室內定位方法及設備的制造方法

室內定位方法及設備的制造方法
【專利摘要】本公開涉及一種室內定位方法，其包括：初始位置獲取步驟，獲取定位裝置所在位置的第一組指紋數據，并基于指紋數據庫中的指紋數據，通過K鄰近算法獲取用戶的初始位置；可能位置估算步驟，基于所述初始位置并根據所述用戶的運動信息估算用戶的多個可能位置；位置概率估計步驟，估計所述多個可能位置相對于用戶所在位置的位置概率；以及當前位置估算步驟：根據所述位置概率和所述多個可能位置估算出用戶的當前位置以完成用戶室內定位。本公開還涉及一種使用該室內定位方法的定位設備。
【專利說明】
室內定位方法及設備
技術領域
[0001] 本發明涉及定位技術領域，特別涉及一種用于智能手機的室內定位方法及設備。
【背景技術】
[0002] 全球定位系統(GPS)可以提供高精度的室外位置服務，但是由于建筑物的遮擋， GPS信號在室內非常微弱甚至不可見，因此GPS定位系統基本不能應用于室內定位。而現如 今人們的活動80%都是在室內進行，因此基于位置的服務受到了越來越多的重視。隨著無 線電技術的快速發展以及各種先進電子產品的問世，室內定位導航技術作為GPS的一種補 充技術也應運而生。
[0003] 隨著移動智能終端設備的快速發展，智能手機已經不再是簡單的通信工具，而是 成為人們日常生活的必需品肩負著導航、計算等多種重要的用途。智能手機的運算速度快、 便攜帶，并且集成了諸如磁力計、加速度傳感器、陀螺儀等多種傳感器。這些都為利用智能 手機進彳丁尚精度室內定位提供了可能。
[0004] 目前，很多關于室內定位的方案已經提出，而大部分定位方法都是基于無線通信 系統，而這種無線通信技術又分為兩類:一類是測距的方法，通過預先在待定為區域中布置 無線電裝置，定位過程中同樣依靠無線電裝置獲得接收的信號的特征（如能量、到達時間、 相位等），然后根據信號傳播模型確定所在位置與預先設置的無線電裝置之間的距離，最后 通過幾何關系來確定位置。這種方法的優點是在信號視距的情況下，測距較為準確，定位誤 差較小，然而在室內這樣復雜的情況下，無線信號受到多徑、非視距的影響較為嚴重，因此 定位性能較差。
[0005] 現有的另一類定位方法是非測距的方法，這種方法不依賴于信號的傳播模型，而 是把室內復雜環境中各個位置無線信號強度復雜的變化看成一種與位置相關的指紋，利用 模式匹配的方法進行定位。這種方法受到多徑、非視距的影響較小，更適合與實際應用。 [0006]還有一種是慣性導航系統(簡稱慣導），其作為一種相對定位系統具有短距離內精 度高的優點，但是由于每一次定位都是基于上一次定位結果，因此存在非常大的累計誤差。 因此融合位置指紋與慣導技術的方法可以在充分利用慣導精度高的優點的同時，還通過位 置指紋糾正慣導的累計誤差。

【發明內容】

[0007] 為了消除上述各種現有定位方法和設備中的缺陷，本公開的發明人采用了隱馬爾 科夫模型作為一種概率模型，可以對狀態空間以及觀測空間進行較為準確的模擬。在室內 定位當中，真實位置就可以作為一種隱藏狀態，根據慣導來預測狀態轉移的概率以及把獲 得的RSS指紋作為觀測值來處理，因此，利用隱馬爾可夫模型進行混合定位可以達到較高的 精度。
[0008] 根據本公開的室內定位方法包括:初始位置獲取步驟，獲取定位裝置所在位置的 第一組指紋數據，并基于指紋數據庫中的指紋數據，通過K鄰近算法獲取用戶的初始位置； 可能位置估算步驟，基于所述初始位置并根據所述用戶的運動信息估算用戶的多個可能位 置;位置概率估計步驟，估計所述多個可能位置相對于用戶所在位置的位置概率；以及當前 位置估算步驟:根據所述位置概率和所述多個可能位置估算出用戶的當前位置以完成用戶 室內定位。
