一种基于粒子滤波和地图匹配的室内人员定位方法与流程

1.本发明涉及室内定位技术领域，尤其是涉及一种基于粒子滤波和地图匹配的室内人员定位方法。


背景技术：

2.现代建筑的室内结构日趋复杂，市场对室内场景下的位置服务的需求也越来越旺盛。在室内环境下，由于卫星信号被遮挡而导致全球卫星导航定位系统无法很好的使用，因此室内定位技术正成为学术研究和市场应用的热点领域。室内定位技术一般以计算机视觉技术、以无线通讯技术、以led可见光技术或以地磁匹配为基础，其中以无线通讯技术为基础的技术包括wi
‑
fi定位技术、zigbee定位技术、uwb定位技术、rfid定位技术、低功耗蓝牙定位技术等，其中基于低功耗蓝牙的定位技术和产业蓬勃发展。
3.目前低功耗蓝牙的定位技术可以分为基于rssi位置指纹定位技术和基于rssi测距的定位技术。
4.如图1所示，基于指纹的定位(fingerprinting
‑
based localization)方法依靠rssi在不同位置上的差异性，建立rssi到空间位置的唯一映射关系，通过匹配算法进行定位。建立指纹库时需要采集大量rssi数据且后期需要对指纹库不断更新，工作量巨大。由于指纹库与环境结合非常紧密，导致采集工作获取的信息很难迁移到类似的环境，造成大量重复作业。
5.基于rssi测距的定位方法依据rssi随距离衰减的特性测量待定位终端到无线接入点(access point,ap)的距离进行定位，有实用性较强、可伸缩性强、部署和维护简单等优点。其原理为待定位终端根据rssi用路径损耗模型计算待定位终端到预先布置的蓝牙信标的距离，然后以蓝牙信标为质心、待定位终端到信标距离的倒数为权重，将计算加权质心并作为定位结果。但复杂的室内环境下路径损耗模型的不准确和不确定的外界干扰会导致基于蓝牙rssi的加权质心方法定位结果并不理想。


技术实现要素：

6.本发明的目的就是为了克服上述现有技术存在定位工作量大等缺陷而提供一种稳定、精度较高的基于粒子滤波和地图匹配的室内人员定位方法。
7.本发明的目的可以通过以下技术方案来实现：
8.一种基于粒子滤波和地图匹配的室内人员定位方法，该方法包括以下步骤：
9.获取待定位点接收的多个蓝牙信标的rssi数据，基于加权质心法获得初步定位结果；
10.以改进粒子滤波算法对所述初步定位结果进行初步修正，获得中间修正定位结果，所述改进粒子滤波算法基于定位历史数据和室内人员行走速度实现；
11.基于hmm的室内地图匹配技术对所述中间修正定位结果进行再次修正，合理化人员轨迹，获得最终定位结果。
12.进一步地，所述初步定位结果具体获取步骤为：
13.通过路径损耗模型将接收到的所述rssi数据转化为距离数据，基于所述距离数据及各蓝牙信标的坐标，采用加权方式计算获得所述初步定位结果。
14.进一步地，所述加权方式通过以下公式表示：
[0015][0016]
其中，x、y为初步定位结果，分别表示待定位点的横纵坐标，x
i
、y
i
表示第i个蓝牙信标的横纵坐标，n表示接收到rssi的蓝牙信标数量，d
i
表示待定位点与第i个蓝牙信标的距离。
[0017]
进一步地，所述路径损耗模型为对数路径损耗模型。
[0018]
进一步地，所述以改进粒子滤波算法对所述初步定位结果进行初步修正具体包括以下步骤：
[0019]
基于所述初步定位结果获得初始粒子种群；
[0020]
基于系统状态噪声和人员行走速度变化更新每个粒子的状态；
[0021]
更新粒子权重，结合室内地图，将位于不可达区域的粒子权重置零；
[0022]
迭代计算获得中间修正定位结果。
[0023]
进一步地，所述初始粒子种群利用高斯分布生成，所述高斯分布的均值采用初步定位结果，方差为所述加权质心法的误差。
[0024]
进一步地，所述系统状态噪声和人员行走速度变化符合正态分布。
