一种基于工业手机场景识别的室内外无缝定位算法

技术领域

本发明属于工业手机场景定位技术领域，具体是指一种基于工业手机场景识别的室内外无缝定位算法。

背景技术

随着人类社会发展，人们对自身位置信息的需求越来越大，由此发展了诸多的导航定位系统。全球卫星导航系统(GNSS)为人们提供了高精度、全天候的定位服务，但是由于其测量信号不能穿透建筑物的特点，在高密集建筑群区和室内无法有效进行GNSS定位服务。为了满足人们对任意时间，任意位置的定位需求，无缝定位技术已经成为国内外专家和学者研究发展的对象。所谓无缝定位技术就是指在人类活动的地上，地下空间和外层空间范围内，能够联合采用不同定位技术以达到对各种定位应用的无缝覆盖，同时保证各种场景下定位技术、定位算法、定位精度和覆盖范围的平滑过渡及无缝连接。

随着物联网技术的发展与普及，工业手机已被广泛应用于工业自动化生产过程中。为了更好地适应不同环境下的生产需求，工业手机需要具备在室内/室外环境中实现无缝定位和场景识别的功能。然而，由于室内外环境下场景差异较大，传统的定位技术无法满足精度和准确性的要求，因此需要一种新的基于场景识别的定位算法。

发明内容

有鉴于此，本发明希望提供一种基于工业手机场景识别的室内外无缝定位算法，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择。

本发明实施例的技术方案是这样实现的：本发明采用的技术方案为一种基于工业手机场景识别的室内外无缝定位算法，包含以下步骤：

S1：确定目标位置区域

GPS获取的位置信息为经度和维度，通过经度和维度即可对应到地球表面的位置点，即可确定采集能量的平面位置，计算目标位置时，首先要确定在哪个区域内计算目标的位置，区域的确定基于GPS获取的能量采集点的位置，每个能量采集点均表现为<经度,纬度>的值对，通过对采集到的多个能量点的经度和维度在两个方向分别取均值，得到目标区域的基点值对，然后由该基点向东西南北四个方向各延伸一定距离作为目标计算的区域，在区域内东西向和南北向每隔若干米取一个点，作为目标的可能位置点，即为目标点；

S2：确定目标区域方向

采用四个方向的天线来预测目标可能所在的方向，四个方向分别定义为前、后、左、右，以前向为基准，由前向和北向的夹角，来计算前、后、左、右分别指向的真实方向，在采集能量时，针对目标手机的同一次能量发送得知其在四个方向上能量的不同数值，选取相对的前后和左右为两组能量，分别选取它们中的较大者，两个较大能量方向会存在一个90度的夹角区域，该区域被认为目标最有可能落入的区域和方向；

S3：确定目标精确方向

在初步计算出目标可能落入的90度区域后，采用相对方向能量互抵、相邻方向能量反比的方法来确定精确角度，即假设某次获取到的能量大小为a、b、c、d分别对应前、后、左、右四个方向，在a和b中选择较大者，c和d中较大者，确定目标位于两个较大者对应的区域内，相对方向能量互抵，由此可以确定目标的方向；

S4：确定目标距离

根据获取的信号强度计算一个最小距离和最大距离，计算公式为D＝λ(C-U)，λ为参数分为λ1和λ2，分别针对最小和最大距离计算的系数，C为一个常量，即最大能量值，U为获取的信号强度值，由上述距离公式会得出一个环形带状区域，内圈为最小距离的半径中心圆，外圈为最大距离的半径中心圆，在两个圆中间的区域为根据能量大小计算出的目标所在范围区域；

S5：计算目标位置概率

目标位置的所有可能点是否为真实目标的概率由多次获取到的能量方向和大小进行计算，每次能量的获取都会根据方向和能量大小确定一个目标的位置范围，范围内的点的概率累加，累加值的大小由本次能量的特点进行权重计算，最终对所有点的概率按大小排序，概率越大的伪目标是真实目标的可能性就越大，反之越小；

