基于门控循环神经网络和粒子滤波的地磁室内定位方法技术

本发明专利技术公开了基于门控循环神经网络和粒子滤波的地磁室内定位方法。本发明专利技术通过搭建好的地磁室内数据库训练门控循环神经网络来进行对地磁轨迹信号的匹配定位。利用训练好的门控循环神经网络来进行匹配定位能为地磁轨迹信号的匹配定位带来更好的定位精度，另外相比较于常用的基于动态时间规划的地磁轨迹信号匹配算法，训练好的模型在匹配定位过程中减少了实时计算量。本发明专利技术设计了一个在神经网络模型对地磁轨迹信号进行匹配定位的基础上，结合粒子滤波算法来进行实时定位的系统。该系统有效利用了门控循环神经网络提取地磁轨迹信号特征的优势，为粒子滤波算法带来更好的实时定位精度。

【技术实现步骤摘要】
基于门控循环神经网络和粒子滤波的地磁室内定位方法
本专利技术属于室内定位领域，具体涉及一种基于门控循环神经网络来进行地磁匹配定位的方法，以及结合粒子滤波来进行实时定位的方法。
技术介绍
室内定位技术在日常生活中具有广大的应用价值，如商场中的定位，停车场的导航等。地磁作为一种室内常见的信号，具有无基础设施，不同位置具有独特的信号强度的特点。但地磁具有低分辨率的缺陷，地磁信号在室内环境中的不同位置会出现相似的情况，所以地磁匹配定位的效果往往不好。常用的地磁匹配定位算法主要采集连续的地磁轨迹信号和动态时间规划算法来进行匹配定位。门控循环神经网络是对序列数据提取特征的一种优秀的循环神经网络，能更好地提取地磁轨迹信号来进行匹配定位。粒子滤波是地磁室内定位领域中常用的实时定位方法，通过不断的位置估计和实时测量更新来提高有效提高定位精度。
技术实现思路
针对现有技术中存在的不足，本专利技术提供一种基于门控循环神经网络和粒子滤波的地磁室内定位方法。本专利技术主要提出了一种室内地磁地图数据库的搭建方式，并利用门控循环神经网络来进行对地磁轨迹信号特征的提取，来达到更好的匹配定位结果。本专利技术主要利用门控循环神经网络来对地磁轨迹信号匹配定位的基础上，通过结合粒子滤波算法来进行实时定位，整个专利技术主要分为三个阶段：室内地磁地图数据库的搭建，训练模型进行匹配定位和粒子滤波的实时定位。室内地磁地图数据库的搭建阶段主要进行室内地图的划分和地磁轨迹信号的采集。训练模型进行匹配定位阶段主要通过门控循环神经网络来训练室内地磁地图数据库使得具有更为优秀的匹配定位效果。粒子滤波的实时定位阶段，主要通过结合粒子滤波和训练好的模型进行实时定位。具体按照以下步骤实施：步骤1、室内地磁地图数据库的搭建：1)对室内地图的进行大小测量，并划分为多个网格。2)采集多组不同时间下行人行走方向下的地磁轨迹信号。3)分配地磁轨迹信号到网格并给地磁轨迹信号分配位置标签。步骤2、训练模型进行匹配定位：1)划分室内地磁地图数据库为训练集和测试集。2)训练门控循环神经网络模型进行匹配定位。步骤3、粒子滤波的实时定位：1)根据室内地磁地图数据库搭建室内地磁图。2)根据地磁传感器实时采集地磁轨迹信号和行人航线推测算法估计行人行走步长。3)在室内地磁图和训练好的门控循环神经网络模型的基础上，对实时采集的地磁轨迹信号划分后，结合粒子滤波算法来进行实时定位。本专利技术方法具有的优点及有益结果为：1、本专利技术的所采用的是地磁信号，不需要额外搭建基础设备并进行维护。2、本专利技术设计了一种地磁室内数据库的搭建方式，主要通过搭建好的地磁室内数据库训练门控循环神经网络来进行对地磁轨迹信号的匹配定位。利用训练好的门控循环神经网络来进行匹配定位能为地磁轨迹信号的匹配定位带来更好的定位精度，另外相比较于常用的基于动态时间规划的地磁轨迹信号匹配算法，训练好的模型在匹配定位过程中减少了实时计算量。