CN106092093A - 一种基于地磁指纹匹配算法的室内定位方法 - Google Patents

Abstract

一种基于地磁指纹匹配算法的室内定位方法，包括：步骤1，采集所需定位区域关键路径的地磁指纹时间序列；步骤2，将采集到的地磁指纹时间序列与地图坐标映射成新的序列并保存至地磁指纹数据库；步骤3，采集待匹配地磁子序列，并根据该序列的变化趋势筛选出相应候选匹配序列；步骤4，计算待匹配地磁子序列与所有候选匹配序列的动态时间弯曲距离，并最终映射成相应地图坐标。本发明充分利用了建筑物内地磁场局部异常且长期稳定的特点，实现无需网络基础设施、实时性高、定位准确的室内定位方法。

Description

一种基于地磁指纹匹配算法的室内定位方法

技术领域

本发明涉及一种室内定位方法，尤其是涉及一种基于地磁指纹匹配算法的室内定位方法，属于室内定位技术领域。

背景技术

近年来，随着移动网络与智能终端的发展，室内定位在一些特定场合的实用性和必要性已经日趋显著。例如在大型商场、超市中的智能导购；在陌生的办公楼里寻找一个会议室；在庞大的停车场寻找停泊的车辆等。

全球定位***(Global Positioning System,GPS)被广泛应用于室外定位，然而由于室内信号衰减以及多径效应的影响，该***只能工作在户外开阔地带，无法实现室内复杂环境下的可靠定位。基于WIFI指纹及蓝牙指纹的室内定位导航***有着广泛的应用，然而它们均非常依赖昂贵的无线基础设施(无线AP及蓝牙基站)，对于那些没有安装无线基础设施的建筑便束手无策。同时，两者的信号在室内都容易受到信号衰减、人体干扰等的影响。

发明内容

本发明要克服现有技术的以上问题，提供一种基于地磁指纹匹配算法的室内定位方法，本发明方法充分利用了建筑物内地磁场局部异常且长期稳定的特点，实现无需网络基础设施、实时性高、定位准确的室内定位方法。

为了达到上述目的，本发明所采用的技术方案是一种基于地磁指纹匹配算法的室内定位方法，包括以下步骤：

步骤1，采集所需定位区域关键路径的地磁指纹时间序列。使用低通滤波算法对数据进行平滑去噪处理，并计算所采集地磁数据的合地磁强度，将其作为地磁指纹匹配时间序列；

步骤2，使用三次样条插值算法对地磁指纹匹配向量进行插值处理，同时与建筑物平面图所对应的路径建立映射关系。将地磁指纹匹配时间序列与地图映射关系存储到地磁指纹数据库中；

步骤3，定位阶段，采集长度约为2s的待匹配地磁子序列，同样地，使用三次样条插值算法对该序列进行插值处理。并对该子序列的变化趋势(增减趋势、极小极大值等)进行判断，根据其变化趋势在地磁指纹数据库中筛选相应候选匹配序列；

步骤4，遍历所有候选匹配序列，计算待匹配地磁子序列与它们的动态时间弯曲距离，找出与待匹配地磁子序列动态时间弯曲距离最小的候选匹配序列，并将该序列的终点映射为相应地图坐标作为定位位置。

进一步的，所述步骤1具体包括：

步骤11，沿定位区域的某条特定路径手持智能手机匀速行走，手机朝向固定，以2Hz的频率采集沿路地磁数据。使用低通滤波算法对读取的地磁数据进行平滑去噪处理，其计算公式为：

B_i＝B_i-1*(1-lowPassCoef)+currentB*lowPassCoef.

其中，B_i为经过低通滤波后取得的地磁强度数据，B_i-1为上一次取得的地磁强度数据，currentB为当前设备读取到的未经滤波处理的地磁数据，lowPassCoef为滤波系数，取0.1。

步骤12，记录每个时间点t_i对应的地磁强度B_i(x_i,y_i,z_i)，计算其对应地磁强度的合地磁强度||B_i||，其中

步骤13，将特定路径上连续的时间点{t₁,t₂,…,t_n}与其对应的合地磁强度{||B₁||,||B₂||,…,||B_n||}组成地磁指纹匹配时间序列TS＝{(t₁,||B₁||),(t₂,||B₂||),…,(t_n,||B_n||)}。

进一步的，所述步骤2具体包括：

步骤21，使用三样条插值算法对地磁指纹匹配时间序列TS进行插值处理，得到TS′＝{(t′₁,||B₁||′),(t′₂,||B₂||′),…,(t′_m,||B_m||′)}。其中t′_i-t′_i-1＝0.1s。

