一种基于蓝牙与mems融合的室内定位系统及方法
【技术领域】
[0001] 本发明属于定位技术领域，具体涉及一种基于蓝牙与MEMS融合的室内定位系统及 方法。
【背景技术】
[0002] 随着人类社会的发展，人们对自身位置的需求越来越多，社会也发展了许多定位 方法和系统，例如:全球卫星定位系统能够为人类提供较为准确的室外定位，但是由于卫星 信号受到遮挡且存在严重的多径效应，使得在室内卫星定位精度严重下降，甚至出现无法 正常定位的情况。但是随着智能终端的广泛使用，移动通信快速发展，室内准确定位逐渐受 到重视。尤其是作为定位技术的最后一米，室内定位技术有着广泛的应用前景。比如在一些 大型商场、火灾现场，都需要借助室内定位技术快速找到出口，同时商家也可以借助于室内 定位向用户介绍商品信息；在地下停车场，可以借助室内定位技术快速找到停车位;在医 院，可以利用室内定位技术对需要看护的病人进行定位;还有在一些易发生矿难的矿井下 更需要地下室内的准确定位。
[0003] 目前针对室内定位主要有以下几种定位方法：
[0004] (I)WiFi 技术
[0005] 通过无线接入点（包括无线路由器)组成的无线局域网络(WLAN)，可以实现复杂环 境中的定位、监测和追踪任务。它以网络节点(无线接入点）的位置信息为基础和前提，采用 经验测试和信号传播模型相结合的方式，对已接入的移动设备进行位置定位，最高精确度 大约在1米至20米之间。如果定位测算仅基于当前连接的WiFi接入点，而不是参照周边WiFi 的信号强度合成图，则WiFi定位就很容易存在误差(例如:定位楼层错误）。另外，WiFi接入 点通常都只能覆盖半径90米左右的区域，而且很容易受到其他信号的干扰，从而影响其精 度，定位器的能耗也较高。
[0006] (2)RFID 技术
[0007] RFID定位技术利用射频方式进行非接触式双向通信交换数据，实现移动设备识别 和定位的目的。它可以在几毫秒内得到厘米级定位精度的信息，且传输范围大、成本较低； 不过RFID不便于整合到移动设备之中而且作用距离短(一般最长为几十米），使得RFID定位 技术的适用范围受到局限。
[0008] (3)MEMS传感器自主定位技术
[0009] 随着微机电系统(Micro-Electro-Mechanical Systems，MEMS)技术的快速发展， 各种传感器，如：陀螺仪、加速度计、磁力计的应用越来越广泛，多被应用与移动终端里面。 目前基于MEMS传感器的导航系统主要有两种:传统的惯性积分导航和行人航迹推算导航。 传统的惯性积分导航，根据牛顿运动定律，利用测得三轴加速度计和三轴陀螺仪的数据积 分计算出三维姿态、速度和位置。理论上这种方式定位精度会很高，但是实际应用中，由于 惯性传感器自身的漂移、测量噪声、行人的抖动等因素影响，多次积分后会产生累积误差， 几十秒之内误差可达几十米，甚至几百米。基于行人航迹推算（Pedestri an Dead ReckoningJDR)方法利用行人的位移和航向进行位置解算，相比于传统的惯性积分导航更 准确且更适用于行人导航，但是其定位依然受步长、航向、步态检测精度影响，随着时间的 增加，依然存在累积误差。
[0010] ⑷蓝牙技术
[0011]蓝牙通讯是一种短距离低功耗的无线传输技术，在室内安装适当的蓝牙局域网接 入点后，将网络配置成基于多用户的基础网络连接模式，并保证蓝牙局域网接入点始终是 这个微网络的主设备。这样通过检测信号强度就可以获得用户的位置信息。对于持有集成 了蓝牙功能移动终端设备，只要设备的蓝牙功能开启，蓝牙室内定位系统就能够对其进行 位置判断。但是蓝牙系统的缺点是覆盖范围小，定位距离短。
[0012] 针对现有室内定位技术存在的缺陷和不足，有必要设计一种基于蓝牙与MEMS融合 的室内定位系统及方法。
【发明内容】
[0013] 本发明公开了一种基于蓝牙与MEMS融合的室内定位系统及方法，以实现室内大面 积环境下的连续定位，且室内定位精度高。
[0014] 本发明所述的基于蓝牙与MEMS融合的室内定位系统，1、一种基于蓝牙与MEMS融合 的室内定位系统，其特征在于:包括蓝牙指纹定位模块（1)、MEMS定位模块(2)、扩展卡尔曼 近似粒子滤波器模块(3)和定位结果显示模块(4)，蓝牙指纹定位模块、MEMS定位模块分别 与扩展卡尔曼近似粒子滤波器模块连接，扩展卡尔曼近似粒子滤波器模块与定位结果显示 模块连接；
[0015]所述蓝牙指纹定位模块，首先在离线阶段完成蓝牙指纹数据库的生成，即在室内 实验区域布置多个锚点，接收室内环境中用户蓝牙模块所发来的RSS数据并储存，随后发送 到服务器端，通过服务器端的预处理算法，形成室内实验区域的蓝牙指纹数据库;其次是在 线定位阶段，在线定位阶段主要包括:待测点信号的实时采样、预处理采样数据，将处理后 数据通过加权K近邻定位算法得出对采样数据的位置预测信息；