3、本专利技术设计了一个在神经网络模型对地磁轨迹信号进行匹配定位的基础上，结合粒子滤波算法来进行实时定位的系统。该系统有效利用了门控循环神经网络提取地磁轨迹信号特征的优势，为粒子滤波算法带来更好的实时定位精度。附图说明图1是本专利技术方法框架图；图2是本专利技术室内地图划分示意图；图3是本专利技术实施例中门控循环神经网络的结构图；图4是本专利技术实施例粒子滤波的结构图。具体实施方式下面结合具体实施方式对本专利技术进行详细的说明。本专利技术主要利用门控循环神经网络来对地磁轨迹信号进行特征提取，并提出在门控循环神经网络匹配定位的基础上结合粒子滤波的一种实时的地磁定位方法。大致框架如图1所示。具体按照以下步骤实施。步骤1、室内地磁地图数据库的搭建：地磁传感器采集的地磁信号由三维向量<Mx，My，MZ>表示，三个向量值分别表示传感器三个方向轴上测量到的地磁信号。另外以三个向量值的二阶范数来表示地磁强度信号。地磁强度信号M如下所示：地磁轨迹信号由连续的地磁强度信号所组成。如图2所示，室内地磁地图数据库的搭建首先把地图划分为边长为D的正方形网格(0.4m≤D≤0.8m，具体边长根据室内地图大小确定，优先选择能将室内地图均等分的边长)，网格数量由室内地图大小确定，并在行人行走方向上为每一个网格采集地磁轨迹信号。为了每个网格数据的多样性，为每个网格在不同时间采集地磁轨迹信号。对于每一个网格采集的地磁轨迹信号都分配一个相应的位置标签，所述的位置标签根据室内地图所建立的相对坐标系和地磁轨迹信号最后所在位置确定，相对坐标系的原点设置为室内地图的某一个顶点即可，最后所在位置为网格在地磁轨迹信号指向的边对应中心点。步骤2、训练模型进行匹配定位：将室内地磁地图数据库进行划分，其中70％作为训练集，30％作为测试集用于门控循环神经网络的训练。所采用的门控循环神经网络如图3所示，包括3个GRU隐藏层，将训练集中的地磁轨迹数据按照时间循环进行输入。在训练门控循环神经网络的过程中，采用平方损失函数作为模型的损失函数，其公式如下所示：其中xi和yi表示室内地磁地图数据库中某一个地磁轨迹信号的位置标签，和表示门控循环神经网络对地磁轨迹信号预测的位置标签。步骤3、基于粒子滤波的实时定位：首先进行室内地磁图的搭建，通过为每一个网格在同一方向下选出最具有代表性的数据进行搭建，所述的最具有代表性的地磁轨迹数据为：计算同一方向下网格的所有地磁轨迹信号的平均值，筛选出所有地磁轨迹信号中与平均值最接近的数据作为最具有代表性的地磁轨迹数据。室内地磁图用于接下来的粒子滤波。粒子滤波通过结合训练好的门控循环神经网络模型进行实时定位。如图4所示，粒子滤波分为五个阶段：粒子初始化，粒子传播，粒子权重更新，位置估计和粒子重采样。门控循环神经网络用于粒子权重更新中。其中首先进行粒子初始化，然后经过粒子权重更新，再进行位置估计，完成位置估计后进行粒子重采样，在经过粒子传播后再次进行粒子权重更新，形成循环，完成实时的室内地磁定位。(1)粒子初始化：在地磁的实时定位中通过在室内地图中随机位置分配一定数量的的粒子。在室内地图中撒播的粒子的集合称为粒子集。(2)粒子传播：对粒子下一时刻所在位置进行估计。根据前一时刻粒子位置来估计下一时刻粒子位置，即对用户当前的行走步长和方向进行估计，假设步长为l,方向角为θ，则粒子传播的公式如下所示：其中k表示为粒子集中的某一个粒子，t代表某一状态时刻。步长和方向角通过行人航线推测算法来计算。(3)粒子权重更新：根据实时采集的数据来对室内地图中的粒子集进行权重更新。在初始时刻，粒子集中的每一个粒子都会分配一个统一大小的权重，其和为1。在粒子初始化或粒子传播之后进行粒子权重的统一更新。粒子权重更新的公式如下：其中表示的是在t时刻下粒子集中第k个粒子本文档来自技高网...