S6：无缝切换

建立相应的指纹库，利用神经网络方法进行定位，为了减少室内定位算法的计算量，提升收敛速度，采用基于KNN算法进行Wi-Fi室内定位，最后基于欧式距离的指纹切换算法进行室内外定位切换，根据切换过程中发生判决错误的差错概率P的大小设定阈值，进行移动终端室内、外定位的无缝切换。

进一步优选的，利用不同网络信号值建立指纹数据库作为输入，提高了位置与指纹的准确度，同时不同信号强度间对位置的确定也进行了修正，提高了定位精度。

进一步优选的，消除异常能量带来的方向影响，具体的过程为采用方向角度误差容错机制，即在基于某次能量采集计算出目标相对于该点的准确方向后，以该方向的角度基准上下均偏移15度，在该30度内范围内的伪目标点均增加概率，对于前后或左右方向上能量值相差大于阀值时，定义其为异常能量，异常能量点计算出的范围内的所有伪目标点的概率值增加量均减小。

进一步优选的，所述阀值为取最大能量的20％。

进一步优选的，降低小能量带来的计算误差，具体的过程为引入了阀值能量，该阀值大小由实际测试所得的经验值，在能量采集点获取的四个方向中最大的能量值和阀值能量的比值设为本次计算出的范围内的伪目标点概率增加值的基础值，在降低小能量带来的干扰时，选择对基础值进行平方或多次方来改变本次计算的概率增加值。

进一步优选的，所述阀值大小通常取最大能量的40％。

进一步优选的，在位置计算时优先对方向进行计算排序筛选，对筛选出的大概率的前特定数目的点再加入能量大小计算的范围内点增加概率贡献重新排序。

进一步优选的，由采集的能量先确定基点，进而确定伪目标点，然后对能量的采集点分别计算伪目标点的夹角概率和距离概率，得到两个概率数组，对伪目标点先排序角度概率，取特定数目的大概率伪目标点，再加上对应伪目标点的距离概率，重新排序，返回排序后的伪目标点。

进一步优选的，根据接收机接收到的信号强度与数据库中的值进行比较，找到数据库中接近于该目标的某个或者某几个参考点并将其作为目标的估计位置，此方法定位精度高，可以不考虑路径衰减的影响。

进一步优选的，通过计算测试点与指纹图中每一个参考点的欧式距离Di，并找出其中最小值Dmin，利用判决算法将欧式距离大于阈值的测试点认作处于服务区以外，根据切换过程中发生判决错误的差错概率P的大小设定阈值，进而达到顺利切换的目的。

本发明实施例由于采用以上技术方案，其具有以下优点：

一、提高了定位的精度的同时随着采集的信号能量的增加，可以不断缩小真实目标的范围，最终把目标定位在一个伪目标点的附近；

二、利用不同制式的网络信号协同定位，在不增加硬件设施的前提下，提高了定位精度；

三、利用当前社会中广泛存在的蜂窝网和Wi-Fi信号进行无缝定位设计，极大的降低了硬件成本花销；

四、算法中基于设定为缓冲时间阈值及定位精度阈值两个参数，实现室内外定位的无缝切换。其中定位缓冲区的存在，避免了单一依靠室内定位传感器信号作为室内外定位切换依据，基于定位缓冲时间及定位精度阈值两大参数进行作为室内外定位切换依据，极大程度上解决了错误切换及切换跳动的问题。同时基于GPS/北斗信号和缓冲区传感器信号的切换判定，保证了用户完全进入室内或者室外的定位切换效率。

