[发明专利]一种基于多传感器融合的移动智能终端PDR定位方法

权利要求书

1.一种基于多传感器融合的移动智能终端PDR定位方法，其特征在于，包括如下步骤：步骤1、神经网络模型预测行人移动距离阶段

步骤1.1、对三轴加速度计传感器采集的数据进行归一化预处理，将每条路线数据用m×n的二维矩阵表示，每一行数据表示为一个样本；将每一行数据分别归一化到区间[-1,1]内，当矩阵每一行值都不全相等时，归一化计算公式是：

y＝(ymax-ymin)*(x-xmin)/(xmax-xmin)+ymin

当某行的数据全部相同，此时xmax＝xmin，除数为0，则y＝ymin；其中，x为需要归一化的数据，y是处理后的结果，ymax、ymin默认值为-1和1；

步骤1.2、将归一化的加速度计传感数据和对应行人每秒真实移动距离数据按4/5、1/5数据量划分训练集和测试集；

步骤1.3、用训练集、测试集数据对BP神经网络进行训练和测试；BP神经网络模型结构分为三层的网络结构，即输入层、隐层和输出层；输入层输入是每秒内三轴加速度计在x、y、z轴上采集的归一化加速度数据x_i、y_i、z_i和对应的行人真实移动距离数据s_i，输出层输出每秒移动距离预测值l_i，隐层的神经元数目用试触法确定合适的神经元个数，输入层到隐层的连接权值为w_ij，隐层到输出层的连接权值为w_jl，输出层的阈值δ_l，隐层阈值δ_j；在训练网络之前，初始化权值取[-1,1]之间的随机数,阈值取[0,1]之间的随机数，学习率取0.1；

误差反向传播过程阈值计算和权值更新如下：

(1)对于输出层的每个神经元l，计算阈值；

(2)对于隐层的每个神经元j，计算阈值；

(3)权值更新；

步骤2、微航向角融合算法估计行人移动方向阶段

步骤2.1、计算初始三种微航向角，设行人t-1时刻初始方向角分别利用陀螺仪和磁力计计算t时刻方向角

步骤2.2、通过将行走过程分为四类微场景，四类微场景分类标准计算公式如下：

η＝10°，θ＝40°

当和时，为场景一，直线行走，陀螺仪、磁力计有相似输出；

当和时，为场景二，拐弯行走，陀螺仪、磁力计有相似输出；

当和时，为场景三，直线行走，陀螺仪、磁力计无相似输出；

当和时，为场景四，拐弯行走，陀螺仪、磁力计无相似输出；

步骤2.3、根据分类的四种微场景，选择合适的传感器源，设计出微航向角融合算法，利用三种微航向角进行分类加权融合估算行人行走方向角计算公式如下：

场景一：

场景二：

场景三：

场景四：

其中三种微航向角权值参数为w^p:w^g:w^m＝2:1:2，公式中参数计算如下：

w^pgm＝(w^p+w^m+w^g)^-1

w^pg＝(w^p+w^g)^-1

w^gm＝(w^g+w^m)^-1

步骤3、行人移动轨迹计算阶段

步骤3.1、设行人t时刻的初始位置(X_t，Y_t)为(0，0)，利用行人移动的距离S_t+1和方向角得到t+1时刻的位置，具体计算公式如下：

步骤3.2、重复步骤3.1，直到计算完行人所有位置坐标，得到一条行人移动轨迹信息。