[發明專利]一種優化的室內定位方法

有效

• 申請號: 201711492108.7
• 申請日: 2017-12-30
• 公開（公告）號: CN108064020B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 楊勝齊;黃樟欽;申曉龍;吳寒;王術川
• 申請（專利權）人: 北京工業大學
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04W4/33;H04W4/80;H04W64/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.一種優化的室內定位方法，其特征在于：該方法為一種離散定位與連續定位相融合的辦法，包含優化的離散定位模塊和優化的連續定位模塊；優化的離散模塊負責定位目標節點的初步位置，連續模塊負責對目標節點下一時刻的位置進行實時預測；

優化的離散定位模塊主要包括三個子模塊：信標節點信號過濾模塊，最優信標節點選取模塊和待定位區域劃分模塊；

優化的連續定位模塊主要包括四個子模塊：目標位置初始化模塊，粒子狀態轉移模塊，粒子評價方法模塊和目標下個時刻位置預測模塊；

所述信標節點信號過濾模塊用以接收各低功耗藍牙設備的信號強度，對各低功耗藍牙設備的信號強度進行分析，找出各個信標節點的信號強度都受哪些外界環境因素的影響，最后利用高斯濾波模型進行過濾處理，消除干擾因素；

所述最優信標節點選取模塊，使用狄克勛異常檢測方法檢測各個信標節點的穩定性，對穩定性較差的信標節點進行剔除，消除不穩定的信標節點對定位進度所造成的影響，然后再結合各個信標節點與目標節點之間的距離因素選取最優信標節點，利用最優的信標節點參與定位過程；

所述待定位區域劃分模塊，使用質心定位法和三邊定位算法計算出目標節點的所處的大致區域，然后對目標節點所處區域進行劃分，判斷目標節點處于各個劃分后區域內的概率，最后對概率進行概率求和，進一步縮小待定位區域；

所述目標位置初始化模塊利用優化的離散定位模塊定位出的位置，然后在該初始位置附近進行高斯采樣，在離該初始位置附近進行大量的粒子采樣，在離該初始位置較遠的區域內進行少量的粒子采樣，最終完成目標節點連續定位階段初始化過程；

所述粒子狀態轉移模塊，由于目標是運動的，因此粒子也是時時刻刻動態變化的，這樣才能不斷地反應出當前目標用戶的位置信息，為使每個粒子運動起來，對目標節點的運動規律進行了分析，通常運動方式分為無規律運動和有規律運動，對于行人目標節點由于其速度都是可估計的，因此粒子狀態轉移模塊使用隨機噪聲加速度模型對每個粒子的狀態進行更新；

所述粒子評價模塊，在初始化階段完成后，經過一步狀態轉移會在目標所處區域附近生成大量新的粒子，此時為了表征每個粒子與真實位置的相似程度需要對每個粒子進行評價，離真實位置越近的粒子權重值越高，相反權重值越低；

所述目標下個時刻位置預測模塊利用目標轉移方程結合粒子評價結果預測出目標節點下一時刻的位置。

2.根據權利要求1所述的一種優化的室內定位方法，其特征在于：對離散定位法進行優化，包括：最優信標節點選取模塊和待定位區域劃分模塊；利用最優信標節點選取模塊選擇最優的信標節點參與定位過程，消除信標節點本身對定位精度所造成的影響；利用離散定位法會形成重疊區域，然后對目標最有可能所處的重疊區域進行劃分，劃分成多個小區域，判斷目標節點處于各個劃分后區域內的概率，最后進行概率求和獲得目標的離散定位位置；具體包括如下步驟：

步驟1：客戶端首先對接收到的每個信標節點的每組RSSI數據進行排序，排序后的集合可被表示為：

步驟2：在獲得排序后的數據集合后，對R_sort集合內的數據進行Dixon異常檢測，Dixon異常檢測包括高端異常檢測和低端異常檢測；

步驟3：在狄克遜檢驗臨界值表中查找，確定異常值的臨界值，確定該組數據的穩定性，同時結合距離因素確定每個信標節點最優程度；

步驟4：確定每個信標節點最優程度，進行定位區域劃分并與連續定位相融合，確定目標節點下個時刻的預測位置。

3.根據權利要求1所述的一種優化的室內定位方法，其特征在于：優化的連續定位過程，用與目標的持續跟蹤定位；該過程包括粒子初始化模塊，狀態轉移模塊和粒子評價模塊。

4.根據權利要求1所述的一種優化的室內定位方法，其特征在于：粒子初始化模塊，選取的粒子初始化采樣函數越接近實際情況，就會有越多的抽樣粒子聚集在真實位置的附近；這樣產生的有效粒子數會更多，提高了定位精度的同時也使粒子能夠盡快收斂，縮短了算法的計算時間；具體的粒子初始化步驟如下：

步驟1：獲取離散定位結果；

步驟2：在離散定位結果位置附近進行高斯采樣，在離散位置結果附近多次采樣，在偏遠位置處進行少量采樣，完成粒子初始化過程；該采樣方式有別于均勻采樣，高斯采樣能夠很好的反應出目標節點的真實位置狀態信息。