基于地图信息和位置自适应修正的粒子滤波室内定位方法与流程

本发明涉及目标定位、目标跟踪等领域，尤其涉及基于智能移动设备的室内定位领域。

背景技术：

随着智慧城市、移动互联网、智能移动设备等技术的发展，作为这些领域的共性技术——位置服务显得尤为重要。同时，人们对室内定位的需求日益增加，如何通过有效的技术手段来实现室内精确定位已经成为亟待解决的问题。

行人航位推算(Pedestrian Dead Reckoning，PDR)是近些年室内定位领域的研究热点，它是通过采集高精度传感器数据，以计步检测和航向估计为基础，从已知起始位置进行航位推算的目标定位技术。PDR在没有GPS信号的室内也能正常运用，因此广泛应用于室内定位。但是，PDR的定位误差会随着时间而累积，在使用一定时间后，PDR会出现误差逐步增大，定位精度逐步下降的问题。由于在室内进行目标定位，目标的移动受到建筑物的墙壁等障碍物的约束，因此，一种有效遏制累积误差的方法是利用已知的室内地图信息在定位过程中进行地图匹配来提高定位精度。粒子滤波是一种基于粒子仿真的概率估计算法，其核心思想是通过计算一组随机样本的蒙特卡洛估计来表征待估计的后验概率分布，因此，被广泛应用于定位系统中。粒子实际就是对状态空间中未知或者隐藏状态的采样。在定位系统中，一个粒子就表征目标一个可能的位置，当粒子数量足够大时，粒子极大概率出现在目标正确的位置上。

技术实现要素：

为了克服当前的航位推算室内定位算法误差会随着时间累积导致定位精度随时间下降、定位精度较低的不足，本发明提出一种基于地图信息和位置自适应修正的粒子滤波室内定位方法，在定位过程中使用地图信息，在粒子滤波算法中对补偿粒子的位置进行自适应调整，从而修正目标位置，减小位置更新过程中的误差，可有效克服航位推算算法的累积误差，提高定位精度。

本发明解决其技术问题所采用的技术方案是：

一种基于地图信息和位置自适应修正的粒子滤波室内定位方法，包括以下步骤：

步骤1，粒子初始化为指定粒子携带的状态信息为其中是初始时刻t₀第i个粒子的状态向量，分别是时刻t₀第i个粒子的横坐标、纵坐标和权重，初始权重设为1，N是粒子数量，是由目标初始位置加上偏移量得到，偏移量服从均值为0，方差为σ²的高斯分布；

步骤2，粒子传播，根据式(1)由k-1时刻粒子状态向量S_k-1计算出粒子在k时刻的状态向量S_k，其中是k时刻第i个粒子的坐标，是k-1时刻第i个粒子的坐标，L_k-1是k-1时刻目标的行进步长，L_k是k时刻目标的行进步长，由式(2)计算得到，其中α，β是步长模型参数，是在离线阶段根据已知步长和步频通过线性回归计算得到，freq_k是k时刻的目标步频，根据目标行进过程中采集到的加速度传感器数据通过波峰检测算法计算得到，是k时刻第i个粒子的航向，是k-1时刻第i个粒子的航向，由方向传感器采集得到；

L_k＝α·freq_k+β (2)

步骤3，粒子更新，判断粒子在传播过程中是否与地图中的墙壁等障碍物相交，如果存在相交则该粒子灭亡，权重置为0；

步骤4，目标位置确定，根据式(3)计算得到目标在k时刻的最终位置，其中(X_k，Y_k)是k时刻由粒子滤波算法估算出的目标最终位置坐标，是k时刻第i个粒子的坐标，是k时刻第i个粒子的权重；

步骤5，粒子重采样和位置自适应修正，设步骤3中得到的存活粒子数为N_s，在存活的粒子中随机抽取N-N_s个粒子用于补偿损失的粒子；在粒子补偿时对补偿的粒子位置根据式(4)进行调整，其中是在k时刻随机抽取的存活粒子的位置坐标，是在k时刻补偿粒子的位置坐标，是k时刻的航向偏差修正参数，分别是的x轴分量和y轴分量，由式(5)计算得到，是k时刻重采样粒子i的位置偏移量，服从均值为0，方差为σ²的高斯分布，分别是的x轴分量和y轴分量；是k时刻存活粒子位置距离目标位置的平均偏移量，分别是的x轴分量和y轴分量，是k-1时刻重采样后粒子位置距离目标位置的平均偏移量，分别是的x轴分量和y轴分量；μ_k是k时刻的位置修正增益参数，由式(10)计算得到，其中表示

本发明的有益效果主要表现在：为了克服航位推算目标定位算法的累积误差，利用地图信息，在粒子重采样中对补偿粒子位置进行自适应调整，从而修正目标位置，减小了位置更新过程中的累积误差，有效的提高了定位精度。

附图说明

图1为本发明基于地图信息和位置自适应修正的粒子滤波室内定位方法的流程图。

图2为本发明方法和其他方法的室内定位效果比较图。

图3为本发明方法和其他方法的定位误差比较图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

参照图1～图3，一种基于地图信息和位置自适应修正的粒子滤波室内定位方法，在安卓手机平台上实施，采用手机平台的传感器采集到的数据做测试。目标在行进过程中，有两个传感器数据需要采集——加速度传感器数据和方向传感器数据。测试选择在一段长约53米的室内曲线型路段进行，路面宽约2.5米，路面两侧为墙壁。

