一种多源数据融合语音室内定位方法及相关设备与流程

本发明涉及位置服务，尤其涉及一种多源数据融合语音室内定位方法、系统、终端及计算机可读存储介质。

背景技术：

1、智能化移动设备的广泛应用致使基于位置服务的室内应用场景面临着巨大的需求，室内定位市场快速发展，室内定位方法按照定位源可以分为单源定位及多源融合定位方法。其中单源定位包括：wi-fi、pedestrian dead reckoning(pdr)、地磁、射频(rfid)技术、光源定位等。wi-fi因其广泛的设施基础而受众多学者的关注，但其指纹库(数据库)构建存在耗时耗力的弊端；pdr通过移动终端配置的地磁传感器和加速度传感器等，应用航位测算技术原理，对行人移动轨迹实现预测功能，但需已知起始位置，因此不能单独使用；地磁定位借助地球磁场强度在每个位置的唯一性实现定位功能。多源融合定位指基于多种定位源，采用不同的融合算法弥补单源定位方法的不足，实现优势互补。随着传感器和移动互联网等相关技术的发展，智能手机的感知能力不断增强，消费级的市场正在不断涌现出新的产品，更多的应用场景也亟待开发与应用，室内定位技术正向着智能化、多元化、低成本发展。

2、语音作为智慧城市最自然、最便捷的沟通方式，将会成为所有设备和产品至关重要的入口。作为语音的一种表现形式，位置描述广泛存在于人们的日常交流之中，是用户对空间认知的描述行为。完整的位置描述包括参考对象、空间关系、目标对象。通常来说位置描述中包括1-3个参考对象及其空间关系，是一个复杂的集合。单纯依赖语音中提取的空间关系无法满足实际定位需求。

3、因此，现有技术还有待于改进和发展。

技术实现思路

1、本发明的主要目的在于提供一种多源数据融合语音室内定位方法、系统、终端及计算机可读存储介质，旨在解决现有技术中传统室内定位方法交互方式单一，且依靠单一信号源定位精度差问题。

2、为实现上述目的，本发明提供一种多源数据融合语音室内定位方法，所述多源数据融合语音室内定位方法包括如下步骤：

3、获取语言位置描述，基于自然语言处理技术将所述语言位置描述转换为文本位置描述，基于分词技术提取所述文本位置描述中的参考对象和所述参考对象的空间关系，基于本体建立所述参考对象和所述空间关系的映射关系；

4、确定所述参考对象的个数，不同个数的所述参考对象对应不同的位置描述，识别所有所述参考对象对应的所述空间关系的个数，根据所述空间关系的个数确定空间关系种类，基于位置描述中的空间关系确定位置描述区域，基于空间关系种类及相应的概率密度函数，通过概率密度函数描述位置描述区域中的概率分布；

5、基于步行采集的方式获取指纹，通过指纹处理构建地磁指纹库；

6、基于粒子滤波，融合多源观测数据，更新粒子状态和粒子权重，对粒子进行加权平均获取定位结果。

7、所述的多源数据融合语音室内定位方法，其中，所述空间关系包括距离关系和相对方位关系；所述距离关系包括定性距离和定位距离；所述定性距离表示一定范围内的距离，所述定位距离表示具有数值的距离关系。

8、所述的多源数据融合语音室内定位方法，其中，所述参考对象的个数至少包括一个，且至多三个；当所述参考对象的个数为一个时对应的位置描述为一元位置描述，当所述参考对象的个数为二个时对应的位置描述为二元位置描述，当所述参考对象的个数为三个时对应的位置描述为三元位置描述。

9、所述的多源数据融合语音室内定位方法，其中，所述识别所有所述参考对象对应的所述空间关系的个数，根据所述的空间关系的个数确定空间关系种类，具体包括：

10、若识别所有所述参考对象对应的所述空间关系的个数为2种，则确定空间关系种类为完全空间关系位置描述；

11、若识别所有所述参考对象存在所述参考对象对应的所述空间关系的个数不为2种，则确定空间关系种类为非完全空间关系位置描述。

12、所述的多源数据融合语音室内定位方法，其中，当所述空间关系为所述定性距离时，获取室内空间参考对象的面对象，构建面对象的voronoi图，基于窃取面积及最短欧式距离建立定性距离概率密度函数：

13、

14、其中，t表示插入点对象，ri表示参考对象，t∈nearreg(ri)，min d(t,ri)表示t到ri的最短欧式距离，mind(t,rk)表示t到rk的最短欧式距离，ai表示t从ri窃取的面积，ak表示t从rk窃取的面积；

15、当所述空间关系为所述定位距离时，获取同一参考对象从不同方向对距离进行认知，对收集到的数据进行清洗和拟合，建立梯形隶属度函数：

16、

17、其中，α、β、γ、δ表示梯形隶属度函数的拐点参数，d表示收集到的数据；

18、当所述空间关系为所述相对方位关系时，基于四方位关系和八方位关系建立梯形隶属度函数：

19、

20、

21、其中，公式(3)表示八方位隶属度函数，公式(4)表示四方位隶属度函数，θ和a表示角度，path(θ)表示各方向中线之间的距离；

22、基于位置描述中的空间关系确定位置描述区域，基于位置描述中的空间关系种类及相应概率密度函数，通过概率密度函数描述位置描述区域中的概率分布：

23、pspa＝pdirpdis；(5)

