CN113534226B - 一种基于智能手机场景识别的室内外无缝定位算法 - Google Patents

一种基于智能手机场景识别的室内外无缝定位算法 Download PDF

Info

Publication number
CN113534226B
CN113534226B CN202110869057.5A CN202110869057A CN113534226B CN 113534226 B CN113534226 B CN 113534226B CN 202110869057 A CN202110869057 A CN 202110869057A CN 113534226 B CN113534226 B CN 113534226B
Authority
CN
China
Prior art keywords
indoor
observation
area
outdoor
positioning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110869057.5A
Other languages
English (en)
Other versions
CN113534226A (zh
Inventor
高成发
刘琦
张瑞成
朋子涵
尚睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202110869057.5A priority Critical patent/CN113534226B/zh
Publication of CN113534226A publication Critical patent/CN113534226A/zh
Application granted granted Critical
Publication of CN113534226B publication Critical patent/CN113534226B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Navigation (AREA)

Abstract

本发明公开一种基于智能手机场景识别的室内外无缝定位算法，该方法包括：将大众日常活动场景分为室外区域、室外过渡区域、室内过渡区域、室内区域四部分，在这四种场景下，获取并分析智能手机全球导航卫星***(Global Navigation Satellite System，GNSS)原始观测数据,利用智能手机收到GNSS信号的卫星数量及载噪比作为观测特征建立隐马尔科夫模型，利用维特比算法进行室内外场景判别。根据场景识别结果在不同区域选用不同的定位算法，室外区域采用高精度GNSS定位算法，室内区域采用蓝牙定位算法，室内外过渡区域采用融合定位算法。利用本发明提出的定位算法，能够在过渡区域1m以内的定位精度。