加速度传感器数据处理包括采用波峰检测算法检测出目标行进步数，同时计算出实时的步频，用于航位推算系统中行进距离的计算；方向传感器数据用于估计目标行进方向。

为了克服现有航位推算的累积误差，本发明采用一种基于地图信息和位置自适应修正的粒子滤波室内定位方法，可以根据定位误差自适应调整粒子位置来修正目标位置，得到更高的定位精度，简称为PA-PF。

该方法的步骤如下：

步骤1，初始化粒子为指定粒子携带的状态信息为其中是初始时刻t₀第i个粒子状态向量，分别是时刻t₀第i个粒子的横坐标、纵坐标和粒子权重，是由目标初始位置加上偏移量得到，偏移量服从均值为0，方差σ²＝22的高斯分布；

取粒子数为N＝200，初始权重设为1，每个粒子都代表用户一个可能的运动状态，也就是目标一个可能的位置；

步骤2，粒子传播，每个粒子根据航位推算公式，即通过步数和步长的乘积来获得目标的相对位移，根据式(1)由k-1时刻粒子状态向量S_k-1计算出粒子在k时刻的状态向量S_k；

其中，是k时刻第i个粒子的坐标，是k-1时刻第i个粒子的坐标；是k-1时刻第i个粒子的航向；L_k-1是k-1时刻目标的行进步长，L_k是k时刻目标的行进步长；由式(2)计算得到，其中α，β是步长模型参数，是在离线阶段根据已知步长和步频通过线性回归计算得到，freq_k是k时刻的目标步频，根据目标行进过程中采集到的加速度传感器数据通过波峰检测算法计算得到，是k时刻第i个粒子的航向，由方向传感器采集得到；

L_k＝α·freq_k+β (2)

步骤3，粒子更新，判断粒子传播的每一步中是否与地图中的障碍物相交，如果存在相交则该粒子灭亡，权重置为0；

步骤4，目标位置确定，根据式(3)通过存活的粒子所在位置的加权和来确定目标在k时刻的最终位置，其中(X_k，Y_k)是k时刻目标由粒子滤波算法估算出的最终位置的坐标，是k时刻第i个粒子的坐标，是k时刻第i个粒子的权重；

步骤5，粒子重采样和位置自适应修正，随着滤波时间的增加，由于粒子的灭亡会出现粒子退化现象，需要对其进行重采样，增加对精确定位更加可靠的粒子数；

本发明采用随机采样方法，设粒子更新中得到的存活粒子数为N_s，从存活下来的粒子中随机选取N-N_s个粒子用于补偿损失的粒子，在对粒子补偿过程中根据粒子灭亡的情况通过式(4)对补偿粒子的生成位置做自适应调整，从而对目标位置进行修正；

其中，是在k时刻随机抽取的存活粒子的位置坐标，是在k时刻补偿粒子的位置坐标，是k时刻的航向偏差修正参数，分别是的x轴分量和y轴分量，由式(5)计算得到，是k时刻重采样粒子i的位置偏移量，服从均值为0，方差为σ²的高斯分布，分别是的x轴分量和y轴分量；是k时刻存活粒子位置距离目标位置的平均偏移量，分别是的x轴分量和y轴分量，是k-1时刻重采样后粒子位置距离目标位置的平均偏移量，分别是的x轴分量和y轴分量；

μ_k是k时刻的位置修正增益参数，因为在不同时刻，不同路线下对重采样粒子进行位置调整的大小不同，所以在设定初始位置修正增益参数μ₀＝50后，在不同时刻根据实际情况自适应调整参数μ_k以达到最优修正；式(10)是参数自适应调整公式，其中表示

图2是使用航位推算(DR)方法、粒子滤波(PF)方法和本发明基于地图信息和位置自适应修正的粒子滤波室内定位(PA-PF)方法的室内定位效果比较图。由图2可以看出由于DR方法的定位误差会随着时间而累积，目标的移动轨迹随着时间的推移出现了较大的偏差，PF方法有效提高了定位精度，而PA-PF方法在PF方法上进行了改进，根据定位误差自适应调整粒子位置从而取得了更高的定位精度。图3是使用航位推算(DR)方法、粒子滤波(PF)方法和本发明基于地图信息和位置自适应修正的粒子滤波室内定位(PA-PF)方法的定位误差比较图。由图3中可以看出随着时间的推移，DR方法的平均误差不断累积增加，并且没有收敛，而PF方法和PA-PF方法的平均误差在整体上明显比DR方法的误差小得多，有明显的收敛趋势，即使在局部增大到一个程度，也会在后期渐渐收敛到一个较低的误差，且PA-PF方法比PF方法的误差更小，具有更优的定位效果。表1是使用航位推算(DR)方法、粒子滤波(PF)方法和本发明基于地图信息和位置自适应修正的粒子滤波室内定位(PA-PF)方法的平均误差比较，可以看出，本发明方法较其他方法有效的提高了定位精度。

表1

显而易见，在不偏离本发明的真实精神和范围的前提下，在此描述下的本发明可以有许多变化。因此，所有对于本领域技术人员来说一些显而易见的改变，都应包括在本权利要求书所涵盖的范围之内。本发明所要求保护的范围仅由所述的权利要求书进行限定。