一种多源数据融合语音室内定位方法及相关设备

1.本发明涉及位置服务技术领域，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：

2.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。
3.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。
4.因此，现有技术还有待于改进和发展。


技术实现要素：

5.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。
6.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：
7.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；
8.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；
9.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；
10.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。
11.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。
12.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。
13.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：
14.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；
15.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。
16.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：
[0017][0018]
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；
[0019]
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：
[0020][0021]
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；
[0022]
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：
[0023][0024][0025]
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；
[0026]
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：
[0027]
p
spa
＝p
dir
p
dis
；(5)
[0028]
其中，p
dir
表示位置描述区域中的方位关系概率，p
dis
表示位置描述区域中的距离概率。
[0029]
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：
[0030]
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；
[0031]
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；
[0032]
当某一段的起始点坐标为(x0，y0)，则下一时刻坐标(x
i+1
，y
i+1
)为：
[0033][0034]
其中，θ表示当前时刻航向角，stepl表示步长；
[0035]
步长计算通过步频模型获取：
[0036]
stepl＝a*f+b；(7)
[0037]
其中，f表示步频，a与b表示模型系数；
[0038]
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：
[0039][0040]
其中，m
x
、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；
[0041]
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。
[0042]
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：
[0043]
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；
[0044]
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；
[0045]
采用动态时间规划算法对地磁序列进行匹配；
[0046]
对于wi-fi信号，观测点与有已知指纹之间的距离为：
[0047][0048]
其中，d
rssi
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；
[0049]
融合的粒子权重更新为：
[0050][0051]
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；
[0052]
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。
[0053]
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：
[0054]
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；
[0055]
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；
[0056]
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；
[0057]
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。
[0058]
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。
[0059]
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。
[0060]
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。
附图说明
[0061]
图1是本发明多源数据融合语音室内定位方法的较佳实施例的流程图；
[0062]
图2是本发明多源数据融合语音室内定位方法的较佳实施例中室内位置描述分类框架的示意图；
[0063]
图3是本发明多源数据融合语音室内定位方法的较佳实施例中定性距离“附近”建模过程示意图；
[0064]
图4是本发明多源数据融合语音室内定位系统的较佳实施例的原理示意图；
[0065]
图5为本发明终端的较佳实施例的运行环境示意图。
具体实施方式
[0066]
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0067]
本发明较佳实施例所述的多源数据融合语音室内定位方法，如图1所示，所述多源数据融合语音室内定位方法包括以下步骤：
[0068]
步骤s10、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。
[0069]
具体地，通过自然语言处理技术实现语音位置描述到文本位置描述的转换；基于分词技术提取文本位置描述中的参考对象及其空间关系，例如，“我在麦当劳附近”分词后为：“我/在/麦当劳/附近”，其中，“麦当劳”表示参考对象，“附近”表示空间关系；室内位置描述中的可用于定位的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，即“附近”，所述定位距离表示具有数值的距离关系。由于表达的模糊性，“附近”还有其他类似表达，如：“较近”等相同概念。将这类较为模糊的表达映射成为“附近”这同一种概念，利于下面对此类空间关系统一建模。进而通过本体，建立参考对象及其空间关系的映射关系。例如，在数据库中以参考对象-空间关系-空间关系概率函数存储。
[0070]
步骤s20、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。
[0071]
具体地，室内位置描述包括参考对象(reference object)、与其相关的空间关系
(spatial relation)及目标对象(target object)。参考对象为室内具有名称的地物；目标对象为描述位置，即：定位点。用于定位的空间关系包括：相对方位关系和距离关系(定性距离和定位距离)。
[0072]
通常来说，位置描述中的参考对象至少包括一个，且最多三个。室内位置描述分类框架如图2所示，位置描述中的每一个参考对象会涉及1-2种空间关系。位置描述中有一个参考对象称为“一元位置描述”，位置描述中有二个参考对象称为“二元位置描述”，位置描述中有三个参考对象称为“三元位置描述”；位置描述中所有参考对象均涉及2种空间关系为完全空间关系位置描述(即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)，例如：左前方20m为麦当劳，右前方30m为boy，麦当劳相关的空间关系为20m和左前方；除此以外均为非完全空间关系位置描述(即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)。
[0073]
(1)当所述空间关系为所述定性距离(附近)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。
[0074]
在已构建的voronoi图中插入点对象(t)，重构voronoi图，原本属于该参考对象的voronoi区域，现在属于新插入点(t)的区域称为“窃取面积”。如图3所示，研究集合r＝{ro1，ro2
…
ro12}，圆圈区域为t从ro3、ro10和ro12窃取的面积，阴影区域为ro12的窃取面积。虚线tp为插入点到参考对象ro12的最短欧式距离。
[0075]
则“附近”空间关系概率密度函数如下：
[0076][0077]
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。
[0078]
(2)当所述空间关系为所述定位距离时，通过认知实验方式建立定量距离隶属度函数。邀请不同背景、不同年龄段的被试者，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：
[0079][0080]
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。
[0081]
(3)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：
[0082][0083][0084]
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。
[0085]
位置描述定位过程可以分为两个过程：1)、基于位置描述中的空间关系确定位置描述区域；2)、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：
[0086]
p
spa
＝p
dir
p
dis
；(5)
[0087]
其中，p
dir
表示位置描述区域中的方位关系概率，p
dis
表示位置描述区域中的距离概率。
[0088]