上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提出的目标计算的区域的示意图；

图2为本发明提出的环形带状区域的示意图；

图3为本发明提出的方向角度误差容错机制示意图；

图4为本发明提出的定位过程流程图。

具体实施方式

在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。

下面结合附图对本发明的实施例进行详细说明。

如图1-4所示，本发明实施例提供了一种基于工业手机场景识别的室内外无缝定位算法，包含以下步骤：

S1：确定目标位置区域

GPS获取的位置信息为经度和维度，通过经度和维度即可对应到地球表面的位置点，即可确定采集能量的平面位置，计算目标位置时，首先要确定在哪个区域内计算目标的位置，区域的确定基于GPS获取的能量采集点的位置，每个能量采集点均表现为<经度,纬度>的值对，通过对采集到的多个能量点的经度和维度在两个方向分别取均值，得到目标区域的基点值对，然后由该基点向东西南北四个方向各延伸一定距离作为目标计算的区域，在区域内东西向和南北向每隔若干米取一个点，作为目标的可能位置点，即为目标点；

S2：确定目标区域方向

采用四个方向的天线来预测目标可能所在的方向，四个方向分别定义为前、后、左、右，以前向为基准，由前向和北向的夹角，来计算前、后、左、右分别指向的真实方向，在采集能量时，针对目标手机的同一次能量发送得知其在四个方向上能量的不同数值，选取相对的前后和左右为两组能量，分别选取它们中的较大者，两个较大能量方向会存在一个90度的夹角区域，该区域被认为目标最有可能落入的区域和方向；

S3：确定目标精确方向

在初步计算出目标可能落入的90度区域后，采用相对方向能量互抵、相邻方向能量反比的方法来确定精确角度，即假设某次获取到的能量大小为a、b、c、d分别对应前、后、左、右四个方向，在a和b中选择较大者，c和d中较大者，确定目标位于两个较大者对应的区域内，相对方向能量互抵，由此可以确定目标的方向；

S4：确定目标距离

根据获取的信号强度计算一个最小距离和最大距离，计算公式为D＝λ(C-U)，λ为参数分为λ1和λ2，分别针对最小和最大距离计算的系数，C为一个常量，即最大能量值，U为获取的信号强度值，由上述距离公式会得出一个环形带状区域，内圈为最小距离的半径中心圆，外圈为最大距离的半径中心圆，在两个圆中间的区域为根据能量大小计算出的目标所在范围区域；

S5：计算目标位置概率

目标位置的所有可能点是否为真实目标的概率由多次获取到的能量方向和大小进行计算，每次能量的获取都会根据方向和能量大小确定一个目标的位置范围，范围内的点的概率累加，累加值的大小由本次能量的特点进行权重计算，最终对所有点的概率按大小排序，概率越大的伪目标是真实目标的可能性就越大，反之越小；

S6：无缝切换

建立相应的指纹库，利用神经网络方法进行定位，为了减少室内定位算法的计算量，提升收敛速度，采用基于KNN算法进行Wi-Fi室内定位，最后基于欧式距离的指纹切换算法进行室内外定位切换，根据切换过程中发生判决错误的差错概率P的大小设定阈值，进行移动终端室内、外定位的无缝切换。

利用不同网络信号值建立指纹数据库作为输入，提高了位置与指纹的准确度，同时不同信号强度间对位置的确定也进行了修正，提高了定位精度。

消除异常能量带来的方向影响，具体的过程为采用方向角度误差容错机制，即在基于某次能量采集计算出目标相对于该点的准确方向后，以该方向的角度基准上下均偏移15度，在该30度内范围内的伪目标点均增加概率，对于前后或左右方向上能量值相差大于阀值时，定义其为异常能量，异常能量点计算出的范围内的所有伪目标点的概率值增加量均减小。

所述阀值为取最大能量的20％。

降低小能量带来的计算误差，具体的过程为引入了阀值能量，该阀值大小由实际测试所得的经验值，在能量采集点获取的四个方向中最大的能量值和阀值能量的比值设为本次计算出的范围内的伪目标点概率增加值的基础值，在降低小能量带来的干扰时，选择对基础值进行平方或多次方来改变本次计算的概率增加值。

