[0005] 本发明技术克服现有技术的不足，解决了传统基于指纹的室内定位系统鲁棒性较差的问题。
[0006] 为解决上述问题，本发明公开了一种移动机器人定位方法，具体包括以下步骤：
[0007] 步骤S1：首先在待定位的室内区域部署4个蓝牙信标，分别位于四个顶点，记为B1,B2,B3,B4，这四个信标的位置已知，分别记为
[0008] 步骤S2：步骤S1中部署的信标辐射的信号会在室内形成无线电波信号场，在待定位的室内区域的不同指纹样本点，记为RP，采集无线电信号强度特征数据，形成特征数据矩阵
[0009]
[0010] 其中， 表示信标Bi在样本点RPj处的无线电信号强度，N为样本点数量，每个RP的坐标为(xj,yj)；为每个样本点分配一个相似度系数权重αj＝1；
[0011] 步骤S3：采集待定位点接收到四个信标的信号强度数据，分别记为并通过以下公式计算待定位点与四个信标之间的距离：
[0012] RSSI＝A-10·n·lg(d),
[0013] 上式中，RSSI表示在待定位区域中某点接收到的信号强度数据，A表示参考距离1m处的接收信号强度数据，信号强度数据的单位为dBm，n为路径损耗因子，它的值为实际测得的经验值，障碍物越多，n值越大，d表示待定位点与信标之间的距离；
[0014] 步骤S4：运用如下式子计算待定位点的坐标，这种方法计算出来的坐标记为(xw,yw)：
[0015]
[0016]
[0017]
[0018] 其中， 表示四个信标的坐标位置，wi,i＝1,2,3,4表示每个信标位置的权值，这些权值是由步骤S3中计算出来的待定位点和每个信标之间的距离di,i＝
1,2,3,4决定的，g为一个常数；
[0019] 步骤S5：通过扫描步骤S2中得到的信号强度特征集合，依次对待定位点的信号强度特征数据与集合中的特征数据进行相似度计算，相似度计算的公式如下：
[0020]
[0021] 其中，sj表示待定位点与第j个样本点之间的相似度；
[0022] 步骤S6：将步骤S5中计算出来的一系列相似度按降序排列，相似度最高的K个样本点被筛选出来，根据这K个样本点的位置坐标来计算待定位点的坐标，这种方法计算出来的坐标记为(xs,ys)，计算方法如下：
[0023]
[0024]
[0025] 其中，C为被选出来的K的样本点的序号集合，集合中有K个元素；
[0026] 步骤S7：求取步骤S4和步骤S6中得到的两个位置坐标(xw,yw)与(xs,ys)的平均：计算最终的估计位置(x,y)，如果(xs,ys)与(xw,yw)之间的距离小于一个预先设定的常数τ，则计算
[0027]
[0028]
[0029] 否则，令x＝xw,y＝yw；
[0030] 对αj进行更新，如下：在(x,y)周围寻找与其最近的K的样本点，其序号集合记为C′，求 然后更新αj如下： 其中δ>0。
[0031] 与已有的技术相比，本发明具有以下优点：
[0032] 1.本发明基于蓝牙技术进行室内定位，由于蓝牙技术已经广泛应用于日常生活中，使得该发明所提出定位方法的实现不需要额外的昂贵设备，成本较低；
[0033] 2.采用基于RSSI的测距方法，不需要时钟同步，功耗与成本都较低；
[0034] 3.融合传统的位置指纹定位方法与加权质心定位算法，增强了定位方法的鲁棒性。