步骤s30、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。
[0089]
具体地，传统指纹库构建是单点采集，耗时耗力，本发明通过步行采集的方式获取指纹，通过后期处理，构建地图指纹库。将室内空间划分为n段，起始点坐标标记为已知点，为尽可能采集整个实验场景内的指纹，拐点处设置为标记点；采集并记录标记区间内匀速行走时的rssi、加速计、磁力计等的传感器数据；例如当某一段的起始点坐标为(x0，y0)，则下一时刻坐标(x
i+1
，y
i+1
)为：
[0090][0091]
其中，θ表示当前时刻航向角，stepl表示步长。
[0092]
步长计算通过步频模型获取：
[0093]
stepl＝a*f+b；(7)
[0094]
其中，f表示步频，a与b表示模型系数。
[0095]
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：
[0096][0097]
其中，m
x
、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。
[0098]
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。由于wi-fi比地磁的采集频率慢，在没有wi-fi的位置，设置空值。
[0099]
步骤s40、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。
[0100]
具体地，粒子初始化后，由pdr模块更新粒子的状态，然后更新粒子权重，最终对粒子加权平均获取定位结果；算法过程中主要需要确定状态更新方程及粒子权重更新方程。
[0101]
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)，在此过程中，通过空间关系及地图信息约束粒子位置，避免预测粒子到不可达区域(例如：窗墙等)；当由语音触发定位，即定位有空间关系参与时，需要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；其它时刻，只需通过数字地图信息约束粒子空间位置。
[0102]
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；空间关系可以缩小指纹库的匹配范围，提高指纹匹配效率。
[0103]
由于单模地磁指纹空间分辨率低，致使空间存在多个相同的地磁指纹，严重影响定位精度。地磁序列稳定且空间分辨率较高，本发明采用动态时间规划算法对地磁序列进行匹配。
[0104]
对于wi-fi信号，观测点与有已知指纹之间的距离为：
[0105][0106]
其中，d
rssi
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。
[0107]
融合的粒子权重更新为：
[0108][0109]
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。
[0110]
当wi-fi信号因此缺失时，不参与融合粒子权重更新；当无语音位置描述时，空间关系也不参与融合粒子权重更新。
[0111]
本发明提供了一种基于复杂室内位置描述场景的多源数据融合语音定位方法，包括通过自然语言处理(nlp)技术完成语音到文本的转换，通过分词技术，提取文本位置描述中的位置描述三元组，基于本体建立参考对象及其空间关系的映射关系；基于参考对象和空间关系个数建立完整的室内位置描述分类框架；基于位置描述框架；基于隐马尔科夫模型实现基于“附近”空间关系增强的多源融合室内定位；利用本发明在已有设施基础上，可实现低成本的高精度语音交互式室内定位。
[0112]
进一步地，如图4所示，基于上述多源数据融合语音室内定位方法，本发明还相应提供了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：
[0113]
数据转换提取模块51，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；
[0114]
位置描述分类模块52，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；
[0115]
指纹采集构建模块53，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；
[0116]
粒子处理定位模块54，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。
[0117]
进一步地，如图5所示，基于上述多源数据融合语音室内定位方法和系统，本发明还相应提供了一种终端，所述终端包括处理器10、存储器20及显示器30。图5仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
[0118]
所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据，例如所述安装终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有多源数据融合语音室内定位程序40，该多源数据融合语音室内定位程序40可被处理器10所执行，从而实现本技术中多源数据融合语音室内定位方法。
[0119]
所述处理器10在一些实施例中可以是一中央处理器(central processing unit,cpu)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述多源数据融合语音室内定位方法等。
[0120]
所述显示器30在一些实施例中可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。所述显示器30用于显示在所述终端的信息以及用于显示可视化的用户界面。所述终端的部件10-30通过系统总线相互通信。
[0121]
在一实施例中，当处理器10执行所述存储器20中多源数据融合语音室内定位程序40时实现以下步骤：
[0122]
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；
[0123]
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；
[0124]
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；
[0125]
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。
[0126]
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。
[0127]
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。
[0128]
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：
[0129]
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；
[0130]
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。
[0131]
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：
[0132][0133]
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，min d(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；
[0134]
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：
[0135][0136]
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；
[0137]
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：
[0138][0139]
[0140]
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；
[0141]
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：
[0142]
p
spa
＝p
dir
p
dis
；(5)
[0143]
其中，p
dir
表示位置描述区域中的方位关系概率，p
dis
表示位置描述区域中的距离概率。
[0144]
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：
[0145]
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；
[0146]
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；
[0147]
当某一段的起始点坐标为(x0，y0)，则下一时刻坐标(x
i+1
，y
i+1
)为：
[0148][0149]
其中，θ表示当前时刻航向角，stepl表示步长；
[0150]
步长计算通过步频模型获取：
[0151]
stepl＝a*f+b；(7)
[0152]
其中，f表示步频，a与b表示模型系数；
[0153]
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：
[0154][0155]
其中，m
x
、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；
[0156]
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。
[0157]
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：
[0158]
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；
[0159]
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；
[0160]
采用动态时间规划算法对地磁序列进行匹配；
[0161]
对于wi-fi信号，观测点与有已知指纹之间的距离为：
[0162][0163]
其中，d
rssi
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；
[0164]
融合的粒子权重更新为：
[0165][0166]
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；
[0167]
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。
[0168]
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。
[0169]
综上所述，本发明提供一种多源数据融合语音室内定位方法及相关设备，所述方法包括：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。
[0170]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
[0171]
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
[0172]
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

