一种适用于可穿戴设备的室内导航算法制造技术

本发明专利技术提供一种适用于可穿戴设备的室内导航算法，采用了同时构建WI‑Fi指纹数据库并导航的办法，基于惯性敏感组件、气压计、磁力计等传感器实现室内无缝导航能力。其中，导航算法采用数据融合的方式，集成了惯性传感器数据，WI‑Fi无线网卡数据，气压计数据和磁力计数据，并进行导航解算从而输出导航结果。与此同时，通过无线网卡收集到的附近WI‑Fi信号信息实时生成指纹数据库进而辅助导航。本发明专利技术是基于惯性器件和WI‑Fi指纹识别的室内导航算法，基于低成本的MEMS惯性传感器、气压计、磁力计等器件，辅助以WI‑Fi定位算法，能够快速的生成并更新WI‑Fi指纹数据库辅助航迹推算，进而大幅提升室内导航能力，可适用于穿戴设备上，能够有效的完成室内导航定位。

An indoor navigation algorithm for wearable devices

Indoor navigation algorithm of the invention provides a wearable device suitable for use at the same time, construction of WI Fi fingerprint database and navigation method based on inertial sensitive components, barometer, magnetic sensor to achieve seamless indoor navigation capabilities. The navigation algorithm using data fusion method, integrated inertial sensor data, WI Fi wireless card data, pressure gauge data and magnetometer data, and to output the results of navigation navigation solution. At the same time, near the WI Fi signal information to generate real-time fingerprint database through wireless network card to collect and aided navigation. The present invention is the indoor navigation algorithm of inertial devices and WI Fi based on fingerprint identification based on low cost MEMS inertial sensor, barometer, magnetometers and other devices, aided by WI Fi localization algorithm can quickly generate and update the WI Fi fingerprint database aided dead reckoning, and dramatically improve indoor navigation ability, can suitable for Wearable devices, can effectively complete the indoor navigation and positioning.

