基于行人航位推算的室內(nèi)定位技術(shù)綜述

蔡敏敏

（南京郵電大學(xué)通信與信息工程學(xué)院，江蘇南京210000）

基于行人航位推算的室內(nèi)定位技術(shù)綜述

蔡敏敏

（南京郵電大學(xué)通信與信息工程學(xué)院，江蘇南京210000）

行人航位推算系統(tǒng)（PDR）因其無(wú)需部署信標(biāo)節(jié)點(diǎn)、成本低廉的特點(diǎn)被廣泛應(yīng)用于室內(nèi)定位中。圍繞基于行人航位推算的室內(nèi)定位問(wèn)題，對(duì)行人航位推算中步態(tài)檢測(cè)、步長(zhǎng)推算以及方向推算的研究現(xiàn)狀進(jìn)行了系統(tǒng)的梳理和述評(píng)，綜述了基于行人航位推算的室內(nèi)定位的發(fā)展及該領(lǐng)域的一些主要研究成果，指出了該領(lǐng)域現(xiàn)有研究存在的問(wèn)題，提出了相應(yīng)建議和深入研究的方向。

行人航位推算；慣性傳感器；智能手機(jī)；室內(nèi)定位

0 引言

近年來(lái)室內(nèi)定位系統(tǒng)相當(dāng)流行，基于室內(nèi)定位的應(yīng)用有很多，例如，監(jiān)測(cè)病人在醫(yī)院里的位置、消防員在失事建筑物內(nèi)的位置等。

室內(nèi)定位領(lǐng)域已有大量的相關(guān)工作，比如利用在不同位置的短距離信號(hào)（如WiFi、RFID、紅外線等）的信號(hào)強(qiáng)度不同來(lái)建立射頻地圖。通過(guò)監(jiān)測(cè)信號(hào)的變化，利用三角測(cè)量法可以確定人的位置。但是這種方法需要提前在建筑物內(nèi)部署大量信標(biāo)節(jié)點(diǎn)，而且信號(hào)容易受到環(huán)境干擾和多徑效應(yīng)。

相反，行人航位推測(cè)（Pedestrian Dead Reckoning，PDR）系統(tǒng)無(wú)需在建筑物內(nèi)預(yù)裝信標(biāo)節(jié)點(diǎn)，利用慣性傳感器（如加速度傳感器、陀螺儀、數(shù)字羅盤(pán)等）計(jì)算步長(zhǎng)和方向，即可推測(cè)出行人的蹤跡。

1 PDR系統(tǒng)概述

PDR系統(tǒng)所使用的PDR算法，如圖1所示[1]，它是一種相對(duì)定位算法。圖1中，E和N分別代表正東和正北方向。

圖1 PDR算法基本模型

PDR算法：已知行人的起始位置（x0，y0），利用方位角θ1和步長(zhǎng)d1，可以計(jì)算出下一步到達(dá)的位置（x1，y1），如此反復(fù)迭代計(jì)算，可以計(jì)算出行人第k步到達(dá)的位置信息如下：

式中θi和di（i=1，…，k）分別代表第i步的方位角和步長(zhǎng)。PDR系統(tǒng)的結(jié)構(gòu)框架如圖2所示。

圖2 行人航位推測(cè)系統(tǒng)框架

2 步態(tài)檢測(cè)

步態(tài)檢測(cè)是基于慣性傳感器的行人定位系統(tǒng)中的模塊之一，步態(tài)檢測(cè)算法分類(lèi)如下。

2.1 時(shí)域分析

人在行走的時(shí)候隨身攜帶的手機(jī)的加速度軌跡在時(shí)域呈現(xiàn)周期性變化。Qian J等人[2]提出利用手機(jī)內(nèi)的三軸加速度傳感器記錄加速度軌跡，再?gòu)募铀俣溶壽E中檢測(cè)閾值，當(dāng)然在行走過(guò)程中人持手機(jī)會(huì)有些小的異常抖動(dòng)產(chǎn)生，如圖3所示。時(shí)域分析方法除了閾值檢測(cè)法之外，還有動(dòng)態(tài)時(shí)間規(guī)整法[3]。

