一种多源数据融合室内定位的方法、存储介质及智能终端与流程

技术特征：

1.一种多源数据融合室内定位的方法，其特征在于，包括步骤：

将通过单模感知定位方法得到的定位结果进行参数化表达，构建单模感知定位结果的特征函数；

根据所述单模感知定位结果的特征函数构建融合多源数据的条件随机场模型；

采用室内地图辅助的方法实现模型参数的自适应学习，得到实时在线模型参数；

通过所述条件随机场模型和实时在线模型参数对用户的室内位置进行推理定位。

2.根据权利要求1所述的多源数据融合室内定位的方法，其特征在于，所述通过单模感知定位方法得到的定位结果包括：行人航位推算结果、行为识别结果以及WIFI定位结果。

3.根据权利要求2所述的多源数据融合室内定位的方法，其特征在于，所述行人航位推算结果的特征函数为：f1(St-1，St，Zt^PDR)＝I(St-1，St)·f1^θ(St-1，St，Zt^θ)·f1^d(St-1，St，Zt^d)，其中，St表示t时刻的状态，Zt^PDR表示行人航位推算的观测值，I(St-1,St)为室内地图的约束因子，如果两个状态之间相互连接，I(St-1,St)为1，否则I(St-1,St)为0，f1^θ(St-1,St,Zt^θ)为方向观测值的特征函数，f1^d(St-1,St,Zt^d)为距离观测值的特征函数，σθ和σd分别为方向和距离估计的标准差。

4.根据权利要求2所述的多源数据融合室内定位的方法，其特征在于，所述行为识别结果的特征函数为f2(St,Zt^ACT)＝pad，其中，pad为所识别行为位于当前状态的概率。

5.根据权利要求2所述的多源数据融合室内定位的方法，其特征在于，所述WIFI定位结果的特征函数为f3(St,Zt^WiFi)＝pWiFi，其中，pWiFi为所观测WiFi信号位于当前状态的概率。

6.根据权利要求1所述的多源数据融合室内定位的方法，其特征在于，根据所述单模感知定位结果的特征函数构建融合多源数据的条件随机场模型为：

其中，λi为特征函数fi的权值参数。

7.根据权利要求1所述的多源数据融合室内定位的方法，其特征在于，采用室内地图辅助的方法实现模型参数的自适应学习，得到实时在线模型参数为：X^*＝argmaxln(p(Y|Z)，其中，观测数据得到的轨迹为Z，其所匹配的轨迹为Y，模型参数为X。

8.根据权利要求1所述的多源数据融合室内定位的方法，其特征在于，所述步骤通过所述条件随机场模型和实时在线模型参数对用户的室内位置进行推理定位具体包括：

在构建的条件随机场模型和实时在线模型参数的基础上，采用维特比算法实现室内位置推理：δt(S|Z)＝maxδt-1(St-1)ψ(St-1,St,Z,t)，其中，S表示为用户的位置，δt(S|Z)表示基于观测数据计算出的当前状态的归一化概率值。

9.一种存储介质，其特征在于，存储有多条指令，所述指令适于由处理器加载并执行权利要求1-8任一所述多源数据融合室内定位方法的步骤。

10.一种智能终端，其特征在于，包括处理器，适于实现各指令；以及存储设备，适于存储多条指令，所述指令适于由处理器加载并执行上述权利要求1-8任一所述多源数据融合室内定位方法的步骤。