[發明專利]一種基于藍牙、PDR和地圖匹配融合的室內人員定位方法

在審

• 申請號: 202210506893.1
• 申請日: 2022-05-11
• 公開（公告）號: CN114615740A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 袁懷月;汪暢;劉琳敏;史蕾
• 申請（專利權）人: 中冶智誠（武漢）工程技術有限公司;中冶集團武漢勘察研究院有限公司
• 主分類號: H04W64/00
• 分類號: H04W64/00;H04W4/80;G06F16/29
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 徐瑛

1.一種基于藍牙、PDR和地圖匹配融合的室內人員定位方法，其特征在于，包括以下步驟：

S1，在室內布設多個藍牙信標，將室內環境按照等間隔劃分方式劃分為若干個子區域，每個子區域獲取每個區域中心定位參考點的指紋信息，將所有定位參考點的指紋信息存儲在指紋數據庫中；

S2，獲取用戶手機終端接收到的多個藍牙信標的RSSI數據，計算手機終端的藍牙指紋初步定位結果；

S3，采用粒子濾波算法和PDR定位算法對藍牙指紋初步定位結果進行修正；

S4，基于矢量表示法構建室內地圖，利用室內地圖矯正粒子穿墻和軌跡穿墻的現象，對步驟S3中修正后的定位結果進行二次修正。

2.根據權利要求1所述的一種基于藍牙、PDR和地圖匹配融合的室內人員定位方法，其特征在于，步驟S1中，所述定位參考點的指紋信息包括：定位參考點的坐標信息、定位參考點所屬的區域分類信息和RSS向量。

3.根據權利要求1所述的一種基于藍牙、PDR和地圖匹配融合的室內人員定位方法，其特征在于，步驟S1中，以子區域為單位使用隨機森林算法進行分類。

4.根據權利要求1所述的一種基于藍牙、PDR和地圖匹配融合的室內人員定位方法，其特征在于，步驟S2中，使用隨機森林算法預測用戶手機終端所屬的區域后，通過改進的KNN算法在該區域計算出初步定位結果。

5.根據權利要求4所述的一種基于藍牙、PDR和地圖匹配融合的室內人員定位方法，其特征在于，所述改進的KNN算法流程為：

S21，根據平方歐式距離平均值選取k個最小特征值所對應的位置點：

式中，j=1,2,3,…,m；和分別為指紋數據庫中第i個和第j個定位參考點的RSS向量；為在線采集的RSS向量與指紋數據庫中第j個定位參考點的RSS向量之間的平方歐式距離的平均值；為在線采集到的藍牙信標的數量，該數量與指紋數據庫中第j個定位參考點所包含的藍牙信標的數量相同；

S22，將作為權值分配給k個最近鄰，計算出用戶手機終端最終的定位位置：

式中，為用戶手機終端的最終位置；為k個最近鄰中第j個鄰點的位置。

6.根據權利要求1所述的一種基于藍牙、PDR和地圖匹配融合的室內人員定位方法，其特征在于，步驟S3包括以下步驟：

S31，粒子初始化，通過藍牙定位確定目標的初始位置，目標的初始位置記為，再由高斯分布初始化包含目標位置及粒子權值的粒子群：

式中，N為粒子數；為滿足高斯分布的初始時刻的位置；為各個粒子的初始化權值；

S32，預測采樣，利用PDR定位算法的輸出作為狀態轉移量度對粒子群位置進行更新：

式中，為第i個粒子t時刻的位置；為第i個粒子t時刻的步長；為第i個粒子t時刻的航向角；為零均值高斯噪聲；

S33，權值更新，將藍牙定位結果作為觀測量；若粒子與檢測到藍牙信號強度的信標的距離在閾值范圍0.8米內，則將粒子權值設為1，否則將粒子權值設為0；若檢測到粒子穿墻，則將該粒子權值設為0；

S34，重采樣，將權值為1的粒子取代權值為0的粒子；

S35，計算結果，根據粒子的位置和權值，計算出當前目標位置估計值：

式中，為目標位置在t時刻的估計值；

S36，重復步驟S32～S35，計算目標位置在下一時刻的估計值。

7.根據權利要求1所述的一種基于藍牙、PDR和地圖匹配融合的室內人員定位方法，其特征在于，步驟S4中，根據室內地圖判斷粒子和軌跡是否穿墻，若粒子穿墻，則將粒子的權值設為0；若經過濾波融合后估計的軌跡穿墻，則將穿墻點重新定位到墻上對應門口的位置。