圖3 步態(tài)檢測(cè)中的加速度波形

2.2 頻域分析

頻域分析的原理是人行走時(shí)的頻率穩(wěn)定在2 Hz左右，而其他行為的頻率一般不在2 Hz附近，利用這一特點(diǎn)，參考文獻(xiàn)[4]利用短期傅里葉變換（STFT）提取出人行為的頻率，若在2 Hz附近，則認(rèn)為是跨了一步。

從上看出，時(shí)域分析方法較為直觀易懂，缺點(diǎn)是在時(shí)域上容易受其他噪聲的影響。頻域分析方法主要是利用行走時(shí)所特有的2 Hz來(lái)區(qū)分行走和其他行為，但不夠直觀，比如很難區(qū)分人抬腳和落腳兩種行為，因?yàn)槠漕l率差別很小。表1從技術(shù)、計(jì)算成本和檢測(cè)錯(cuò)誤率方面出發(fā)，總結(jié)比較了一些基于手機(jī)的步伐檢測(cè)文獻(xiàn)。

表1 基于手機(jī)的步伐檢測(cè)方案

3 步長(zhǎng)推算

由于每個(gè)人的身高、走路的方式不同，所以每個(gè)人的步長(zhǎng)也不一樣，關(guān)于步長(zhǎng)推算方面的一些研究文獻(xiàn)總結(jié)如下。

3.1 常數(shù)模型

推算步長(zhǎng)最直觀的方法就是將一段測(cè)得的行走距離除以計(jì)數(shù)得到的步數(shù)，得平均步長(zhǎng)，即認(rèn)為步長(zhǎng)是常數(shù)[5]。但是實(shí)際上由于人在行走時(shí)的姿勢(shì)會(huì)有所變化，所以步長(zhǎng)也會(huì)改變。

3.2 線性頻率模型

模型A：

Li F等人[3]通過(guò)收集23個(gè)不同身高的人行走4 000步的數(shù)據(jù)，分析得到步長(zhǎng)和頻率呈線性關(guān)系，提出了線性頻率模型：

L=a·f+b

a和b值通過(guò)大量線下訓(xùn)練求得，此方法計(jì)算成本較小，計(jì)算精度也較低。

模型B：

Renaudin V等人[6]提出基于步頻和行人身高的步長(zhǎng)推算模型：

式中L是步長(zhǎng)，h是身高，f是步頻，K={a，b，c}是針對(duì)每個(gè)人的系數(shù)集合。實(shí)驗(yàn)結(jié)果表明該模型的步長(zhǎng)推算錯(cuò)誤率為5.7%，而計(jì)算成本依舊較低。

模型C：

Qian J[2]提出基于步頻和加速度方差的步長(zhǎng)推算模型：

式中f是步頻，ν是每一步的加速度方差，K={α，β，γ}是每個(gè)人的系數(shù)集合。實(shí)驗(yàn)結(jié)果表明該模型步長(zhǎng)推算精度較高，同時(shí)其計(jì)算成本也較大。

3.3 經(jīng)驗(yàn)?zāi)Ｐ?/p>

Tian Z等人[1]提出了一種經(jīng)驗(yàn)?zāi)Ｐ停?/p>

式中amax和amin分別是步態(tài)檢測(cè)過(guò)程中的加速度最大值和最小值，C是比例系數(shù)，Tian Z等人采用了一種反向傳播的神經(jīng)網(wǎng)絡(luò)來(lái)計(jì)算C的值，計(jì)算成本很高。

表2總結(jié)比較了一些基于手機(jī)的步長(zhǎng)推算文獻(xiàn)。

表2 基于手機(jī)的步長(zhǎng)推算文獻(xiàn)總結(jié)

從表2可以看出，綜合計(jì)算成本和精度兩方面，文獻(xiàn)[6]最理想，盡管文獻(xiàn)[1]精度更高，但其計(jì)算成本較高，不適合實(shí)際應(yīng)用。

