CN104869541B - 一种室内定位追踪方法 - Google Patents

Abstract

本申请公开了一种室内定位追踪方法，包括：获取当前定位时刻下的WIFI指纹；计算当前定位时刻下用户的第一位置估计信息；采集当前目标移动时间段内的加速度信息和方向信息；计算当前定位时刻下用户的第二位置估计信息；将上述第一位置估计信息和第二位置估计信息分别乘以各自的权重系数后相加，得到当前定位时刻下用户的位置信息。可见，本申请通过对基于WIFI指纹得到的第一位置估计信息以及基于加速度信息和方向信息得到的第二位置估计信息分别施加不同的权重系数，相加后得到用户的位置信息，这样相当于利用加速度信息和方向信息对基于WIFI指纹得到的第一位置估计信息进行了校正处理，从而提高了最终得到的用户位置信息的精确度。

Description

一种室内定位追踪方法

技术领域

本发明涉及室内定位技术领域，特别涉及一种室内定位追踪方法。

背景技术

目前，随着无线局域网的发展，许多建筑内部都已经部署了一个或多个WIFI访问点。在此基础上，基于WIFI的室内定位技术也得到了一定的发展。

然而，对于同一室内位置，随着时间的变化同一WIFI访问点的信号强度并不是固定不变的，而是存在一定的波动，由此使得目前基于WIFI的室内定位技术在定位追踪的过程中存在较大的误差。

综上所述可以看出，如何提高室内定位追踪过程的精确度是目前亟待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种室内定位追踪方法，提高了室内定位追踪过程的精确度。其具体方案如下：

一种室内定位追踪方法，应用于智能移动终端，所述智能移动终端包括WIFI信号接收模块、加速度传感器和磁力计；所述方法包括：

利用所述WIFI信号接收模块，采集当前定位时刻下室内所有能够接收到的WIFI信号的信号强度，得到所述当前定位时刻下的WIFI指纹；

利用所述当前定位时刻下的WIFI指纹和预先构建的WIFI指纹数据库，计算得到所述当前定位时刻下用户的第一位置估计信息；

分别利用所述加速度传感器和所述磁力计，相应地采集当前目标移动时间段内的加速度信息和方向信息，所述当前目标移动时间段为位于所述当前定位时刻与上一定位时刻之间的时间段；

基于所述加速度信息和所述方向信息计算得到所述当前定位时刻下用户的第二位置估计信息，具体包括，对所述加速度信息和所述方向信息进行分析处理，相应地得到用户的移动矢量信息，将所述移动矢量信息与所述上一定位时刻下用户的第二位置估计信息进行相加处理，得到所述当前定位时刻下用户的第二位置估计信息；其中，初始定位时刻下用户的第二位置估计信息为与所述初始定位时刻下用户的第一位置估计信息相一致的信息；

将所述当前定位时刻下的第一位置估计信息和所述当前定位时刻下的第二位置估计信息分别乘以各自的权重系数后相加，得到所述当前定位时刻下用户的位置信息。

优选的，所述对所述加速度信息和所述方向信息进行分析处理，相应地得到用户的移动矢量信息的过程包括：

对所述加速度信息和所述方向信息进行分析，得到携带有移动方向信息的用户移动步数；将所述用户移动步数与预设的用户步长信息进行相乘处理，相应地得到所述移动矢量信息。

优选的，所述WIFI指纹数据库的构建过程包括：

对室内空间进行网格化处理，得到室内网格集；

依次将所述室内网格集中每一个网格顶点所在的位置作为采集点，对该采集点上所有能够接收到的WIFI信号的信号强度进行采集，得到与每一个网格顶点对应的WIFI指纹；并将每一个WIFI指纹中具有最强信号强度的WIFI信号所对应的WIFI访问点的编号作为该WIFI指纹的编号；

