基于制造技术

本发明专利技术提供一种基于

【技术实现步骤摘要】
基于FM信号及惯性传感器信号的多源信息融合定位方法


[0001]本专利技术涉及导航定位
，尤其涉及一种基于
FM
信号及惯性传感器信号的多源信息融合定位方法
。

技术介绍

[0002]GNSS
技术是目前广泛使用的导航定位技术，但是
GNSS
定位技术具有先天脆弱性且本身易受电磁干扰，导致其服务存在阴影区
。
机会信号导航是
GNSS
拒止环境下的一种新型导航技术，是利用环境中普遍存在的无线电信号实现定位导航，具有造价低廉
、
全范围覆盖等特点，其适配性和机动性更强
。
然而，由于机会信号导航通过利用空间中已存在的信号进行定位，这些信号的波形
、
功率分配情况以及同步情况等不确定性因素无法保证定位的精度
。
此外，定位场景复杂且切换频繁导致单一定位技术无法保证在不同场景下的定位可用性
。
因此深入分析机会信号的自身特点，探索新型的适用于机会信号导航的定位算法，并与其它定位技术进行融合定位显的格外重要
。
[0003]多源信息融合的定位方法可以利用待定位目标在参考点处来自不同信息网络的差异性和互补性，获取该目标更多的有效信息，将其融合从而得到全局最优的定位结果，进而有效的提高定位的精度，例如
WiFi
和蓝牙信号融合
、WiFi
和惯性
PDR
融合等
。
[0004]WiFi
和蓝牙信号的融合定位，
WiFi
信号在一定程度上弥补了蓝牙信号覆盖范围小的问题，而就单一的定位精度来说蓝牙信号的定位精度更高，两者相互融合，从而进一步提高最终的定位精度
。WiFi
和惯性
PDR
融合是将
WiFi
的定位结果与
PDR
惯性导航获得的定位结果相融合，一方面可以消除
PDR
定位的累计误差，另外一方面可以提升最终的定位精度
。
以上的融合定位方法的定位范围均有限，无法满足
GNSS
拒止环境下的大范围定位与导航的需求
。
[0005]现有的多源信息融合的传统定位方法主要针对
WiFi
信号
、
蓝牙信号以及惯性
PDR。
然而，这些信息网络均存在一些局限性，
WiFi
信号受到信号覆盖范围和信号强度变化的影响，尤其在复杂多路径环境下定位精度较低，蓝牙信号的覆盖范围较窄，不适用于大范围定位需求，
PDR
惯性导航定位具有累计误差，且属于相对定位，需要一个起始坐标点，这对
GNSS
拒止环境下的大范围定位与导航并不适用
。

