一种模块化的可扩展室内外无缝定位方法与流程

技术特征：

1.一种模块化的可扩展室内外无缝定位方法，其特征在于：通过采集不同环境中的环境特征数据，并根据采集的环境特征数据对环境进行感知确定用户所处的环境类型，根据环境类型选择相应的定位方法，进而实现位置估计，获取用户位置。

2.根据权利要求1所述的模块化的可扩展室内外无缝定位方法，其特征在于：

S1.数据采集

采用多种传感器采集不同环境中的一个以上的环境特征数据，传感器包括声音传感器、光线传感器、温度传感器、磁力计、压力传感器或/和湿度传感器，环境特征数据包括不同环境中的声、光、电磁、气压、温度或/和湿度；

将采集到的数据按照时间顺序排列，假设采样时间间隔是τ秒，则采样频率就是1/τHz；将数据按照时间顺序排列，构成采样数据集合，假设采样总时长是T秒，则一共有个采样点，这些数据记录如下：

其中，s_i表示第i时刻记录的所使用的传感器采集的各数据；

S2.环境感知

将步骤S1中采集的数据作为训练数据，采用决策树算法、随机森林算法、支持向量机算法、K近邻算法、逻辑回归算法、朴素贝叶斯算法或者人工神经网络算法对训练数据进行训练，得到分类器作为环境感知分类器；

获得环境感知分类器后，如果用户处于新的环境中时，则利用传感器采集新环境中的环境特征数据，将其输入到环境感知分类器就可以得到相应的环境类型，实现环境自动感知；

S3.定位方法选择

根据感知的环境类型选择与环境类型相适应的定位方法；

S4.位置估计

首先根据S3中选择的定位方法，打开相应传感器，获取定位所需的环境特征数据；根据S3中选择的定位方法，进行数据融合获取用户位置。

3.根据权利要求2所述的模块化的可扩展室内外无缝定位方法，其特征在于：步骤S1中使用智能手机上提供的传感器，包括声音传感器即麦克风、光线传感器、磁力计和GSM芯片，采集环境中的声、光、电磁以及通信基站信号数据。

4.根据权利要求2所述的模块化的可扩展室内外无缝定位方法，其特征在于：步骤S2中环境感知分类器的获取方法为：

S2.1将步骤S1中采集的数据平分为两部分，其中一部分数据作为训练数据，分别采用决策树算法、随机森林算法、支持向量机算法、K近邻算法、逻辑回归算法、朴素贝叶斯算法和人工神经网络算法对训练数据进行训练，得到不同分类器。

S2.2步骤S1中采集的另一部分数据作为测试数据，测试过程中，将测试数据分别输入到S2.1中得到的不同分类器中，计算每种分类器的分类精度，选择精度最高的分类器作为环境感知分类器。

5.根据权利要求2所述的模块化的可扩展室内外无缝定位方法，其特征在于：定位方法包括Wi-Fi指纹定位方法，惯性定位方法，地磁指纹定位方法，GNSS定位方法，阴影匹配定位方法，BLE定位方法，FM指纹匹配定位方法，视觉定位方法和AGNSS定位方法。

6.根据权利要求2所述的模块化的可扩展室内外无缝定位方法，其特征在于：步骤S3中将环境类型定义为深度室内，轻度室内，受限室外和开阔室外四种，四种不同环境类型对应的定位方法选择如下：

开阔室外，单独使用GNSS定位方法；

受限室外，单独采用阴影匹配定位方法进行定位；

轻度室内，采用合作定位与PDR组合定位方式；

深度室内，采用Wi-Fi信号指纹定位与PDR组合定位方式。