[發明專利]面向WiFi/PDR室內融合定位的自適應卡爾曼濾波方法

有效

• 申請號: 201710290974.1
• 申請日: 2017-04-28
• 公開（公告）號: CN107426687B
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 周牧;耿小龍;田增山;衛亞聰;唐云霞;余箭飛;楊露
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04W4/33;G01C21/20;G01S5/02;G01S5/14
• 代理公司: 重慶華科專利事務所 50123
• 代理人: 譚小琴

1.面向WiFi/PDR室內融合定位的自適應卡爾曼濾波方法，其特征在于，包括以下步驟：

步驟一、在目標區域內，給定用戶的初始位置X′_0|0；

步驟二、用戶接收第i個AP的信號強度m為AP的個數；

步驟三、根據對數正態分布的路徑損耗模型其中，A表示在參考距離d₀處所接收到的信號強度；η表示路徑損耗指數；N₀表示環境噪聲，服從均值為0，方差σ²的高斯分布，計算用戶和每個AP之間的距離，其中，d_i表示用戶和AP_i之間的距離，AP_i表示第i個AP；

步驟四、已知AP₁,…,AP_m的位置坐標分別為(x₁,y₁),…,(x_m,y_m)，并設用戶的位置坐標為(x,y)，根據步驟三得到的用戶和每個AP之間的距離，構造雙曲線方程；

步驟五、采用加權最小二乘法，給用戶和每個AP之間的距離賦予權重，計算出基于WiFi的估計位置

步驟六、已知用戶初始位置X′_0|0，采用PDR算法實現對用戶的相對定位，進而推算出用戶在t_k時刻的位置(x_k,y_k)；

步驟七、在卡爾曼濾波的預測階段，得到預測狀態X′_k|k-1和對應該預測狀態的協方差P_k|k-1；

步驟八、在卡爾曼濾波的更新階段，得到卡爾曼增益K_k和當前時刻的估計狀態X′_k|k；

步驟九、利用卡爾曼濾波器的估計結果X′_k|k作為輸入，校準路徑損耗指數，以獲得新的當前時刻的估計狀態具體包括以下步驟：

9a、根據步驟三，可以得到：

9b、利用步驟八的當前時刻的估計狀態X′_k|k，計算其中，為第i個AP的位置坐標，|| ||₂表示歐幾里德范數；

9c、結合步驟9a和步驟9b，得到：

其中，為當前關于第i個AP更新后的路徑損耗指數；

9d、根據重復步驟四、步驟五和步驟八，得到新的當前時刻的估計狀態

步驟十、設置可收斂的迭代閾值其中，和分別是X軸和Y軸方向的方差，即協方差矩陣P_k|k對角線上的元素，α是可調系數，并計算其中，表示在第k時刻第j次迭代更新后的估計位置，表示在第k時刻第j-1次迭代更新后的估計位置；

步驟十一、判斷是否小于閾值T；是，則進入步驟十二；否，則進入步驟九；

步驟十二、更新RSSI測量誤差協方差σ_R；具體包括以下步驟：

12a、計算其中，T_old表示前一時刻關于所有AP的路徑損耗指數和，η′為前一時刻第i個AP的路徑損耗指數；

12b、計算其中，T_new表示當前時刻所有AP更新后的路徑損耗指數和；

12c、當更新時，同時更新RSSI測量誤差協方差σ_R；

其中：表示更新后的RSSI測量誤差協方差，表示更新前的RSSI測量誤差協方差；

步驟十三、更新卡爾曼增益K_k、當前時刻的估計狀態和協方差矩陣P_k|k；

步驟十四、獲得用戶的最佳位置并作為下一時刻的初始位置。

2.根據權利要求1所述的面向WiFi/PDR室內融合定位的自適應卡爾曼濾波方法，其特征在于：所述步驟五包括以下步驟：

5a、根據步驟四，基于WiFi的最小二乘法估計為其中，為用戶和第i個AP之間的估計距離，此處認為用戶和每個AP之間的距離對定位結果具有相同的權重，但是信道模型屬于非線性模型，因此基于對數正態分布的路徑損耗模型，用戶在不同的傳輸距離上，相同高斯分布的RSSI測量誤差會導致不同的距離測量誤差，即傳輸距離越大，則距離測量誤差就越大；所以采取加權最小二乘法，其公式為其中，S為的協方差矩陣，將較小的傳輸距離賦予較大的權重，使得估計的距離具有更高的精確度；

5b、假設用戶和每個AP之間的估計距離是獨立的，其中，表示用戶和AP_i之間的估計距離，則協方差矩陣S為：

其中，Var表示方差運算，即有

5c、基于步驟三的路徑損耗模型，估計距離為：

其中，滿足對數正態分布，令μ_d＝ln d_i且則隨機變量的K階原點矩為

5d、根據步驟5c，可以得到：

5e、根據步驟5d，可得由于σ_d為常數且每一個估計距離的方差都含有σ_d，因此從協方差矩陣S中約掉常數因子并不會影響基于加權最小二乘法估計位置即等價于

5f、基于步驟5e，可得

5g、將協方差矩陣S表示為：

5h、因此基于WiFi的估計位置