[发明专利]一种基于改进隐马尔科夫模型的楼层识别方法

说明书

本发明公开了一种基于改进隐马尔科夫模型的楼层识别方法，包括：建立用于初始化改进隐马尔科夫模型的信号指纹数据库；建立用于初始化改进隐马尔科夫模型的人员流动数据库；对信号指纹数据库进行聚类；构建用于楼层识别的改进隐马尔科夫模型；建立用于调整改进隐马尔科夫模型参数的训练集合；调整用于楼层识别的改进隐马尔科夫模型；利用实时采集的无线信号和改进隐马尔科夫模型预测所在楼层。本发明根据场景人流变化趋势和信号指纹的聚类结果初始化参数，后又对用户的楼内活动进行采样，调整模型参数，使模型更稳定可靠。方法挖掘利用了人流信息数据，顾及了现实场景中人前往不同楼层的概率因素，实现了在不同建筑中楼层的精确定位。

技术领域

本发明涉及一种基于改进隐马尔科夫模型的楼层识别方法，属于室内定位技术领域。

背景技术

随着科学技术的快速发展，尤其计算机和通信领域的发展，基于位置的服务(Location-Based Service，LBS)已经与人们的日常生活密不可分。近年来国内外学者研发出了许多基于ZigBee、超声波、红外线、射频识别(radio frequency identification，RFID)、蓝牙、无线局域网、超宽带(ultra-wideband，UWB)、可见光通信、计算机视觉、地磁等技术的定位方法，但这些定位算法大多聚焦于二维平面的定位，对三维楼层识别的关注度却相对较少，无法应对当前复杂建筑环境下室内定位需求，特别在多楼层环境中。对于现代工业和商业建筑，存在许多复杂和不规则的内部结构，如空旷的多层区域。在这种情况下，基于信号强度的定位算法(例如指纹定位)由于相邻楼层之间的传播衰减较小，无法准确识别出目标所在楼层。

多层建筑中，楼层识别可以减少空间搜索域并提高本地化准确性。在紧急情况下，准确的楼层信息对救援人员或救援机器人来说至关重要，可以提供有效和高效紧急服务。在商场购物中，用户有着获得所在楼层更多信息的需求，业主方可以从这种需求出发，个性化推送有关信息。

但是，当前大多数的楼层定位方法仅是利用气压计传感器或WiFi、蓝牙等无线信号实现楼层定位，没有顾及现实场景中人前往不同楼层的概率因素，例如某些楼层为办公区，去的人较多，有的楼层为仓库，人前往的概率较少。

发明内容

本发明所要解决的技术问题是：提供一种基于改进隐马尔科夫模型的楼层识别方法，顾及现实场景中人前往不同楼层的概率因素，挖掘了用户的日常运动信息，利用WiFi技术，实现了楼层识别。

本发明为解决上述技术问题采用以下技术方案：

一种基于改进隐马尔科夫模型的楼层识别方法，包括如下步骤：

步骤1，建立用于初始化改进隐马尔科夫模型的信号指纹数据库，所述信号指纹数据库包括楼层号、楼层号对应楼层的参考点坐标、楼层号对应楼层无线接入点的Mac地址、Mac地址对应的信号强度值；

步骤2，建立用于初始化改进隐马尔科夫模型的人员流动数据库，所述人员流动数据库包括采集时间段内各楼层的人流信息，设置时间间隔为5分钟，将采集时间段划分为T个时间间隔，人流信息为人员进入建筑后时间间隔内停留的楼层，当前楼层的人群向其它楼层移动的数量统计或保持不变的数量统计；

步骤3，采用高斯混合聚类方法对每个楼层的信号指纹数据库进行聚类，得到信号指纹数据库聚类结果；

所述高斯混合聚类方法中的高斯混合模型构造过程如下：