将每一个网格顶点的坐标、相应的WIFI指纹以及该WFI指纹的编号存储到数据库中，得到所述WIFI指纹数据库。

优选的，所述室内网格集中的每对相邻网格顶点之间的顶点间距均相等。

优选的，所述顶点间距为大于或等于噪声阈值间距的间距；所述噪声阈值间距为当室内存在噪声信号时，能够通过分辨WIFI信号的信号强度来区分两个采集点的最小间距。

优选的，所述依次将所述室内网格集中每一个网格顶点所在的位置作为采集点，对该采集点上所有能够接收到的WIFI信号的信号强度进行采集，得到与每一个网格顶点对应的WIFI指纹的过程包括：

依次将所述室内网格集中每一个网格顶点所在的位置作为采集点，对该采集点上所有能够接收到的WIFI信号中的每一个WIFI信号的信号强度均进行多次重复采集后取均值，得到与每一个网格顶点对应的WIFI指纹。

优选的，所述利用所述当前定位时刻下的WIFI指纹与预先构建的WIFI指纹数据库，计算得到所述当前定位时刻下用户的第一位置估计信息的过程包括：

确定所述当前定位时刻下的WIFI指纹的编号；

从所述WIFI指纹数据库中，取出与所述当前定位时刻下的WIFI指纹的编号相一致的所有WIFI指纹，形成WIFI指纹样本空间；

利用定位算法对所述WIFI指纹样本空间进行处理，得到所述当前定位时刻下用户的第一位置估计信息。

优选的，所述定位算法为K最邻近分类算法。

优选的，所述利用所述当前定位时刻下的WIFI指纹与预先构建的WIFI指纹数据库，计算得到所述当前定位时刻下用户的第一位置估计信息的过程包括：

确定所述当前定位时刻下的WIFI指纹的编号；

从所述WIFI指纹数据库中，取出与所述当前定位时刻下的WIFI指纹的编号相一致的所有WIFI指纹，形成WIFI指纹样本空间；

利用定位算法对所述WIFI指纹样本空间进行处理，得到所述当前定位时刻下用户的待修正位置信息；

利用所述当前定位时刻下的卡尔曼滤波器对所述当前定位时刻下用户的待修正位置信息进行修正处理，得到所述当前定位时刻下用户的第一位置估计信息；

其中，所述初始定位时刻下用户的第一位置估计信息为与所述初始定位时刻下用户的待修正位置信息相一致的信息；所述当前定位时刻下的卡尔曼滤波器为利用目标位移矢量对所述上一定位时刻下的卡尔曼滤波器进行重置后得到的卡尔曼滤波器；所述目标位移矢量为所述当前定位时刻下用户的待修正位置信息与所述上一定位时刻下用户的第一位置估计信息之间的位移矢量。

优选的，所述定位算法为K最邻近分类算法。

本发明中，通过利用当前定位时刻下的WIFI指纹和预先构建的WIFI指纹数据库，计算得到当前定位时刻下用户的第一位置估计信息；基于加速度信息和方向信息计算得到当前定位时刻下用户的第二位置估计信息；最后将当前定位时刻下的第一位置估计信息和第二位置估计信息分别乘以各自的权重系数后相加，得到当前定位时刻下用户的位置信息。可见，本发明在进行室内定位追踪时，通过对基于WIFI指纹得到的第一位置估计信息以及基于加速度信息和方向信息得到的第二位置估计信息分别施加不同的权重系数，相加后得到用户的位置信息，这样相当于利用加速度信息和方向信息对基于WIFI指纹得到的第一位置估计信息进行了校正处理，从而提高了最终得到的用户位置信息的精确度，也即，本发明提高了室内定位追踪过程的精确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种室内定位追踪方法流程图；

图2为本发明实施例公开的一种构建WIFI指纹数据库的流程图；

图3为本发明实施例公开的一种计算第一位置估计信息的流程图；

图4为本发明实施例公开的另一种计算第一位置估计信息的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种室内定位追踪方法，应用于智能移动终端，智能移动终端包括WIFI信号接收模块、加速度传感器和磁力计；图1为本实施例中的室内定位追踪方法的流程图，需要说明的是，步骤S101和步骤S102之间不存在时间先后顺序。上述室内定位追踪方法包括：