[0009] 根據本公開的室內定位方法，所述位置概率估計步驟包括根據所述指紋數據庫和 當前指紋數據，計算在所述多個可能位置中的每一個上接收到所述當前指紋數據的接收概 率作為所述位置概率。
[0010] 根據本公開的室內定位方法，所述可能位置估算步驟包括:基于所述初始位置并 根據所述用戶的運動信息計算用戶當前處于每個參考位置的分布概率并將分布概率大于 一閾值的多個參考位置設置為所述多個可能位置;所述位置概率估計步驟包括根據所述指 紋數據庫和當前指紋數據，計算在所述多個可能位置中的每一個上接收到所述當前指紋數 據的接收概率，并且將每個可能位置的分布概率與所述接收概率的乘積作為該可能位置的 位置概率。
[0011]根據本公開的室內定位方法，所述初始位置為緊接著用戶當前位置之前被定位的 結果位置。
[0012] 根據本公開的室內定位方法，所述指紋數據庫構建包括:在具體定位區域內設定 多個參考節點；由所述定位裝置在每個參考節點中采集多組RSS向量；以及基于每個參考節 點的多組RSS向量，計算每個參考節點的RSS平均向量以及RSS方差向量，并將其作為該參考 節點的指紋數據保存在指紋數據庫中。
[0013] 根據本公開的另一個方面，還提供了一種室內定位設備，其包括:指紋數據采集單 元，采集用戶所在位置的指紋數據了；初始位置獲取單元，接收來自指紋數據采集單元所采 集的用戶所在位置的第一組指紋數據，并基于指紋數據庫中的指紋數據，通過K鄰近算法獲 取用戶的初始位置;可能位置估算單元，基于所述初始位置并根據所述用戶的運動信息估 算用戶的多個可能位置;位置概率估計單元，估計所述多個可能位置相對于用戶所在位置 的位置概率；以及當前位置估算單元:根據所述位置概率和所述多個可能位置估算出用戶 的當前位置以完成用戶室內定位。
[0014] 根據本公開的室內定位設備，所述位置概率估計單元根據所述指紋數據庫和當前 指紋數據，計算在所述多個可能位置中的每一個上接收到所述當前指紋數據的接收概率作 為所述位置概率。
[0015] 根據本公開的室內定位設備，所述可能位置估算步單元基于所述初始位置并根據 所述用戶的運動信息計算用戶當前處于每個參考位置的分布概率并將分布概率大于一閾 值的多個參考位置設置為所述多個可能位置;所述位置概率估計單元根據所述指紋數據庫 和當前指紋數據，計算在所述多個可能位置中的每一個上接收到所述當前指紋數據的接收 概率，并且將每個可能位置的分布概率與所述接收概率的乘積作為該可能位置的位置概 率。
[0016] 根據本公開的室內定位設備，所述初始位置為緊接著用戶當前位置之前被定位的 結果位置。
[0017] 根據本公開的室內定位設備，其還包括指紋數據庫構建單元，基于指紋數據采集 單元在具體定位區域內的每個參考節點中采集的多組RSS向量，計算每個參考節點的RSS平 均向量以及RSS方差向量，并將其作為該參考節點的指紋數據保存在指紋數據庫中。
【附圖說明】
[0018] 此處的附圖被并入說明書中并構成本說明書的一部分，示出了符合本公開的實施 例，并與說明書一起用于解釋本公開的原理。
[0019] 下面將參考附圖通過實施例來詳細介紹本公開，附圖中：
[0020] 圖1所示的是根據本公開的定位設備的實例的示意圖；
[0021 ]圖2所示為根據本公開的室內定位方法的實施例的總體流程圖；
[0022]圖3所示的是構建該指紋數據庫的具體過程示意圖；
[0023]圖4所示的是估算用戶當前多個可能位置的流程圖；
[0024]圖5所示的是根據本公開的實施例的位置概率計算的流程圖；
[0025] 圖6所示的根據本公開的室內定位方法的概略示意圖；
[0026] 圖7所示為根據本公開的室內定位方法的實施例的在線定位的流程圖；以及
[0027] 圖8所示的是根據本公開的定位設備的配置示意圖。
