1.一种基于多数据融合的人员定位方法,其特征在于,采用粒子滤波的方法对WIFI指纹定位、PDR定位算法、地磁匹配定位算法得到的位置信息进行融合,从而实现人员定位;
该方法具体包括以下步骤:
步骤1,利用WIFI锚点确定人员当前位置范围:在WIFI锚点确定的位置(x0,y0,z0)处以半径r均匀撒N个粒子,每个粒子权重为1/N,且粒子之间互独立且满足高斯分布;
步骤2,分别利用PDR定位算法和地磁匹配定位算法估算步骤1中每个粒子的位置,并对PDR定位算法和地磁匹配定位算法的结果进行加权融合,得到每个粒子的位置预测;
其中对PDR定位算法和地磁匹配定位算法的结果进行加权融合,具体为:P=PPDR·θ(Δt)+PDC·(1‑θ(Δt))式中,P是PDR定位算法和地磁匹配定位算法的结果加权融合后的位置,PPDR是PDR定位算法的结果,PDC是地磁匹配定位算法的结果,θ(Δt)是PDR定位算法所占权重,Δt是定位持续时间,γ是PDR定位算法的结果下降到实际位置3dB时的定位持续时间,n的取值由实际定位环境确认;
步骤3,更新粒子权重,并对更新后的粒子权重进行归一化处理;
2
其中采用均值为0、方差为σ的高斯分布描述粒子权重更新方法,更新后的粒子权重为:式中, 是当前第i个粒子的位置;
步骤4,根据更新后的粒子权重,计算人员当前位置;
步骤5,若当前WIFI信号强度RSSI超过设定阈值,则将WIFI锚点确定的位置信息作为当前人员定位结果输出,并进行重采样更新粒子后返回步骤2;否则将步骤4中计算得到的人员当前位置结果作为当前人员定位结果输出;
其中采用多项式重采样法进行重采样,具体为:
1)将所有粒子按照更新后的权重大小顺序排列为x1,x2,…,xN,并构建离散累积分布函数
2)在[0,1]区间产生服从均匀分布的随机数τ,依次与F(K)进行比较,直至F(K)>τ时复制当前F(K)>τ对应的粒子作为新粒子,且其权重为1/N;
3)重复执行步骤2)N次,生成N个新粒子,完成粒子的更新。
2.根据权利要求1所述的一种基于多数据融合的人员定位方法,其特征在于,步骤1中的半径r的大小根据WIFI信号值来确定。
3.根据权利要求1所述的一种基于多数据融合的人员定位方法,其特征在于,步骤4中人员当前位置为:i
式中, 是更新后的权重,P是PDR定位算法和地磁匹配定位算法的结果加权融合后的第i个粒子的位置。
4.根据权利要求1所述的一种基于多数据融合的人员定位方法,其特征在于,步骤2中PDR定位算法具体为:首先根据加速度计数据识别人员的运动状态,然后根据人员的运动状态采用PDR算法进行人员定位。
5.根据权利要求4所述的一种基于多数据融合的人员定位方法,其特征在于,根据加速度计数据识别人员的运动状态具体为:首先对加速度数据进行加窗均值滤波,然后采用K‑means聚类算法对滤波后的数据进行分类,从而识别出人员的运动状态。
6.根据权利要求4所述的一种基于多数据融合的人员定位方法,其特征在于,加速度计数据包括幅值平均值Mod、方差Var、峰值Max和频谱最大频率MF。