[发明专利]一种基于改进PDR算法的室内融合定位方法

说明书

本发明提供了一种基于改进PDR算法的室内融合定位方法，利用蓝牙陀螺仪传感器中的加速计、陀螺仪采集三轴加速度、角速度以及角度等数据进行预处理；利用数据仿真进行步频检测、步长估计以及航向推算后得到初始PDR定位；同时利用经过WKNN算法后的RSSI测距定位的测量值对PDR算法解算出来的定位信息进行校正，再利用左右脚坐标数据融合得到最终的PDR定位；最后利用EKF作为PDR与RSSI定位的融合滤波器进行融合定位，得到最终定位坐标。本发明具有定位误差小、定位结果准确等优点，在实际环境中的应用表现出良好的系统稳定性，验证了该算法的合理性，得到的定位预测值能为室内定位人员提供有益指导。

技术领域

本发明属于室内定位技术领域，具体涉及一种基于改进PDR算法的室内融合定位方法。

背景技术

一种基于惯性传感器的方法，称为行人航位推算(PDR)定位，具有成本低，体积小和自主性强的优点，在给定初始位置和方向后，PDR使用步长和行走方向能够推算下一时刻行人的位置和方向信息，随时随地提供行人的位置信息。RSSI表示接收的信号强度指示，是通过接收到的信号强弱测定信号点与接收点的距离，根据相应数据进行定位计算的一种定位技术。扩展卡尔曼滤波器(EKF)是一种高效率的递归滤波器，利用线性系统卡尔曼滤波公式对非线性模型进行一阶泰勒展开。

Yoshimi S等人为了解决PDR的累计误差引入了地图匹配技术，但是，作为一种校正方法，地图匹配技术在将当前位置自动映射到链接时会忽略用户轨迹的某些特征使用受到限制，引入行人空间约束也只能进行粗略PDR轨迹校正。

Li X等人致力于利用EKF融合蓝牙标签和PDR定位数据，这种方法蓝牙标签的放置和维护成本高，并且蓝牙定位和PDR方法几乎无法实现精确定位。

Lu Q等人将PDR方法与Wi-Fi指纹方法集成在一起，以进一步提高定位精度。但是，由于RSSI具有波动性，Wi-Fi指纹定位结果不稳定。

发明内容

本发明要解决的技术问题是：提供一种基于改进PDR算法的室内融合定位方法，用于稳定且精确地进行室内定位。

本发明为解决上述技术问题所采取的技术方案为：一种基于改进PDR算法的室内融合定位方法，包括以下步骤：

S1：根据Wi-Fi信号强度建立RSSI离线指纹数据库，估算RSSI测距定位坐标；

S2：通过传感器采集行人的包括三轴加速度、角速度、角度的数据，并进行预处理；

S3：通过数据仿真进行步频检测、步长估计以及航向推算得到初始PDR定位；

S4：根据PDR定位的递归特性，利用RSSI定位误差稳定的优点，校正PDR拐点误差以及传感器的参数；

S5：通过左右脚坐标融合减小行人行走的异步误差，提高行人航位推算位置的准确性；

S6：将EKF作为PDR与RSSI定位的融合滤波器进一步融合、优化定位结果，得到最终PDR定位坐标。

按上述方案，所述的步骤S1中，具体步骤为：

S11：采集离线Wi-Fi位置指纹数据，汇总所有点的指纹数据；

S12：将参考点RSSI信号的物理地址作为无线访问节点AP的标识，

S13：采用多次测量求平均值提取指纹点的信号强度特征，以保持RSSI的稳定性，提高指纹数据库的准确性；

S14：在线定位，估算待定位点的坐标。

进一步的，所述的步骤S14中，具体步骤为：

S141：采用KNN算法估算待定位点的坐标：计算各个位置指纹库的RSSI欧式距离；按从小到大选取k个指纹坐标点，加权平均k个坐标点作为最终位置估计；