的指纹定位算法，包括：无线信号发射器位标布点，获取各个无线信号发射点的具体坐标数据；根据无线信号的辐射模型计算形成矢量地图相关的原子指纹库；首位用户使用原子指纹库定位，计算用户位置；对产生的位置信息进行运动行为离散数据滤波，生成原子库偏差系数；根据用户运动积累偏差系数，形成新的指纹簇；用户使用指纹簇定位，同时产生位置信息滤波后对指纹簇进行更新维护。采用无线信号模型的原子指纹库，运动行为离散数据滤波器，以及大数据及人工智能的方法更新增加指纹库，并生成指纹簇，每个用户都是数采集员，通过行为滤波后，形成新的大数据，大数据汇聚后形成新的指纹库，并更新迭代指纹库。

技术领域

本发明属于蓝牙室内定位技术领域，具体地说，涉及一种基于运动行为离散数据滤波的指纹定位算法。

背景技术

指纹定位通常使用在地下停车场、地下室等通信信号不强的室内。现有利用wifi或者低功耗蓝牙使用指纹算法进行室内场景定位时，具体方法步骤为：1、现场绘制数字矢量地图；2、蓝牙布点安装；3、利用矢量地图，由专业数据采集员采集数据；4、通过采集的当前数据生成指纹库；5、定位。现有方案中，数据采集员采集数据时，需要以匀速步态采集数据，所以一般选择人流量较少的场景。而无线电信号和人流量，电池电量，甚至空气湿度都存较强的相关性。

发明内容

针对现有技术中上述的不足，本发明提供一种基于运动行为离散数据滤波的指纹定位算法，采用无线信号模型的原子指纹库，运动行为离散数据滤波器，以及使用大数据及人工智能的方法更新增加指纹库，并生成指纹簇的机制，每个用户都是数据采集员，通过行为滤波后，形成新的大数据，大数据汇聚后形成新的指纹库，并通过相关性机制来更新迭代指纹库。当相关性较很低时，形成新的指纹库，此时，指纹库变成指纹簇。从而涵盖了，人流量变化，天气因素等因素。使指纹库更新，更高效。

为了达到上述目的，本发明采用的解决方案是：一种基于运动行为离散数据滤波的指纹定位算法，包括如下步骤：

S1：无线信号发射器位标布点，获取各个无线信号发射点的具体坐标数据；

S2：根据无线信号的辐射模型计算形成矢量地图相关的原子指纹库；

S3：首位用户使用原子指纹库定位，计算用户位置；

S4：对产生的位置信息进行运动行为离散数据滤波，生成原子库偏差系数；

S5：根据用户运动积累偏差系数，形成新的指纹簇；

S6：用户使用指纹簇定位，同时产生位置信息滤波后对指纹簇进行更新维护；

其中p(r)为辐射功率，a为常数，a＝1.2，p0为无线信号发射功率，z为参数，e为自然常数,m为参数，ε为空气的相对介电常数，ε＝1，r为距离，P为常数，p＝0.85。

进一步地，所述的步骤S2中，根据层高、使用者身高以及距离计算出距离r，将距离r以及无线信号发射功率代入无线信号的辐射模型，计算出p(r)，形成原子指纹库。

进一步地，所述的用户位置计算包括：

以接收到的信号最强的无线信号发射器安装位置的二维坐标为极坐标原点；

计算被定位者在该极坐标上的各个点(ri，θi)上的概率，得到最大概率位置，

p(ri，θi)＝p_i0×p_i1×p_i2+...，

其中p(ri，θi)为定位在极坐标上每个点的概率，p_i0为该点在极坐标系中的概率，p_i1为该点距离第二个无线信号发射器位标的距离及其信号强度对应的概率，p_i2为该点距离第三个无线信号发射器位标的距离及其信号强度对应的概率；