4 方向推算

已知步長(zhǎng)，還必須知道步行方向才能計(jì)算出行人的位置。通常智能手機(jī)上都有數(shù)字羅盤(pán)（方向傳感器），它能測(cè)出手機(jī)的Y軸投影到水平面時(shí)和地磁北極的夾角，即手機(jī)的方向角。但此方法存在地磁偏差和位置偏差。為了克服以上偏差，很多文獻(xiàn)方案提出融合其他傳感器，根據(jù)使用的傳感器類(lèi)型不同，可將這些方案分為如下兩類(lèi)。

4.1 融合慣性傳感器

由于智能手機(jī)里集成了很多慣性傳感器（如加速度傳感器、陀螺儀），它們可以和數(shù)字羅盤(pán)結(jié)合起來(lái)使用。例如用加速度傳感器測(cè)得的加速度軌跡可以用來(lái)確定一類(lèi)時(shí)間點(diǎn)，在這類(lèi)時(shí)間點(diǎn)上的位置偏差和在起點(diǎn)人把手機(jī)放進(jìn)衣袋后的位置偏差相同，這樣只要測(cè)出在起點(diǎn)的位置偏差，再結(jié)合在每一步的推斷點(diǎn)上測(cè)到的手機(jī)方向角，二者相加即為人走每一步時(shí)的行走方向[2]。

4.2 融合照相機(jī)

天花板的直線邊緣可以作為參考來(lái)推算行人方向。Sun Z等人[7]先是利用計(jì)算機(jī)視覺(jué)技術(shù)從手機(jī)拍到的照片中提取出天花板邊緣，再計(jì)算手機(jī)Y軸相對(duì)天花板邊緣的方向偏差。由于建筑物水平界面大多是長(zhǎng)方形的，所以天花板邊緣相對(duì)建筑物水平或垂直，這時(shí)再測(cè)量建筑物的絕對(duì)方向，相當(dāng)于天花板邊緣的絕對(duì)方向，再結(jié)合前面手機(jī)相對(duì)天花板邊緣的方向偏差，就能得到手機(jī)的方向。該方案能取得1°左右的精度，缺點(diǎn)是計(jì)算量巨大，耗能也很大。

表3列舉總結(jié)了一些基于手機(jī)的行人方向推算文獻(xiàn)。

表3 基于手機(jī)的行人方向推算文獻(xiàn)總結(jié)

從表3看出，大多數(shù)方案都是把幾種傳感器融合在一起，這樣可以部分抵消單獨(dú)使用數(shù)字羅盤(pán)測(cè)量方向時(shí)受到的地磁偏差和位置偏差影響。

5 開(kāi)放性研究問(wèn)題

在行人航位推算應(yīng)用于室內(nèi)定位的過(guò)程中，依舊存在著一些研究問(wèn)題。

5.1 不同方案系統(tǒng)的融合

將幾種定位技術(shù)結(jié)合起來(lái)使用可以有效提高定位的精度、可靠性，同時(shí)能節(jié)省能耗成本。而且，能根據(jù)人所在的環(huán)境以及定位需求的不同選擇最合適的定位技術(shù)，從而實(shí)現(xiàn)無(wú)縫切換。比如WiFi指紋定位和行人航位推算相結(jié)合的定位[10]。

5.2 利用外部環(huán)境提高精度

除了內(nèi)部?jī)?yōu)化步伐探測(cè)、步長(zhǎng)推算和方向推算算法，還可以借助外部環(huán)境提高定位精度，例如借助地標(biāo)。在某個(gè)位置的手機(jī)傳感器讀數(shù)若有明顯的特征，則認(rèn)為該位置是一個(gè)地標(biāo)。比如人乘坐電梯時(shí)手機(jī)的加速度傳感器讀數(shù)會(huì)有明顯的特征，可以把電梯位置作為地標(biāo)[11]。

6 結(jié)束語(yǔ)

