一种基于隐马尔科夫模型的室内地磁定位方法

摘要

本发明涉及一种基于隐马尔科夫模型的室内地磁定位方法，包括离线阶段和在线阶段，离线阶段包括：根据地图把待定位区域分成网格；使用智能手机内置的磁力计在每个网格中心RP测量地磁场强度数据；构建离线指纹库，离线指纹库由N个指纹构成，每个指纹数据包括指纹位置l_w＝[x_w,y_x]和指纹向量ξ_w＝[μ_w,σ_w]，在线定位包括：根据步长估计与磁力计确定步伐长度D_i和运动方向角度Φ_i，预测行人位置；计算状态转移概率；估计行人步行i步之后的位置。本发明仅通过智能手机即可达到较高的室内定位精度。

主权项

一种基于隐马尔科夫模型的室内地磁定位方法，包括离线阶段和在线阶段，离线数据采集阶段包括以下步骤：1)根据地图把待定位区域分成网格，B_w为第w个网格；2)使用智能手机内置的磁力计在每个网格中心RP测量地磁场强度数据；3)构建离线指纹库，离线指纹库由N个指纹构成，每个指纹数据包括指纹位置l_w＝[x_w,y_x]和指纹向量ξ_w＝[μ_w,σ_w]，其中μ_w和σ_w分别为在第w个网格内采集的地磁场数据的平均值和方差，L表示所有网格中心RP组成的集合，L＝{l_w|1≤w≤N}；在线定位阶段包括以下步骤：1)令上一次定位的结果为位置表示人步行i步之后的位置，当检测到人步行一步，根据步长估计与磁力计确定步伐长度D_i和运动方向角度Φ_i，认为D_i与Φ_i相互独立并服从高斯分布，分别计算D_i与Φ_i的概率分布；利用贝叶斯准则，预测行人位置的概率分布求行人位置的概率分布大于p_T的集合H：$H=\left\{l\right|p(l_i=l|{\hat{l}}_{i-1},D_i,{\Phi }_i)\ge p_T\},$其中p_T为设置的阈值概率l为人员当前可能存在的位置；2)计算状态转移概率：设在行人步行i步之后存储的地磁强度值序列为O_i：其中o_i‑k+1为第i‑k+1步时测得的地磁信息；a.计算H和L的交集为H'，其中l_i,j表示行人在步行i步之后可能存在的位置，可能存在的位置总数为N_P：$H^{\prime }=\left\{l_{i,j}\right|l_{i,j}\in H,l_{i,j}\in L\}=\{l_{i,1},l_{i,2},...,l_{i,N_P}\};$b.根据运动信息对于每个位置l_i,j＝(x_i,j,y_i,j)预测之前的N_s个位置，横坐标为x_i,j，纵坐标为y_i,j，N_s为序列的长度，l_i,j,k＝(x_i,j,k,y_i,j,k)表示通过PDR来预测的l_i,j之前的第k个位置：$x_{i,j,k}=x_{i,j}-\underset{t=i-k+1}{\overset{i}{\Sigma }}{d}_t·{\mathrm{cos\phi }}_t,0\le k<N_s,$$y_{i,j,k}=y_{i,j}-\underset{t=i-k+1}{\overset{i}{\Sigma }}{d}_t·{\mathrm{sin\phi }}_t,0\le k<N_s;$c.在离线指纹库的指纹位置l_w中寻找距离l_i,j,k最近的点，并且分别存储该网格中心RP的均值与方差为μ_i,j,k和σ_i,j,k；d.对于每一个l_i,j构建两个后向序列：和e.认定地磁场强度观测值符合以真实值为中心的高斯分布，计算在位置l_i,j,k出现地磁场强度o_i‑k+1的概率：f.对于每个可能的位置l_i,j，计算观测值概率b_i,jg.对每一个可能存在的位置l_i,j计算状态转移概率a_i,j；3)将a_i,j作为权重估计行人步行i步之后的位置。