步骤S101：利用WIFI信号接收模块，采集当前定位时刻下室内所有能够接收到的WIFI信号的信号强度，得到当前定位时刻下的WIFI指纹；利用当前定位时刻下的WIFI指纹和预先构建的WIFI指纹数据库，计算得到当前定位时刻下用户的第一位置估计信息。

步骤S102：分别利用加速度传感器和磁力计，相应地采集当前目标移动时间段内的加速度信息和方向信息，当前目标移动时间段为位于当前定位时刻与上一定位时刻之间的时间段；基于加速度信息和方向信息计算得到当前定位时刻下用户的第二位置估计信息，具体包括，对加速度信息和方向信息进行分析处理，相应地得到用户的移动矢量信息，将移动矢量信息与上一定位时刻下用户的第二位置估计信息进行相加处理，得到当前定位时刻下用户的第二位置估计信息；其中，初始定位时刻下用户的第二位置估计信息为与初始定位时刻下用户的第一位置估计信息相一致的信息。

其中，上述对加速度信息和方向信息进行分析处理，相应地得到用户的移动矢量信息的过程具体可以包括：对加速度信息和方向信息进行分析，得到携带有移动方向信息的用户移动步数；将用户移动步数与预设的用户步长信息进行相乘处理，相应地得到移动矢量信息。对加速度信息和方向信息进行分析的具体过程可以是利用一个基于加速度和方向信息构建的计步器模型来对加速度信息和方向信息进行分析，得到相应的携带有移动方向信息的用户移动步数。

步骤S103：将当前定位时刻下的第一位置估计信息和当前定位时刻下的第二位置估计信息分别乘以各自的权重系数后相加，得到当前定位时刻下用户的位置信息。

例如，将当前定位时刻下的第一位置估计信息设为S_r(t)，其权重系数设为η，将当前定位时刻下的第二位置估计信息设为S_s(t)，其权重系数设为1-η，也即意味着，对第一位置估计信息的信任度为η，对第二位置估计信息的信任度为1-η，则当前定位时刻下用户的位置信息为S(t)＝ηS_r(t)+(1-η)S_s(t)。

本发明实施例中，通过利用当前定位时刻下的WIFI指纹和预先构建的WIFI指纹数据库，计算得到当前定位时刻下用户的第一位置估计信息；基于加速度信息和方向信息计算得到当前定位时刻下用户的第二位置估计信息；最后将当前定位时刻下的第一位置估计信息和第二位置估计信息分别乘以各自的权重系数后相加，得到当前定位时刻下用户的位置信息。可见，本发明在进行室内定位追踪时，通过对基于WIFI指纹得到的第一位置估计信息以及基于加速度信息和方向信息得到的第二位置估计信息分别施加不同的权重系数，相加后得到用户的位置信息，这样相当于利用加速度信息和方向信息对基于WIFI指纹得到的第一位置估计信息进行了校正处理，从而提高了最终得到的用户位置信息的精确度，也即，本发明提高了室内定位追踪过程的精确度。

参见图2所示，上一实施例的步骤S101中的WIFI指纹数据库的构建过程包括：

步骤S201：对室内空间进行网格化处理，得到室内网格集。

其中，上述的室内空间可以是指室内的某一水平高度上的二维平面，当然，为了进一步提高数据的准确度，上述室内空间也可以是指室内的三维立体空间。

优选的，室内网格集中的每对相邻网格顶点之间的顶点间距均相等。上述室内网格集中的每组相邻的网格顶点之间形成多边形结构，可以是三角形结构，也可以是四边形、五边形或六边形结构等。当然，在实际的应用中，为了减少计算量，可以按照构成四边形的方式对网格顶点进行分布排列。

优选的，顶点间距为大于或等于噪声阈值间距的间距；噪声阈值间距为当室内存在噪声信号时，能够通过分辨WIFI信号的信号强度来区分两个采集点的最小间距。例如，将顶点间距设为2m。

