技术领域
本发明属于室内定位领域与5G领域,具体涉及一种基于动态环境的自适应室内融合定位方法。
背景技术
随着通信技术和互联网技术的不断发展,多领域都投身于位置服务产业,而高精度位置信息是提供高质量位置服务的基础。目前智能家居,汽车导航和手机跟踪等领域成为无线定位技术的热门研究方向。而全球导航卫星系统能够为用户提供较高精度的定位服务,基本满足了用户在室外场景中对基于位置服务的需求,但在室内由于建筑物的遮挡,GNSS信号衰减极快,无法准确的应用于室内定位。为此对室内环境精确定位,成为定位的研究热点,其研究成果不仅带来极大的经济效益,而且还能结合其他领域进行创新。
现在的室内定位技术有蓝牙技术、UWB技术、红外线技术、地磁技术、Zig-Bee技术等技术,但是这些技术都存在或多或少的缺点,且都难在变化的室内环境中保持其准确率。而基于多边定位法进行室内定位是一种比较常用的定位方法,其原理是通过接收的信号强度,确定信号的衰减从而来计算距离,但是该方法确定的距离与实际距离有些许的差距。基于CIR指纹定位法进行室内定位是一种数据库的对照方法,但是采集到的数据库无法包括室内环境的所有情况,导致数据库的对照误差。这两者技术也会受到室内变化的影响而降低定位的精确度。随着通信技术的发展,以及人们对无线通信速度的需求,使得通信网络加速发展,容易实现5G定位基站的协同定位,同时人们也不断创新提出了融合定位的方法。但是大部分的室内定位尚未分析室内环境变化对定位的影响,失去的环境的自适应性,同时单一的室内定位方法相比于融合定位,其准确度总是略差的。
综上所述,现有的大多室内定位技术无法对室内环境变化进行修正以及其单一的室内定位方法的性能差于融合定位的问题。
发明内容
发明目的:本发明提出一种基于动态环境的自适应室内融合定位方法,一方面,使用融合定位能有更高的定位准确度;另一方面,使用图像识别进行自适应修改具有更好的环境适应性。
发明内容:本发明提供的一种基于动态环境的自适应室内融合定位方法,具体包括以下步骤:
(1)基于CIR进行离线阶段的定位点参数采集;
(2)基于5G定位基站对待测定位目标进行参数获取及分析;
(3)采用多边定位法对待测目标定位,并对预测位置和实际位置进行误差分析;
(4)采用CIR指纹定位法进行待测目标定位,并对预测位置与实际位置进行误差分析;
(5)以多边定位法测量的位置为测试值,CIR指纹定位法预测的位置为预测值,根据两者的误差,进行基于均方误差的融合计算,估算最优的位置;
(6)基于室内环境变化自适应的融合定位。
进一步地,所述步骤(2)包括以下步骤:
(21)5G定位基站采集待测目标点的时延、功率和频率等参数;
(22)采集和分析室内环境图像;
(23)进行获取数据的处理。
进一步地,所述步骤(3)实现过程如下:
d
其中,ε(d)≤ε
其中,J表示获取的总数据次数。
进一步地,所述步骤(4)实现过程如下:
5G定位基站根据时延、功率和频率等参数建立离线CIR指纹库,CIR表示为:
其中,a
CIR指纹库用以下公式表示:
l
其中,l
假设第i次预测的位置为
进一步地,所述步骤(6)实现过程如下:
由RSSI测距模型,得A和B两点之间的接收信号强度,如以下公式:
其中,A和B是两个位置,Q和U是经验常数,RSSI
同样的方法可以计算出U
寻找变化最小的5G定位基站,结合图像识别判断障碍物对5G定位基站的影响;当障碍物在5G定位基站和目标的路径内半平面内,则对CIR信号的影响特别大,需要切换到满足路径外平面的5G定位基站,根据接收参数的相似性来预测位置,用如下公式:
其中,[τ
每个5G定位基站分别建立多边定位法和CIR指纹定位法的误差修正库,修正后的误差为:
e
e
其中,C
其中,H
融合定位计算:
x
y
l
其中,l
有益效果:与现有技术相比,本发明的有益效果:本发明能够通过检测室内的变化,从而进行5G定位基站切换与误差修正,使得定位模型在适应环境变化的同时提高预测准确率。
附图说明
图1为本发明的流程图;
图2为多边定位方法的示意图;
图3为CIR指纹定位法的示意图;
图4为多边定位方法的基站切换图;
图5为CIR指纹定位法的基站切换图。
具体实施方式
下面结合附图对发明的技术方案进行详细说明:
本发明提供了一种基于动态环境的自适应室内融合定位方法,如图1所示,该方法首先获取室内各点的特征,同时使用5G定位基站进行定位测试,再根据CIR指纹定位和多边定位与实际位置的差距进行误差分析。采用图像识别检测周围环境的变化,将结果反馈给融合系统进行基站切换以及误差修改,帮助其做出更加准确的、更可靠的环境适应性强的位置预测。
