一种基于分层隐马尔科夫模型的定位方法

摘要

本发明提出一种基于分层隐马尔科夫模型的定位方法，包括：两层隐马尔科夫模型(2‑HMM)实现在定位区域内对移动单元的移动过程建模，第一层HMM1根据移动单元的移动状态建模，第二层HMM2根据移动单元的移动轨迹建模。首先在定位区域内设置M个信标站点和N个参考位置，赋值各参考位置的初始值π，HMM1根据状态转移表构建状态转移矩阵A₁，HMM2根据泊松分布特性构建状态转移矩阵A₂，再根据贝叶斯方法构建混淆矩阵B，至此，分别完成HMM1和HMM2的构建。HMM1利用普通维比特算法求解出移动单元最大可能的移动状态序列，HMM2利用改进的维比特算法求解出移动单元最大可能的移动轨迹序列，最终实现移动单元的定位。

主权项

一种基于分层隐马尔科夫模型的定位方法，其特征在于，包括如下步骤：S1，采用两层隐马尔科夫模型(2‑HMM)实现在定位区域内对移动单元的移动过程建模；S2，第一层HMM1＝{N，M，π，A₁，B}根据移动单元的移动状态建模，其中，N为参考位置个数，M为接入点(AP)个数，π＝π_i(i＝1,2,...,N)为各参考位置n(n＝1,2,...,N)的初始概率，π_i表示初始位置i的概率状态；A₁为表征移动状态的状态转移矩阵，B为混淆矩阵；S3，移动设备采集到实时RSSI特征值[O₁,O₂,...,O_T]发送给定位服务器，定位服务器将其作为第一层HMM1的输入，并根据普通的维比特算法求解出移动单元最大可能的移动状态序列[O₁₁,O₁₂,...,O_1T]；S4，第二层HMM2＝{N，M，π，A₂，B}根据移动单元的移动轨迹建模，其中A₂为表征移动轨迹的状态转移矩阵；S5，定位服务器融合第一层HMM1输出结果[O₁₁,O₁₂,...,O_1T]和实时RSSI特征值[O₁,O₂,...,O_T]的结果将其作为第二层HMM2的输入，根据改进后的维比特算法求解出符合移动状态连续运动最大可能的轨迹序列[O₂₁,O₂₂,...,O_2T]，将相邻状态轨迹序列的最后位置作为定位结果。