[发明专利]一种基于地磁和相似度匹配的室内定位算法

说明书

本发明公开了一种基于地磁和相似度匹配的室内定位算法ALBML(Augmented Local Best Matching Localization)。ALBML定位算法基于主路径来构建地磁指纹库；ALBML定位算法首先利用VGS(Vote for Geomagnetic Sequence)算法选择唯一的模板序列，然后利用LBML(Local Best Matching Localization)定位算法在模板序列上计算出采样序列的位置。实验结果表明，ALBML定位算法相较于现有的室内算法定位精度更高并且定位时间更短。

技术领域

本发明涉及室内定位技术领域。本发明使用天然存在的地磁信号并实现室内定位。本发明具体是一种基于地磁和相似度匹配的室内定位算法。

背景技术

基于位置服务(Location Based Service，LBS)一直是国内外学者研究的热点。随着现代科技的进步，云计算、大数据、机器学习等技术的不断兴起，人与人之间的信息交流和信息共享更加密切。而在信息交流过程中，位置信息已成为人们日常生活中不可或缺的一部分。LBS已经渗透进人们的日常生活中，为人们的生活起居带来了极大的便利。移动端应用从地理位置的定位导航到附近卖家的外卖配送，无一不需要依赖LBS。人们在享受LBS带来的便利的同时也对LBS也提出了更高的要求。然而，LBS却面临挑战，尤其是ILBS(Indoor Location-based Service)。时至今日，ILBS并未找到完美的解决方案。其实室内定位并不是新兴的研究方向，国内外学者很早就对室内定位技术进行了诸多研究和尝试，并提出了各种各样的室内定位系统。室内定位技术发展到今日，室内定位技术主要分为两大类：基于几何关系的定位和基于指纹库的定位。基于几何关系的定位主要利用未知节点和锚节点之间的几何关系来计算出未知节点的位置。这类定位方式通常需要部署特殊的信号源设备。基于指纹库的定位主要分为离线位置指纹采集和在线指纹匹配两个阶段。这类定位方式存在指纹库构建周期长、工作量大等问题。下面将具体介绍一些常见的室内定位算法。

基于几何关系的定位算法主要有以下几种：

(1)基于TOA(Time of Arrival)的定位算法：

基于TOA的定位算法是一种利用无线信号在空气中传播的传播时延来计算锚节点与未知节点之间的距离的定位算法。TOA需要信号发射端和信号接收端使用同一电子时钟。由于无线信号的传播速度很快，微小的时间测量误差将对TOA的测距误差产生很大影响。TOA通常需要和三边定位联合实现定位。

(2)基于TDOA(Time Difference of Arrival)的定位算法：

基于TOA的定位算法主要利用同一信号先后到达不同节点的时间差来计算锚节点与未知节点之间的距离差。未知节点与两个锚节点的距离差是定值。由双曲线的知识可知，未知节点的运动轨迹是一条双曲线。假设存在三个锚节点，则利用任意两个锚节点都可得到一条双曲线，两条双曲线的交点即为未知节点的位置。

(3)基于AOA(Time Difference of Arrival)的定位算法：

AOA需要使用天线阵列来测量出锚节点与未知节点之间的角度关系。利用角度的几何关系计算出未知节点的位置。因此这种算法也是需要额外的能够测量角度的硬件才能完成定位任务。

基于指纹库的定位算法：

基于指纹库的定位主要分为两个核心阶段。在离线阶段，需要人工完成位置指纹的采集并构建指纹库。通常，构建指纹库是一份耗时耗力的工作。在在线阶段，使用特定的指纹匹配算法将用户实时采集的基础数据与指纹库中的位置指纹进行匹配，并输出用户的位置。目前基于地磁信号的定位算法主要有以下两种：

(1)相似度度量算法：

相似度度量算法的核心思想是使用特定算法计算采样序列和地磁指纹库中的模板序列的相似度。相似度度量算法的优点是对初始点的误差无要求，计算量一般，缺点是定位精度不高。