Description

一种基于智能手机场景识别的室内外无缝定位算法
技术领域
本发明属于室内定位技术领域，具体涉及一种基于智能手机场景识别的室内外无缝定位算法。
背景技术
在万物互联的时代，各行各业对位置服务有着极大的需求，智能手机是人们连接物联网的最重要的载体之一，如何充分利用智能手机中的硬件设备与网络通信，有效提升智能手机的定位精度并完成室内外无缝切换，对人们的生活有着积极意义。
近年来，随着移动互联网的发展和定位技术的日益成熟，基于位置的服务越来越多的出现在人们的生活中。在室外已经得到广泛应用的全球卫星导航***GNSS由于信号衰减的问题，在室内难以提供高精度定位服务。与此同时，由于智能手机的普及，多种基于智能手机的室内定位方法也成为研究热点。但在日常生活中，人的活动往往是室内和室外交替的过程，因此室内外无缝定位成为研究热点。场景识别在室内外无缝定位过程中发挥着重要作用，利用场景识别结果选择合适算法，从而实现高精度、高连续性的室内外无缝定位。
发明内容
发明目的：基于上述背景技术，针对现有技术存在的不足，本发明目的是提出一种基于智能手机场景识别的室内外无缝定位算法，通过建立隐马尔科夫模型，根据当前时刻智能手机观测卫星数及卫星的累计载噪比，利用维特比算法进行场景识别，根据场景识别结果选用合适的定位算法，室外区域选用GNSS定位技术，室内区域选用蓝牙定位技术，室内外过渡区域选用融合定位算法，利用本发明提出的定位算法，能够实现高精度、高连续性的室内外无缝定位。
技术方案：为实现上述发明目的，本发明采用的技术方案为：一种基于智能手机场景识别的室内外无缝定位算法，包括以下步骤：
(1)根据用户的活动范围，将活动区域分为室外区域、室外过渡区域、室内过渡区域、室内区域四部分；
(2)分别在四种活动区域下，利用智能手机获取GNSS原始观测数据，以可见卫星数以及这些卫星的载噪比之和作为观测特征，统计其在四种场景下的均值和方差，分别建立隐马尔科夫模型；
(3)完成(1)(2)两步准备工作后，在用户行走过程中，统计智能手机每秒观测到的观测特征，即步骤(2)的可见卫星数以及这些卫星的载噪比之和，计算该观测特征在步骤(2)中建立的四种隐马尔可夫模型中出现的概率并将计算出的概率保存；
(4)设置滑动窗口大小为5s，即以当前时刻为最后一秒，向前计算四秒，以这5s的观测特征为一个观测序列，并记录下对应观测特征在步骤(2)中计算出的概率，所述观测特征即步骤(2)的可见卫星数以及这些卫星的载噪比之和；
(5)根据步骤(4)中选取的观测序列及其概率，利用维特比算法，判断产生该观测序列所属的活动区域；
(6)根据场景判断结果，采用不同的定位算法，室外区域采用GNSS定位算法，室内区域采用蓝牙定位算法，室内外过渡区域采用融合定位算法。
在优选的实施方案中，步骤(1)中，根据用户的日常活动范围，将活动区域分为室外区域、室外过渡区域、室内过渡区域、室内区域四部分。
根据用户的日常活动范围，将活动区域分为室外区域、室外过渡区域、室内过渡区域、室内区域四部分。其中，此处的室外过渡区域可以是室外距离窗户、阳台一定距离的区域，室外处于该室外过渡区域以外的区域为室外区域，室内过渡区域为室内距离窗户、阳台一定距离的区域，室内处于该室内过渡区域以外的区域为室内区域。上述各种区域的大小可以根据实际场景灵活划定。
在优选的实施方案中，步骤(2)中，在不同场景下利用Android智能手机提供的GNSS原始数据接口获取观测数据，以可见卫星数以及这些卫星的载噪比之和作为观测特征，计算四种场景下两种观测特征(即可见卫星数以及这些卫星的载噪比之和)的均值和方差，根据其均值和方差分别建立四种不同场景下的隐马尔科夫模型，模型数学表达如下：
λ＝[N,M,A,B,β] (1)
其中，N表示隐含状态的数量，模型中的任何两个状态之间可以相互转移，即任何状态可以从其他状态(包括自身)到达，在本发明专利中，隐含状态就是指当前用户所处场景，包含四个隐含状态，分别是室外区域、室外过渡区域、室内过渡区域及室内区域；M表示每种状态下观测值的种类数，本发明专利中包含可见卫星数以及这些卫星的载噪比之和两种观测值；A表示转移概率分布矩阵，即各隐含状态之间的转移概率；B表示混淆矩阵，表示观测变量在各隐含状态下的概率分布；β表示各个隐含状态初始时的概率分布。