技术实现思路

[0006]本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种基于
FM
信号及惯性传感器信号的多源信息融合定位方法，利用不同信号网络的差异性以及互补性，提高最终的机会信号导航定位精度，能够实现基于
FM
的
RSS
指纹定位，实现
PDR
惯性导航，实现基于机会信号环境感知的跨场景自适应定位技术，在不同典型环境场景下，采用不同的定位模式，以达到定位模式的连续平滑切换，从而进一步的提高定位结果的鲁棒性以及精确性
。
[0007]为解决上述技术问题，本专利技术所采取的技术方案是：
[0008]一种基于
FM
信号及惯性传感器信号的多源信息融合定位方法，包括以下步骤：
[0009]步骤1：对参考点处的
FM
机会信号进行采集，并对采集的数据进行数据处理，构建基于当前所在区域的
FM
机会信号的位置指纹数据库；采集不同场景下的
FM
机会信号，并对采集的数据进行数据处理以及信息特征的提取，构建基于不同场景下的环境感知数据库；
[0010]步骤2：通过
RSS
指纹定位技术得到绝对定位结果的估计；
[0011]步骤3：基于惯性
PDR
算法得到连续可靠的相对定位结果的估计；
[0012]步骤4：基于绝对定位结果和相对定位结果的多源信息融合，得到全局最优的协同定位结果；
[0013]步骤5：基于环境感知数据库
、
实时的
FM
机会信号以及惯性传感器信号，实现基于环境感知的跨场景自适应，自适应选择合适的定位方式输出最后定位结果
。
[0014]进一步地，所述步骤1的具体方法为：在每个参考点处，通过软件定义无线电分别收集来自不同
FM
发射塔的不同频段的
FM
机会信号，并对
FM
机会信号进行滤波降噪处理，计算出每一个频段的
FM
机会信号的信号强度，并结合参考点的位置坐标，构建一个位置指纹，计算出所有参考点的指纹，最终构成一个位置指纹数据库；
[0015]使用软件定义无线电分别采集不同场景下的
FM
机会信号，并对来自不同发射塔的不同频段的
FM
机会信号进行滤波降噪以及信息特征的提取，其中信息特征为
FM
机会信号的信号强度，构建基于不同场景下的环境感知数据库
。
[0016]进一步地，所述
RSS
指纹定位技术将位置指纹数据库作为数据集，输入待定位终端的
FM
机会信号的信号强度，通过改进的
WKNN
匹配算法将待定位终端的
FM
机会信号的信号强度与位置指纹数据库中已有的指纹数据进行欧式距离的计算；改进的
WKNN
匹配算法包括权重分配和
RSS
自适应距离修正，最终估计出待定位的实际位置；
[0017]在指纹匹配时对
RSS
的欧式距离设置一个波动上限，当欧式距离小于或等于波动上限时，认为该欧式距离是
RSS
波动的结果，并将该欧式距离置为0；当欧式距离大于波动上限时，认为该欧式距离代表了指纹的差异，将该欧式距离减去波动上限后保留
。
[0018]进一步地，所述改进的
WKNN
匹配算法定义如下：
[0019][0020]其中，
(x,y)
为坐标估计值，
W
j
为第
j
个参考点的权重，
(x
j
,y
j
)
为第
j
个参考点的坐标；
[0021]自适应距离修正的定义如下：
[0022][0023]其中，
w
j
是第
j
个参考点的
RSS
欧式距离本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
FM
信号及惯性传感器信号的多源信息融合定位方法，其特征在于：包括以下步骤：步骤1：对参考点处的
FM
机会信号进行采集，并对采集的数据进行数据处理，构建基于当前所在区域的
FM
机会信号的位置指纹数据库；采集不同场景下的
FM
机会信号，并对采集的数据进行数据处理以及信息特征的提取，构建基于不同场景下的环境感知数据库；步骤2：通过
RSS
指纹定位技术得到绝对定位结果的估计；步骤3：基于惯性
PDR
算法得到连续可靠的相对定位结果的估计；步骤4：基于绝对定位结果和相对定位结果的多源信息融合，得到全局最优的协同定位结果；步骤5：基于环境感知数据库
、
实时的
FM
机会信号以及惯性传感器信号，实现基于环境感知的跨场景自适应，自适应选择合适的定位方式输出最后定位结果
。2.
根据权利要求1所述的基于
FM
信号及惯性传感器信号的多源信息融合定位方法，其特征在于：所述步骤1的具体方法为：在每个参考点处，通过软件定义无线电分别收集来自不同
FM
发射塔的不同频段的
FM
机会信号，并对
FM
机会信号进行滤波降噪处理，计算出每一个频段的
FM
机会信号的信号强度，并结合参考点的位置坐标，构建一个位置指纹，计算出所有参考点的指纹，最终构成一个位置指纹数据库；使用软件定义无线电分别采集不同场景下的
FM
机会信号，并对来自不同发射塔的不同频段的
FM
机会信号进行滤波降噪以及信息特征的提取，其中信息特征为
FM
机会信号的信号强度，构建基于不同场景下的环境感知数据库
。3.
根据权利要求1所述的基于
FM
信号及惯性传感器信号的多源信息融合定位方法，其特征在于：所述
RSS
指纹定位技术将位置指纹数据库作为数据集，输入待定位终端的
FM
机会信号的信号强度，通过改进的
WKNN
匹配算法将待定位终端的
FM
机会信号的信号强度与位置指纹数据库中已有的指纹数据进行欧式距离的计算；改进的
WKNN
匹配算法包括权重分配和
RSS
自适应距离修正，最终估计出待定位的实际位置；在指纹匹配时对
RSS
的欧式距离设置一个波动上限，当欧式距离小于或等于波动上限时，认为该欧式距离是
RSS
波动的结果，并将该欧式距离置为0；当欧式距离大于波动上限时，认为该欧式距离代表了指纹的差异，将该欧式距离减去波动上限后保留
。4.
根据权利要求3所述的基于
FM
信号及惯性传感器信号的多源信息融合定位方法，其特征在于：所述改进的
WKNN
匹配算法定义如下：其中，
(x,y)
为坐标估计值，
W
j
为第
j
个参考点的权重，
(x
j
,y
j
)
为第
j
个参考点的坐标；自适应距离修正的定义如下：其中，
w
j
是第
j
个参考点的
RSS
欧式距离系数，
ACD
j
为修正后的
RSS
欧式距离，
MAX
为一个
大的正数，保证当
RSS
欧式距离为0时，对应的参考位置坐标拥有较大的权重；根据上述第
j
个参考点的
RSS
欧式距离系数，进一步得到第
j
个参考点的权重为：输出的待定位的实际位置为包括经纬度的二维向量
。5.
根据权利要求1所述的基于
FM
信号及惯性传感器信号的多源信息融合定位方法，其特征在于：所述惯性
PDR
算法的具体内容包括：步骤
3.2.1
：手持安卓手机终端，所述终端包括加速度计及陀螺仪，利用加速度计分析用户行走过程中的重力加速度和线性加速度，经过数据处理，得到用户的合加速度，通过步频探测技术得到用户的步频，所述步频探测技术使用加速度计测量运动时身体的加速度变化；步行时，每步会产生一个典型的周期性加速度变化，通过检测所述周期性加速度变化来计算步频；步骤
3.2.2
：采用最优参数算法模型结合合加速度估算，估算出用户在一个步伐周期内的步长；步骤
3.2.3
：利用加速度计和陀螺仪分别得到的加速度信息和角速度信息，融合解算出用户的运动方向；首先，将加速度计的加速度数据从设备坐标系变换到地球坐标系，对地球坐标系中的加速度数据进行滤波，去除噪声和不稳定性；其次，对滤波后的加速度数据进行积分，计算用户的速度和位移；根据用户的速度和位移信息，计算出用户的运动方向；再使用陀螺仪提供的角速度信息对加速度计得到的运动方向进行校正和融合；步骤
3.2.4
：通过以上步骤得到用户的步频
、
步长和运动方向，获得用户当前的相对位置；用户的位置为包括经纬度的二维向量
。6.
根据权利要求1所述的基于
FM
...

【专利技术属性】
技术研发人员：宋晓诗，李庆，王煜鑫，王思博，
申请(专利权)人：东北大学，
类型：发明
国别省市：