[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

摘要

本发明涉及一种基于多传感器融合的移动智能终端PDR定位方法，包括：神经网络模型预测行人移动距离阶段、微航向角融合算法估计行人移动方向阶段、行人移动轨迹计算阶段。本发明的有益效果是：由实验结果可以看出本发明在降低PDR算法累计误差方面取得了比较理想的结果，通过BP神经网络预测行人移动距离，有效避免传统方法中利用步数检测和步长估计带来的计算误差。设计的微航向角融合算法能有效降低传感器漂移影响，从而使定位精度满足室内位置需求，是一种精确、低成本、普适性高的室内定位方法。

主权项

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，我们将每条路线数据用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i、隐层j和输出层l；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xi、yi、zi和对应的行人真实移动距离数据si，输出层输出每秒移动距离预测值li，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wij，隐层到输出层的连接权值为wjl，输出层的阈值δl，隐层阈值δj；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，η为学习率取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：δl＝li(1‑li)(Si‑li)(2)对于隐层的每个神经元j，计算阈值：(3)权值更新wil＝wil+ηδlxil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。