在优选的实施方案中，步骤(3)中，完成隐马尔可夫模型建立后，根据智能手机每秒获取的GNSS原始观测数据，统计出当前状态所获取到的可见卫星数及其载噪比之和，计算该观测特征在步骤(2)中建立的四种隐马尔可夫模型中出现的概率，计算公式为：
其中，μj、σj表示隐含状态为si时的观测观测特征的期望和标准差，oj表示观测特征，N,M含义与公式(1)相同。
在优选的实施方案中，步骤(4)中，设置滑动窗口大小为5s，以当前时刻为最后一秒，向前计算四秒，以这5s的观测特征为一个观测序列并记录下对应观测特征在步骤(3)中计算出的概率，观测序列可以表示为：
O＝[ot-4,ot-3,ot-2,ot-1,ot]
其中，O代表观测序列，o代表每个时刻的观测观测特征，t代表当前时刻。其中，O代表观测序列，ot代表当前时刻的观测特征；根据步骤(3)中计算出的概率，利用维特比算法，判断产生该观测序列所属的用户状态区域序列S＝[st-4 st-3 st-2 st-1 st]，其中st即为当前用户所处区域。
在优选的实施方案中，步骤(5)中，根据场景判断结果，采用不同的定位算法，室外区域采用高精度GNSS定位算法，室内采用蓝牙定位算法，室内外过渡区域采用融合定位算法，模型数学表达如下：
式中，代表定位结果，XG代表GNSS定位结果，XGP代表GNSS与手机惯性器件融合定位结果，XBP代表蓝牙与手机惯性器件融合定位结果，s1,s2,s3,s4分别代表室外区域，室外过渡区域，室内过渡区域以及室内区域。其中，XG＝[NG EG],XB＝[NB EB]，NG,EG代表GNSS测量得到的坐标，NB,EB代表蓝牙测量得到的坐标。
惯性器件(包括陀螺仪、加速度计等)能够输出手机最原始的运动数据(包括加速度、角速度等)。本发明利用第k时刻惯性器件提供的步数和角速度计算第k时刻前进距离dk和第k时刻航向角即前进方向与正北方向之间的夹角，计算公式如下：
式中，nk代表第k时刻的步数，Sk代表第k时刻的步长，fk代表第k时刻迈步的周期频率。
对于第k时刻航向角的求解，首先采用四元数法，公式如下：
式中，T12,k,T22,k为第k时刻的手机的姿态参数，q0k,q1k,q2k,q3k为k时刻四元数的四个参数，Qk代表k时刻的四元数，Qk＝[q0k q1k q2k q3k]T，Wk代表k时刻陀螺仪提供的三轴角速度矩阵，其中wx,k,wy,k,wz,k分别代表第k时刻三个方向的角速度，由陀螺仪直接提供，初始时刻的四元数由磁力计提供。
室内外过渡区域的融合定位是通过Kalman滤波器实现，该滤波器的观测方程和状态方程可以表示为：
其中，Xk为第k时刻状态向量，Qk为第k时刻***噪声，Lk为第k时刻观测向量，Rk为第k时刻观测噪声，Φk,Hk为别为第k时刻的状态转移矩阵和系数矩阵，代表第k时刻航向角。
对于室内过渡区域的融合定位，初始坐标由蓝牙定位***提供，第k时刻的状态向量为，Xk＝[NBP,k EBP,k dkal,k]T，其中，NBP,k,EBP，k代表第k时刻蓝牙与手机惯性器件的融合结果坐标，dkal，k代表Kalman滤波得到的第k时刻行人前进距离。第k时刻的观测向量为，Lk＝[NB，k EB，k dk]T，NB,k,EB,k代表第k时刻蓝牙测量得到坐标，dk代表通过惯性器件数据计算得到的第k时刻行人前进距离。其中，NBP，k，EBP,k即为第k时刻融合定位结果，即XBP＝[NBP,kEBP,k]。观测噪声由事先测定的蓝牙定位平均误差组成。
对于室外过渡区域的融合定位，初始坐标由GNSS定位***提供，第k时刻状态向量Xk＝[NGP,k EGP,k dkal,k]T，其中，NGP,k,EGP,k代表第k时刻GNSS与手机惯性器件的融合结果坐标，dkal,k代表Kalman滤波得到的第k时刻行人前进距离。第k时刻观测向量为，Lk＝[NG,k EG,kdk]T，NG,k,EG,k代表第k时刻GNSS测量得到的坐标，dk代表通过惯性器件数据计算得到的第k时刻行人前进距离。其中，NGP,k,EGP,k即为第k时刻融合定位结果，即XGP＝[NGP,k EGP,k]。观测噪声根据GNSS卫星载噪比设置。
