本发明涉及室内定位技术领域，尤其涉及基于粒子滤波算法的uwb/ins组合室内定位方法。
背景技术：
在gps卫星导航定位技术已经发展得较为完善的今天，因室内环境、地下环境较为封闭和复杂的环境特点，gps技术在室内以及地下难以做到精确的跟踪定位。由此，室内定位技术应运而生。
在各种室内定位方案中，大多集中在对单一定位技术的研究。相对较好的无线定位技术是uwb室内定位技术，但uwb定位容易受环境的影响。若室内环境空旷，没有障碍物的干扰，即视距环境下，uwb定位精度较高；当室内环境复杂时，即非视距环境下，uwb信号受多径效应影响，导致对目标无法进行准确连续定位。
ins定位技术因不易受环境影响，可以对目标连续定位跟踪。但ins定位技术有累积误差的存在，需要对其进行不间断的位置修正。
基于uwb/ins的室内定位技术既可以提高系统的平均定位精度又可以实现对目标长时间的连续定位跟踪。
技术实现要素：
本发明提出基于粒子滤波算法的uwb/ins组合室内定位方法，目的在于解决非视距复杂环境导致定位系统定位精度不高的技术问题。
本发明的技术方案是：基于粒子滤波算法的uwb/ins组合室内定位方法。包括：
通过uwb系统获取待定位人员到各参考基站的距离，通过uwb位置解算单元计算出人员的东方向位置和北方向位置。
通过ins系统获取人员在行走过程中的三轴加速度、三轴角速度、以及三轴磁场强度，通过ins解算单元计算出人员行进时的步长、东方向步速、北方向步速、迈步时间以及姿态角。
以uwb系统计算得到的东方向位置和北方向位置、ins系统计算得到的东方向步速、北方向步速作为状态向量，以ins系统计算得到的步长和姿态角作为观测向量，构建粒子滤波模型。
进行粒子滤波处理，得到当前时刻最佳的室内人员位置信息。
进一步地，所述的粒子滤波器的状态方程为：
其中，[e(k 1)n(k 1)ve(k 1)vn(k 1)]和
[e(k)n(k)ve(k)vn(k)]分别是k 1时刻和k时刻uwb系统与ins系统计算得到的东方向位置、北方向位置、东方向步速、北方向步速，t(k)是k时刻人员的迈步时间，ω(k)是k时刻的系统噪声。
进一步地，所述的粒子滤波器的观测方程为：
h3＝1/ve(k)
其中，[e(k)n(k)s(k)y(k)]是k时刻uwb系统与ins系统计算得到的东方向位置、北方向位置、步长和姿态角，[e(k)n(k)ve(k)vn(k)]是k时刻uwb系统与ins系统计算得到的东方向位置、北方向位置、东方向步速、北方向步速，γ(k)是k时刻的系统观测噪声。
进一步地，建立粒子滤波模型，执行粒子滤波算法对数据进行处理，具体为：
初始化：从先验分布中抽取初始化状态
粒子集合采样：
计算粒子重要性权值：
归一化权重：
选择重采样：根据归一化权值
输出：粒子滤波器输出一组样本点，近似表示成后验分布：
xk＝∫xkp(x0:k|z1:k)dx0:k
最终得到k时刻最佳的室内人员位置估计。
本发明的有益效果：通过使用粒子滤波算法将uwb系统和ins系统各自计算得到的结果进行数据融合，降低非视距复杂环境对于组合定位系统的定位精度的影响，得到最佳的室内人员位置估计。可用于室内高精度人员定位。
附图说明
图1为uwb/ins组合室内定位系统示意图；
图2为基于粒子滤波算法的uwb/ins组合室内定位方法示意图。
具体实施方式
下面结合附图及具体实施对本发明进行进一步的描述：
基于粒子滤波算法的uwb/ins组合室内定位方法，包括：
预先在室内进行uwb基站布置，将uwb标签固定在人员身上，将ins传感器固定在人员的脚尖，再开展下列步骤：
步骤一：通过uwb系统获取待定位人员到各参考基站的距离，通过uwb位置解算单元计算出人员的东方向位置和北方向位置。