所述阀值大小通常取最大能量的40％。

在位置计算时优先对方向进行计算排序筛选，对筛选出的大概率的前特定数目的点再加入能量大小计算的范围内点增加概率贡献重新排序。

由采集的能量先确定基点，进而确定伪目标点，然后对能量的采集点分别计算伪目标点的夹角概率和距离概率，得到两个概率数组，对伪目标点先排序角度概率，取特定数目的大概率伪目标点，再加上对应伪目标点的距离概率，重新排序，返回排序后的伪目标点。

根据接收机接收到的信号强度与数据库中的值进行比较，找到数据库中接近于该目标的某个或者某几个参考点并将其作为目标的估计位置，此方法定位精度高，可以不考虑路径衰减的影响。

通过计算测试点与指纹图中每一个参考点的欧式距离Di，并找出其中最小值Dmin，利用判决算法将欧式距离大于阈值的测试点认作处于服务区以外，根据切换过程中发生判决错误的差错概率P的大小设定阈值，进而达到顺利切换的目的。

在一个实施例中，基于神经网络的多制式移动蜂窝网室外定位，首先通过移动设备获取参考点不同制式蜂窝网信号值，然后经过小波变换处理这些信号值，最后计算每个位置的信号值，得到参考点与信号值的对应关系，进而建立数据库。

具体的，选取参考节点位置本步骤中选取的参考节点尽量均分与待定位空间内。本实例中室外参考节点之间横向相距3米，纵向相距3米，室内参考节点之间横向相距1米，纵向距离1米。

具体的，根据三种不同制式蜂窝网的信号作为输入值，具体位置坐标作为输出值，对神经网络进行训练，最终利用神经网络算法，估计出待测点的具体位置。

具体的，基于KNN的Wi-Fi室内定位算法步骤测量待定位节点接收到各个接入点的信号强度。

具体的，在实验环境中随机选取一部分未知节点，记录其真实位置坐标，以及在这些点上测量的来自周围接入点的信号强度向量，假设其中某一点的信号强度向量。

具体的，确定位置根据所测得不同信号强度值，计算未知节点与各参考节点的信号强度向量之间的“距离”，根据相似度最高的前k个参考节点坐标以，对未知节点进行定位。

具体的，室内外交互区判断针对指纹定位提出了一种基于欧氏距离的切换算法。该算法不依赖合作系统参数，可独立为指纹定位系统服务。由于指纹定位系统的特殊性，接收机不能单纯依据信号强弱来判定是否在服务区内。通过计算测试点与指纹图中每一个参考点的欧式距离Di，并找出其中最小值Dmin，利用判决算法将欧式距离大于阈值的测试点认作处于服务区以外。

具体的，阈值的选择是切换问题的核心，服务覆盖区内和服务覆盖区外的测试点与指纹图间的欧氏距离的统计结果表明，服务覆盖区内、外测试点均与指纹图间的欧氏距离服从莱斯分布。

具体的，根据欧式距离切换算法，完成室内外定位的平稳过渡。当处于室内环境中时采用基于KNN的指纹算法进行定位，当处于室外环境中是采用基于神经网络的多制式的蜂窝网定位。

在另一个实施例中：

步骤一、确定目标位置区域

GPS获取的位置信息为经度和维度，通过经度和维度即可对应到地球表面的位置点，即可确定采集能量的平面位置。计算目标位置时，首先要确定在哪个区域内计算目标的位置，区域的确定基于GPS获取的能量采集点的位置，每个能量采集点均表现为<经度,纬度>的值对，通过对采集到的多个能量点的经度和维度在两个方向分别取均值，得到目标区域的基点值对。

由该基点向东西南北四个方向各延伸一千米作为目标计算的区域(延伸距离根据目标手机采用的信号制式而不同)。在区域内东西向(X轴)和南北向(Y轴)每隔10米取一个点，作为目标的可能位置点。图1中是以100x100米为例的情形，图中所示X轴为经度的东西向，Y轴为纬度的南北向，黑色点为伪目标点，为通过计算得出的基点。