【具體實施方式】
[0028] 這里將詳細地對示例性實施例進行說明，其示例表示在附圖中。下面的描述涉及 附圖時，除非另有表示，不同附圖中的相同數字表示相同或相似的要素。以下示例性實施例 中所描述的實施方式并不代表與本公開相一致的所有實施方式。相反，它們僅是與如所附 權利要求書中所詳述的、本公開的一些方面相一致的裝置和方法的例子。
[0029] 在本公開使用的術語是僅僅出于描述特定實施例的目的，而非旨在限制本開。在 本公開和所附權利要求書中所使用的單數形式的"一種"、"所述"和"該"也旨在包括多數形 式，除非上下文清楚地表示其他含義。還應當理解，本文中使用的術語"和/或"是指并包含 一個或多個相關聯的列出項目的任何或所有可能組合。
[0030] 應當理解，盡管在本公開可能采用術語第一、第二、第三等來描述各種信息，但這 些信息不應限于這些術語。這些術語僅用來將同一類型的信息彼此區分開。例如，在不脫離 本公開范圍的情況下，在下文中，兩個可能位置之一可以被稱為第一可能位置也可以被稱 為第二可能位置，類似地，兩個可能位置的另一個可以被稱為第二可能位置也可以被稱為 第一可能位置。取決于語境，如在此所使用的詞語"如果"可以被解釋成為"在……時"或 "當……時"或"響應于確定"。
[0031] 為了使本領域技術人員更好地理解本公開，下面結合附圖和【具體實施方式】對本公 開作進一步詳細說明。
[0032] 圖1所示的是根據本公開的定位設備的實例的示意圖。如圖1所示，該定位設備為 一個智能手機。盡管此處定位設備被顯示為手機，但是其可以是其他可穿戴設備形式，例如 智能手表、智能手環等。
[0033] 智能手機傳感器坐標軸方向如圖1所示。需要先說明的是，由于需要利用智能手機 中的磁力傳感器、加速度傳感器和WIFI信號模塊，因此，在執行下述方法步驟前，可以先對 手機中的磁力傳感器和加速度傳感器進行初始化并打開WIFI信號模塊開關。具體來說，可 以拿著手機以橫向"8"字形狀轉動手機。當用戶在使用智能手機時，手掌托著手機于胸前， 手機屏幕朝上，此時坐標軸的y軸指向用戶運動的方向，而z軸則豎直向上。因此，y軸減速度 數據可以反映運動的距離，而z軸加速度數據可以反映步伐的情況，可以采用峰值檢測機制 對z軸加速度數據處理來進行步伐檢測，對y軸加速度數據處理來估計步伐長度。傳感器的 采集速率可以根據程序來設定，根據實驗結果表明，傳感器的采樣頻率設置在25Hz到50Hz 之間即可。
[0034] 圖2所示為根據本公開的室內定位方法的實施例的總體流程圖。如圖2所示，方法 200可以包括如下步驟S201至S204。
[0035] 首先，在步驟S201中，針對具體室內空間，構建該具體室內空間中的參考位置的 WiFi信號信息的指紋庫(RSS數據庫）。圖3所示的是構建該指紋數據庫的具體過程示意圖。 [0036]如圖3所示，首先在步驟S2011中，在待定位區域內設定多個參考節點。在所述具體 室內空間內，可以根據建筑物的室內平面地圖，把待定位區域的每一層劃分成若干個網格， 網格大小可以設定在〇. 6m到lm之間。每個網格的中心叫做一個參考節點(RP )，并對每個參 考節點進行編號。在圖1所示的坐標軸中，第m個參考節點RP的位置可以表示為[xm，y m]。如果 存在不同的樓層，則可以增加參數z，例如第m個參考節點RP的位置可以表示為[Xm，y m，zm]。 [0037]隨后，在步驟S2012處，針對每個參考節點RP多次采集WiFi信號強度向量，由此獲 得多個RSS向量。在本公開的一個實施例中，可以由采集數據的人員拿著的定位設備(例如 智能手機)在每個RP位置采集一段時間的WiFi接收信號強度數據(RSS)，從而獲得多組RSS 數據。每一組RSS數據都可以由若干個負數組成，每個負數可以表示從一個WiFi節點獲得的 信號強度(dBm)。
