一种基于地磁和相似度匹配的室内定位算法制造技术

本发明专利技术公开了一种基于地磁和相似度匹配的室内定位算法ALBML(Augmented Local Best Matching Localization)。ALBML定位算法基于主路径来构建地磁指纹库；ALBML定位算法首先利用VGS(Vote for Geomagnetic Sequence)算法选择唯一的模板序列，然后利用LBML(Local Best Matching Localization)定位算法在模板序列上计算出采样序列的位置。实验结果表明，ALBML定位算法相较于现有的室内算法定位精度更高并且定位时间更短。

【技术实现步骤摘要】
一种基于地磁和相似度匹配的室内定位算法
本专利技术涉及室内定位
本专利技术使用天然存在的地磁信号并实现室内定位。本专利技术具体是一种基于地磁和相似度匹配的室内定位算法。
技术介绍
基于位置服务(LocationBasedService，LBS)一直是国内外学者研究的热点。随着现代科技的进步，云计算、大数据、机器学习等技术的不断兴起，人与人之间的信息交流和信息共享更加密切。而在信息交流过程中，位置信息已成为人们日常生活中不可或缺的一部分。LBS已经渗透进人们的日常生活中，为人们的生活起居带来了极大的便利。移动端应用从地理位置的定位导航到附近卖家的外卖配送，无一不需要依赖LBS。人们在享受LBS带来的便利的同时也对LBS也提出了更高的要求。然而，LBS却面临挑战，尤其是ILBS(IndoorLocation-basedService)。时至今日，ILBS并未找到完美的解决方案。其实室内定位并不是新兴的研究方向，国内外学者很早就对室内定位技术进行了诸多研究和尝试，并提出了各种各样的室内定位系统。室内定位技术发展到今日，室内定位技术主要分为两大类：基于几何关系的定位和基于指纹库的定位。基于几何关系的定位主要利用未知节点和锚节点之间的几何关系来计算出未知节点的位置。这类定位方式通常需要部署特殊的信号源设备。基于指纹库的定位主要分为离线位置指纹采集和在线指纹匹配两个阶段。这类定位方式存在指纹库构建周期长、工作量大等问题。下面将具体介绍一些常见的室内定位算法。基于几何关系的定位算法主要有以下几种：(1)基于TOA(TimeofArrival)的定位算法：基于TOA的定位算法是一种利用无线信号在空气中传播的传播时延来计算锚节点与未知节点之间的距离的定位算法。TOA需要信号发射端和信号接收端使用同一电子时钟。由于无线信号的传播速度很快，微小的时间测量误差将对TOA的测距误差产生很大影响。TOA通常需要和三边定位联合实现定位。(2)基于TDOA(TimeDifferenceofArrival)的定位算法：基于TOA的定位算法主要利用同一信号先后到达不同节点的时间差来计算锚节点与未知节点之间的距离差。未知节点与两个锚节点的距离差是定值。由双曲线的知识可知，未知节点的运动轨迹是一条双曲线。假设存在三个锚节点，则利用任意两个锚节点都可得到一条双曲线，两条双曲线的交点即为未知节点的位置。(3)基于AOA(TimeDifferenceofArrival)的定位算法：AOA需要使用天线阵列来测量出锚节点与未知节点之间的角度关系。利用角度的几何关系计算出未知节点的位置。因此这种算法也是需要额外的能够测量角度的硬件才能完成定位任务。基于指纹库的定位算法：基于指纹库的定位主要分为两个核心阶段。在离线阶段，需要人工完成位置指纹的采集并构建指纹库。通常，构建指纹库是一份耗时耗力的工作。在在线阶段，使用特定的指纹匹配算法将用户实时采集的基础数据与指纹库中的位置指纹进行匹配，并输出用户的位置。目前基于地磁信号的定位算法主要有以下两种：(1)相似度度量算法：相似度度量算法的核心思想是使用特定算法计算采样序列和地磁指纹库中的模板序列的相似度。相似度度量算法的优点是对初始点的误差无要求，计算量一般，缺点是定位精度不高。(2)粒子滤波算法：粒子滤波算法的核心思想是利用上一次的状态和运动模型对当前状态进行估计，即得到先验概率。后用该位置的地磁实测值与地磁指纹库中的基准值比较，即得到后验概率。利用后验概率来对先验概率的状态进行校正，最后对所有粒子的状态采用加权平均的方式得到当前状态。粒子滤波算法的优点是定位精度较高，缺点是对初始点的误差要求高，且计算量较大，运算时间长。
技术实现思路
由于相似度度量算法存在定位精度不高的问题以及粒子滤波算法存在运行时间长的问题，目前室内定位技术并未找到有效的解决方案。本专利技术主要解决定位算法精度不高，运行时间长等问题。本专利技术主要提出了ALBML(AugmentedLocalBestMatchingLocalization)定位算法。本专利技术的目的是这样达到的：ALBML定位算法相比于现有的定位算法定位精度更高并且运行时间更短。ALBML定位算法基于主路径来构建地磁指纹库。ALBML定位算法首先利用VGS(VoteforGeomagneticSequence)算法选择唯一的模板序列。然后利用LBML(LocalBestMatchingLocalization)定位算法在模板序列上计算出采样序列的位置。具体做法是(1)离线阶段：ALBML定位算法基于主路径采集模板序列，并将模板序列储存至地磁指纹库中，并为每一条模板序列打上相应的标签。对于每一条模板序列，ALBML定位算法将使用AP聚类算法对原始的模板序列进行处理。(2)利用采样序列中的地磁指纹向量对每一条模板序列进行投票。投票主要根据采样序列和模板序列中的地磁指纹向量的之间余弦相似度。在这一阶段，选择票数最多的模板序列作为该采样序列的归属。也就是说，此阶段将选择出唯一的模板序列。(3)利用DTW算法计算出所有符合条件的模板子序列与采样序列之间的相似度。这里的条件指的是模板子序列和采样序列所表示的物理距离需要保持相同。取最大的相似度的模板子序列的位置作为采样序列的位置。由于每一条模板序列均带有特定的标签，最终采样序列的位置可表示为(起始标签,终止标签,距离d)。(4)输出定位位置。本专利技术的积极效果是：1.提出了ALBML定位算法。ALBML定位算法基于主路径来构建地磁指纹库。ALBML定位算法首先利用VGS算法选择唯一的模板序列。然后利用LBML定位算法在模板序列上计算出采样序列的位置。并开发出实际的定位系统LocateWhere来验证ALBML定位算法的可行性。2.相比于现有定位算法，ALBML定位算法的定位精度更高且定位时间更短。附图说明图1地磁指纹采集示意图。图2VGS算法过程示意图。图3DSLE算法过程示意图。图4D-DTW算法过程示意图。图5定位精度对比图。图6定位时间对比图。图7系统架构图。具体实施方式本专利技术采用地磁与相似度匹配的方法来进行定位，下面结合附图对本专利技术的具体实施方式作进一步的详细说明。本专利技术大略可以分为四个阶段，第一阶段：主要完成地磁指纹库的构建工作。传统的地磁指纹采集方式需要采集整个楼层的所有可到达地点的地磁指纹。粒子滤波算法的地磁指纹库在构建时需要采集整个待定位区域的地磁指纹，并形成网格状的磁基图。整个过程是非常消耗时间、消耗人力的。而ALBML定位算法的指纹库是利用“众包”思想来完成构建的。仅对主路径的地磁指纹采集方式大大减少了地磁指纹采集的人力，同时基于“众包”思想的地磁指纹采集方式减少了地磁指纹采集的时间。本专利技术的地磁指纹采集工作是由多人协作完成的。如图1所示，有一段长为L，宽为W的长走廊本文档来自技高网...