有益效果：与现有技术相比，本发明的技术方案具有以下有益技术效果：
本发明公开了一种基于智能手机场景识别的室内外无缝定位算法。本发明主要分为基于智能手机的室内外场景判别与智能手机室内外无缝定位两部分：室内外场景判别部分需要在室外区域、室外过渡区域、室内过渡区域、室内区域四种典型场景下采集智能手机原始观测数据，以可见卫星数和累积载噪比作为观测特征，统计其在不同场景下的均值和方差，并建立隐马尔科夫模型；然后在应用阶段，根据智能手机实时观测到的GNSS数据，在隐马尔科夫模型中利用维特比算法，实现场景实时判断；紧接着根据场景识别结果，采用对应的定位算法，得到高可靠性、高连续性的定位结果。使用本发明提出的方法，场景识别准确率达到95％以上，判断时延小于3s，并且在过渡区域能够实现1m以内的定位精度。
附图说明：
图1是隐马尔科夫模型的示意图；
图2是维特比算法示意图；
图3是室内外场景切换判断准确性；
图4是室内外无缝切换定位结果；
图5是室内外定位算法切换示意图。
具体实施方式：
下面结合附图和具体实例对本发明的技术方案作进一步详细说明。
步骤(1)，根据用户的日常活动范围，将活动区域分为室外区域、室外过渡区域、室内过渡区域、室内区域四部分。室外区域是指，没有建筑障碍物遮挡，GNSS观测条件极好的场景；室外过渡区域是指靠近建筑物、高架桥、林荫道等被障碍物遮挡的半开放场景；室内区域是指远离窗户、阳台的场景；室内过渡区域则相反。
步骤(2)，在四种场景下，利用智能手机GNSS原始观测数据进行典型场景特征标定，可以发现可见卫星数及卫星累计载噪比在不同场景下具有明显差异，可以作为场景特征观测反应当前场景。利用观测特征完成场景标定，建立隐马尔科夫模型。图1是隐马尔科夫模型的示意图，隐马尔可夫模型是一种基于贝叶斯理论的统计模型，它通过外部可观测数据来描述含有隐含状态的马尔可夫过程。模型的内部状态构成马尔科夫链，外部为输出观测序列，隐含状态虽然是不可见的，但状态表现得观察值是可见的，每一时刻的状态都能够与外部观测序列的可观测值对应。在隐马尔科夫模型中，认为一个***有N个状态S＝{s1,s2,…,sn}，同时，该***的状态会随时间发生变化。Q＝{q1,q2,…,qt}表示一个隐含的状态序列，其中qi∈S，qt表示该***在t时刻的状态。假设该***当前时刻t所处的状态为qt，而之前的状态分别为q1,q2,…,qt-1，那么t时刻该***所处状态为qt的概率则为P(qt＝st|q1＝s1,q2＝s2,…,qt-1＝st-1)，如图1所示，我们可以通过观测变量On推算出当前所处状态qn。模型数学表达如下：
λ＝[N,M,A,B,β] (1)
其中，N表示隐含状态的数量，模型中的任何两个状态之间可以相互转移，即任何状态可以从其他状态(包括自身)到达，在本发明专利中，隐含状态就是指当前用户所处场景，包含四个隐含状态，分别是室外、室外过渡、室内过渡及室内；M表示每种状态下观测值的种类数，本发明专利中包含可见卫星数以及这些卫星的载噪比之和两种观测值；A表示转移概率分布矩阵，即各隐含状态之间的转移概率；B表示混淆矩阵，表示观测变量在各隐含状态下的概率分布；β表示各个隐含状态初始时的概率分布。
步骤(3)中，完成隐马尔可夫模型建立后，根据智能手机每秒获取的GNSS原始观测数据，统计出当前状态所获取到的可见卫星数及其载噪比之和，计算该观测特征在步骤(2)中建立的四种隐马尔可夫模型中出现的概率并将其保存，计算公式为：
其中，μj、σj表示隐含状态为si时的观测观测特征的期望和标准差，oj表示观测特征。
步骤(4)中，设置滑动窗口大小为5s，以当前时刻为最后一秒，向前计算四秒，以这5s的观测特征为一个观测序列并记录下对应观测特征在步骤(3)中计算出的概率，观测序列可以表示为：
O＝[ot-4,ot-3,ot-2,ot-1,ot]