[0038]最后，在步驟S2013處，對每個位置采集的RSS數據做平均處理，得到一組平均值向 量，第m個RP的RSS向量可以記為rm= [rm,i，rm,2,. . .，rm,n]，進而計算每個位置采集的RSS數 據的方差...，om,n]，n表示WiFi的個數。最后將每個RSS平均值向量、〇 m與所在 RP的位置作為一條指紋存儲到指紋庫中，指紋庫總共可包含Nm條指紋。
[0039]在本公開的實施例中，獲取WIFI信號強度時的WiFi掃描頻率可以由手機自身決 定，如:大約在1Hz左右。
[0040]盡管上面描述了采用定位設備進行離線采集指紋數據形成指紋數據庫，但是，很 多情況下，在人們所進入的具體空間時，該具體空間的指紋數據庫已經形成，僅僅需要通過 定位設備訪問該具體空間的本地WiFi或該具體空間的網頁，就可直接通過定位設備的I/O 端口下載該具體空間的指紋數據庫。因此，在網絡環境下，可以直接獲取該指紋數據庫而不 需要用戶自己進行數據庫的設立。同樣，當用戶的定位設備進行如上所述的數據庫建立之 后，也可以將所形成的數據庫上傳到云端，共享給其他人使用。
[0041]現在返回圖2。如圖2所示，在步驟S202中，定位設備根據用戶的運動信息估算用戶 的多個可能位置。圖4所示的是估算用戶當前多個可能位置的流程圖。如圖4所示，在步驟 S2021處，獲取用戶的初始位置。具體而言，在剛建立指紋數據庫的情況下，由于定位設備中 未存儲有任何先驗的定位結果，可以先獲取第一組當前RSS向量r〇=[r(),i，r(),2, . . .，r0,n]， 然后可以計算ro與指紋庫中每個指紋的RSS向量rm=[rm,i，rm,2,. . .，rm,n]的歐氏距離I |r〇-rm| 12,進而計算歐式距離最小的k個(如:3到5個)指紋的位置的平均值作為初始化位置[x0， y0]。如果隨著時間的推移，不斷進行下面所進行的定位過程，則下面所提及的定位結果可 以作為緊隨后連續進行定位的初始位置。因此，在隨后的定位過程中將不需要進行步驟 S2021處所進行的獲取用戶初始位置的過程。
[0042]在獲得用戶的初始位置之后，在步驟S2022處，獲取用戶的運動步長和運動方向。 在本公開的實施例中，可以利用手機中的磁力傳感器和加速度傳感器來檢測用戶的運動步 長cU和運動方向(iM。手機傳感器坐標軸方向可以如圖1所示，當用戶用手掌托手機于胸前 時，手機屏幕朝上，此時可以用y軸指向用戶運動的方向，而Z軸則豎直向上。所以，y軸的減 速度數據可以反映運動的距離，而z軸的加速度數據可以反映步伐的情況。因此，可以采用 峰值檢測的方法對z軸加速度數據處理來進行步伐檢測，并對y軸加速度數據處理來估計運 動步長。在進行步伐檢測時，由于噪聲等的干擾，使得一個步伐時間內有可能檢測到兩個峰 值而造成過檢測，因此，在本公開的實施例中，可以設定一個最小時間參數τ(如:τ = 〇.3s)， 在時間τ內不管檢測到幾個步伐都取第一個峰值為一步。在本發明的一個實施例中，傳感器 的采樣頻率可以設置在25Hz到50Hz之間。
[0043]隨后，在步驟S2023處，根據所獲取的運動步長和運動方向計算用戶位于各參考節 點RP的概率。如果定位設備中未存儲有任何先驗的定位結果，即沒有獲得任何在先的定位 結果，則采用步驟S2021中所獲取的初始化位置[ XQ，yQ]來計算用戶位于個參考節點RP的概 率。
[0044]具體而言，在本公開的實施例中，可以假設用戶運動方向與運動步長之間互相獨 立(在絕大部分實際情況下也是相互獨立的），且都服從高斯分布，則分別基于運動方向和 運動步長的高斯分布為：