【技术保护点】
1.基于门控循环神经网络和粒子滤波的地磁室内定位方法，其特征在于，包括以下步骤：/n步骤1、室内地磁地图数据库的搭建：/n1)对室内地图的进行大小测量，并划分为多个网格；/n2)采集多组不同时间下行人行走方向下的地磁轨迹信号；/n3)分配地磁轨迹信号到网格并给地磁轨迹信号分配位置标签；/n步骤2、训练模型进行匹配定位：/n1)划分室内地磁地图数据库为训练集和测试集；/n2)训练门控循环神经网络模型进行匹配定位；/n步骤3、基于粒子滤波的实时定位：/n1)根据室内地磁地图数据库搭建室内地磁图；/n2)根据地磁传感器实时采集地磁轨迹信号和行人航线推测算法估计行人行走步长；/n3)在室内地磁图和训练好的门控循环神经网络模型的基础上，对实时采集的地磁轨迹信号划分后，结合粒子滤波算法来进行实时定位。/n

【技术特征摘要】
1.基于门控循环神经网络和粒子滤波的地磁室内定位方法，其特征在于，包括以下步骤：
步骤1、室内地磁地图数据库的搭建：
1)对室内地图的进行大小测量，并划分为多个网格；
2)采集多组不同时间下行人行走方向下的地磁轨迹信号；
3)分配地磁轨迹信号到网格并给地磁轨迹信号分配位置标签；
步骤2、训练模型进行匹配定位：
1)划分室内地磁地图数据库为训练集和测试集；
2)训练门控循环神经网络模型进行匹配定位；
步骤3、基于粒子滤波的实时定位：
1)根据室内地磁地图数据库搭建室内地磁图；
2)根据地磁传感器实时采集地磁轨迹信号和行人航线推测算法估计行人行走步长；
3)在室内地磁图和训练好的门控循环神经网络模型的基础上，对实时采集的地磁轨迹信号划分后，结合粒子滤波算法来进行实时定位。


2.根据权利要求1所述的基于门控循环神经网络和粒子滤波的地磁室内定位方法，其特征在于，步骤1室内地磁地图数据库的搭建，具体操作如下：
地磁传感器采集的地磁信号由三维向量<Mx，My，Mz>表示，三个向量值分别表示传感器三个方向轴上测量到的地磁信号；另外以三个向量值的二阶范数来表示地磁强度信号；地磁强度信号M如下所示：



地磁轨迹信号由连续的地磁强度信号所组成；室内地磁地图数据库的搭建首先把地图划分为边长为D的正方形网格，0.4m≤D≤0.8m，具体边长根据室内地图大小确定，网格数量由室内地图大小确定，并在行人行走方向上为每一个网格采集地磁轨迹信号；为了每个网格数据的多样性，为每个网格在不同时间采集地磁轨迹信号；对于每一个网格采集的地磁轨迹信号都分配一个相应的位置标签，所述的位置标签根据室内地图所建立的相对坐标系和地磁轨迹信号最后所在位置确定，相对坐标系的原点设置为室内地图的某一个顶点即可，最后所在位置为网格在地磁轨迹信号指向的边对应中心点。


3.根据权利要求2所述的基于门控循环神经网络和粒子滤波的地磁室内定位方法，其特征在于，步骤2训练训练模型进行匹配定位，具体操作如下：
将室内地磁地图数据库进行划分，其中70％作为训练集，30％作为测试集用于门控循环神经网络的训练；所采用的门控循环神经网络包括3个GRU隐藏层，将训练集中的地磁轨迹数据按照时间循环进行输入；在训练门控循环神经网络的过程中，采用平方损失函数作为模型的损失函数，其公式如下所示：



其中xi和yi表示室内地磁地图数据库中某一个地磁轨迹信号的位置标签，和表示门控循环神经网络对地磁轨迹信号预测的位置标签。


4.根据权利要求3所述的基于门控循环神经网络和粒子滤波的地磁室内定位方法，其特征在于，步骤3基于粒子滤波的实时定位，具体操作如下：
首先进行室内地磁图的搭建，通过为每一个网格在同一方向下选出最具有代表性的数据进行搭建，所述的最具有代表性的地磁轨迹数据为：计算同一方向下网格的所有地磁轨迹信号的...

【专利技术属性】
技术研发人员：颜成钢，巩鹏博，郑锦凯，孙垚棋，张继勇，张勇东，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33