基于多源信息融合的行人航位推算室內(nèi)定位方法

劉春燕

（福建省測繪產(chǎn)品質(zhì)量監(jiān)督檢驗站，福州 350001）

基于多源信息融合的行人航位推算室內(nèi)定位方法

劉春燕

（福建省測繪產(chǎn)品質(zhì)量監(jiān)督檢驗站，福州 350001）

傳統(tǒng)行人航位推算(Pedestrian Dead Reckoning, PDR)定位技術(shù)存在嚴(yán)重的誤差累積問題。針對因航向偏差引起的誤差累積，提出一種借助建筑幾何信息實現(xiàn)行人航向的實時補償方案，通過提高定向精度來抑制定位誤差的累積傳遞。分析利用外源絕對位置改善PDR定位結(jié)果，試驗一種自適應(yīng)模型噪聲的擴展卡爾曼濾波(Extended Kalman Filter, EKF)濾波算法，實現(xiàn)PDR與WIFI定位源的濾波融合。通過實驗對比分析，基于改正航向的PDR相較于傳統(tǒng)PDR，有效抑制了誤差的累積，將整體誤差控制在5 m左右；傳統(tǒng)PDR與WIFI源濾波融合，比單純傳統(tǒng)PDR提高了82.8%的精確度；航向改正PDR與WIFI源相融合，則比單純傳統(tǒng)PDR和航向改正PDR分別提高了90.2%和49.5%的精確度。結(jié)果表明：補償改正航向和借助外源絕對位置濾波融合均可有效控制傳統(tǒng)PDR的誤差累積，根據(jù)條件約束可知航向改正PDR及其與WIFI源融合方案較適用于規(guī)則室內(nèi)環(huán)境，而原始航向PDR與WIFI源融合方案則不受室內(nèi)結(jié)構(gòu)影響，在多次濾波后逐漸提高行人定位精度，從而可滿足行人室內(nèi)定位精度需求。

行人航位推算定位；幾何信息；航向補償；WIFI定位源；濾波融合

隨著人們對各大型室內(nèi)場景位置服務(wù)的需求日漸迫切，室內(nèi)定位技術(shù)成為當(dāng)前的研究熱點。微機電系統(tǒng)(Micro-Electro-Mechanical System, MEMS)的迅速發(fā)展促使慣性傳感器逐漸向小型輕質(zhì)化發(fā)展。MEMS傳感器具有功耗低、成本低等優(yōu)勢，使其成為室內(nèi)行人導(dǎo)航定位技術(shù)的一種可靠選擇[1]。通過慣性傳感器實時測量行人的線運動、角運動等信息，建立室內(nèi)行人航跡推算系統(tǒng)實現(xiàn)位置估算[2]。該項技術(shù)根據(jù)原理不同，可以分為根據(jù)慣性導(dǎo)航機制的連續(xù)積分定位和行人航位推算 PDR定位：前者對慣性測量單元(Inertial measurement unit, IMU)的傳感器精度要求高，不適用于行人定位；后者則可直接利用用戶自帶移動智能設(shè)備中內(nèi)置的傳感器件，通過識別步數(shù)、計算步長和確定行進方向，即可實現(xiàn)基本的行人位置計算。

相關(guān)研究表明現(xiàn)有的步頻檢測及步長計算方法已相當(dāng)成熟，在一定條件下平滑區(qū)域檢測[3]、零點交叉檢測[4]、峰值檢測[5-6]及自相關(guān)法[7-8]等均可獲取高準(zhǔn)確率的步態(tài)識別，將加速度數(shù)據(jù)的某些統(tǒng)計值，如最值、方差、周期等利用線性模型或非線性模型即可獲取滿足航位推算需求的行人步長值。傳統(tǒng)航位推算方法因航向、步長及步態(tài)等估算誤差的傳遞，通常存在嚴(yán)重的誤差累積問題，文獻[9]特別指出航向是影響 PDR定位誤差累積的關(guān)鍵因素。

針對誤差累積問題，本文從過程融合和結(jié)果融合兩種方法討論研究對傳統(tǒng)PDR定位的改善補償應(yīng)用：一是考慮規(guī)則建筑的幾何信息鮮明，可充分利用幾何信息實現(xiàn)對航向的補償改正，從而達到PDR位置計算的糾正；二是雖 WIFI定位系統(tǒng)穩(wěn)定性較差且定位精度偏低，但無線網(wǎng)絡(luò)的普及使其實現(xiàn)簡單，且獲取的是絕對位置坐標(biāo)，因此設(shè)計一種顧及行人運動信息的卡爾曼濾波器，將WIFI定位結(jié)果與PDR位置信息作融合運算，提高行人室內(nèi)定位的穩(wěn)健性與可靠性。

1 行人航位推算PDR定位

借助行人智能終端中傳感器件的 PDR室內(nèi)定位技術(shù)是一項完全自助式的連續(xù)定位技術(shù)，具有短時間精度高、自主性強的特征[10]，它是利用智能手機內(nèi)置的加速度計、方向傳感器以及陀螺儀組合成測量單元，利用下式計算移動終端的位置：