[0047] 其中1η和h分別表示上一次定位結果和本次預測的位置，g卩li表示本次定位時用 戶可能存在的位置。在本公開的實施例中，〇d = 0.1，％=蓋;Γ。盡管如此，用戶也可以根據 自己的情況來設置這兩個參數。
[0048] 進而，可以根據貝葉斯全概率公式，估計用戶位于各參考節點的概率padh-^cU， Φ i):
[0050] 在本公開的實施例中，p(li| li-i)=p(di)=p( Φ〇 = 1。
[0051] 最后，在步驟52024處，將概率？（1」1^，(^，(^)大于預設門限值的參考節點確定 為可能位置。可以預先設定一個門限值P T，用戶位于各參考節點的概率 集合中大于該門限值的概率所對應的參考節點就被確定為可能位置，即：可能位置l'w的 集合1]={1，^|1，^￡1^，1)(1，^|1卜1，(^，(^)>?丁}。
[0052]現在返回圖2。如圖2所示，在步驟S203中，定位設備基于指紋數據庫、用戶位于各 參考節點的概率以及當前WiFi信號強度，計算用戶位于多個可能位置中的每一個的位置概 率。圖5所示的是根據本公開的實施例的位置概率計算的流程圖。
[0053]如圖5所示，在步驟S2031處，針對在步驟S202中所獲取的用戶的多個可能位置中 的每個可能位置，計算在該可能位置上接收到定位設備所接收到的當前WiFi信號強度的接 收概率。用戶所接收到的當前WiFi信號強度指的是定位設備(諸如，智能手機)在當前位置 接收到的WIFI信號的強度。在本公開的實施例中，該WiFi信號的強度類似指紋庫中的RSS數 據的格式，當前WiFi信號強度也可以用向量的形式表不為ri=[ri,i，ri,2,. . .，ri,n]。
[0054]通常，某一可能位置處接收到某一個WiFi的信號強度服從高斯分布。關于WiFi的 信號強度服從高斯分布屬于本領域常識，因此不在此詳細描述。因此，在本公開的實施例 中，可以假設某一可能位置處接收到某一個WiFi的信號強度服從高斯分布，則根據上述的 指紋數據庫和當前WiFi信號強度，在可能位置l' 1>m處接收到^的概率ρ(Γι | :
7
[0056]其中，1^和〇"1,」分別為第1]1個可能位置的第」個1^值與響應的方差。
[0057]隨后，在步驟S2032處，計算每個接收概率計算用戶位于多個可能位置中的每一個 可能位置處的位置概率。
[0058] 在此，一方面，可以直接將在可能位置l'1>m處接收到^的概率P(ri|r i>m)作為該可 能位置處的位置概率；另一方面，在本公開的實施例中，可以基于用戶位于每個可能位置 Γ^處的概率P(li I 1h，di，Φ i)以及在每個可能位置Γ^處接收到η的概率P(ri I Γ4)來 計算每一個可能位置處的位置概率。因此后一種每一個可能位置的位置概率值的計算公司 如下：
[0059] p(li = l'i.ml li-i,di, Φ ?,π)=ρ(1'i.ml li-i,di, Φι) · p(ri| l'i.m)
[0060] 其中，Γ 為可能位置中的第m個位置。
[0061] 最后，在步驟S2033處，對上述兩種方式獲得位置概率值做歸一化處理。其中后一 種方式獲得的位置概率值歸一化處理如下：
[0063]通過上述過程，獲得用戶的每個可能位置的權重值。
[0064] 返回到圖2,如圖2所示，在步驟S204中，根據位置概率(也就是每個可能位置的權 重值）和多個可能位置，估算出用戶的當前位置以完成用戶室內定位。在本公開的實施例 中，可以將多個可能位置及其對應的位置概率加權求和得到用戶的當前位置。即：可以通過 如下加權求和方式估算出的用戶當前位置[ Xl，yi]:
[0066] 根據本公開的實施例，當用戶需要在經過一段時間后需要進一步定位自己的位置 時，或者當定位設備被設置為連續導航定位是，定位設備基于其傳感器再次檢測到了用戶 的運動，可以再次執行步驟202至204以完成新一輪的位置定位和導航。
[0067] 以上描述了根據本公開的實施例的用于定位設備的室內定位方法。圖6所示的根 據本公開的室內定位方法的概略示意圖。如圖6所示，在使用定位設備進行在線定位之前， 需要在離線階段進行指紋數據庫的構建過程，即，將具體區域劃分成多個網格狀參考區域， 獲取每個網格區域內RSS數據并預處理；以及將網格區域位置數據以及被預處理過的對應 的RSS數據作為指紋數據構建指紋數據庫。在建立指紋數據庫之后，在在線階段，首先初始 化系統及傳感器，接著根據第一組實際RSS采用KNN算法計算初始位置，通過慣性導航預測 用戶可能位置，根據實時RSS向量估計這些可能位置的概率并歸一化，以及基于可能位置以 及對應的歸一化權重估算用戶位置。
[0068] 圖7所示為根據本公開的室內定位方法的實施例的在線定位的流程圖。如圖7所 示，首先在步驟S701處，對定位設備的定位系統進行初始化。在用戶對自己習慣步伐有具體 了解的情況下，可以對步長設置固定值。如果對自己步長不確定的請下，可以為步長的誤差 設置一個誤差范圍等。還可以設定定位設備將要使用的具體空間位置，從而確定定位設備 在進行在線定位所要使用的指紋數據庫。隨后在步驟S702處，對用戶的位置進行初始化。 SP，如上在步驟S2021處所確定的初始位置一樣獲取用戶的初始位置[XQ，yQ]。或者將前一次 所定位的定位結果作為初始位置。
[0069] 在進行初始化和確定初始位置之后，在步驟S704處，由定位設備的運動信息采集 單元(后面將會說明）采集用戶的運動數據，包括三軸加速度和三軸角速度等，從而檢測用 戶的運動步長ck和運動方向(iM，由此判斷用戶是否已經走動，并計算用戶的步伐數量。如果 判斷用戶已經從初始位置產生移動，則，在步驟S705處，基于用戶步長以及方向的高斯分布 概率預測用戶可能的位置以及在可能位置的分布概率。，并且將分布概率大于一定閾值的 參考節點設定為用戶可能的位置。否則返回到步驟S703處繼續采集用戶的運動信息。在預 測。在獲得用戶可能的定位位置之后，在步驟S706處判斷定位設備在用戶的當前位置是否 接收到WiFi信號。如果沒接收到，則返回到步驟S703。如果接收到WiFi信號，則進入步驟 S707進行WiFi信號的RSS與從指紋數據庫中抽取的RSS進行匹配。接著在步驟S708處，基于 匹配結果對每個可能位置處能夠接收到當前用戶的定位設備所接收到的RSS的概率進行估 計。同樣所估計的概率遵循高斯分布。
[0070] 最后，在步驟S709處，基于每個可能位置的RSS接收概率或者基于每個可能位置的 基于慣導獲得的分布概率以及RSS接收概率估算用戶的最后定位位置。
[0071] 隨后，在步驟S710處判斷用戶是否還需要繼續進行后續定位。如果需要，則重復上 面的步驟S701-709，否則，結束定位處理過程。
[0072] 圖8所示的是根據本公開的定位設備的配置示意圖。如圖8所示，定位設備800,諸 如智能手機，包括指紋數據采集單元802、初始位置獲取單元803、運動數據采集單元804、可 能位置估計單元805、位置概率估計單元806以及當前位置估算單元807。根據需要，該定位 設備800還可以配置I/O接口 801。指紋數據采集單元802可用于在構建含有待定位區域內的 WiFi信號信息的指紋數據庫是采集每個參考節點RP處的指紋數據。此外該指紋數據采集單 元802還用于在進行用戶定位時采集用戶所在位置的WiFi信號信息，即即時RSS數據。