本發(fā)明涉及融合魯棒航跡推算與信道狀態(tài)信息的圖書館室內(nèi)定位方法，屬于室內(nèi)定位。

背景技術(shù)：

1、目前，已有的航跡推算算法沒有考慮對復(fù)雜多變的用戶運(yùn)動狀態(tài)和終端位置的適應(yīng)性，基于這點(diǎn)，需要引入識別用戶運(yùn)動狀態(tài)或者終端位置的研究。主要包含兩個問題：首先，沒有從本質(zhì)上考慮終端與人體運(yùn)動狀態(tài)的耦合關(guān)聯(lián)規(guī)律，對于運(yùn)動狀態(tài)的分類往往不夠全面，例如很少考慮終端自身運(yùn)動這一狀態(tài)。終端位置轉(zhuǎn)換或手的抖動等將額外引入加速度、角速度信號，很可能被誤認(rèn)為人體正常步行或轉(zhuǎn)身等運(yùn)動，而產(chǎn)生步態(tài)虛警或航向估計錯誤。其次，已有方法都是單獨(dú)考慮對用戶運(yùn)動狀態(tài)或者終端位置的分類識別，沒有將兩者統(tǒng)一考慮。而直接考慮所有運(yùn)動狀態(tài)和終端位置的組合分類，其組合類型數(shù)可達(dá)上百種，很可能導(dǎo)致過擬合，且對于用戶而言訓(xùn)練過程非常繁瑣。

2、航跡推算存在累積誤差，需要采用絕對定位方法進(jìn)行校正。但是由于圖書館的感知環(huán)境復(fù)雜，例如圖書館書架遮擋會導(dǎo)致非視距影響測向，因此僅用絕對定位也會存在問題?；谑覂?nèi)wi-fi信道狀態(tài)信息與智能終端測角的交叉定位技術(shù)，是可行的一種室內(nèi)絕對定位技術(shù)手段。同時結(jié)合較為準(zhǔn)確的csi交叉定位結(jié)果對航向和步長進(jìn)行校準(zhǔn)，可以提高室內(nèi)定位的可靠性。

技術(shù)實現(xiàn)思路

1、本發(fā)明為解決由于復(fù)雜環(huán)境導(dǎo)致的航向估計算法失效的技術(shù)問題，進(jìn)而提出融合魯棒航跡推算與信道狀態(tài)信息的圖書館室內(nèi)定位方法。

2、本發(fā)明為解決上述問題采取的技術(shù)方案是：

3、步驟1：使用移動終端傳感器進(jìn)行數(shù)據(jù)采集；

4、步驟2：構(gòu)建基于決策樹的人體運(yùn)動分類器，根據(jù)移動終端傳感器的采集數(shù)據(jù)獲取用戶位移和航向變化，對用戶運(yùn)動狀態(tài)進(jìn)行組合分類；

5、步驟3：針對特定運(yùn)動狀態(tài)，構(gòu)建對終端放置方式不敏感的終端位置分類器，并連續(xù)對終端姿態(tài)進(jìn)行跟蹤；

6、步驟4：根據(jù)不同運(yùn)動狀態(tài)對人體航向的影響機(jī)理，設(shè)計并選擇對應(yīng)的最優(yōu)策略魯棒航向估計；

7、步驟5：根據(jù)對應(yīng)的最優(yōu)策略魯棒航向估計進(jìn)行步長估計和步態(tài)檢測，獲取融合定位結(jié)果。

8、可選的，步驟2中用戶運(yùn)動狀態(tài)的分類結(jié)果包括：人體水平位移、人體垂直位移、人體旋轉(zhuǎn)、靜止站立和不會造成人體位移和旋轉(zhuǎn)的終端自身運(yùn)動；

9、人體水平位移包括用戶正常步行；

10、人體垂直位移包括用戶上下樓梯、乘扶梯、電梯；

11、不會造成人體位移和旋轉(zhuǎn)的終端自身運(yùn)動包括終端位置轉(zhuǎn)換、手的抖動。

12、可選的，步驟2中對用戶運(yùn)動狀態(tài)進(jìn)行分類的步驟包括：

13、根據(jù)移動終端傳感器獲取用戶角速度、加速度數(shù)據(jù)，基于加速度與角速度信號模式、位移及磁場變化規(guī)律，判斷用戶的加速度是否匹配電梯加速度模式，若匹配，則用戶為乘電梯狀態(tài)；

14、若不匹配，則判斷用戶加速方差是否低于第一閾值，若是，則判斷磁場方差是否低于第二閾值，若是，則用戶為靜止站立狀態(tài)，若不是，則用戶為乘扶梯狀態(tài)；