技术特征：
1.一种多源数据融合语音室内定位方法，其特征在于，所述多源数据融合语音室内定位方法包括：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。2.根据权利要求1所述的多源数据融合语音室内定位方法，其特征在于，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。3.根据权利要求1所述的多源数据融合语音室内定位方法，其特征在于，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。4.根据权利要求1所述的多源数据融合语音室内定位方法，其特征在于，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：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；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。5.根据权利要求2所述的多源数据融合语音室内定位方法，其特征在于，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：其中，t表示插入点对象，r
i
表示参考对象，t∈nearreg(ri)，min d(t，r
i
)表示t到r
i
的最短欧式距离，min d(t，r
k
)表示t到r
k
的最短欧式距离，a
i
表示t从r
i
窃取的面积，a
k
表示t从r
k
窃取的面积；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：
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；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：度函数：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；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：p
spa
＝p
dir
p
dis
；(5)其中，p
dir
表示位置描述区域中的方位关系概率，p
dis
表示位置描述区域中的距离概率。6.根据权利要求5所述的多源数据融合语音室内定位方法，其特征在于，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：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；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；当某一段的起始点坐标为(x0，y0)，则下一时刻坐标(x
i+1
，y
i+1
)为：其中，θ表示当前时刻航向角，stepl表示步长；步长计算通过步频模型获取：stepl＝a*f+b；(7)其中，f表示步频，a与b表示模型系数；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：其中，m
x
、m
y
、m
z
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；
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。7.根据权利要求6所述的多源数据融合语音室内定位方法，其特征在于，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：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；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；采用动态时间规划算法对地磁序列进行匹配；对于wi-fi信号，观测点与有已知指纹之间的距离为：其中，d
rssi
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；融合的粒子权重更新为：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；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。8.一种多源数据融合语音室内定位系统，其特征在于，所述多源数据融合语音室内定位系统包括：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；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；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；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。9.一种终端，其特征在于，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权利要求1-7任一项所述的多源数据融合语音室内定位方
法的步骤。10.一种计算机可读存储介质，其特征在于，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权利要求1-7任一项所述的多源数据融合语音室内定位方法的步骤。

技术总结
本发明公开了一种多源数据融合语音室内定位方法及相关设备，所述方法包括：基于自然语言处理技术将语言位置描述转换为文本位置描述，基于分词技术提取文本位置描述中的参考对象及其空间关系，基于本体建立参考对象和空间关系的映射关系；确定参考对象的个数，识别所有参考对象对应的所述空间关系的个数，根据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，构建地磁指纹库；基于粒子滤波，融合多源观测数据，实现复杂位置描述定位。本发明实现了低成本的高精度语音交互式室内定位。内定位。内定位。


技术研发人员：王彦坤 张翠 王东洋 樊勇 王洋 李晓明
受保护的技术使用者：深圳职业技术学院 深圳大学
技术研发日：2023.03.30
技术公布日：2023/8/9