步骤22，将插值处理后的时间序列TS′与建筑物平面图所对应的路径坐标建立映射关系，组成相应的地磁指纹参考序列RS＝{(t′₁,||B₁||′,x₁,y₁),(t′₂,||B₂||′,x₂,y₂),…,(t′_m,||B_m||′,x_m,y_m)}，其中，x_i,y_i分别表示对应路径点在二维平面中的横、纵坐标，并保存至地磁指纹数据库中。

进一步的，所述步骤3还需判断地磁指纹数据库中是否已经存在需定位路径相应的地磁指纹参考序列，若没有则需要采集相应参考序列，否则从地磁指纹数据库中取出相应参考序列用于匹配定位。

进一步的，所述步骤3具体包括：

步骤31，采集连续时间(一般为2秒)内的地磁指纹数据并计算相应的合地磁强度。同样地，并使用三次样条插值算法对该序列进行插值处理，进而得到长度为n的待匹配地磁时间序列MS＝{(t₁,||B₁||),(t₂,||B₂||),…,(t_n,||B_n||)}。

步骤32，计算待匹配地磁时间序列MS的趋势向量T，T＝{(t₁,k₁),(t₂,k₂),(t₃,k₃),…,(t_n-1,k_n-1)}。其中

步骤33，从地磁指纹数据库中取出相应待定位路径的参考序列，同样地，计算参考序列的趋势向量RT。并基于待匹配地磁时间序列与参考序列的趋势向量，利用滑动窗口技术，计算窗口内参考序列趋势向量与待匹配时间地磁时间序列趋势向量的相似度距离，筛选出相似度距离在一定阈值ω内的候选匹配序列。

进一步的，所述步骤4具体包括：

步骤41，遍历所有的候选匹配序列，计算待匹配地磁时间序列MS的地磁指纹与候选匹配序列地磁指纹之间的相似度。相似度采用动态时间规整算法进行计算。假设待匹配地磁时间序列MS的地磁指纹序列为X＝{x₁,x₂,…,x_n}，候选匹配序列地磁指纹序列为Y＝{y₁,y₂,…,y_n}，则两个序列的动态时间规整距离为

$D_{dtw}(X,Y)=\left\{\begin{array}{c}0,ifm=n=0\\ \mathrm{\∞},ifm=0orn=0\\ d(x_1,y_1)+\min \left\{\begin{array}{c}{D}_{dte}(X,\mathrm{Re}st(Y))\\ D_{dtw}\left(\mathrm{Re}st\right(X),Y)\\ D_{dtw}\left(\mathrm{Re}st\right(X),\mathrm{Re}st\left(Y\right))\end{array}\right.\\ d(x,y)=\left|\right|x-y\left|\right|\end{array}\right.$

步骤42，找出与待匹配地磁时间序列相似度最高，即动态时间规整距离小的候选匹配序列，并将该序列的终点映射为相应地图坐标，该坐标即为定位结果，完成定位。

本发明通过采用上述技术方案，与现有技术相比，具有如下优点：

一、本发明充分利用了建筑物内广泛分布的地磁场局部异常且长期稳定的特点，无需任何基础网络设施即可实现定位；

二、本发明在地磁数据采集过程使用了低通滤波算法对数据进行预处理，能够有效减小噪声数据的影响；

三、本发明充分考虑了地磁时间序列的特征(递增、递减、极大值、极小值等)，并以趋势向量形式进行计算，能够有效提高指纹匹配算法的成功率。

附图说明

图1为本发明方法的流程示意图。

具体实施方式

为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，作为一个具体的实施例，本发明的一种基于地磁指纹匹配算法的室内定位方法，包括以下步骤：

步骤1，采集所需定位区域关键路径的地磁指纹时间序列。使用低通滤波算法对数据进行平滑去噪处理，并计算所采集地磁数据的合地磁强度，将其作为地磁指纹匹配时间序列；

步骤2，使用三次样条插值算法对地磁指纹匹配向量进行插值处理，同时与建筑物平面图所对应的路径建立映射关系。将地磁指纹匹配时间序列与地图映射关系存储到地磁指纹数据库中；

步骤3，定位阶段，采集长度约为2s的待匹配地磁子序列，同样地，使用三次样条插值算法对该序列进行插值处理。并对该子序列的变化趋势(增减趋势、极小极大值等)进行判断，根据其变化趋势在地磁指纹数据库中筛选相应候选匹配序列；

步骤4，遍历所有候选匹配序列，计算待匹配地磁子序列与它们的动态时间弯曲距离，找出与待匹配地磁子序列动态时间弯曲距离最小的候选匹配序列，并将该序列的终点映射为相应地图坐标作为定位位置。

所述步骤1具体包括：

步骤11，沿定位区域的某条特定路径手持智能手机匀速行走，手机朝向固定，以2Hz的频率采集沿路地磁数据。使用低通滤波算法对读取的地磁数据进行平滑去噪处理，其计算公式为：

B_i＝B_i-1*(1-lowPassCoef)+currentB*lowPassCoef.