其中，O代表观测序列，o代表每个时刻的观测观测特征，t代表当前时刻。其中，O代表观测序列，ot代表当前时刻的观测特征；根据步骤(3)中计算出的概率，利用维特比算法，判断产生该观测序列所属的用户状态区域序列：
S＝[st-4 st-3 st-2 st-1 st]
其中，st即为当前用户所处区域。
步骤(5)中，根据场景判断结果，采用不同的定位算法，室外区域采用高精度GNSS定位算法，室内采用蓝牙定位算法，室内外过渡区域采用融合定位算法，融合模型数学表达如下：
式中，代表定位结果，XG代表GNSS定位结果，XGP代表GNSS与手机惯性器件融合定位结果，XBP代表蓝牙与手机惯性器件融合定位结果，s1,s2,s3,s4分别代表室外区域，室外过渡区域，室内过渡区域以及室内区域。其中，XG＝[NG EG],XB＝[NB EB]，NG,EG代表GNSS测量得到的坐标，NB,EB代表蓝牙测量得到的坐标。
惯性器件(包括陀螺仪、加速度计等)能够输出手机最原始的运动数据(包括加速度、角速度等)。本发明利用第k时刻惯性器件提供的步数和角速度计算第k时刻前进距离dk和第k时刻航向角即前进方向与正北方向之间的夹角，计算公式如下：
式中，nk代表第k时刻的步数，Sk代表第k时刻的步长，fk代表第k时刻迈步的周期频率。
对于第k时刻航向角的求解，首先采用四元数法，公式如下：
式中，T12,k,T22,k为第k时刻的姿态参数，q0k,q1k,q2k,q3k为k时刻四元数的四个参数，Qk代表k时刻的四元数，Qk＝[q0k q1k q2k q3k]T，Wk代表k时刻陀螺仪提供的三轴角速度矩阵，其中wx,k,wy,k,wz,k分别代表第k时刻三个方向的角速度，由陀螺仪直接提供，初始时刻的四元数由磁力计提供。
室内外过渡区域的融合定位是通过Kalman滤波器实现，该滤波器的观测方程和状态方程可以表示为：
其中，Xk为第k时刻状态向量，Qk为第k时刻***噪声，Lk为第k时刻观测向量，Rk为第k时刻观测噪声，Φk,Hk为别为第k时刻的状态转移矩阵和系数矩阵，代表第k时刻航向角。
对于室内过渡区域的融合定位，初始坐标由蓝牙定位***提供，第k时刻的状态向量为，Xk＝[NBP,k EBP,k dkal,k]T，其中，NBP,k,EBP,k代表第k时刻蓝牙与手机惯性器件的融合结果坐标，dkal,k代表Kalman滤波得到的第k时刻行人前进距离。第k时刻的观测向量为，Lk＝[NB,k EB,k dk]T，NB,k,EB,k代表第k时刻蓝牙测量得到坐标，dk代表通过惯性器件数据计算得到的第k时刻行人前进距离。其中，NBP,k,EBP,k即为第k时刻融合定位结果，即XBP＝[NBP，kEBP，k]。观测噪声由事先测定的蓝牙定位平均误差组成。
对于室外过渡区域的融合定位，初始坐标由GNSS定位***提供，第k时刻状态向量Xk＝[NGP，k EGP,k dkal,k]T，其中，NGP,k,EGP,k代表第k时刻GNSS与手机惯性器件的融合结果坐标，dkal,k代表Kalman滤波得到的第k时刻行人前进距离。第k时刻观测向量为，Lk＝[NG,k EG,kdk]T，NG，k，EG,k代表第k时刻GNSS测量得到的坐标，dk代表通过惯性器件数据计算得到的第k时刻行人前进距离。其中，NGP,k,EGP,k即为第k时刻融合定位结果，即XGP＝[NGP,k EGP,k]。观测噪声根据GNSS卫星载噪比设置。
为体现本发明方法的效果和优势，使用本发明方法对智能手机进行室内外无缝定位实验，实验地点为东南大学九龙湖校区土木交通试验平台，基准坐标通过网络RTK事先精确测得。室内外场景判断结果如图3所示，根据实验测试结果可知，利用本发明提出方法实现室内外场景判读具有一定的效果，尤其是在室外过渡区域与室内过渡区域、室内过渡区域与室内区域之间切换准确性较高，时延较低，只需1-3s即可完成场景判读。基于室内外场景判读结果进行室内外无缝定位实验，定位结果如图4所示，定位误差为0.756m，从图中可以看出，利用本发明提出方法能够有效提升室内外过渡区域定位精度。