本发明主要包含三个内容:一是定位方法的误差分析,根据计算位置与实际位置相对比,分析两种方法的平均误差;二是使用图像识别认知环境变化认知,排除某些严重受影响的5G定位基站进行定位。本次的检测结果将用来严重受影响的5G定位基站的离线CIR指纹库更新和误差修正,实现全面更新;三是使用融合定位,预测目标最优的位置。具体包括以下步骤:
步骤1:基于CIR进行离线阶段的定位点参数采集;并基于5G定位基站对待测定位目标进行参数获取及分析。
5G定位基站采集待测目标点的时延、功率和频率等参数;采集和分析室内环境图像;并对获取数据进行处理。
步骤2:基于多边定位法对待测目标定位,并对预测位置和实际位置进行误差分析。
(1)多边定位法的误差分析:如图2所示,因为信道是时变的,所以每个5G定位基站测出的距离有一定范围的,以信号强度最大的三个5G定位基站来计算位置,它们变换范围的重叠区域就是目标的位置,会有一定的误差的。假设d
其中ε(d)≤ε
假设第i次计算的位置为
步骤3:基于CIR指纹定位法进行待测目标定位,并对预测位置与实际位置进行误差分析。
首先多个5G定位基站根据时延、功率和频率等参数建立离线CIR指纹库(每个5G定位基站的离线CIR指纹库基本不同的)。如图3所示,阴影部分表示距离极近的点,其环境下的CIR信号基本认为是相同的,同时信道是时变的,该方法会有一定的估计误差,但是CIR考虑了多径效应,所以根据前述的参数可以得到唯一的位置,且精度会比较高,CIR表示为:
其中,a
CIR指纹库用以下公式表示:
l
其中,l
假设第i次预测的位置为
步骤4:基于均方误差实现融合定位。
将多边定位法与CIR指纹定位法相结合,每次进行位置预测时,以多边定位法测量的位置为测试值,而CIR指纹定位法预测的位置为预测值,然后根据彼此的误差,进行基于均方误差的融合计算,最终估算最优的位置。
步骤5:基于室内环境变化自适应的融合定位。
在定位之前,需要通过图像识别对室内环境进行认知,以确保系统能进行自适应的调整。通过上一时刻的图像与这一时刻图像的对比,再结合神经网络算法,可以快速的反映室内环境发生怎样的变化。对于一些大变化,如室内家具的搬动,人的走动等,会使两种定位算法都会出现很大的误差,为此需要切换5G定位基站以及误差修正来提高定位的准确度。
对于多边定位法,采用的是信号强度最大的三个5G定位基站来计算目标的位置,所以当环境变化时,会自发的切换5G定位基站,如图4所示。由RSSI测距模型,可得两点之间的接收信号强度,如以下公式:
其中,A和B是两个位置,Q和U是经验常数,RSSI
同样的方法可以计算出U
对于CIR指纹定位法,采用的是视距内无障碍阻挡的5G定位基站获取的离线CIR指纹库。根据前文表述,室内的5G定位基站都会在离线阶段建立独有的离线CIR指纹库,当由障碍物带来环境变化是,各个5G定位基站受到的多径效应都会发生变化,所以需要寻找变化最小的5G定位基站,结合图像识别来判断障碍物最5G定位基站的影响。如图5所示,当障碍物在5G定位基站和目标的路径内半平面内,则对CIR信号的影响特别大,需要切换到满足路径外平面的5G定位基站。因为在路径外平面,对该5G定位基站的影响较小,然后根据接收参数的相似性来预测位置,用如下公式:
其中,[τ
对于满足路径外平面的5G定位基站,因外界环境造成的影响较大,需要对这些检测器的离线CIR指纹库进行动态的更新,具体步骤如下:
第一步:图像识别判定室内环境变化,根据满足路径内和外平面的5G定位基站,对5G定位基站进行划分,满足路径内的5G定位基站被判定为要更新离线CIR指纹库,而在满足路径外的5G定位基站集合中,寻找接收信号最强的5G定位基站进行预测;
第二步:结合5G定位基站和预测结果来更新离线CIR指纹库;
l
l
其中,F{}为更新前的映射关系,F'{}为更新后的映射关系,l
误差修正:通过图像识别来感知环境变化,5G定位基站的切换对定位的准确度有了一定提升,但是环境变化对前面分析的定位误差也会带来影响。为此,需要结合图像识别的感知,对定位方法的误差进行修正。显然,定位误差的影响因素包括新障碍物的类别、大小以及新障碍物离5G定位基站的距离。所以通过图像识别对新障碍物的类别和大小进行分析,而通过5G基站的定位技术对新障碍物离定自身的距离进行分析。每个5G定位基站分别建立多边定位法和CIR指纹定位法的误差修正库,修正后的误差为:
e
e
其中,C
当图像识别检测到环境发生变化时,在切换基站后,不仅对当前实施定位的基站进行误差修正,还要对为实施定位的基站进行误差修正。
两种定位方法的实施以及面对环境变化的自适应切换,但是单一的定位手段会存在一定的误差,为此采用了融合定位方法。
已知多边定位法所计算的位置为l
计算均方误差:
其中,H
融合定位计算:
x
y
l
其中,l
机译: 用于移动设备室内定位的在线自适应融合框架
机译: 移动设备室内定位的在线自适应融合框架
机译: 基于众包的多源信息融合室内定位方法和系统