步骤S202：依次将室内网格集中每一个网格顶点所在的位置作为采集点，对该采集点上所有能够接收到的WIFI信号的信号强度进行采集，得到与每一个网格顶点对应的WIFI指纹；并将每一个WIFI指纹中具有最强信号强度的WIFI信号所对应的WIFI访问点的编号作为该WIFI指纹的编号。

例如，假设某个采集点上可以采集到5个WIFI信号，每一个WIFI信号的信号强度依次为-45、-40、-65、-110和-110，则该采集点上的WIFI指纹为[-45，-40，-65，-110，-110]，显然，这个WIFI指纹中最强信号强度为-40，与产生该最强信号强度的WIFI信号所对应的WIFI访问点的编号便是该WIFI指纹的编号。

另外，为了提高WIFI指纹数据库的准确度和参考价值，从而提高第一位置估计信息和最终得到的用户位置信息的准确度，优选的，上述依次将室内网格集中每一个网格顶点所在的位置作为采集点，对该采集点上所有能够接收到的WIFI信号的信号强度进行采集，得到与每一个网格顶点对应的WIFI指纹的过程具体可以包括：依次将室内网格集中每一个网格顶点所在的位置作为采集点，对该采集点上所有能够接收到的WIFI信号中的每一个WIFI信号的信号强度均进行多次重复采集后取均值，得到与每一个网格顶点对应的WIFI指纹。例如，对每一个采集点上能够接收到的每一个WIFI信号均进行至少30次的信号强度的采集，然后对重复采样的数据进行平均处理，相应地得到每一个采集点上能够接收到的每一个WIFI信号的信号强度。

步骤S203：将每一个网格顶点的坐标、相应的WIFI指纹以及该WFI指纹的编号存储到数据库中，得到WIFI指纹数据库。

参见图3所示，在前述实施例的步骤S101中，利用当前定位时刻下的WIFI指纹与预先构建的WIFI指纹数据库，计算得到当前定位时刻下用户的第一位置估计信息的过程可以具体包括：

步骤S301：确定当前定位时刻下的WIFI指纹的编号。

其中，确定WIFI指纹的编号的过程可以参考步骤S202中公开的内容，在此不再赘述。

步骤S302：从WIFI指纹数据库中，取出与当前定位时刻下的WIFI指纹的编号相一致的所有WIFI指纹，形成WIFI指纹样本空间。

上述步骤中，形成WIFI指纹样本空间意味着把用户的位置缩小到了这个WIFI指纹样本空间所属的区域中，从而减少了下一步计算过程中的计算量。

步骤S303：利用定位算法对WIFI指纹样本空间进行处理，得到当前定位时刻下用户的第一位置估计信息。

其中，优选的定位算法为KNN算法，即K最邻近分类算法，当然，这里并不排除可以利用其它的定位算法对WIFI指纹样本空间进行处理。

为了提高当前定位时刻下用户的第一位置估计信息的准确度，可以利用卡尔曼滤波器对其进行修正处理。具体的，参见图4所示，在前述实施例的步骤S101中，利用当前定位时刻下的WIFI指纹与预先构建的WIFI指纹数据库，计算得到当前定位时刻下用户的第一位置估计信息的过程还可以具体包括：

步骤S401：确定当前定位时刻下的WIFI指纹的编号。

其中，确定WIFI指纹的编号的过程可以参考步骤S202中公开的内容，在此不再赘述。

步骤S402：从WIFI指纹数据库中，取出与当前定位时刻下的WIFI指纹的编号相一致的所有WIFI指纹，形成WIFI指纹样本空间。

上述步骤中，形成WIFI指纹样本空间意味着把用户的位置缩小到了这个WIFI指纹样本空间所属的区域中，从而减少了下一步计算过程中的计算量。

步骤S403：利用定位算法对WIFI指纹样本空间进行处理，得到当前定位时刻下用户的待修正位置信息。

其中，优选的定位算法为K最邻近分类算法。

步骤S404：利用当前定位时刻下的卡尔曼滤波器对当前定位时刻下用户的待修正位置信息进行修正处理，得到当前定位时刻下用户的第一位置估计信息。

其中，初始定位时刻下用户的第一位置估计信息为与初始定位时刻下用户的待修正位置信息相一致的信息；当前定位时刻下的卡尔曼滤波器为利用目标位移矢量对上一定位时刻下的卡尔曼滤波器进行重置后得到的卡尔曼滤波器；目标位移矢量为当前定位时刻下用户的待修正位置信息与上一定位时刻下用户的第一位置估计信息之间的位移矢量。

