[发明专利]基于加权扩展卡尔曼滤波的室内定位方法及室内定位系统

说明书

本发明公开一种基于加权扩展卡尔曼滤波的室内定位方法及系统，该方法包括以下步骤：基于惯导方法推算目标当前位置；采集现场磁场信号，并与构建的磁场指纹数据库进行磁场指纹匹配；采集现场WiFi信号，并与构建的WiFi指纹数据库进行WiFi指纹匹配；将推算的行人当前位置、经过磁场匹配的定位结果、经过WiFi匹配的定位结果进行加权扩展卡尔曼滤波融合计算得到目标在室内的位置。本发明的室内定位方法不需要部署额外的基础设施，具有易扩展、低成本、高精度、高鲁棒性等特点。

技术领域

本发明涉及定位技术领域，更具体地说，涉及一种室内定位技术。

背景技术

在室外开阔环境下，全球卫星导航系统(GPS、北斗、Glonass、Galileo)可以提供较高的定位精度。当多颗卫星发射电磁信号时，接收器利用接收到的卫星信号计算出在地球坐标系中的具体位置。常用的定位方法包括到达时间、到达时间差和到达角度。虽然卫星导航系统已经成功地应用于室外环境，但在室内环境中却面临着许多问题。同时随着导航定位服务行业的蓬勃发展，室内导航定位受到了广泛关注。

惯性导航系统是一种不依赖外界信息、不向外界辐射能量的自主导航系统。它可以提供载体位置、姿态和速度的连续实时信息。惯导系统使用加速计和陀螺仪来收集加速度和角速度。载体位置是通过对加速度和角速度进行积分得到的。运行时间越长，惯导系统的累积误差越大。

利用磁场进行定位是解决室内导航定位问题的另一种方法。它主要分为两种方案：指南针模型和指纹匹配模型。在室内磁场不受金属设备干扰的情况下，利用磁场指向北方的特性，由磁场和角速度确定行人方向。当室内磁场受到干扰时，通常采用指纹匹配算法来估计行人的运动轨迹。

近年来，使用WiFi进行定位变得越来越流行。常用的定位方法包括WiFi传播模型和指纹匹配模型。WiFi传播模型利用信号在空间传播的路径来建立信道模型。利用WiFi定位指纹可以分为两个阶段：离线阶段和在线阶段。在离线阶段采集WiFi指纹，构建指纹数据库。在线阶段，采集WiFi指纹进行匹配，估计行人轨迹。

Eric Foxlin于2005年在《IEEE Computer Graphics and Applications》的25期6卷38-46页提出了一种零速度更新来校正速度误差。John Elwell于1999年在《TheDigitization of the Battlespace》提出零姿态更新算法来减少姿态误差。

Jian Chen于2019年在《Electronics》的8期2卷提出三维动态时间规整算法计算在线指纹和数据库指纹之间的匹配度。You Li于2016年在《IEEE CommunicationsLetters》的20期12卷提出多维动态时间弯曲算法计算多维WiFi指纹的匹配度。

中国专利申请号：201811083050.5，公开了一种基于WiFi与PDR融合的室内定位方法专利，其通过融合策略有效地提高了室内导航定位精度。

上述论文和专利提出的方案虽然能够在一定程度上提高室内导航定位精度，但是惯性导航系统的累积误差、磁场和WiFi指纹误匹配仍然没有得到有效解决。因此如何有效的解决惯性导航系统的累积误差，磁场和WiFi指纹误匹配来提高室内定位精度为本领域所要解决的问题。

发明内容

针对现有技术的不足，本发明一方面的目的是提供一种基于加权扩展卡尔曼滤波的室内定位方法。该室内定位方法可使用智能手机传感器作为采集信号源的载体，不需要提前部署额外设施，具有定位精度高、成本低、易于扩展等特点。

为了达到上述目的，本发明提供的基于加权扩展卡尔曼滤波的室内定位方法，包括以下步骤：

基于惯导方法推算目标当前位置；

采集现场磁场信号，并与构建的磁场指纹数据库进行磁场指纹匹配；