[0016]所述MEMS定位模块，用于行人的动态步长估计和航向角解算，当行人手持MEMS传 感器器件时，MEMS定位模块中的三轴加速度计能捕捉到行人的步态信息，再结合经验步长 模型来动态估计行人步长信息，同时将MEMS定位模块中的九轴传感器数据通过卡尔曼滤波 算法解算出行人航向角信息，其中，所述九轴传感器数据包括三轴加速度计所检测数据、三 轴磁力计所检测数据和三轴陀螺仪所检测数据；
[0017] 所述扩展卡尔曼近似粒子滤波器模块，采用扩展卡尔曼近似粒子滤波算法融合所 述位置预测信息和所述步长信息和航向角信息，得到最优的用户位置信息；
[0018] 所述定位结果显示模块，包括智能手机客服端和web端，所述智能手机客服端和 web端显示所述扩展卡尔曼近似粒子滤波器模块输出的最优的用户位置信息。
[0019] 本发明所述的一种基于蓝牙与MEMS融合的室内定位方法，采用本发明所述的基于 蓝牙与MEMS融合的室内定位系统，包括以下步骤：
[0020] 步骤1、基于蓝牙系统的位置预测：首先在离线阶段完成蓝牙指纹数据库的生成， 即在室内实验区域布置多个锚点，接收室内环境中用户蓝牙模块发来的RSS数据并储存，随 后发送到服务器端，通过服务器端的预处理算法，形成室内实验区域的蓝牙指纹数据库;其 次是在线定位阶段，在线定位阶段主要包括:待测点信号的实时采样、预处理采样数据，将 处理后数据通过加权K近邻定位算法得出对采样数据的位置预测信息；
[0021] 步骤2、行人动态步长估计和航向角解算：当行人手持MEMS传感器器件时，MEMS定 位模块中的三轴加速度计能捕捉到行人的步态信息，再结合经验步长模型来动态估计行人 步长信息，同时将MEMS定位模块中的九轴传感器数据通过卡尔曼滤波算法解算出行人航向 角信息；
[0022] 步骤3、设计蓝牙与MEMS融合定位的扩展卡尔曼近似粒子滤波器，选择状态变量和 观测变量，建立状态方程和观测方程；
[0023] 步骤4、将扩展卡尔曼滤波算法引入蓝牙与MEMS融合算法中，形成扩展卡尔曼近似 粒子滤波算法，利用扩展卡尔曼滤波更新方法得到当前时刻的最新粒子集，在产生粒子中 加入观测信息，将粒子滤波的观测值与预测值对比后用条件概率计算粒子权值，完成观测 更新，经过重采样过程后，复制高权值粒子，舍弃低权值粒子，最后将所有粒子和其对应的 权值进行累加，得到最优的用户位置信息；
[0024]步骤5、智能手机客服端和web端实时动态显示所述最优的用户位置信息。
[0025] 进一步，所述状态变量、状态方程和观测变量、观测方程如下：
[0026] 对于状态方程，选择状态向量为东位置、北位置、速度和航向作为状态变量，X= [w h u ζ]τ，选用蓝牙指纹匹配输出的位置预测信息、MEMS输出的速度和航向角信息作为观测 雙里，y -Lw h u z 」；
[0027] 状态方程如下：
[0029] 式中1*=[?^111；1^21；]1'，'?1；表示1:时刻待估计的东位置，111；表示1:时刻待估计的北位 置，Ut表示t时刻待估计的速度，z t表示t时刻待估计的航向，wt-i表示t_ 1时刻估计出的最优 北位置，hM表示t-Ι时刻估计出的最优东位置，Um表示t-Ι时刻估计出的最优速度，^^表 示t-Ι时刻估计出的最优航向角，10是均值为0的高斯白噪声序列，且；] = (?(/，刀H j =1，2,. . .，m，m为需要估计的变量个数，Q(Q2 0)为m维过程噪声协方差矩阵：
[0030] 观测方程如下：
[0032] 式中y, =|>fU￡i ，wfw表示t时刻蓝牙指纹匹配后定位输出的东位置， 表示t时刻蓝牙指纹匹配后定位输出的北位置，"表示t时刻MEMS输出的速度， 表示t时刻MEMS输出的航向;Wt表示t时刻待估计的东位置，ht表示t时刻待估计的北位置，Ut 表示t时刻待估计的速度，Zt表示t时刻待估计的航向，Vt是均值为0的高斯白噪声序列，且E
[v( i)VT( j) ] =R( i，j)Sij，i，j = I，2，. . .，η，n为观测变量的个数，R(R>0)为η维观测噪声协 方差矩阵。
[0033]进一步，利用扩展卡尔曼滤波更新方法得到当前时刻的最新粒子集，在产生粒子 中加入观测信息，具体如下：
[0034]假设初始状态的概率密度函数P(Xo)已知，基于P(Xo)随机产生N个初始粒子，记为 = …，N);由用户选择参数N作为在计算量和估计精度之间的权衡；在第t-Ι时刻对 (/ = U.