Claims (4)

1.一种基于智能手机场景识别的室内外无缝定位算法，其特征在于，该定位算法包括以下步骤：
(1)根据用户的活动范围，将活动区域分为室外区域、室外过渡区域、室内过渡区域、室内区域四部分；
(2)分别在四种活动区域下，利用智能手机获取GNSS原始观测数据，以可见卫星数以及可见卫星的载噪比之和作为观测特征，统计其在四种场景下的均值和方差，分别建立隐马尔科夫模型；
(3)在(1)-(2)步骤的基础上，在用户行走过程中，统计智能手机每秒观测到的观测特征，即步骤(2)的可见卫星数以及可见卫星的载噪比之和，计算这两种观测特征在步骤(2)中建立的四种隐马尔可夫模型中出现的概率，并将计算出的概率保存；
(4)设置滑动窗口大小为5秒，即以当前时刻为最后一秒，向前计算4秒，以这5秒的观测特征为一个观测序列，并记录下每秒对应观测特征在步骤(2)中计算出的概率，所述观测特征即步骤(2)的可见卫星数以及可见卫星的载噪比之和；
(5)根据步骤(4)中选取的观测序列及其概率，利用维特比算法，判断产生该观测序列所属的活动区域；
(6)根据场景判断结果，采用不同的定位算法，室外区域采用GNSS定位算法定位，室内区域采用蓝牙定位算法定位，室内外过渡区域采用融合定位算法定位；
步骤(6)中，根据场景判断结果，采用不同的定位算法，室外区域采用高精度GNSS定位算法，室内采用蓝牙定位算法，室内外过渡区域采用融合定位算法，具体如下：
式中，代表定位结果，XG代表GNSS定位结果，XGP代表GNSS与手机惯性器件融合定位结果，XBP代表蓝牙与手机惯性器件融合定位结果，s1,s2,s3,s4分别代表室外区域，室外过渡区域，室内过渡区域以及室内区域，其中，XG＝[NG EG],XB＝[NB EB]，NG,EG代表GNSS测量得到的坐标，NB,EB代表蓝牙测量得到的坐标；
利用第k时刻惯性器件提供的步数和角速度计算第k时刻前进距离dk和第k时刻航向角即前进方向与正北方向之间的夹角，计算公式如下：
式中，nk代表第k时刻的步数，Sk代表第k时刻的步长，fk代表第k时刻迈步的周期频率；
对于第k时刻航向角的求解，首先采用四元数法，公式如下：
式中，T12,k,T22,k为第k时刻的手机姿态参数，q0k,q1k,q2k,q3k为k时刻四元数的四个参数，Qk代表k时刻的四元数，Qk＝[q0k q1k q2k q3k]T，Wk代表k时刻陀螺仪提供的三轴角速度矩阵，其中wx,k,wy,k,wz,k分别代表第k时刻三个方向的角速度，由陀螺仪提供，初始时刻的四元数由磁力计提供；
室内外过渡区域的融合定位是通过Kalman滤波器实现，该滤波器的观测方程和状态方程表示为：
其中，Xk为第k时刻状态向量，Q1k为第k时刻***噪声，Lk为第k时刻观测向量，Rk为第k时刻观测噪声，Φk,Hk为别为第k时刻的状态转移矩阵和系数矩阵， 代表第k时刻航向角；
(a)对于室内过渡区域的融合定位，初始坐标由蓝牙定位***提供，第k时刻的状态向量为，Xk＝[NBP,k EBP,k dkal,k]T，其中，NBP,k,EBP,k代表第k时刻蓝牙与手机惯性器件的融合结果坐标，dkal,k代表Kalman滤波得到的第k时刻行人前进距离，第k时刻的观测向量为Lk＝[NB,k EB,k dk]T，NB,k,EB,k代表第k时刻蓝牙测量得到坐标，dk代表通过惯性器件数据计算得到的第k时刻行人前进距离，其中，NBP,k,EBP,k即为第k时刻融合定位结果，即XBP＝[NBP,kEBP,k]，观测噪声Rk由事先测定的蓝牙定位平均误差组成；
(b)对于室外过渡区域的融合定位，初始坐标由GNSS定位***提供，第k时刻状态向量Xk＝[NGP,k EGP,k dkal,k]T，其中，NGP,k,EGP,k代表第k时刻GNSS与手机惯性器件的融合结果坐标，dkal,k代表Kalman滤波得到的第k时刻行人前进距离，第k时刻观测向量为Lk＝[NG,k EG,k dk]T，NG,k,EG,k代表第k时刻GNSS测量得到的坐标，dk代表通过惯性器件数据计算得到的第k时刻行人前进距离，其中，NGP,k,EGP,k即为第k时刻融合定位结果，即XGP＝[NGP,k EGP,k]，观测噪声Rk根据GNSS卫星载噪比设置。
2.根据权利要求1所述的一种基于智能手机场景识别的室内外无缝定位算法，其特征在于，步骤(2)中建立隐马尔科夫模型方法如下：
在不同场景下利用Android智能手机提供的GNSS原始数据接口获取观测数据，以可见卫星数以及可见卫星的载噪比之和作为观测特征，计算四种场景下两种观测特征的均值和方差，根据其均值和方差分别建立四种不同场景下的隐马尔科夫模型，模型数学表达如下：
λ＝[N,M,A,B,β] (1)
其中，N表示隐含状态的数量，隐含状态指当前用户所处场景，包含四个隐含状态，分别是室外区域、室外过渡区域、室内过渡区域及室内区域；M表示每种状态下观测值的种类数，包括可见卫星数以及可见卫星的载噪比之和两种观测值；A表示转移概率分布矩阵，即各隐含状态之间的转移概率；B表示混淆矩阵，表示观测变量在各隐含状态下的概率分布；β表示各个隐含状态初始时的概率分布。
3.根据权利要求2所述的一种基于智能手机场景识别的室内外无缝定位算法，其特征在于，步骤(3)中的概率计算方法如下：根据智能手机每秒获取的GNSS原始观测数据，统计出当前状态所获取到的可见卫星数及其载噪比之和作为观测特征，计算该观测特征在步骤(2)中建立的四种隐马尔可夫模型中出现的概率，计算公式为：
其中，μj、σj表示隐含状态为si时的观测特征的期望和标准差，oj表示观测特征。
4.根据权利要求3所述的一种基于智能手机场景识别的室内外无缝定位算法，其特征在于，步骤(4)中，设置滑动窗口大小为5秒，以当前时刻为最后一秒，向前计算4秒，以这5秒的观测特征为一个观测序列，并记录下每秒对应观测特征在步骤(3)中计算出的概率，观测序列表示为：
O＝[ot-4,ot-3,ot-2,ot-1,ot]
其中，O代表观测序列，ot代表当前时刻t的观测特征；根据步骤(3)中计算出的概率，利用维特比算法，判断产生该观测序列所属的用户状态区域序列：
S＝[st-4st-3st-2st-1st]
其中，st即为当前用户所处区域。
CN202110869057.5A 2021-07-30 2021-07-30 一种基于智能手机场景识别的室内外无缝定位算法 Active CN113534226B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110869057.5A CN113534226B (zh) 2021-07-30 2021-07-30 一种基于智能手机场景识别的室内外无缝定位算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110869057.5A CN113534226B (zh) 2021-07-30 2021-07-30 一种基于智能手机场景识别的室内外无缝定位算法