行人航位推算系統(tǒng)（PDR）不需要在室內(nèi)預(yù)裝信標(biāo)節(jié)點(diǎn)就能實(shí)現(xiàn)室內(nèi)定位，跟蹤行人軌跡。本文回顧了PDR系統(tǒng)中三個(gè)模塊：步伐檢測(cè)、步長(zhǎng)推算、方向推算的各種算法方案，對(duì)它們進(jìn)行了簡(jiǎn)單介紹和比較。最后列舉了一些熱門(mén)的開(kāi)放性問(wèn)題。

[1]TIAN Z，ZHANG Y，ZHOU M，et al.Pedestrian dead reckoning for MARG navigation using a smartphone[J]. EURASIP Journal on Advances in Signal Processing，2014，2014（1）：1-9.

[2]QIAN J，MA J，YING R，et al.An improved indoor localization method using smartphone inertial sensors[C].Indoor Positioning and Indoor Navigation（IPIN），2013 International Conference on.IEEE，2013：1-7.

[3]LI F，ZHAO C，DING G，et al.A reliable and accurate indoor localization method using phone inertial sensors[C]. Proceedings of the 2012 ACM Conference on Ubiquitous Computing，ACM，2012：421-430.

[4]BRAJDIC A，HARLE R.Walk detection and step counting on unconstrained smartphones[C].Proceedings of the 2013 ACM International Joint Conference on Pervasive and ubiquitous computing，ACM，2013：225-234.

[5]CHO D K，MUN M，LEE U，et al.Autogait：a mobile platform that accurately estimates the distance walked[C]. Pervasive Computing and Communications（PerCom），2010 IEEE International Conference on.IEEE，2010：116-124.

[6]RENAUDIN V，SUSI M，LACHAPELLE G.Step length estimation using handheld inertial sensors[J].Sensors，2012，12（7）：8507-8525.

[7]SUN Z，PAN S，SU Y C，et al.Headio：zero-configured heading acquisition for indoor mobile devices through multimodal context sensing[C].Proceedings of the 2013 ACM International Joint Conference on Pervasive and Ubiquitous Computing，ACM，2013：33-42.

[8]WANG H，SEN S，ELGOHARY A，et al.No need to war-drive：unsupervised indoor localization[C].Proceedings of the 10th International Conference on Mobile Systems，Applications，and Services，ACM，2012：197-210.

[9]ROY N，WANG H，ROY CHOUDHURY R.I am a smartphone and I can tell my user′s walking direction[C].Proceedings of the 12th Annual International Conference on Mobile Systems，Applications，and Services，ACM，2014：329-342.

[10]XIAO W，NIW，TOH Y K.Integrated Wi-Fi fingerprinting and inertial sensing for indoor positioning[C].Indoor Positioning and Indoor Navigation（IPIN），2011 International Conference on.IEEE，2011：1-6.

[11]SHEN G，CHEN Z，ZHANG P，et al.Walkie-markie：indoor pathway mapping made easy[C].Proceedings of the 10th USENIX Conference on Networked Systems Design and Implementation，USENIX Association，2013：85-98.

A survey of indoor localization using Pedestrian Dead Reckoning

Cai Minmin
（College of Communication and Information Engineering，Nanjing University of Posts and Telecommunications，Nanjing 210000，China）

Pedestrian Dead Reckoning（PDR）systems are widely applied in indoor localization for its no requirement of beacon nodes and low cost.This paper reviewed and commented systematically for step detection，step length estimation and heading estimation in Pedestrian Dead Reckoning（PDR）systems.And it reviewed the development and main results of the current research，discussed the limitation of the existing research and finally put forward some further research ideas.

Pedestrian Dead Reckoning；inertial sensors；smartphone；indoor localization

TN92；TN96；TP3

A

1674-7720（2015）13-0009-03

2015-03-11）

蔡敏敏（1990-），通信作者，男，碩士研究生，主要研究方向：室內(nèi)定位。E-mail：1258699607@qq.com。