15、若用戶加速度方差大于第一閾值，則判斷用戶豎直方向是否出現(xiàn)連續(xù)的正向或負(fù)向位置變化，若出現(xiàn)，則用戶為上下樓梯狀態(tài)；

16、若未出現(xiàn)，則判斷用戶水平方向是否發(fā)生連續(xù)的位移變化，若發(fā)生，則用戶為正常行走狀態(tài)；

17、若未發(fā)生，則判斷用戶水平方向的角度變化是否大于第三閾值，若大于，則用戶為轉(zhuǎn)身狀態(tài)，若小于，則用戶為終端自身運(yùn)動狀態(tài)。

18、可選的，步驟4中設(shè)計對應(yīng)的最優(yōu)策略魯棒航向估計的步驟包括：

19、步驟4.1：在用戶正常行走狀態(tài)下，采用主成分析法提取水平加速度水平面分量的主成分分量，通過解模糊判斷，獲取終端坐標(biāo)系下的用戶航向；

20、步驟4.2：在用戶轉(zhuǎn)身和上下樓梯狀態(tài)下，基于終端姿態(tài)跟蹤模塊獲取水平面方向，對水平面方向的角速度進(jìn)行積分獲取用戶航向變化量，結(jié)合前一時刻的絕對航向，獲取當(dāng)前用戶航向；

21、步驟4.3：在用戶終端自身運(yùn)動單獨(dú)發(fā)生、終端自身運(yùn)動與正常步行同時發(fā)生時，通過加權(quán)平均鄰近正常步態(tài)航向獲取當(dāng)前用戶航向；

22、步驟4.4：在用戶乘扶梯、電梯狀態(tài)下，根據(jù)先驗知識獲取初始用戶航向，通過運(yùn)動狀態(tài)分類器輸出結(jié)果獲取當(dāng)前用戶運(yùn)動狀態(tài)，結(jié)合加速度或磁場變化規(guī)律識別出該特定時刻，作為路標(biāo)信息校正初始用戶航向及終端姿態(tài)。

23、可選的，步驟5中獲取融合定位結(jié)果的步驟包括：

24、步驟5.1：根據(jù)對應(yīng)的最優(yōu)策略魯棒航向估計進(jìn)行步長估計和步態(tài)檢測，基于步長估計和步態(tài)檢測結(jié)果建立pdr模型，計算行人的圖書館室內(nèi)定位導(dǎo)航軌跡；

25、步驟5.2：進(jìn)行基于信道狀態(tài)信息的到達(dá)角交叉定位；

26、步驟5.3：基于到達(dá)角交叉定位對航向估計結(jié)果和步長估計參數(shù)進(jìn)行校正；

27、步驟5.4：進(jìn)行aoa精度置信度估計和到達(dá)角交叉定位精度估計，推導(dǎo)出信道狀態(tài)信息估計精度并識別非視距環(huán)境；

28、步驟5.5：設(shè)置csi交叉定位結(jié)果和pdr模型定位結(jié)果的加權(quán)參數(shù)，獲取融合定位結(jié)果。

29、可選的，步驟5.1中進(jìn)行步長估計和步態(tài)檢測的步驟包括：

30、步驟5.1.1：采用步態(tài)周期和加速度統(tǒng)計值作為輸入，步長估計值作為輸出，結(jié)合相關(guān)擬合參數(shù)，構(gòu)建步長估計模型；

31、步驟5.1.2：當(dāng)用戶乘電梯、扶梯、上下樓梯時，步長估計模型不工作，用戶位置直接由相應(yīng)的路標(biāo)先驗信息獲取，用戶轉(zhuǎn)身運(yùn)動時，步長設(shè)置為零，用戶最終端運(yùn)動時，通過鄰近正常步行的步長估計加權(quán)平均獲取步長估計值，用戶正常步行時，根據(jù)終端放置的位置，選擇不同的終端加速度模型作為參數(shù)對步長估計模型進(jìn)行訓(xùn)練，獲取步長估計值；

32、步驟5.1.3：針對不同的用戶的運(yùn)動狀態(tài)和終端位置設(shè)置不同的加速度閾值和時間間隔閾值，檢測每個步態(tài)周期內(nèi)的峰值點(diǎn)，統(tǒng)計峰值點(diǎn)大于加速度閾值、相鄰峰值時間間隔大于時間間隔閾值的點(diǎn)的個數(shù)作為步數(shù)估計結(jié)果；

