买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学

摘要：本发明公开了RSS+PDR双源多尺度融合的室内定位方法及系统，属于室内定位技术领域。所述方法通过PDR信号的辅助，对在线阶段待定位点进行分区扩展，改善分区归属错误产生的预定位偏移的情况；本发明通过在信号域与空间域的不同尺度下进行近邻筛选，降低最近邻参考点中出现离群点的概率；本发明通过PDR与RSS定位的动态链接式融合，结合两类信号源定位方法的优点，获取更准确的定位结果。综合实验结果可知，本发明提出的室内定位方法在解决复杂环境下的室内定位问题具有优势，能有效提升定位精度。

主权项：1.一种室内定位方法，其特征在于，所述方法包括：步骤1：构建室内定位模型，按照间距τ部署M个离线指纹信号采集点RPj，j∈{1,2,…,M}，每个采集点处都能探测到N个AP信号；步骤2：采集待定位点TP的传感数据，采用PDR算法估算所述待定位点TP的步频、步长与方向角，并采用改进的在线分区扩展方法对待定位点TP进行分区；步骤3：采用距离度量方法在所述待定位点TP所属的区域内筛选近邻指纹信号采集点，得到近邻参考点集合；步骤4：从所述近邻参考点集合中选取K个最近邻参考点，采用WKNN算法计算所述待定位点TP的估计位置；所述改进的在线分区扩展方法包括：步骤21：计算在线所述待定位点TP与聚类中心之间的信号域欧式距离，将TP划入信号域欧式距离最小的一个分区，分区内参考点的集合记为CRPplus，集合内的指纹信号采集点符号记为步骤22：基于前两个时刻的定位结果xt-1,yt-1、xt-2,yt-2，计算出当前时刻行人预测转向角 步骤23：计算所述预测转向角与当前时刻方向角θt的差值，若则判断指纹信号采集点RPj的半径范围是否满足若满足则RPj∈CRPplus，其中，β为误差常数，δ为转向常数，Lt表示t时刻通过加速度传感器数据估算出的步长，τ表示M个离线指纹信号采集点的部署间距，xj,yj表示指纹信号采集点RPj的空间位置；步骤24：若则判断指纹信号采集点RPj的半径范围是否满足若满足则RPj∈CRPplus；所述步骤3的距离度量方法为多元尺度距离度量方法，具体包括：步骤31：计算所述待定位点TP与指纹信号采集点RPj之间的多元距离Gj和卡方距离CSDj，所述多元距离Gj的计算公式为： 其中，LDj和CDj分别为所述待定位点TP与指纹信号采集点RPj之间的兰氏距离和余弦距离；步骤32：计算CRPplus集合内所有指纹信号采集点与所述待定位点TP之间的多元距离Gj，记其中最小多元距离Gmin对应的参考点为其空间域坐标为步骤32：计算各与多元距离的差值步骤33：对除最小点外的所有根据降序排序后存入集合AG；步骤34：对CRPplus集合内所有指纹信号采集点与所述待定位点TP之间的卡方距离CSD进行相同步骤处理，获得集合ACSD；步骤35：使用聚类算法将集合AG内参考点根据进行分类，将最小的一类记为集合集合内参考点符号记为个数记为Mcs；步骤36：计算中所有与的空间域欧式距离步骤37：对中参考点的距离进行加权，得到多元评估距离 步骤38：计算中的平均值和标准差SG；步骤39：令遍历所有若则获得多元距离的近邻参考点集合BG；步骤310：采用相同方式获得卡方距离CSD的近邻参考点集合BCSD，并获取最终近邻参考点集合BNN＝BG∩BCSD；所述步骤4包括：步骤41：获取最近邻点个数K的值：K＝|BNN|＝|BG∩BCSD|其中，|·|表示集合尺寸计算，即集合包含元素的数目；步骤42：通过对BNN内的K个近邻参考点使用反距离加权法获取多元距离权值ωG与卡方距离权值ωCSD，计算基于RSS的预定位结果： 其中，为融合后的最终权值，为最近邻点集合BNN内K个最近邻点的空间坐标，xRSS,yRSS为基于RSS的预定位结果；步骤43：采用线性融合方法将所述基于RSS的预定位结果与PDR预定位结果融合： xFusion,yFusion＝λxRSS,yRSS+1-λxPDR,yPDR其中，ρ为融合因子，λ为动态链接系数。

全文数据：

权利要求：

百度查询： 江南大学 RSS+PDR双源多尺度融合的室内定位方法及系统