【技术保护点】
1.一种基于地磁和相似度匹配的室内定位算法，其特征在于：/nALBML定位算法基于主路径来构建地磁指纹库，ALBML定位算法首先利用Vote forGeomagnetic Sequence算法，简称VGS算法，选择唯一的模板序列，然后利用Local BestMatching Localization定位算法，简称LBML定位算法，在模板序列上计算出采样序列的位置。/n

【技术特征摘要】
1.一种基于地磁和相似度匹配的室内定位算法，其特征在于：
ALBML定位算法基于主路径来构建地磁指纹库，ALBML定位算法首先利用VoteforGeomagneticSequence算法，简称VGS算法，选择唯一的模板序列，然后利用LocalBestMatchingLocalization定位算法，简称LBML定位算法，在模板序列上计算出采样序列的位置。


2.如权利要求1，一种基于地磁和相似度匹配的室内定位算法，其特征在于：
基于主路径的地磁采集方式极大地减少了地磁指纹库的构建难度和构建时间，本发明中的与姿势无关的地磁指纹向量模型能够校正不同姿势下的原始地磁指纹向量的误差，对于原始地磁指纹序列，本发明采用AP聚类算法进行处理。


3.如权利要求1，一种基于地磁和相似度匹配的室内...

【专利技术属性】
技术研发人员：陈彦如，
申请(专利权)人：成都易书桥科技有限公司，
类型：发明
国别省市：四川;51