[發明專利]一種基于SVM和步行者航位推算融合的室內定位方法

在審

• 申請號: 201811376139.0
• 申請日: 2018-11-19
• 公開（公告）號: CN109597031A
• 公開（公告）日: 2019-04-09
• 發明（設計）人: 鐘艷如;高宏;袁智翔;李芳;藍如師;羅笑南
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G01S5/20
• 分類號: G01S5/20;G01S5/18
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 覃永峰

本發明公開了一種基于SVM和步行者航位推算融合的室內定位方法，涉及超聲波信號室內定位技術領域，解決的技術問題是提供一種測量精度高的室內定位方法，該方法包括如下步驟：（1）利用麥克風陣列，獲得聲源在不同位置的混響信號；（2）根據得到的混響信號，計算出互相關函數；（3）根據互相關函數，生成特征向量z；（4）利用特征向量z，實現SVM對聲源的定位；（5）融合PDR得到最終定位坐標。本發明充分發揮支持向量機回歸在收斂速度、小樣本預測及全局尋優上的優勢，縮短了聲源定位時間、提高了定位精度，同時具有定位精度高、軟件運算量低的特點，在保證定位精度的前提下實現實時定位要求。

技術領域

本發明涉及超聲波信號室內定位技術領域，尤其涉及一種基于SVM和步行者航位推算融合的室內定位方法。

背景技術

基于麥克風陣列的語音系統由于其廣泛的應用前景，受到了越來越廣泛的關注。在基于麥克風陣列的語音信號處理中，聲源定位技術處在核心位置。除了能夠提供位置信息之外，聲源定位技術在基于麥克風陣列的語音增強中也發揮著重要作用，對于如何增強語音信號處理的性能以及增強聲源定位的性能有很重要的意義。對于絕大多數的聲源定位系統來說，采用的都是麥克風陣列。從規模上進行劃分，麥克風陣系統可分為兩種：一種是大型的麥克風陣，主要用來進行語音控制，包含了幾十到幾百的陣元；另一種則是小型的麥克風陣，主要應用在一些電子產品，比如手提電腦以及移動電話中使用。

聲發射原定位方法分為兩種：參數定位法和波形定位法。基于參數的聲源定位算法主要有：時差定位、能量定位、區域定位和智能定位四種方法，波形定位法主要是基于板波理論的模態分析定位法。

基于人工智能的聲源定位方法以先進的人工智能算法為基礎，支持向量機(SVM)就是這樣的一種機器學習算法：SVM建立在統計學習的VC維度 (Vapnik－ChervonenkisDimension)理論以及結構風險最小化原理的基礎上，可以對有限的樣本實現模型復雜度以及學習能力的平衡。支持向量機利用對最大間距的超平面的尋找進行分類，有著很強的泛化能力，并且對小樣本的分類尤為適用。SVM主要處理二分類的情況，主要思想是面向線性可分的問題設計。在樣本是線性不可分時，SVM通過非線性映射也就是核函數，使低維空間的樣本映射到高維空間中，這樣就可以使樣本線性可分，從而可以在高維空間線性分類。對超平面的尋找是建立在結構風險最小理論的基礎上，通過對兩個間隔最大的平行超平面的尋找實現樣本分類，這樣就可以讓分類器獲得全局最優解，并且在樣本空間中符合期望風險以某個概率滿足一定上界的情況。

目前智能定位方法中，主要采用神經網絡方法，利用神經網絡強大的非線性能力，極大地放寬了傳統定位方法所必須的約束條件，實現復雜的聲源定位且定位精度較高，但由于神經網絡本省的缺陷也使得基于神經網絡的智能定位算法有致命的缺陷。如網絡結構難以確定、過度學習、大樣本及易陷入局部極值的等。

目前應用最多、發展最為成熟的是時差定位法，但是其定位精度非常容易收到波速、波形、構件形狀、衰減的影響，只適合結構化比較簡單的場合。能量定位法具有不需要測量波速和時差，簡單易實現的優點，但是能量衰減規律非常容易受結構材料類型、構件的幾何形狀、波模式等因素的影響而不確定。區域定位法實現簡單，不易誤定位，但定位精度低，不能給聲發射源精確的位置。

利用智能終端進行室內定位過程中，由于移動終端普遍配有陀螺儀、加速度傳感器、電子羅盤等運動傳感器，這使得移動終端的慣性導航技術具有較好的推廣性，具有不易受環境影響、穩定性高等優勢。但是，由于電子羅盤容易受到環境干擾，會導致航向角出現偏差，且步態判斷誤差和步長估計誤差會導致行走距離誤差，造成的累積誤差會導致慣性系統無法長時間進行精確定位，如何有效消除累積誤差成為解決問題的關鍵。

發明內容

針對現有技術的不足，本發明所解決的技術問題是提供一種測量精度高的室內定位方法。

為解決上述技術問題，本發明采用的技術方案是一種基于SVM和步行者航位推算融合的室內定位方法，包括如下步驟：