【技术实现步骤摘要】
一种适用于可穿戴设备的室内导航算法
本专利技术属于综合导航技术，特别是涉及一种基于惯性器件导航，同时构建WI-Fi(无线网络信号)指纹数据库辅助导航的室内导航定位算法。
技术介绍
在室内环境下，由于卫星信号的大幅衰减，基于卫星定位的方法无法实施，成为了导航定位“最后一公里”的问题。由于近年来人们对于无线上网的需求日益增大，越来越多的WI-Fi无线接入点被架设在楼宇内以满足人们无缝接入互联网的需求，进而为基于WI-Fi信号的室内导航技术提供了空间。但传统的基于Wi-FI位置指纹信息的定位技术误差大，易受干扰，且指纹库的建立与更新效率较低。与此同时，Wi-FI接入点的移动或增加，也会大幅影响指纹库的性能，从而影响导航效果。
技术实现思路
本专利技术所要解决的技术问题是：提供一种适用于可穿戴设备的室内导航方案。本专利技术的技术方案是：解决思路主要分为三个步骤：(1)通过以惯性传感器为主的多传感器融合技术、步速探测、零位校正等技术实现室内导航；(2)同时构建并实时更新WI-Fi指纹数据库；(3)通过WI-Fi指纹识别的定位结果辅助导航，提升导航精度。该方案所使用的器件可封装成为便携式模块，满足可穿戴设备使用。一种适用于可穿戴设备的室内导航算法，具体方案如下：以下步骤：步骤1：初始化阶段在产品初始化阶段，需要导入室内地图并指定初始位置，用户基于提前内置的室内地图集选择当下室内地图，并手动指定目前所在位置；如没有该地图，可通过网络数据库进行下载；步骤2：基于多传感器的航迹推算a)预处理陀螺、加计数据将三轴陀螺信号分别记为NX、NY、NZ，对其进行低通滤波，滤除外界高频噪声GX＝B0·NX+B1·NX_1+B2·NX_2+B3·NX_3+B4·NX_4+B5·NX_5+...B6·NX_6+B7·NX_7-(A1·GX_1+A2·GX_2+A3·GX_3+A4·GX_4+...A5·GX_5+A6·GX_6+A7·GX_7)GY＝B0·NY+B1·NY_1+B2·NY_2+B3·NY_3+B4·NY_4+B5·NY_5+...B6·NY_6+B7·NY_7-(A1·GY_1+A2·GY_2+A3·GY_3+A4·GY_4+...A5·GY_5+A6·GY_6+A7·GY_7)GZ＝B0·NZ+B1·NZ_1+B2·NZ_2+B3·NZ_3+B4·NZ_4+B5·NZ_5+...B6·NZ_6+B7·NZ_7-(A1·GZ_1+A2·GZ_2+A3·GZ_3+A4·GZ_4+...A5·GZ_5+A6·GZ_6+A7·GZ_7)其中，每个采样时刻采集到的数据为NX，滤波后的输出值为GX，NX_1为上次采样值，NX_2为上上次采样值，其它类同；GX_1为上次滤波值，GX_2为上上次滤波值，其它类同；A1-A7，B0-B7为滤波器参数，需根据陀螺加计信号进行适当选择；加速度计同理，得到陀螺输出GX、GY、GZ和加计输出AX、AY、AZ；b)磁力计确定航向静止时只进行定位，移动时初始时刻以磁航向作为初始航向，不进行初始对准；航向角ψ＝磁力计航向角俯仰角θ＝0横滚角γ＝0c)捷联惯性解算计算C11＝cos(γ)·cos(ψ)+sin(γ)·sin(θ)·sin(ψ)C12＝cos(θ)·sin(ψ)C13＝sin(γ)·cos(ψ)-cos(γ)·sin(θ)·sin(ψ)C21＝-cos(γ)·sin(ψ)+sin(γ)·sin(θ)·cos(ψ)C22＝cos(θ)·cos(ψ)C23＝-sin(γ)·sin(ψ)-cos(γ)·sin(θ)·cos(ψ)C31＝-cosθ·sinγC32＝sinθC33＝cosθ·cosγ计算d)用陀螺数据进行姿态角零速校正平台偏角修正e)用加计数据进行位置零速校正λ(+)＝λ(-)-δλλ(-)＝λ(+)速度修正VE(+)＝VE(-)-δVEVN(+)＝VN(-)-δVNVE(-)＝VE(+)VN(-)＝VN(+)f)气压计阻尼高度VU＝VU+K1(hb-h)VU(-)＝VU其中：K1＝0.0005若满足高度阻尼计算条件，则按照下式进行阻尼计算：h＝h+K2·(hb-h)h(-)＝h其中：K2＝0.01基于以上四步判断步速并进行基本航迹推算；步骤3：WI-Fi指纹数据库的生成与更新在本阶段，WI-Fi无线网卡实时接收来自附近无线接入点(AP,AccessPoint)的烽火信号(BeaconSignal)，其信号中包含了每个AP的MAC地址信息和信号强度(RSSI)信息；WI-Fi指纹数据库即包含了在室内环境下任意某点位置能够接收到来自附近AP发出的烽火信号的数据强度值的集合；假设每个位置都可以用来自不同无线接入点的RSSI向量表示，那么某位置a可以表示为：代表着该位置的RSS值向量，而RSS1到RSSn代表在随机位置a接收到的来自不同无线接入点的信号强度；在一个完整的Wi-Fi指纹数据库中，应该包含着每个采样点的位置信息和信号强度信息；因此，该区域的Wi-Fi指纹数据库可以写为：其中xi和yi分别代表采样点的坐标位置，m表示采样点的数量；在本方案中，使用了一种快速实时生成并更新数据库的方式，即采用了基于高斯过程的机器学习方法；假设每个采样点可以被写为：D＝{(xi,yi)|i＝1,2,...,n}其中x表示输入向量(即坐标)，同时y表示测量值；假设这些数据取自于一个加噪的过程：yi＝f(xi)+ε其中误差ε服从均值为零，方差为的高斯分布；通过优选出的协方差函数(kernel)k(xi，xj)，我们可以得出f(xi)和f(xj)之间的关系；使用协方差函数：实现高斯过程回归；利用这种办法可以通过有限的采样点快速生成整个环境下的数据库；刷新时间为1秒/次，每刷新一次更新一次WI-Fi指纹数据库；步骤4：多信息源融合导航算法a)根据步骤3的融合wifi信号比对数据，圈定室内位置，融合惯导阻尼气压计数据并wifi信号，圈定楼层Δφx＝(C11·ωe'+C21·ωn'+C31·ωu')·TsΔφy＝(C12·ωe'+C22·ωn'+C32·ωu')·TsΔφz＝(C13·ωe'+C23·ωn'+C33·ωu')·Ts其中：du1＝(ω8-ω7)×(VN-K1·VrN)-ω7·u1du2＝(ω5-ω6)×(VN-K1·VrN+u1)-ω6·u2du3＝(ω4-ω3)×(VE-K1·VrE)-ω3·u3du4＝(ω1-ω2)×(VE-K1·VrE+u3)-ω2·u4du5＝C×B×(VN-K1·VrN+u1+u2)-ω9·u5du6＝ω10·u5-ω10·u6u1＝u1+du1×TSu2＝u2+du2×TSu3＝u3+du3×TSu4＝u4+du4×TSu5＝u5+du5×TSu6＝u6+du6×TSu1、u2、u3、u4、u5、u6初值均为0b)设计扩展卡尔曼算法实现室内导航定位XK/K-1＝φK/K-1·XK-1PK-1＝PK/K-1XK-1＝XK/K-1XK＝XK/K-1+KK·(ZK-HK·XK/K-1)PK＝(I-KK·HK)·PK/K-1PK-1＝PK当满足零速校正条件时：δλ＝X′K(2)否则：δλ＝0δDN、δDU保持不变；●量测矩阵其中：零速校正时量测矩阵：P＝diag(6e-4，6本文档来自技高网...