Publications (2)

Publication Number Publication Date
CN113534226A CN113534226A (zh) 2021-10-22
CN113534226B true CN113534226B (zh) 2024-04-02

Family

ID=78089847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110869057.5A Active CN113534226B (zh) 2021-07-30 2021-07-30 一种基于智能手机场景识别的室内外无缝定位算法

Country Status (1)

Country Link
CN (1) CN113534226B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116432090B (zh) * 2023-06-13 2023-10-20 荣耀终端有限公司 场景识别方法、***及终端设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104849740A (zh) * 2015-05-26 2015-08-19 福州大学 集成卫星导航与蓝牙技术的室内外无缝定位***及其方法
CN109031383A (zh) * 2018-07-23 2018-12-18 重庆市勘测院 室内外导航无缝切换方法及控制***
CN109669201A (zh) * 2018-11-13 2019-04-23 斯沃德教育科技股份有限公司 一种基于可穿戴式的室内外定位算法
CN110996258A (zh) * 2019-11-18 2020-04-10 贵州彩数网络技术有限公司 一种无缝切换的室内外联合定位方法和***
CN112526572A (zh) * 2020-11-30 2021-03-19 湘潭大学 室内外无缝导航的网络切换方法与定位***
CN112672273A (zh) * 2020-11-27 2021-04-16 北京中铁建建筑科技有限公司 一种室内外切换的定位***及方法
CN112711055A (zh) * 2020-12-08 2021-04-27 重庆邮电大学 一种基于边缘计算的室内外无缝定位***及方法
CN113074732A (zh) * 2021-03-22 2021-07-06 东南大学 一种室内外无缝定位***及其定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9482739B2 (en) * 2012-06-29 2016-11-01 Broadcom Corporation Indoor/outdoor transition determination