初始 位置獲取單元803基于啟動定位時所采集的第一組RSS數據和指紋數據庫，采用計算該組 RSS與指紋數據庫中每組數據之間的歐氏距離，確定最近的幾組指紋數據，并基于最近的幾 組指紋數據獲取用戶的初始位置。運動數據采集單元804用于通過慣導元件采集用戶的三 軸加速度以及角速度，從而判斷用戶的運動狀態，諸如步長、步頻以及方向，從而計算處用 戶的移動距離和方向。可能位置估計單元805根據來自運動數據采集單元804的用戶運動信 息估算用戶所處的多個可能位置，即，幾個可能性較高的參考位置，即幾個高斯分布概率較 高的參考位置。位置概率估計單元806根據指紋數據庫和當前WiFi信號強度計算在可能位 置估計單元805所估計的多個可能位置中的每一個上接收到當前WiFi信號強度的接收概 率，并且根據來自可能位置估計單元805的每個可能位置的分布概率以及接收概率計算用 戶位于多個可能位置中的每一個的位置概率。可選擇地，位置概率估計單元806也可以直接 將接收概率作為多個可能位置中的每一個的位置概率。最后，當前位置估算單元807根據位 置概率估計單元806輸出的位置概率和多個可能位置通過加權求和估算出用戶的當前位置 以完成用戶室內定位。
[0073]在連續進行定位的情況下，當前位置估算單元807所估算的用戶當前位置數據將 會被輸入到初始位置獲取單元803,初始位置獲取單元803會將來自當前位置估算單元807 的用戶當前位置作為初始位置用于下一次定位的初始數據。可選擇地，初始位置獲取單元 803也可以不使用來自前位置估算單元807的用戶當前位置作為初始位置，而是在每次進行 定位時都采用自身獲得的初始位置。
[0074]至此描述了根據本公開實施例的用于智能手機的室內定位設備。根據本公開的室 內定位方法和定位設備采用了對狀態空間以及觀測空間能進行較為準確的模擬的隱馬爾 科夫概率模型。室內定位當中，真實位置就可以作為一種隱藏狀態，根據慣導來預測狀態轉 移的概率以及把獲得的指紋作為觀測值來處理，因此，利用隱馬爾可夫模型進行混合定位 可以達到較高的精度。根據本公開的基于隱馬爾科夫概率模型的室內定位方法和定位設備 有效地融合RSS數據與慣導系統，利用概率的模型對用戶的位置進行預測估計，因此可以糾 正完全使用慣導定位設備在定位方面的累計誤差，有效的提高了用戶室內定位的精度 [0075]以上結合具體實施例描述了本公開的基本原理，但是，需要指出的是，對本領域的 普通技術人員而言，能夠理解本公開的方法和裝置的全部或者任何步驟或者部件，可以在 任何計算裝置(包括處理器、存儲介質等)或者計算裝置的網絡中，以硬件、固件、軟件或者 它們的組合加以實現，這是本領域普通技術人員在閱讀了本公開的說明的情況下運用他們 的基本編程技能就能實現的。
[0076]因此，本公開的目的還可以通過在任何計算裝置上運行一個程序或者一組程序來 實現。所述計算裝置可以是公知的通用裝置。因此，本公開的目的也可以僅僅通過提供包含 實現所述方法或者裝置的程序代碼的程序產品來實現。也就是說，這樣的程序產品也構成 本公開，并且存儲有這樣的程序產品的存儲介質也構成本公開。顯然，所述存儲介質可以是 任何公知的存儲介質或者將來所開發出來的任何存儲介質。
[0077]還需要指出的是，在本公開的裝置和方法中，顯然，各部件或各步驟是可以分解 和/或重新組合的。這些分解和/或重新組合應視為本公開的等效方案。并且，執行上述系列 處理的步驟可以自然地按照說明的順序按時間順序執行，但是并不需要一定按照時間順序 執行。某些步驟可以并行或彼此獨立地執行。
[0078]上述【具體實施方式】，并不構成對本公開保護范圍的限制。本領域技術人員應該明 白的是，取決于設計要求和其他因素，可以發生各種各樣的修改、組合、子組合和替代。任何 在本公開的精神和原則之內所作的修改、等同替換和改進等，均應包含在本公開保護范圍 之內。
