一种基于滑动窗口的指纹法与传感器融合的室内定位方法与流程

技术特征：

1.一种基于滑动窗口的指纹法与传感器融合的室内定位方法，其特征在于，包括以下步骤：

步骤一，将整个定位过程分成多段来消除长期定位带来的累计误差，其中每一段被定义为一个窗口；

步骤二，对参数进行初始化后，对在某一个窗口内的行人的运动进行PDR定位；

步骤三，对行人进行WiFi位置指纹法定位；

步骤四，将PDR定位结果与WiFi指纹法定位结果融合，得到融合定位结果；

步骤五，当行人到达下一个窗口时，重复步骤二至步骤四，计算用户接下来的每一步的定位结果直到用户停止运动，即完成基于滑动窗口的指纹法与传感器融合的室内定位方法。

2.根据权利要求1所述的一种基于滑动窗口的指纹法与传感器融合的室内定位方法，其特征在于，所述步骤二中，初始化的具体方法如下：

从初始位置开始，令步数t＝0，初始位置L₀＝(x₀,y₀)(t＝0)已知，其中x₀代表x轴坐标，y₀代表y轴坐标，设窗口大小为W，滑动间隔为I。

3.根据权利要求1所述的一种基于滑动窗口的指纹法与传感器融合的室内定位方法，其特征在于，所述步骤二中，PDR定位的具体方法如下：

当行人脚步被探测之后，令t＝t+1，假定用户第t步的PDR的定位结果为第t步估计步长为d_t，第t步运动方向为θ_t，则根据PDR定位结果的计算公式，如式(1)，可得t时刻PDR的定位结果；

$\begin{array}{c}{x}_{pdr}^t=x_{pdr}^{t-1}+d_t\·cos\left({\mathrm{\θ}}_t\right)\\ y_{pdr}^t=y_{pdr}^{t-1}+d_t\·\sin \left({\mathrm{\θ}}_t\right)\end{array}---\left(1\right)$

4.根据权利要求1所述的一种基于滑动窗口的指纹法与传感器融合的室内定位方法，其特征在于，所述步骤三中，WiFi位置指纹法定位的具体方法如下：

假定用户第t步的位置指纹法的定位结果为位置指纹法的定位结果根据KNN算法计算得到。

5.根据权利要求1所述的一种基于滑动窗口的指纹法与传感器融合的室内定位方法，其特征在于，所述步骤四中，将PDR定位结果与WiFi指纹法定位结果融合的方法如下：

第一步，假定用户第t步的融合方案定位结果为l^t＝(x^t,y^t)；

第二步，用户初始位置已知，l₀＝(x₀,y₀)；

第三步，对于第t(t＝1,2,…,W-1)步，PDR的定位结果即为融合算法的定位结果，即

第四步，对于第t(t＝W,…,W+I-1)步，设第一个窗口内指纹法定位结果的均值为第一个窗口内指纹法定位结果的均值到第一个窗口内中间步数前一时刻融合算法定位结果的距离为dis_wf⁽¹⁾，第一个窗口内中间时刻融合算法定位结果到第一个窗口内中间步数前一时刻融合算法定位结果l⁽¹⁾＝(x⁽¹⁾,y⁽¹⁾)的距离为dis⁽¹⁾；则dis_wf⁽¹⁾,dis⁽¹⁾的计算公式如下：

$\begin{array}{c}{x}_{avg}^{\left(1\right)}=\underset{t=0}{\overset{W-1}{\Σ}}{x}_{wf}^t\\ y_{avg}^{\left(1\right)}=\underset{t=0}{\overset{W-1}{\Σ}}{y}_{wf}^t\end{array}---\left(2\right)$

$dis\_{\mathrm{wf}}^{\left(1\right)}=\sqrt{{(x_{avg}^{\left(1\right)}-x^{\left(1\right)})}^2+{(y_{avg}^{\left(1\right)}-y^{\left(1\right)})}^2}---\left(3\right)$

${\mathrm{dis}}^{\left(1\right)}=\sqrt{{(x_m^{\left(1\right)}-x^{\left(1\right)})}^2+{(y_m^{\left(1\right)}-y^{\left(1\right)})}^2}---\left(4\right)$

接着，按照下述公式归一化加权系数为：

$c^{\left(1\right)}=\frac{1/dis\_{\mathrm{wf}}^{\left(1\right)}}{1/dis\_{\mathrm{wf}}^{\left(1\right)}+1/{\mathrm{dis}}^{\left(1\right)}}---\left(5\right)$

则c⁽¹⁾代表WiFi指纹法定位结果归一化加权系数，1-c⁽¹⁾代表融合算法定位结果归一化加权系数；

因此，第一个窗口内初始位置可以更新为：

$\begin{array}{c}{x}_{ini}^{\left(1\right)}=(1-c^{\left(1\right)})\×x_m^{\left(1\right)}+c^{\left(1\right)}\×x_{avg}^{\left(1\right)}\\ y_{ini}^{\left(1\right)}=(1-c^{\left(1\right)})\×y_m^{\left(1\right)}+c^{\left(1\right)}\×y_{avg}^{\left(1\right)}\end{array}---\left(6\right)$

此时，可以得到第t(t＝W,…,W+I-1)步融合算法的定位结果，其计算公式如下：

$\begin{array}{c}{x}^t=x_{ini}^{\left(1\right)}+\underset{p=2}{\overset{t}{\Σ}}{d}_p{\mathrm{cos\θ}}_p,t=W,...,W+I-1\\ y^t=y_{ini}^{\left(1\right)}+\underset{p=2}{\overset{t}{\Σ}}{d}_p{\mathrm{sin\θ}}_p,t=W,...,W+I-1\end{array}---\left(7\right)$