[0025]
进一步地，所述基于hmm的室内地图匹配技术对所述中间修正定位结果进行再次修正具体为：
[0026]
结合室内地图抽象获得可行路径，并用栅格点表示可行路径；
[0027]
在hmm解码算法中，以所述中间修正定位结果作为观测值，以所述栅格点作为隐状态，利用地图匹配方法修正定位结果。
[0028]
进一步地，所述hmm解码算法中，维护一个长度为l的动态的观测序列和状态序列。
[0029]
进一步地，所述蓝牙信标为低功耗蓝牙节点。
[0030]
与现有技术相比，本发明具有以下有益效果：
[0031]
1、本发明具有加权质心定位、改进粒子滤波修正以及基于hmm的室内地图匹配技术修正等分层处理，可以很好的结合各个算法的优势，同时也为未来的算法升级留下了空间。
[0032]
2、本发明利用粒子滤波融合加权质心定位的历史定位轨迹和室内人员活动规律等信息，可以将人员的可能位置缩小，能够获得稳定、精度较高的定位结果。
[0033]
3、本发明聚焦于室内的人员定位，通过引入室内地图与室内人员行走速度的先验知识提高定位效果。
[0034]
4、在定位系统部署阶段，本发明提出的方法仅要求待定位区域均部署低功耗蓝牙节点，部署完成之后没有额外的信号采集工作，可以节省大量人力成本，方便系统快速上线。
[0035]
5、实际环境中的测试表明，本方法具有较高的精度和鲁棒性，与加权质心定位和
基于卡尔曼滤波的蓝牙室内定位方法相比性能分别提高了59％和43％。
附图说明
[0036]
图1为现有指纹定位的流程图；
[0037]
图2为本发明的结构示意图；
[0038]
图3为实施例中蓝牙节点部署示意图。
具体实施方式
[0039]
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0040]
如图2所示，本实施例提供一种基于粒子滤波和地图匹配的室内人员定位方法，该方法通过加权定位层、粒子滤波修正层和室内地图融合层这三个步步递进的层级实现室内精准定位，获得人员所属位置。该方法包括以下步骤：
[0041]
获取待定位点接收的多个蓝牙信标的rssi数据，基于加权质心法获得初步定位结果；
[0042]
以改进粒子滤波算法对所述初步定位结果进行初步修正，获得中间修正定位结果，所述改进粒子滤波算法基于定位历史数据和室内人员行走速度实现，将粒子位置与室内地图相结合，把位置不合理的粒子权重置零，通过重采样生成新的粒子，使定位轨迹更平滑；
[0043]
基于hmm(隐马尔可夫模型，hidden markov model)的室内地图匹配技术对所述中间修正定位结果进行再次修正，合理化人员轨迹，获得最终定位结果，具体地，针对室内场景下的人员定位，利用人员行走不快和人具有主观能动性的特点，结合室内地图将走廊等规则的建筑结构抽象成可行路径，并用栅格点表示可行路径；然后通过结合地图信息，利用地图匹配方法修正定位结果，合理化人员轨迹，其中粒子滤波后的结果作为观测值，代表可行路径的栅格点作为隐状态；同时为了解决hmm计算量随时间增长的问题，本方法使用维护定长的观测序列和状态序列，解码算法仅向上回溯固定次数。
[0044]
上述方法的各层处理过程具体说明如下。
[0045]
(1)加权质心定位
[0046]
无线信号强度会随着传播距离的增加而衰减，信号强度与距离之间存在映射关系，该关系可用对数路径损耗模型描述，如式(1)所示：
[0047][0048]
在加权质心定位方法中，为了简化式(1)可假设噪声功率为0dbm，即x
δ
恒等于0，当参考距离d0为1m时，可表示为
[0049][0050]
加权质心定位方法将蓝牙信标看成单位质点并考虑蓝牙信标的距离对待定位终端的影响，根据待定位终端到蓝牙信标的距离为每个信标赋予不同的权重。具体方法如下：