其中，B_i为经过低通滤波后取得的地磁强度数据，B_i-1为上一次取得的地磁强度数据，currentB为当前设备读取到的未经滤波处理的地磁数据，lowPassCoef为滤波系数，取0.1。

步骤12，记录每个时间点t_i对应的地磁强度B_i(x_i,y_i,z_i)，计算其对应地磁强度的合地磁强度||B_i||，其中

步骤13，将特定路径上连续的时间点{t₁,t₂,…,t_n}与其对应的合地磁强度{||B₁||,||B₂||,…,||B_n||}组成地磁指纹匹配时间序列TS＝{(t₁,||B₁||）,(t₂,||B₂||),…,(t_n,||B_n||)}。

所述步骤2具体包括：

步骤21，使用三样条插值算法对地磁指纹匹配时间序列TS进行插值处理，得到TS′＝{(t′₁,||B₁||′),(t′₂,||B₂||′),…,(t′_m,||B_m||′)}。其中t′_i-t′_i-1＝0.1ｓ。

步骤22，将插值处理后的时间序列TS′与建筑物平面图所对应的路径坐标建立映射关系，组成相应的地磁指纹参考序列RS＝{(t′₁,||B₁||′,x₁,y₁),(t′₂,||B₂||′,x₂,y₂),…,(t′_m,||B_m||′,x_m,y_m)}，其中，x_i,y_i分别表示对应路径点在二维平面中的横、纵坐标，并保存至地磁指纹数据库中。

所述步骤3具体包括：

步骤31，采集连续时间(一般为2秒)内的地磁指纹数据并计算相应的合地磁强度。同样地，并使用三次样条插值算法对该序列进行插值处理，进而得到长度为n的待匹配地磁时间序列MS＝{(t₁,||B₁||),(t₂,||B₂||),…,(t_n,||B_n||)}。

步骤32，计算待匹配地磁时间序列MS的趋势向量T，T＝{(t₁,k₁),(t₂,k₂),(t₃,k₃),…,(t_n-1,k_n-1)}。其中

步骤33，从地磁指纹数据库中取出相应待定位路径的参考序列，同样地，计算参考序列的趋势向量RT。并基于待匹配地磁时间序列与参考序列的趋势向量，利用滑动窗口技术，计算窗口内参考序列趋势向量与待匹配时间地磁时间序列趋势向量的相似度距离，筛选出相似度距离在一定阈值ω内的候选匹配序列。

所述步骤4具体包括：

步骤41，遍历所有的候选匹配序列，计算待匹配地磁时间序列MS的地磁指纹与候选匹配序列地磁指纹之间的相似度。相似度采用动态时间规整算法进行计算。假设待匹配地磁时间序列MS的地磁指纹序列为X＝{x₁,x₂,…,x_n}，候选匹配序列地磁指纹序列为Y＝{y₁,y₂,…,y_n}，则两个序列的动态时间规整距离为

$D_{dtw}(X,Y)=\left\{\begin{array}{c}0,ifm=n=0\\ \mathrm{\∞},ifm=0orn=0\\ d(x_1,y_1)+\min \left\{\begin{array}{c}{D}_{dte}(X,\mathrm{Re}st(Y))\\ D_{dtw}\left(\mathrm{Re}st\right(X),Y)\\ D_{dtw}\left(\mathrm{Re}st\right(X),\mathrm{Re}st\left(Y\right))\end{array}\right.\\ d(x,y)=\left|\right|x-y\left|\right|\end{array}\right.$

步骤42，找出与待匹配地磁时间序列相似度最高，即动态时间规整距离小的候选匹配序列，并将该序列的终点映射为相应地图坐标，该坐标即为定位结果。

Claims (2)

1.一种基于地磁指纹匹配算法的室内定位方法，其特征在于，包括：

步骤1，采集所需定位区域关键路径的地磁指纹时间序列；使用低通滤波算法对数据进行平滑去噪处理，并计算所采集地磁数据的合地磁强度，将其作为地磁指纹匹配时间序列；具体包括：

步骤11，沿定位区域的某条特定路径手持智能手机匀速行走，手机朝向固定，以2Hz的频率采集沿路地磁数据；使用低通滤波算法对读取的地磁数据进行平滑去噪处理，其计算公式为：

B_i＝B_i-1*(1-lowPassCoef)+currentB*lowPassCoef.