从上可见，初始定位时刻下用户的第一位置估计信息是与初始定位时刻下用户的待修正位置信息相一致的信息，也即是说，无需对在初始定位时刻下得到的待修正位置信息进行修正处理。只有当用户从初始定位时刻过度到下一定位时刻时，才需利用卡尔曼滤波器初始定位时刻下用户的第一位置估计信息进行修正处理，得到下一定位时刻下用户的第一位置估计信息，上述过程中所用到的卡尔曼滤波器是利用预设的参数来进行初始化后得到的卡尔曼滤波器，例如，利用一个预设的用户速度参数v₀和参数θ来初始化一个卡尔曼滤波器。其中，预设的用户速度参数可以是用户正常步速，如1.5m/s，而参数θ可以设为0.5。本实施例中的卡尔曼滤波器在初始阶段的用户速度参数是预先设定的，而在用户移动的过程中，相应的卡尔曼滤波器中的用户速度参数则会随着目标位移矢量的变化而相应地发生改变；需要说明的是，卡尔曼滤波器中的参数θ可保持不变。

具体的，将当前定位时刻下用户的待修正位置信息设为S_r(t)′，将上一定位时刻下用户的第一位置估计信息设为S_r(t-1)，则上述目标位移矢量为d＝S_r(t)′-S_r(t-1)，利用该目标位移矢量计算当前目标移动时间段内用户的估计速度v′＝d/Δt，其中，Δt为当前目标移动时间段，即位于当前定位时刻与上一定位时刻之间的时间段；进而得到当前目标移动时间段内用户的修正速度：

v(t)＝θv(t-1)+(1-θ)v′；

其中v(t-1)为上一目标移动时间段内的修正速度；接着利用当前目标移动时间段内用户的修正速度对上一定位时刻下的卡尔曼滤波器进行重置后得到当前定位时刻下的卡尔曼滤波器；最后利用当前定位时刻下的卡尔曼滤波器对当前定位时刻下用户的待修正位置信息S_r(t)′进行修正处理，得到当前定位时刻下用户的第一位置估计信息，即第一位置估计信息为：

S_r(t)＝θv(t)Δt+(1-θ)d+S_r(t-1)。

可见，本实施例中，通过构建卡尔曼滤波器，并利用卡尔曼滤波器对待修正位置信息进行了修正处理，从而提高了当前定位时刻下用户的第一位置估计信息的准确度，进而提高了最终得到的用户位置信息的精确度。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种室内定位追踪方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种室内定位追踪方法，其特征在于，应用于智能移动终端，所述智能移动终端包括WIFI信号接收模块、加速度传感器和磁力计；所述方法包括：

利用所述WIFI信号接收模块，采集当前定位时刻下室内所有能够接收到的WIFI信号的信号强度，得到所述当前定位时刻下的WIFI指纹；

利用所述当前定位时刻下的WIFI指纹和预先构建的WIFI指纹数据库，计算得到所述当前定位时刻下用户的第一位置估计信息；

分别利用所述加速度传感器和所述磁力计，相应地采集当前目标移动时间段内的加速度信息和方向信息，所述当前目标移动时间段为位于所述当前定位时刻与上一定位时刻之间的时间段；

基于所述加速度信息和所述方向信息计算得到所述当前定位时刻下用户的第二位置估计信息，具体包括，对所述加速度信息和所述方向信息进行分析处理，相应地得到用户的移动矢量信息，将所述移动矢量信息与所述上一定位时刻下用户的第二位置估计信息进行相加处理，得到所述当前定位时刻下用户的第二位置估计信息；其中，初始定位时刻下用户的第二位置估计信息为与所述初始定位时刻下用户的第一位置估计信息相一致的信息；