33、步長估計模型的表達(dá)式為：

34、

35、公式(1)中，fsl(·)為擬合函數(shù)，k1和k2為模型參數(shù)，a豎直,i為豎直方向加速度樣本，a豎直極差為豎直方向加速度樣本最大值與最小值之差，na為加速度信號樣本數(shù)，t為步態(tài)周期，豎直方向加速度由加速度信號矢量在豎直方向投影獲得，豎直方向矢量由終端姿態(tài)跟蹤模塊提供。

36、可選的，步驟5.3中對航向估計結(jié)果和步長估計參數(shù)進(jìn)行校正的步驟包括：

37、步驟5.3.1：基于終端速率估計對應(yīng)時間段內(nèi)的行走距離與累積步長距離的一致性獲取優(yōu)化目標(biāo)函數(shù)j1；

38、步驟5.3.2：基于兩個高精度定位軌跡點(diǎn)之間的距離與pdr位移大小的一致性獲取優(yōu)化目標(biāo)函數(shù)j2；

39、步驟5.3.3：對目標(biāo)函數(shù)j1和j2進(jìn)行加權(quán)優(yōu)化，利用基于信道狀態(tài)信息到達(dá)角交叉定位結(jié)果計算航向，完成航向估計結(jié)果和步長估計參數(shù)的校正；

40、優(yōu)化目標(biāo)函數(shù)j1的表達(dá)式為：

41、

42、公式(2)中，為第m步對應(yīng)的終端速率估計值，δtm為第m步持續(xù)時間；

43、優(yōu)化目標(biāo)函數(shù)j2的表達(dá)式為：

44、

45、公式(3)中，ln和ln-n0分別為n與n-n0時刻用戶位置向量，和為通過位移計算公式算出的用戶位置向量；fsl(k1,k2)和ψ對應(yīng)時刻的步長和用戶航向，n0為優(yōu)化軌跡的時間間隔，n為參與參數(shù)校正的用戶軌跡總時長。

46、可選的，步驟5.4中推導(dǎo)信道狀態(tài)信息估計精度并識別非視距環(huán)境的步驟包括：

47、步驟5.4.1：基于music算法對到達(dá)角精度進(jìn)行分析，構(gòu)建aoa精度置信度度量模型，獲取到達(dá)角交叉定位精度置信度估計；

48、步驟5.4.2：基于aoa克拉美羅界公式構(gòu)建csi交叉定位置信度量模型，獲取csi交叉定位精度置信度估計σc；

49、步驟5.4.3：若到達(dá)角交叉定位精度置信度估計小于預(yù)設(shè)閾值，則發(fā)生非視距情況。

50、可選的，步驟5.5中獲取融合定位結(jié)果的步驟包括：

51、步驟5.5.1：pdr模型結(jié)合上一步位置坐標(biāo)和用戶位移，計算出用戶當(dāng)前位置；

52、步驟5.5.2：基于信道狀態(tài)信息的單接入點(diǎn)定位根據(jù)上一步單接入點(diǎn)定位估計精度計算得出當(dāng)前定位的精度置信度估計；

53、步驟5.5.3：分別給定步長與航向估計的誤差方差值，上一時刻位置變量估計的誤差協(xié)方差矩陣，無跡卡爾曼濾波通過無跡變換計算狀態(tài)變量的預(yù)測值與預(yù)測值誤差協(xié)方差矩陣，協(xié)方差矩陣的跡的開方即為pdr預(yù)測位置誤差σp，通過參數(shù)加權(quán)融合csi交叉定位與pdr獲取融合定位結(jié)果；

54、計算用戶當(dāng)前位置的表達(dá)式為：

55、

56、公式(4)中，li＝(xi,yi)為第i步用戶位置向量，此處只考慮二維水平位置向量，豎直坐標(biāo)值通常由所在樓層的先驗信息值給出，li-1為上一步用戶位置向量，sli是第i步的步長估計，ψi為給定世界坐標(biāo)系下的用戶航向估計；

57、融合定位結(jié)果的表達(dá)式為：

58、tfinal＝wctcsi+wptpdr(5)

59、公式(5)中，tpdr為pdr預(yù)測位置，tcsi為csi交叉定位結(jié)果，wc和wp為加權(quán)參數(shù)，由定位誤差精度決定。

60、本發(fā)明的有益效果是：

61、1.本發(fā)明研究并構(gòu)建了不受限終端與人體運(yùn)動的關(guān)聯(lián)規(guī)律，能自適應(yīng)復(fù)雜感知環(huán)境的魯棒pdr模型。

62、2.本發(fā)明給出的步長航向校準(zhǔn)以及融合定位方法能有效提升室內(nèi)定位精度。