改进PDR与RSSI融合的室内定位方法*

2023-12-13杨俊杰隋志成罗钦扬张露明

传感器与微系统 2023年12期

关键词：模型

艾青，杨俊杰，蒋伟，隋志成，罗钦扬，张露明

（1.上海电力大学电子与信息工程学院，上海 201306；2.上海电机学院电子信息学院，上海 201306；3.上海艳灿电子科技有限公司，上海 201306）

0 引言

如今，全球卫星导航定位系统（global positioning system，GPS）技术［1］与人们的生活息息相关，但卫星信号到达地面后强度减弱，无法满足人们对室内定位的需求，为此，基于测距［2］和非测距［3，4］的室内定位技术受到了广泛关注。文献［5］提出了一种将超参数自动调参技术应用于卷积神经网络（convolutional neural network，CNN）模型的方法来执行接收信号强度指示（received signal strength indication，RSSI）指纹匹配。文献［6］利用树莓派单元作为RSSI接收器，通过比较三边测量法和包括随机森林（random forest，RF）在内的5种指纹定位方法的定位误差。文献［7］采用支持向量机（support vector machine，SVM）算法将室内定位问题转化为分类问题，提出一种多信号位置加权的卡尔曼滤波（Kalman filtering，KF）算法，解决了步长时刻变化无法进行滤波的问题。文献［8］利用粒子群滤波将指纹信息和行人航位推算（pedestrian dead reckoning，PDR）数据进行融合，通过比较融合前后三者误差模型的均方根误差（root mean square error，RMSE）随步数增加的变化情况，建立了混合误差模型。虽然上述研究中的实验场景均在室内，但并没有结合场景自身特点有针对性地研究定位技术。

本文首次结合场景自身特点，提出了一种新的基于RSSI和PDR算法的室内人员定位方法---基于停留时长的PDR修正算法（modified PDR algorithm based on length of stay，LOS-MPDR）；再通过扩展卡尔曼滤波（extended Kalman filtering，EKF）技术，将PDR 修正结果与RSSI 定位结果进行优化融合，从而生成最终的定位结果。