[发明专利]基于环境背景声感知与分析的室内区域级定位方法

说明书

本发明一种基于环境背景声感知与分析的室内区域级定位方法，首先通过智能手机麦克风感知室内各区域的环境背景声，并进行预处理；然后提取声信号的低阶声学指纹；其次，通过K均值聚类算法，结合房间几何轮廓信息先验，构建室内空间码本集，并获取声信号的高阶声学指纹；最后，将高阶声学指纹作为径向基函数核逆向传播神经网络的输入，经过线下训练，线上测试验证，输出用户位置信息。该方法由于引入了室内空间码本集，充分利用室内空间低阶声学指纹的多样性，能提高定位系统的准确率，同时由于引入了高阶声学指纹，充分利用室内空间声学特征的统计特性，提高了定位系统的稳定性，满足实时室内定位解决方案的性能要求。

技术领域

本发明涉及室内定位领域，具体是一种基于环境背景声感知与分析的室内区域级定位方法。

背景技术

随着全球定位系统(GPS)和北斗导航系统(BD)的广泛应用，室内空间定位问题已基本解决，而室内空间的感知和定位还没有通用的解决方案，如何在强噪声、强混响和多源环境下进行场景辨识和感兴趣目标定位已经成为各种智能交互与通信系统所关注的共性焦点问题。

实用的室内定位解决方案需要满足精度、覆盖范围、可靠性、成本、功耗、可扩展性和响应时间等方面的需求，基于手机平台的室内环境感知解决方案是最具潜力的发展方向。近年来，国内外研究者们提出了蓝牙、RFID、WLAN、超宽带、光、图像等室内定位技术及应用系统，通过用户携带的智能手机自动感知一个未知房间的环境特性，如声、色彩、光、wifi强度，惯性传感器等信息，同时将感知到的信息发送到云端服务器，经过数据处理，形成测试指纹，并与存储的指纹库进行比对，最模型的某一个指纹对应的逻辑地址就是用户的位置。此类研究的商用模式以WiFi室内定位为典型代表，但是，由于室内环境复杂，障碍物较多，再加上人员流动和各种噪声干扰等不确定因素，WiFi信号强度十分不稳定，因此，WiFi室内定位精度通常在5m左右，通过对WiFi信号强度值进行一些数据预处理操作，可以在一定程度上降低其定位误差，但由于室内多点的WiFi信号强度一样，且WiFi指纹数据库的细粒度有限，单纯以WiFi信号强度值作为指纹特征，难以满足较高的定位要求。相对WiFi信号而言，地磁场是自然形成的，无所不在，只要室内建筑结构不发生大的改变，地磁信号的分布就相对稳定，但是，很多非墙壁、非电梯、非机房等室内空间，相邻区域的地磁信号区分度不大，因此，仅依靠地磁信息的室内定位精度通常为房间级。

由于声学信号的频率较低，数字化等数据处理相对容易，且无需附加硬件处理设备，用手机等智能终端就可以进行信号的预处理(如：门限阈值判断等)，因此，近年来，随着人工智能、大数据、物联网、语音处理与识别等技术的飞速发展，智能语音交互产业规模快速增长，无论学业术界或是产业界都将大量的研究成本投入在声场有用信号，如语音信号、音乐信号的研究当中。大量研究文献提出利用声信号的时域、频域或时频特征，结合深度学习神经网络解决用户位置服务需求。然而，随着经济的快速增长，手机用户应用需求也在快速增长，因此，基于多维度组合特征的高量级信息流必然导致深度学习神经网络的结构设计更加复杂，从而导致运算量增加，用户的实时(准实时)位置服务体验变差。

发明内容

在充分考虑上述定位精度与模型实现复杂度的情况下，本发明提出了一种基于环境背景声感知与分析的室内区域级定位方法。该方法由于引入了室内空间码本集，充分利用室内空间低阶声学指纹的多样性，能提高定位系统的准确率，同时由于引入了高阶声学指纹，充分利用室内空间声学特征的统计特性，提高了定位系统的稳定性，满足实时室内定位解决方案的性能要求。

实现本发明目的的技术方案是：

一种基于环境背景声感知与分析的室内区域级定位方法，包括如下步骤：

(1)通过智能手机麦克风感知室内各区域的环境背景声，并进行预处理；

(2)基于环境声的听觉感知与自动识别理论及方法，提取声信号的低阶声学指纹特征；

(3)通过K均值聚类算法，结合房间几何轮廓信息先验，构建室内空间码本集，并获取声信号的高阶声学指纹；