【主權項】
1. 一種室內定位方法，其包括： 初始位置獲取步驟，獲取定位裝置所在位置的第一組指紋數據，并基于指紋數據庫中 的指紋數據，通過K鄰近算法獲取用戶的初始位置； 可能位置估算步驟，基于所述初始位置并根據所述用戶的運動信息估算用戶的多個可 能位置； 位置概率估計步驟，估計所述多個可能位置相對于用戶所在位置的位置概率；以及 當前位置估算步驟:根據所述位置概率和所述多個可能位置估算出用戶的當前位置以 完成用戶室內定位。2. 根據權利要求1所述的室內定位方法，其中所述位置概率估計步驟包括根據所述指 紋數據庫和當前指紋數據，計算在所述多個可能位置中的每一個上接收到所述當前指紋數 據的接收概率作為所述位置概率。3. 根據權利要求1所述的室內定位方法，其中 所述可能位置估算步驟包括:基于所述初始位置并根據所述用戶的運動信息計算用戶 當前處于每個參考位置的分布概率并將分布概率大于一閾值的多個參考位置設置為所述 多個可能位置； 所述位置概率估計步驟包括根據所述指紋數據庫和當前指紋數據，計算在所述多個可 能位置中的每一個上接收到所述當前指紋數據的接收概率，并且將每個可能位置的分布概 率與所述接收概率的乘積作為該可能位置的位置概率。4. 根據權利要求3所述的室內定位方法，其中所述初始位置為緊接著用戶當前位置之 前被定位的結果位置。5. 根據權利要求2或3所述的室內定位方法，其中所述指紋數據庫構建包括： 在具體定位區域內設定多個參考節點； 由所述定位裝置在每個參考節點中采集多組RSS向量；以及 基于每個參考節點的多組RSS向量，計算每個參考節點的RSS平均向量以及RSS方差向 量，并將其作為該參考節點的指紋數據保存在指紋數據庫中。6. -種室內定位設備，其包括： 指紋數據采集單元，采集用戶所在位置的指紋數據； 初始位置獲取單元，接收來自指紋數據采集單元所采集的用戶所在位置的第一組指紋 數據，并基于指紋數據庫中的指紋數據，通過K鄰近算法獲取用戶的初始位置； 可能位置估算單元，基于所述初始位置并根據所述用戶的運動信息估算用戶的多個可 能位置； 位置概率估計單元，估計所述多個可能位置相對于用戶所在位置的位置概率；以及 當前位置估算單元:根據所述位置概率和所述多個可能位置估算出用戶的當前位置以 完成用戶室內定位。7. 根據權利要求6所述的室內定位設備，其中所述位置概率估計單元根據所述指紋數 據庫和當前指紋數據，計算在所述多個可能位置中的每一個上接收到所述當前指紋數據的 接收概率作為所述位置概率。8. 根據權利要求6所述的室內定位設備，其中 所述可能位置估算步單元基于所述初始位置并根據所述用戶的運動信息計算用戶當 前處于每個參考位置的分布概率并將分布概率大于一閾值的多個參考位置設置為所述多 個可能位置； 所述位置概率估計單元根據所述指紋數據庫和當前指紋數據，計算在所述多個可能位 置中的每一個上接收到所述當前指紋數據的接收概率，并且將每個可能位置的分布概率與 所述接收概率的乘積作為該可能位置的位置概率。9. 根據權利要求8所述的室內定位設備，其中所述初始位置為緊接著用戶當前位置之 前被定位的結果位置。10. 根據權利要求6或7所述的室內定位設備，其還包括指紋數據庫構建單元，基于指紋 數據采集單元在具體定位區域內的每個參考節點中采集的多組RSS向量，計算每個參考節 點的RSS平均向量以及RSS方差向量，并將其作為該參考節點的指紋數據保存在指紋數據庫 中。
【文檔編號】G01S5/20GK106028450SQ201610638451
【公開日】2016年10月12日
【申請日】2016年8月5日
【發明人】付強, 張小光, 姜言言, 賈雪靜
【申請人】襄陽翠鳥視圖科技有限公司