[发明专利]一种基于WiFi和IMU融合的室内定位方法

权利要求书

1.一种基于WiFi和IMU融合的室内定位方法，其特征在于，包括如下步骤：

步骤一、离线采集WiFi信号强度构建原始无线地图；

步骤二、使用高斯过程回归对构建的原始无线地图进行拟合，训练得到符合真实信号分布的真实无线地图，具体包括：

以RSS分布的对数衰减模型为先验，则先验分布可以表示为f(x)～N(μ_f,K_ff)，其中x表示位置坐标，μ_f表示RSS分布的均值，K_ff表示RSS分布的协方差；

给定步骤一所建立的RSS观测数据(x*,y*)，其中x*,y*分别表示栅格坐标和对应的RSS向量值；

通过假设y*与f(x)服从联合高斯分布，可以计算得到RSS的后验分布f*(x)，从而得到更准确的RSS信号分布的无线地图；

步骤三、实时获取周围WiFi节点的RSS数据，然后根据真实无线地图中的训练数据使用自适应K近邻算法获取WiFi节点的定位初值坐标，具体包括：

定位阶段，在线实时获取周围WiFI节点的RSS数据r_q＝[r_q1,r_q2,...,r_qM]^T，将其与真实无线地图中的训练数据r_ti＝[r_t1,r_t2,...,r_tM]^T,i∈[1,N]一一匹配，计算两者间的差异度d_i；

对差异度从小到大排序，设定差异度阈值d_th，选择小于阈值的差异度对应的训练点作为定位候选点{(x_k,y_k)}_k∈[1,K]；

根据计算得到的候选点坐标{(x_k,y_k)}及其差异度d_k，加权计算出定位初值坐标(x₀,y₀)；

步骤四、采用融合WiFi和IMU的粒子滤波对获取的定位初值坐标进行定位估计，具体包括：

粒子初始化，由定位初值坐标(x₀,y₀)生成随机采样粒子{(x_i,y_i)}_i∈[1,P]，P为粒子个数；

重要性采样，考虑连续两帧WiFi信号帧k-1时刻到k时刻，对于所有粒子，根据两帧间采集到的IMU数据进行状态递推：

y_ik＝f_y(y_ik-1,s_k,θ_k)

x_ik＝f_x(x_ik-1,s_k,θ_k)

其中，位移s_k由步长公式根据加速度计值计算得到，航向角θ_k由角速度计和磁力计融合计算得到；

通过高斯过程回归模型，计算出粒子所在位置的RSS预测值，根据k时刻实时采集到的RSS真实值，计算粒子的权重w_ik；

计算粒子的权重和sum(w_ik)，并对每个粒子进行权重归一化：

通过对粒子坐标按权重进行加权，更新k时刻的定位估计：

粒子重采样，对粒子集{(x_ik,y_ik),w_ik}进行重采样，重采样后的粒子集为

步骤五、计算步骤四采用融合定位得到的定位估计与使用自适应K近邻算法计算k时刻的WiFi节点的定位估计之间的定位误差，并判断该定位误差是否超过设定的误差阈值，若超过，则进行重定位，并选择融合定位得到的定位估计代替k时刻的WiFi节点的定位估计，以此为下一轮粒子滤波的定位初值。