24、其中，pdir表示位置描述区域中的方位关系概率，pdis表示位置描述区域中的距离概率。

25、所述的多源数据融合语音室内定位方法，其中，所述基于步行采集的方式获取指纹，通过指纹处理构建地磁指纹库，具体包括：

26、将室内空间划分为n段，起始点坐标标记为已知点，拐点处设置为标记点；

27、采集并记录标记区间内匀速行走时的rssi、加速计、磁力计的传感器数据；

28、当某一段的起始点坐标为(x0，y0)，则下一时刻坐标(xi+1，yi+1)为：

29、

30、其中，θ表示当前时刻航向角，stepl表示步长；

31、步长计算通过步频模型获取：

32、stepl＝a*f+b；(7)

33、其中，f表示步频，a与b表示模型系数；

34、采用地磁的三轴向量的模值作为观测值构建地磁指纹库m：

35、

36、其中，mx、my、mz分别表示地磁的x轴向量的模值、y轴向量的模值、z轴向量的模值；

37、根据已知的起始点与终点，按照公式(8)计算下一步位置，将每步行进位置与wi-fi和地磁观测值进行匹配。

38、所述的多源数据融合语音室内定位方法，其中，所述基于粒子滤波，融合多源观测数据，更新粒子状态和粒子权重，对粒子进行加权平均获取定位结果，具体包括：

39、当行人跨步检测后，通过pdr模块更新粒子下一时刻状态，粒子状态方程为公式(6)，通过空间关系及地图信息约束粒子位置，当由语音触发定位，通过参考对象的空间关系边界叠加数字地图信息约束粒子的空间位置；

40、粒子的权重更新由粒子集合与各观测值之间的距离组成，所述观测值包括wi-fi、地磁和空间关系；

41、采用动态时间规划算法对地磁序列进行匹配；

42、对于wi-fi信号，观测点与有已知指纹之间的距离为：

43、

44、其中，drssi表示wi-fi指纹之间的距离，与分别表示第i个ap的wi-fi指纹，n表示ap的数量；

45、融合的粒子权重更新为：

46、

47、其中，k1和k2表示可调整的参数，表示第i个wi-fi指纹的距离；

48、当wi-fi信号缺失时，不参与融合粒子权重更新；当无语音位置描述时，空间关系不参与融合粒子权重更新。

49、此外，为实现上述目的，本发明还提供一种多源数据融合语音室内定位系统，其中，所述多源数据融合语音室内定位系统包括：

50、数据转换提取模块，用于获取语言位置描述，基于自然语言处理技术将所述语言位置描述转换为文本位置描述，基于分词技术提取所述文本位置描述中的参考对象和所述参考对象的空间关系，基于本体建立所述参考对象和所述空间关系的映射关系；

51、位置描述分类模块，用于确定所述参考对象的个数，不同个数的所述参考对象对应不同的位置描述，识别所有所述参考对象对应的所述空间关系的个数，根据所述的空间关系的个数确定空间关系种类，基于位置描述中的空间关系确定位置描述区域，基于空间关系种类及相应的概率密度函数，通过概率密度函数描述位置描述区域中的概率分布；

52、指纹采集构建模块，用于基于步行采集的方式获取指纹，通过指纹处理构建地磁指纹库；

53、粒子处理定位模块，用于基于粒子滤波，融合多源观测数据，更新粒子状态和粒子权重，对粒子进行加权平均获取定位结果。

54、此外，为实现上述目的，本发明还提供一种终端，其中，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多源数据融合语音室内定位程序，所述多源数据融合语音室内定位程序被所述处理器执行时实现如上所述的多源数据融合语音室内定位方法的步骤。

55、此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有多源数据融合语音室内定位程序，所述多源数据融合语音室内定位程序被处理器执行时实现如上所述的多源数据融合语音室内定位方法的步骤。

56、本发明中，获取语言位置描述，基于自然语言处理技术将所述语言位置描述转换为文本位置描述，基于分词技术提取所述文本位置描述中的参考对象和所述参考对象的空间关系，基于本体建立所述参考对象和所述空间关系的映射关系；确定所述参考对象的个数，不同个数的所述参考对象对应不同的位置描述，识别所有所述参考对象对应的所述空间关系的个数，根据所述的空间关系的个数确定空间关系种类，基于位置描述中的空间关系确定位置描述区域，基于空间关系种类及相应的概率密度函数，通过概率密度函数描述位置描述区域中的概率分布；基于步行采集的方式获取指纹，通过指纹处理构建地磁指纹库；基于粒子滤波，融合多源观测数据，更新粒子状态和粒子权重，对粒子进行加权平均获取定位结果。本发明通过分析室内位置描述，建立适用于融合定位的室内位置描述分类框架，实现了低成本的高精度语音交互式室内定位。