其中，B_i为经过低通滤波后取得的地磁强度数据，B_i-1为上一次取得的地磁强度数据，currentB为当前设备读取到的未经滤波处理的地磁数据，lowPassCoef为滤波系数，取0.1；

步骤12，记录每个时间点t_i对应的地磁强度B_i(x_i,y_i,z_i)，计算其对应地磁强度的合地磁强度||B_i||，其中

步骤13，将特定路径上连续的时间点{t₁,t₂,…,t_n}与其对应的合地磁强度{||B₁||,||B₂||,…,||B_n||}组成地磁指纹匹配时间序列TS＝{(t₁,||B₁||),(t₂,||B₂||),…,(t_n,||B_n||)}；

步骤2，使用三次样条插值算法对地磁指纹匹配向量进行插值处理，同时与建筑物平面图所对应的路径建立映射关系；将地磁指纹匹配时间序列与地图映射关系存储到地磁指纹数据库中；具体包括：

步骤21，使用三样条插值算法对地磁指纹匹配时间序列TS进行插值处理，得到TS′＝{(t′₁,||B₁||′),(t′₂,||B₂||′),…,(t′_m,||B_m||′)}；其中t′_i-t′_i-1＝0.1s；

步骤22，将插值处理后的时间序列TS′与建筑物平面图所对应的路径坐标建立映射关系，组成相应的地磁指纹参考序列RS＝{(t′₁,||B₁||′,x₁,y₁),(t′₂,||B₂||′,x₂,y₂),…,(t′_m,||B_m||′,x_m,y_m)}，其中，x_i,y_i分别表示对应路径点在二维平面中的横、纵坐标，并保存至地磁指纹数据库中；

步骤3，定位阶段，采集长度约为2s的待匹配地磁子序列，同样地，使用三次样条插值算法对该序列进行插值处理；并对该子序列的变化趋势(增减趋势、极小极大值等)进行判断，根据其变化趋势在地磁指纹数据库中筛选相应候选匹配序列；具体包括：

步骤31，采集连续时间(一般为2秒)内的地磁指纹数据并计算相应的合地磁强度；同样地，并使用三次样条插值算法对该序列进行插值处理，进而得到长度为n的待匹配地磁时间序列MS＝{(t₁,||B₁||),(t₂,||B₂||),…,(t_n,||B_n||)}；

步骤32，计算待匹配地磁时间序列MS的趋势向量T，T＝{(t₁,k₁),(t₂,k₂),(t₃,k₃),…,(t_n-1,k_n-1)}；其中

步骤33，从地磁指纹数据库中取出相应待定位路径的参考序列，同样地，计算参考序列的趋势向量RT；并基于待匹配地磁时间序列与参考序列的趋势向量，利用滑动窗口技术，计算窗口内参考序列趋势向量与待匹配时间地磁时间序列趋势向量的相似度距离，筛选出相似度距离在一定阈值ω内的候选匹配序列；

步骤4，遍历所有候选匹配序列，计算待匹配地磁子序列与它们的动态时间弯曲距离，找出与待匹配地磁子序列动态时间弯曲距离最小的候选匹配序列，并将该序列的终点映射为相应地图坐标作为定位位置,具体包括：

步骤41，遍历所有的候选匹配序列，计算待匹配地磁时间序列MS的地磁指纹与候选匹配序列地磁指纹之间的相似度；相似度采用动态时间规整算法进行计算；假设待匹配地磁时间序列MS的地磁指纹序列为X＝{x₁,x₂,…,x_n}，候选匹配序列地磁指纹序列为Y＝{y₁,y₂,…,y_n}，则两个序列的动态时间规整距离为

$D_{dtw}(X,Y)=\left\{\begin{array}{c}0,ifm=n=0\\ \mathrm{\∞},ifm=0orn=0\\ d(x_1,y_1)+\min \left\{\begin{array}{c}{D}_{dtw}(X,\mathrm{Re}st(Y\left)\right)\\ D_{dtw}\left(\mathrm{Re}st\right(X),Y)\\ D_{dtw}\left(\mathrm{Re}st\right(X),\mathrm{Re}st(Y\left)\right)\end{array}\right.\\ d(x,y)=\left|\right|x-y\left|\right|\end{array}\right.$

步骤42，找出与待匹配地磁时间序列相似度最高，即动态时间规整距离小的候选匹配序列，并将该序列的终点映射为相应地图坐标，该坐标即为定位结果。

2.根据权利要求1所述的一种基于地磁指纹匹配算法的室内定位方法，其特征在于，所述步骤3还需判断地磁指纹数据库中是否已经存在需定位路径相应的地磁指纹参考序列，若没有则需要采集相应参考序列，否则从地磁指纹数据库中取出相应参考序列用于匹配定位。