【技术保护点】
一种适用于可穿戴设备的室内导航算法，其特征在于以下步骤：步骤1：初始化阶段在产品初始化阶段，需要导入室内地图并指定初始位置，用户基于提前内置的室内地图集选择当下室内地图，并手动指定目前所在位置；如没有该地图，可通过网络数据库进行下载；步骤2：基于多传感器的航迹推算a)预处理陀螺、加计数据将三轴陀螺信号分别记为NX、NY、NZ，对其进行低通滤波，滤除外界高频噪声GX＝B0·NX+B1·NX_1+B2·NX_2+B3·NX_3+B4·NX_4+B5·NX_5+...B6·NX_6+B7·NX_7‑(A1·GX_1+A2·GX_2+A3·GX_3+A4·GX_4+...A5·GX_5+A6·GX_6+A7·GX_7)GY＝B0·NY+B1·NY_1+B2·NY_2+B3·NY_3+B4·NY_4+B5·NY_5+...B6·NY_6+B7·NY_7‑(A1·GY_1+A2·GY_2+A3·GY_3+A4·GY_4+...A5·GY_5+A6·GY_6+A7·GY_7)GZ＝B0·NZ+B1·NZ_1+B2·NZ_2+B3·NZ_3+B4·NZ_4+B5·NZ_5+...B6·NZ_6+B7·NZ_7‑(A1·GZ_1+A2·GZ_2+A3·GZ_3+A4·GZ_4+...A5·GZ_5+A6·GZ_6+A7·GZ_7)其中，每个采样时刻采集到的数据为NX，滤波后的输出值为GX，NX_1为上次采样值，NX_2为上上次采样值，其它类同；GX_1为上次滤波值，GX_2为上上次滤波值，其它类同；A1‑A7，B0‑B7为滤波器参数，需根据陀螺加计信号进行适当选择；加速度计同理，得到陀螺输出GX、GY、GZ和加计输出AX、AY、AZ；b)磁力计确定航向静止时只进行定位，移动时初始时刻以磁航向作为初始航向，不进行初始对准；航向角ψ＝磁力计航向角俯仰角θ＝0横滚角γ＝0c)捷联惯性解算计算...