首先通过路径损耗模型将待定位终端接收到的rssi转换为距离d，信标对待定位终端的影响与距离成反比，即将距离的倒数作为蓝牙信标的权重。最后使用加权平均法求解待定位终端的坐标。加权质心定位方法可用式(3)描述，
[0051][0052]
其中x、y分别为待定位终端的横纵坐标，x
i
、y
i
表示第i个信标的横纵坐标，n表示待定位终端接收到rssi的信标数量，d
i
表示待定位终端与第i个信标的距离，可由路径损耗模型求得。
[0053]
(2)改进粒子滤波修正
[0054]
在基于ble(bluetooh low energy，蓝牙低能耗技术)的加权定位中，由于路径损耗模型受室内复杂环境的影响，导致定位结果不准确、不稳定、存在跳跃。虽然对rssi数据本身进行滤波可以提高定位精度，但是效果并不明显。室内人员行走速度通常在0～1.5m，且是一个连续过程，当定位频率在5hz时，在0.2s的时间中人员移动的距离通常为0～0.3m。因此通过使用定位结果的历史记录和室内人员的行走速度改进粒子滤波算法，可以将人员的可能位置缩小。
[0055]
实践应用中，粒子滤波算法主要包括5个步骤：初始化、预测采样、重要性采样、重采样和计算结果，粒子滤波算法依次进行每个步骤。
[0056]
在初始化阶段，需要采用概率分布生成粒子，并赋予初始的系统状态。为了使用历史定位信息平滑定位结果，k时刻粒子i的状态空间为：
[0057][0058]
其中分别表示k时刻粒子的横坐标、纵坐标，表示k
‑
1时刻粒子的坐标，表示k时刻粒子的速度。粒子初始位置利用高斯分布生成，其均值采用加权质心定位得到的结果，方差为加权质心定位算法的误差，每个粒子的初始权重ω0为1/n。
[0059]
在预测采样阶段，每个粒子需要使用式(5)根据k
‑
1时刻的状态预测k时刻的状态。该阶段会将粒子从旧的状态移动到新的状态，实现粒子的状态更新。设k
‑
1时刻到k时刻的时间间隔为dt，k时刻的粒子使用式(5)得到：
[0060][0061]
其中q
x
、q
y
为系统状态的噪声，q
v
表示人员行走速度的变化。
[0062]
在重要性采样阶段，需要依据观测值为预测采样阶段产生的粒子更新权重。结合室内地图，对生成的粒子进行和理性判定，将位于不可达区域的粒子权重置零，从而进行方向矫正。室内活动时，人员的速度通常在0m～1.5m，采用式(7)表示的因子调整粒子权重。更新后的权重为
[0063][0064][0065][0066]
其中，γ
i
为(zx
k
,zy
k
)表示k时刻的观测坐标，由加权质心定位方法给出。
[0067]
基于上述改进粒子算法，迭代计算获得中间修正定位结果。
[0068]
(3)基于hmm的室内地图融合
[0069]
室内环境下，人员对位置服务的需求往往是为了导航，且人具有一定的主观能动性，完成此导航任务可以不依靠高精度的定位信息。到达目的地往往需要经过大量的规则的建筑结构如走廊、过道、楼梯等，这类结构可以类比成道路，作为人员的可行路径。本方法利用室内地图预先栅格化室内人员的可行路径，通过基于hmm的室内地图匹配技术修正定位轨迹。在人员定位中，可以认为当前时刻的位置即hmm的隐状态s
n
仅与前一刻的隐状态s
n
‑1相关，室内定位轨迹跟踪问题可以转化为已知hmm参数和观测序列v求解隐状态s的问题，其中观测序列通过粒子滤波算法得到。为了将地图信息包含在hmm中，隐状态s用栅格化后的可行路径表示。每一个栅格化点a
i
表示一个hmm可能的隐状态，s∈{a1,...,a
n
}。
[0070]
状态转移矩阵为a＝{a
ij
}，a
ij
表示人员由栅格点a
i
移动到栅格点a
j
的概率。室内环境下人员的行走速度通常在0m～1.5m之间，因此从栅格点a
i
移动到栅格点a
j
，即从状态a
i
移动到a
j
的概率与a
i
、a
j
