[發明專利]一種基于支持向量回歸和卡爾曼濾波相結合的室內定位方法

在審

• 申請號: 201810982891.3
• 申請日: 2018-08-27
• 公開（公告）號: CN109195104A
• 公開（公告）日: 2019-01-11
• 發明（設計）人: 桑昱;胥婕;王韻靈;馬志超;黃玉琿;胡立志;李明;徐亮;俞駿威;曾德靈
• 申請（專利權）人: 上海市計量測試技術研究院
• 主分類號: H04W4/021
• 分類號: H04W4/021;H04W4/33;H04W64/00;G01S5/02
• 代理公司: 北京華智則銘知識產權代理有限公司 11573
• 代理人: 陳向敏

本發明屬于室內定位技術領域，公開了一種基于支持向量回歸和卡爾曼濾波相結合的室內定位方法及系統，采用SVR實現室內定位，利用離線階段信號濾波得到的數據進行訓練，得到位置預測模型，用于估計在線階段運動目標的位置坐標。本發明為了使用戶的位置規則，采用卡爾曼濾波對SVR定位結果進行濾波和校正，并根據仿真環境和現實環境驗證了算法的性質；實驗結果表明，系統的定位精度和穩定性得到了提高。

技術領域

本發明屬于室內定位技術領域，尤其涉及一種基于支持向量回歸和卡爾曼濾波相結合的室內定位方法。

背景技術

隨著移動通信技術的快速發展，位置服務(LBS)，一種基于位置和服務的技術應運而生，并迅速得到社區的廣泛關注，這反映了其核心技術的重要性-定位。到目前為止，戶外定位技術已相對成熟，專注于全球定位系統，如GPS，GLONASS和北斗衛星導航定位系統，實現全天候實時定位。在室外GPS定位技術的研究和利用方面，對室內定位技術的研究起步較晚，目前室內定位側重于基于WLAN信號強度的定位，利用現有室內接收信號強度(RSS)信號與位置信息實現定位。目前，基于RSS的室內定位算法大多采用位置指紋技術。與基于信號到達時間(TOA)和到達角(AOA)的定位技術不同，指紋定位不需要任何額外的硬件來開發精確的時間同步或角度測量。它可以利用現有的無線網絡基礎設施，大大降低系統成本并實現廣泛的適用性。位置指紋識別算法可分為兩個階段：離線和在線階段。在離線階段，需要選擇多個參考點并在與多個接入點(AP)對應的每個參考點位置處收集RSS，建立存儲每個參考點位置和與RSS對應的指紋的數據庫。在在線階段，有必要將終端實時測量中獲得的RSS與指紋數據中的RSS進行比較，估計終端的位置。傳統的在線匹配算法包括K最近鄰(KNN)，支持向量機(SVM)和概率分布。

在實時跟蹤應用的情況下，系統應在短時間內計算用戶的當前位置以實現實時，從而導致終端獲得的信號強度的樣本較少。此外，受周圍環境不確定性的影響，信號可能在短時間內出現更大的波動。這兩個因素會降低系統的定位精度。因此，直接用傳統的定位算法計算用戶的位置使得用戶的位置以用戶位置的大變化和不規則用戶的移動位置和顯著跳躍為特征，嚴重影響室內定位系統的性能和穩定性。

綜上所述，現有技術存在的問題是：直接用傳統的定位算法計算用戶的位置使得用戶的位置以用戶位置的大變化和不規則用戶的移動位置和顯著跳躍為特征，嚴重影響室內定位系統的性能和穩定性。

發明內容

針對現有技術存在的問題，本發明提供了一種基于支持向量回歸和卡爾曼濾波相結合的室內定位方法。

本發明是這樣實現的，一種基于支持向量回歸和卡爾曼濾波相結合的室內定位方法，所述基于支持向量回歸和卡爾曼濾波相結合的室內定位方法包括以下步驟：

采用支持向量回歸SVR進行初始定位；

采用卡爾曼濾波對定位結果進行濾波。

進一步，所述SVR定位算法包括：

1)離線階段：

在離線階段，利用移動設備從預先選擇的位置坐標的已知參考點處收集來自每個AP的RSS信息的原始訓練數據集；過濾后，將數據集作為輸入條件，將SVR用于監督學習，進行相應的位置預測模型；

2)在線階段：

在在線階段，利用移動設備在未知坐標的位置點處收集環境無線信號并獲得RSS數據集；通過類似于離線階段的方式過濾數據集；在離線階段制作的位置預測模型和在線階段獲得的RSS數據集用于預測獲得的RSS數據集位置預測，并獲得室內移動目標的位置坐標。

進一步，預測模型構建方法包括：