步骤二、确定目标区域方向

采用四个方向的天线来预测目标可能所在的方向，四个方向分别定义为前、后、左、右。以前向为基准，由前向和北向的夹角，来计算前、后、左、右分别指向的真实方向。在采集能量时，可针对目标手机的同一次能量发送得知其在四个方向上能量的不同数值，选取相对的前后和左右为两组能量，分别选取它们中的较大者，两个较大能量方向会存在一个90度的夹角区域，该区域被认为目标最有可能落入的区域和方向。

步骤三、确定目标精确方向

在初步计算出目标落入的90度区域后，要进一步确定目标在该区域的角度。本发明采用相对方向能量互抵、相邻方向能量反比的方法来确定精确角度，计算过程如下：假设某次获取到的能量大小为a、b、c、d分别对应前、后、左、右四个方向，在a和b中选择较大者(假如a>b)a，c和d中较大者(假如c>d)c，确定目标位于a、c对应的前向、左向区域内。相对方向能量互抵，即前后能量互抵x＝a-b，左右能量互抵y＝c-d。在前左区域内的90度划分，采用的是相邻能量反比算法，即和前向的夹角度数为m＝y/(x+y)*90，和左向夹角度数为n＝x/(x+y)*90，由此可以确定目标的方向。

步骤四、确定目标距离

标准的信号距离公式难以计算出准确的距离数据，所以根据获取的信号强度估算一个距离范围是可行的。根据信号强度计算一个最小距离和最大距离，计算公式为D＝λ(C-U)。λ为参数分为λ1和λ2，分别针对最小和最大距离计算的系数，C为一个常量，即最大能量值，U为获取的信号强度值。由上述距离公式会得出一个环形带状区域，如图2所示。其中的圆心为能量采集点，内圈为最小距离的半径中心圆，外圈为最大距离的半径中心圆。在两个圆中间的环形带状区域为根据能量大小计算出的目标所在范围区域。

步骤五、消除异常能量带来的方向影响

因手机信号在传输的过程中存在无线信号的多径传输问题，在目标环境复杂的情况下，多径传输通常会对方向的采集带来影响，影响较大时会和目标方向南辕北辙，较小时也会导致方向偏差。

为在计算中尽量消除此类问题的影响，采用方向角度误差容错机制。即在基于某次能量采集计算出目标相对于该点的准确方向后，以该方向的角度基准上下均偏移15度，在该30度内范围内的伪目标点均增加概率。对于前后或左右方向上能量值相差大于阀值(通常取最大能量的20％)时，定义其为异常能量。实际测试发现该类能量产生的原因在于受环境因素影响导致，特别是障碍物。异常能量点计算出的范围内的所有伪目标点的概率值增加量均减小。

步骤六、降低小能量带来的计算误差

手机定位时距离目标较远时获取的能量较小，越远的信号传输距离受到的环境因素的影响越大，在准确性的参考价值上越小，为降低这类能量对计算结果的影响，引入了阀值能量。该阀值大小由实际测试所得的经验值，通常取最大能量的40％。在能量采集点获取的四个方向中最大的能量值和阀值能量的比值，本发明设为本次计算出的范围内的伪目标点概率增加值的基础值。在降低小能量带来的干扰时，选择对基础值进行平方或多次方来改变本次计算的概率增加值。

步骤七、优先考虑方向

手机信号对于环境因素是敏感的，从方向和大小来对比，能量的大小受到的干扰因素会更多，除了障碍物影响外，手机自身设计和天气等因素也影响采集能量的大小。所以在位置计算时优先对方向进行计算排序筛选，对筛选出的大概率的前特定数目(实际应用中选择800)的点再加入能量大小计算的范围内点增加概率贡献重新排序。

步骤八、计算目标位置概率

目标位置的所有可能点是否为真实目标的概率由多次获取到的能量方向和大小进行计算。每次能量的获取，都会根据方向和能量大小确定一个目标的位置范围，范围内的点的概率累加，累加值的大小由本次能量的特点进行权重计算。最终对所有点的概率按大小排序，概率越大的伪目标是真实目标的可能性就越大，反之越小。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。