之间的距离相关，本方法使用下式描述：
[0071][0072]
其中(x
i
,y
i
)表示栅格点a
i
的坐标，(x
j
,y
j
)表示栅格点a
j
的坐标，c是使得转移概率满足式的常数。
[0073]
为了求得发射概率，将空间离散化、网格化，每一个网格点g
i
表示一种观测状态。将粒子滤波层的定位结果与网格点g
i
的欧式距离排序，以距离最小的网格点的编号v
i
代替，转换为离散的观测，如式(10)所示
[0074][0075]
其中(g
ix
,g
iy
)表示第i个网格点的坐标，(p
x
,p
y
)表示连续型观测p的坐标，g为网格点总数。因此发射概率p(v
i
∣a
j
)、发射矩阵b的第j行i列b
ji
表示为
[0076]
[0077]
其中表示第v
i
个网格点的坐标，(a
jx
,a
jy
)表示表示栅格点a
j
的坐标，c是使得成立的常数。
[0078]
hmm的初始状态π可以在一定程度上决定模型的准确性，为了使初始状态与定位实际情况符合加快算法收敛速度，在粒子滤波层得到初始的定位结果p0后，可计算初始状态，即
[0079][0080]
其中c是使得成立的常数，π
n
表示初始态为a
n
的概率，即人员位于栅格点a
n
的概率，初始状态π＝{π1,...,π
n
}。
[0081]
hmm解码算法的目的是从观测序列中得到系统状态，即hmm隐状态。同时，为了减轻计算量保障定位实时性，本方法改进的解码算法维护了一个长度为l的动态的观测序列和状态序列，而不是使用整个观测序列。
[0082]
假设在t＝1时刻，观测序列v＝{v0,v1}，根据式(12)，可得
[0083][0084]
则此时状态序列s＝{s0,s1}。
[0085]
在t≤l
‑
1时，观测序列v＝{v0,...,v
t
}，状态序列通过式(14)求解，
[0086][0087]
此时状态序列s＝{s0,...,s
t
}。式(14)需要递归求解，时间复杂度为o(n*l*l)，计算量随着时间的增加而增大。
[0088]
当l
‑
1＜t时，观测值数量已经超过l，为了减轻计算量，本方法将t
‑
l 1时刻的系统状态作为确定的系统状态，观测序列设置为v＝{v
t
‑
l 1
,...,v
t
}，从而避免进行过长的时间回溯，即此时
[0089][0090]
其中表示t
‑
l 1时刻的系统状态到状态a
j
的概率。此时系统状态s
t
＝ψ
t
，状态序列s＝{s
t
‑
l 1
,...,s
t
}。
[0091]
上述解码算法没有对所有的观测序列进行回溯，而是维护长度为l的观测序列和状态序列，从t
‑
l 1时刻的系统状态作为确定的系统状态，而不是初始状态推断之后系统状态，在保证精度的情况下减少了计算量。
[0092]
综上，本方法的具体步骤包括：
[0093]
步骤1：部署蓝牙节点，如图3所示，扫描与发射频率设置为5hz。
[0094]
步骤2：根据式(3)，实现加权定位，输出初步定位结果。
[0095]
步骤3：将加权定位层的输出接入粒子滤波修正层。
[0096]
步骤4：粒子滤波修正层的q
x
、q
y
、q
v
设置为均值为0.2，方差为1的正态分布，得到粒子滤波修正层的定位结果。
[0097]
步骤5：将粒子滤波修正层的输出接入使用hmm的室内地图融合层。
[0098]
步骤6：hmm的室内地图融合层的状态转移矩阵参数σ
a
＝0.3，发射矩阵参数σ
b
＝1，队列长度l＝60。
[0099]
步骤7：室内地图融合层的定位结果作为最终输出。
[0100]
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0101]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。