步骤二：通过ins系统获取人员在行走过程中的三轴加速度、三轴角速度、以及三轴磁场强度，通过ins解算单元计算出人员行进时的步长、东方向步速、北方向步速、迈步时间以及姿态角。
步骤三：以uwb系统计算得到的东方向位置和北方向位置、ins系统计算得到的东方向步速、北方向步速作为状态向量，以ins系统计算得到的步长和姿态角作为观测向量，构建粒子滤波模型。包括：
所述的粒子滤波器的状态方程为：
其中，[e(k 1)n(k 1)ve(k 1)vn(k 1)]和[e(k)n(k)ve(k)vn(k)]分别是k 1时刻和k时刻uwb系统与ins系统计算得到的东方向位置、北方向位置、东方向步速、北方向步速，t(k)是k时刻人员的迈步时间，ω(k)是k时刻的系统噪声。
所述的粒子滤波器的观测方程为：
h3＝1/ve(k)
其中，[e(k)n(k)s(k)y(k)]是k时刻uwb系统与ins系统计算得到的东方向位置、北方向位置、步长和姿态角，[e(k)n(k)ve(k)vn(k)]是k时刻uwb系统与ins系统计算得到的东方向位置、北方向位置、东方向步速、北方向步速，γ(k)是k时刻的系统观测噪声。
步骤四：根据步骤三构建的粒子滤波模型进行粒子滤波处理，包括：
初始化：从先验分布中抽取初始化状态
粒子集合采样：
计算粒子重要性权值：
归一化权重：
选择重采样：根据归一化权值
输出：粒子滤波器输出一组样本点，近似表示成后验分布：
xk＝∫xkp(x0:k|z1:k)dx0:k
最终得到k时刻最佳的室内人员位置估计。
1.基于粒子滤波算法的uwb/ins组合室内定位方法，其特征在于，包括以下步骤：
步骤一：通过uwb系统获取待定位人员到各参考基站的距离，通过uwb位置解算单元计算出人员的东方向位置和北方向位置；
步骤二：通过ins系统获取人员在行走过程中的三轴加速度、三轴角速度、以及三轴磁场强度，通过ins解算单元计算出人员行进时的步长、东方向步速、北方向步速、迈步时间以及姿态角；
步骤三：以uwb系统计算得到的东方向位置和北方向位置、ins系统计算得到的东方向步速、北方向步速作为状态向量，以ins系统计算得到的步长和姿态角作为观测向量，构建粒子滤波模型；
步骤四：进行粒子滤波处理，得到当前时刻最佳的室内人员位置估计。
2.如权利要求1所述的基于粒子滤波算法的uwb/ins组合室内定位方法，其特征在于，粒子滤波器的状态方程为：
其中，[e(k 1)n(k 1)ve(k 1)vn(k 1)]和[e(k)n(k)ve(k)vn(k)]分别是k 1时刻和k时刻uwb系统与ins系统计算得到的东方向位置、北方向位置、东方向步速、北方向步速，t(k)是k时刻人员的迈步时间，ω(k)是k时刻的系统噪声。
3.如权利要求1所述的基于粒子滤波算法的uwb/ins组合室内定位方法，其特征在于，所述的粒子滤波器的观测方程为：
h3＝1/ve(k)
其中，[e(k)n(k)s(k)y(k)]是k时刻uwb系统与ins系统计算得到的东方向位置、北方向位置、步长和姿态角，[e(k)n(k)ve(k)vn(k)]是k时刻uwb系统与ins系统计算得到的东方向位置、北方向位置、东方向步速、北方向步速，γ(k)是k时刻的系统观测噪声。
4.如权利要求1所述的基于粒子滤波算法的uwb/ins组合室内定位方法，其特征在于，建立粒子滤波模型，执行粒子滤波算法对数据进行处理，具体为：
初始化：从先验分布中抽取初始化状态
粒子集合采样：
计算粒子重要性权值：
归一化权重：
选择重采样：根据归一化权值
输出：粒子滤波器输出一组样本点，近似表示成后验分布：
xk＝∫xkp(x0:k|z1:k)dx0:k
最终得到k时刻最佳的室内人员位置估计。
技术总结