【技术特征摘要】
1.一种适用于可穿戴设备的室内导航算法，其特征在于以下步骤：步骤1：初始化阶段在产品初始化阶段，需要导入室内地图并指定初始位置，用户基于提前内置的室内地图集选择当下室内地图，并手动指定目前所在位置；如没有该地图，可通过网络数据库进行下载；步骤2：基于多传感器的航迹推算a)预处理陀螺、加计数据将三轴陀螺信号分别记为NX、NY、NZ，对其进行低通滤波，滤除外界高频噪声GX＝B0·NX+B1·NX_1+B2·NX_2+B3·NX_3+B4·NX_4+B5·NX_5+...B6·NX_6+B7·NX_7-(A1·GX_1+A2·GX_2+A3·GX_3+A4·GX_4+...A5·GX_5+A6·GX_6+A7·GX_7)GY＝B0·NY+B1·NY_1+B2·NY_2+B3·NY_3+B4·NY_4+B5·NY_5+...B6·NY_6+B7·NY_7-(A1·GY_1+A2·GY_2+A3·GY_3+A4·GY_4+...A5·GY_5+A6·GY_6+A7·GY_7)GZ＝B0·NZ+B1·NZ_1+B2·NZ_2+B3·NZ_3+B4·NZ_4+B5·NZ_5+...B6·NZ_6+B7·NZ_7-(A1·GZ_1+A2·GZ_2+A3·GZ_3+A4·GZ_4+...A5·GZ_5+A6·GZ_6+A7·GZ_7)其中，每个采样时刻采集到的数据为NX，滤波后的输出值为GX，NX_1为上次采样值，NX_2为上上次采样值，其它类同；GX_1为上次滤波值，GX_2为上上次滤波值，其它类同；A1-A7，B0-B7为滤波器参数，需根据陀螺加计信号进行适当选择；加速度计同理，得到陀螺输出GX、GY、GZ和加计输出AX、AY、AZ；b)磁力计确定航向静止时只进行定位，移动时初始时刻以磁航向作为初始航向，不进行初始对准；航向角ψ＝磁力计航向角俯仰角θ＝0横滚角γ＝0c)捷联惯性解算计算C11＝cos(γ)·cos(ψ)+sin(γ)·sin(θ)·sin(ψ)C12＝cos(θ)·sin(ψ)C13＝sin(γ)·cos(ψ)-cos(γ)·sin(θ)·sin(ψ)C21＝-cos(γ)·sin(ψ)+sin(γ)·sin(θ)·cos(ψ)C22＝cos(θ)·cos(ψ)C23＝-sin(γ)·sin(ψ)-cos(γ)·sin(θ)·cos(ψ)C31＝-cosθ·sinγC32＝sinθC33＝cosθ·cosγ计算d)用陀螺数据进行姿态角零速校正平台偏角修正e)用加计数据进行位置零速校正λ(+)＝λ(-)-δλλ(-)＝λ(+)速度修正VE(+)＝VE(-)-δVEVN(+)＝VN(-)-δVNVE(-)＝VE(+)VN(-)＝VN(+)f)气压计阻尼高度VU＝VU+K1(hb-h)VU(-)＝VU其中：K1＝0.0005若满足高度阻尼计算条件，则按照下式进行阻尼计算：h＝h+K2·(hb-h)h(-)＝h其中：K2＝0.01基于以上四步判断步速并进行基本航迹推算；步骤3：WI-Fi指纹数据库的生成与更新在本阶段，WI-Fi无线网卡实时接收来自附近无线接入点(AP,AccessPoint)的烽火信号(BeaconSignal)，其信号中包含了每个AP的MAC地址信息和信号强度(RSSI)信息；WI-Fi指纹数据库即包含了在室内环境下任意某点位置能够接收到来自附近AP发出的烽火信号的数据强度值的集合；假设每个位置都可以用来自不同无线接入点的RSSI向量表示，那么某位置a可以表示为：代表着该位置的RSS值向量，而RSS1到RSSn代表在随机位置a接收到的来自不同无线接入点的信号强度；在一个完整的Wi-Fi指纹数据库中，应该包含着每个采样点的位置信息和信号强度信息；因此，该区域的Wi-Fi指纹数据库可以写为：其中xi和yi分别代表采样点的坐标位置，m表示采样点的数量；在本方案中，使用了一种快速实时生成并更新数据库的方式，即采用了基于高斯过程的机器学习方法；假设每个采样点可以被写为：D＝{(xi，yi)|i＝1，2，...，n}其中x表示输入向量(即坐标)，同时y表示测量值；假设这些数据取自于一个加噪的过程：yi＝f(xi)+ε其中误差ε服从均值为零，方差为的高斯分布；通过优选出的协方差函数(kernel)k(xi，xj)，我们可以得出f(xi)和f(xj)之间的关系；使用协方差函数：实现高斯过程回归；利用这种办法可以通过有限的采样点快速生成整个环境下的数据库；刷新时间为1秒/次，每刷新一次更新一次WI-Fi指纹数据库；步骤4：多信息源融合导航算法a)根据步骤3的融合wifi信号比对数据，圈定室内位置，融合惯导阻尼气压计数据并wifi信号，圈定楼层Δφx＝(C11·...

【专利技术属性】
技术研发人员：张璐，邬俊，陈璞，王韬，刘海亮，谢阳光，
申请(专利权)人：中国航空工业第六一八研究所，
类型：发明
国别省市：陕西,61