将所述当前定位时刻下的第一位置估计信息和所述当前定位时刻下的第二位置估计信息分别乘以各自的权重系数后相加，得到所述当前定位时刻下用户的位置信息；

其中，所述利用所述当前定位时刻下的WIFI指纹与预先构建的WIFI指纹数据库，计算得到所述当前定位时刻下用户的第一位置估计信息的过程包括：确定所述当前定位时刻下的WIFI指纹的编号；从所述WIFI指纹数据库中，取出与所述当前定位时刻下的WIFI指纹的编号相一致的所有WIFI指纹，形成WIFI指纹样本空间；利用定位算法对所述WIFI指纹样本空间进行处理，得到所述当前定位时刻下用户的第一位置估计信息；其中，所述定位算法为KNN算法，所述KNN算法为K最邻近分类算法。

2.根据权利要求1所述的室内定位追踪方法，其特征在于，所述对所述加速度信息和所述方向信息进行分析处理，相应地得到用户的移动矢量信息的过程包括：

对所述加速度信息和所述方向信息进行分析，得到携带有移动方向信息的用户移动步数；将所述用户移动步数与预设的用户步长信息进行相乘处理，相应地得到所述移动矢量信息。

3.根据权利要求2所述的室内定位追踪方法，其特征在于，所述WIFI指纹数据库的构建过程包括：

对室内空间进行网格化处理，得到室内网格集；

依次将所述室内网格集中每一个网格顶点所在的位置作为采集点，对该采集点上所有能够接收到的WIFI信号的信号强度进行采集，得到与每一个网格顶点对应的WIFI指纹；并将每一个WIFI指纹中具有最强信号强度的WIFI信号所对应的WIFI访问点的编号作为该WIFI指纹的编号；

将每一个网格顶点的坐标、相应的WIFI指纹以及该WIFI指纹的编号存储到数据库中，得到所述WIFI指纹数据库。

4.根据权利要求3所述的室内定位追踪方法，其特征在于，所述室内网格集中的每对相邻网格顶点之间的顶点间距均相等。

5.根据权利要求4所述的室内定位追踪方法，其特征在于，所述顶点间距为大于或等于噪声阈值间距的间距；所述噪声阈值间距为当室内存在噪声信号时，能够通过分辨WIFI信号的信号强度来区分两个采集点的最小间距。

6.根据权利要求5所述的室内定位追踪方法，其特征在于，所述依次将所述室内网格集中每一个网格顶点所在的位置作为采集点，对该采集点上所有能够接收到的WIFI信号的信号强度进行采集，得到与每一个网格顶点对应的WIFI指纹的过程包括：

依次将所述室内网格集中每一个网格顶点所在的位置作为采集点，对该采集点上所有能够接收到的WIFI信号中的每一个WIFI信号的信号强度均进行多次重复采集后取均值，得到与每一个网格顶点对应的WIFI指纹。

7.根据权利要求1至6任一项所述的室内定位追踪方法，其特征在于，所述利用定位算法对所述WIFI指纹样本空间进行处理，得到所述当前定位时刻下用户的第一位置估计信息的过程包括：

利用KNN算法对所述WIFI指纹样本空间进行处理，得到所述当前定位时刻下用户的待修正位置信息；

利用所述当前定位时刻下的卡尔曼滤波器对所述当前定位时刻下用户的待修正位置信息进行修正处理，得到所述当前定位时刻下用户的第一位置估计信息；

其中，所述初始定位时刻下用户的第一位置估计信息为与所述初始定位时刻下用户的待修正位置信息相一致的信息；所述当前定位时刻下的卡尔曼滤波器为利用目标位移矢量对所述上一定位时刻下的卡尔曼滤波器进行重置后得到的卡尔曼滤波器；所述目标位移矢量为所述当前定位时刻下用户的待修正位置信息与所述上一定位时刻下用户的第一位置估计信息之间的位移矢量。