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104849740A (zh) * 2015-05-26 2015-08-19 福州大学 集成卫星导航与蓝牙技术的室内外无缝定位***及其方法
CN109031383A (zh) * 2018-07-23 2018-12-18 重庆市勘测院 室内外导航无缝切换方法及控制***
CN109669201A (zh) * 2018-11-13 2019-04-23 斯沃德教育科技股份有限公司 一种基于可穿戴式的室内外定位算法
CN110996258A (zh) * 2019-11-18 2020-04-10 贵州彩数网络技术有限公司 一种无缝切换的室内外联合定位方法和***
CN112672273A (zh) * 2020-11-27 2021-04-16 北京中铁建建筑科技有限公司 一种室内外切换的定位***及方法
CN112526572A (zh) * 2020-11-30 2021-03-19 湘潭大学 室内外无缝导航的网络切换方法与定位***
CN112711055A (zh) * 2020-12-08 2021-04-27 重庆邮电大学 一种基于边缘计算的室内外无缝定位***及方法
CN113074732A (zh) * 2021-03-22 2021-07-06 东南大学 一种室内外无缝定位***及其定位方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于IMU/GPS/ZigBee的室内外无缝导航定位***的方法研究;洪海斌;《中国优秀硕士学位论文全文数据库信息科技辑》;第9-10、46-59页 *
室内外无缝定位中的情境感知方法研究;王琳;《中国优秀硕士学位论文全文数据库信息科技辑》;第9-29页 *
王琳.室内外无缝定位中的情境感知方法研究.《中国优秀硕士学位论文全文数据库信息科技辑》.2019,第9-29页. *

Also Published As

Publication number Publication date
CN113534226A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN110118549B (zh) 一种多源信息融合定位方法和装置
CN111829516B (zh) 一种基于智能手机的自主式行人定位方法
CN106441302B (zh) 大型开放式区域内的室内定位方法
CN106908821A (zh) 一种室内外无缝定位切换方法
CN109470238B (zh) 一种定位方法、装置和移动终端
CN107830858B (zh) 一种基于重力辅助的手机航向估计方法
CN109708632B (zh) 一种面向移动机器人的激光雷达/ins/地标松组合导航***及方法
CN111970633A (zh) 基于WiFi、蓝牙和步行者行航位推算融合的室内定位方法
CN109737968B (zh) 基于二维LiDAR和智能手机的室内融合定位方法
CN113566820B (zh) 一种基于位置指纹和pdr算法的融合人行定位方法
CN111982102A (zh) 一种复杂环境下基于bp-ekf的uwb-imu定位方法
CN113534226B (zh) 一种基于智能手机场景识别的室内外无缝定位算法
CN113340294A (zh) 一种融合地标的ar室内地图导航方法
CN115031723B (zh) 一种uwb定位精度提升方法
TW201923310A (zh) 用於確定物體的運動方向的方法和系統
CN115824223A (zh) 一种基于多源融合的室内外无缝定位方法
CN109737957B (zh) 一种采用级联FIR滤波的INS/LiDAR组合导航方法及***
Jia et al. An indoor and outdoor seamless positioning system based on android platform
CN115406435B (zh) 基于wlan和mems的室内电子地图构建方法、装置及存储介质
CN114302359B (zh) 一种基于WiFi-PDR融合的高精度室内定位方法
Kessel et al. Automated WLAN calibration with a backtracking particle filter
CN110187306A (zh) 一种应用于复杂室内空间的tdoa-pdr-map融合定位方法
CN113390381B (zh) 一种基于个人运动参考模板的传感器安装角估计方法
CN115824230A (zh) 一种基于多传感器主动融合的井下无人驾驶车辆定位方法
CN115435782A (zh) 一种多源信息约束下的抗干扰位置估计方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant