[发明专利]一种改进PDR与RSSI融合的蓝牙室内定位方法

权利要求书

1.一种改进PDR与RSSI融合的蓝牙室内定位方法，其特征在于，包括以下步骤：

1)构建RSSI定位灰度图集作为CNN定位模型的训练集，采用训练好的CNN定位模型进行RSSI定位，获得初始RSSI定位结果，具体包括以下步骤：

11)构建RSSI数据集：

在室内场景中，通过布置的蓝牙信标采集室内场景各位置的信号强度值，将位置信息与对应的信号强度值共同构建RSSI数据集，所述的蓝牙信标具体为蓝牙5.1信标，每个蓝牙信标的接触时间不少于5分钟，用以收集每个房间指纹点的信号强度值；

12)构建RSSI定位灰度图集：

将室内场景分割为多个正交的方格，将RSSI数据集中的一个位置信息对应的信号强度值统一处理后作为该位置所在方格的灰度值，其余方格均为黑色，以此构成一幅灰度图，由此遍历RSSI数据集的所有数据生成对应的RSSI定位灰度图集；

13)构建CNN定位模型：

将RSSI定位灰度图集作为CNN定位模型的训练集进行训练，得到训练好的CNN定位模型，将待预测的灰度图输入到训练好的CNN定位模型中即可得到预测的行人位置坐标；

2)根据惯性测量单元IMU采集行人的行走数据构建IMU数据集，采用PDR算法进行定位，获得初始PDR定位结果，具体包括以下步骤：

21)根据惯性测量单元IMU采集行人的行走数据，包括三轴加速度和三轴角速度数据，对行走数据进行预处理后构建IMU数据集；

22)根据IMU数据集分别进行步频检测、步长计算和方向推算后得到行人初始PDR定位结果；

3)采用基于停留时长的PDR修正算法对初始PDR定位结果进行修正，具体为：

对于行人长期静止不动时PDR算法存在累计误差的情况，根据室内场景不同地点进行活动不同耗时不同且相对固定的特点，将行人在某一地点从事固定活动对应的固定位置作为典型坐标位置，并以停留时间作为定位判断的条件，即将IMU数据集中的三轴角速度值为零或接近零时的持续时长作为判断条件，则有：

当停留时间未超过设定的时间阈值时，则输出PDR定位结果；

当停留时间超过设定的时间阈值时，则根据地点-活动-停留时长表查表得到地点对应的典型坐标位置，当典型坐标位置与PDR定位结果的差值小于定位阈值时，则证明PDR定位结果可靠，输出PDR定位结果，否则证明PDR定位结果不可靠，输出地点对应的典型坐标位置及地点名称，所述的地点-活动-停留时长表具体形式为：

4)采用EKF滤波器将修正后的PDR定位结果与RSSI定位结果进行融合，得到最终的定位结果。

2.根据权利要求1所述的一种改进PDR与RSSI融合的蓝牙室内定位方法，其特征在于，所述的步骤13)中，CNN定位模型采用CNN网络，其由两层卷积层、两层池化层和两层全连接层构成，其中，第一层卷积层的卷积核大小为7，第二层卷积层的卷积核大小为5，两层卷积层的卷积核子矩阵维度均为12，步幅均为1，激活函数为ReLU，两层池化层的卷积核大小均为2，步幅均为2，池化标准均为MAX最大值标准。

3.根据权利要求1所述的一种改进PDR与RSSI融合的蓝牙室内定位方法，其特征在于，所述的步频检测采用波峰波谷检测方法，步长采用步长估计非线性模型得到，方向推算通过坐标系转换后采用四元数表示方向角。

4.根据权利要求1所述的一种改进PDR与RSSI融合的蓝牙室内定位方法，其特征在于，所述的时间阈值设置为20s，所述的定位阈值为0.3m。

5.根据权利要求1所述的一种改进PDR与RSSI融合的蓝牙室内定位方法，其特征在于，所述的步骤4)具体包括以下步骤：

41)定义状态转移方程X_n和观测方程，则有：

其中，q为状态转移方程的非高斯分布的过程噪声，x'_n、y'_n为第n步的预测位置，θ′_n为第n步的预测方向角，(x_n-1，y_n-1)为第n-1步的融合定位结果，l_n-1、θ_n-1为第n-1步的步长和方向角，Δθ为方向角的估计增量，r为观测方程的测量噪声，为RSSI定位结果；

42)设定融合初始定位结果和初始协方差矩阵，在每一步迭代中计算卡尔曼增益，并更新状态和协方差矩阵，最终迭代得到融合定位结果。