式中，(N, E)表示位置點坐標(biāo)，L表示步長，θh表示航位角。

PDR由步態(tài)檢測、步長估計和航向估算三步驟組成[11-12]。本文涉及的步態(tài)識別采用簡單參數(shù)多重約束的波峰-波谷檢測模型[5]，該模型避免復(fù)雜參數(shù)的篩選與訓(xùn)練學(xué)習(xí)，步頻檢測準(zhǔn)確性達 99.2%。步長計算采用具有穩(wěn)定運算性能的線性模型(2)，以計算距離與真實距離之間的絕對差值作為評價指標(biāo)，經(jīng)多組實驗驗證，該線性模型平均絕對距離差為0.93 m，方差為0.61 m2，其精度與穩(wěn)定性均滿足PDR運用。

1.1 方向傳感器原始航向信息

智能設(shè)備內(nèi)嵌的方向傳感器返回三軸角度數(shù)據(jù)，包括θ、δ和α。θ表示方位角度，通常以接近水平狀態(tài)下的θ作為原始航向值，對整周步態(tài)內(nèi)的原始航向求均值作為行人的步態(tài)航向與α分別是設(shè)備x 軸、y 軸與水平面之間的夾角值，當(dāng)設(shè)備保持水平穩(wěn)定時，兩者的變化基本可保持在[-5°, 5°]之內(nèi)。

方向傳感器直接輸出的方向值θ是由磁羅盤計算得到的，而磁羅盤極易受到環(huán)境或平臺所帶來的磁干擾，因此原始輸出航向值往往與真實航向存在一定偏差。如圖1所示，最大偏差將近30°，其中，圖1(b)中虛線表示建筑物廊道的幾何方向值，為行人真實航向。

圖1 智能設(shè)備內(nèi)嵌航向信息獲取Fig.1 Course information acquisition by embedded smart devices

1.2 幾何信息實時補償航向

磁羅盤所受干擾將產(chǎn)生各種誤差，包括可預(yù)測誤差和不可預(yù)測誤差兩大類，文獻[9]表示源于環(huán)境干擾的不可預(yù)測誤差往往難以規(guī)避，但可預(yù)測誤差卻可通過靜態(tài)校準(zhǔn)或動態(tài)補償來消除。該誤差包括磁偏角、軟硬鐵效應(yīng)、比例因子和固定偏置、平臺傾斜、安裝未對準(zhǔn)和移動行人身體抖動等7種[13]，依各自特征均可建立相關(guān)模型。文獻[9]提出一個包含所有可預(yù)測誤差的統(tǒng)一模型，并對其作簡化處理得到公式(3)的近似航向誤差 hε模型：

在試驗場，中國礦業(yè)大學(xué)環(huán)測學(xué)院三樓設(shè)計相應(yīng)的實驗對以上航向補償模型進行驗證：行人手持設(shè)備沿圖3箭頭方向的走廊中線前進，按照建筑的地理幾何方向，航向的變化情況是90°轉(zhuǎn)至180°轉(zhuǎn)至270°轉(zhuǎn)至360°。計算得到原始平滑航向與實時補償航向結(jié)果如表1所示。行人實時航向的具體補償估算流程如圖2所示，其中，

圖2 實時補償航向估算流程圖Fig.2 Flow chart of real-time compensation course estimation

表1 不同方法確定航向誤差的對比分析Tab.1 Comparative analysis for heading estimation errors based on different methods

將不同方法獲取的行人航向用于行人定位運算，分別以原始平滑航向、規(guī)則建筑幾何方向信息θrg和實時補償航向θh設(shè)計三種 PDR定位方案，得到行人的運動軌跡如圖3所示。

圖3 基于不同航向信息的PDR定位結(jié)果Fig.3 PDR positioning results for different course information

1.3 自適應(yīng)模型噪聲的EKF濾波融合定位

按照卡爾曼濾波融合原理，本文設(shè)計一種顧及運動信息的自適應(yīng)確定動態(tài)模型噪聲的擴展 KALMAN濾波器，將具有絕對定位功能的WIFI定位源與PDR定位相融合，實現(xiàn)更高精度與穩(wěn)定性的室內(nèi)定位。以位置誤差和移動距離值差、航向偏差作為濾波器系統(tǒng)的狀態(tài)變量，即系統(tǒng)狀態(tài)向量為

當(dāng)WIFI系統(tǒng)位置更新時，以WIFI與PDR兩系統(tǒng)的位置差作為系統(tǒng)觀測值，即：

EKF狀態(tài)方程可表示為

狀態(tài)轉(zhuǎn)移矩陣為

觀測矩陣為

對于濾波過程所需的動態(tài)噪聲序列和觀測噪聲序列，結(jié)合大量的定位結(jié)果數(shù)據(jù)，對WIFI和PDR兩系統(tǒng)定位的誤差統(tǒng)計特性分析得到經(jīng)驗數(shù)值，動態(tài)噪聲矩陣為

當(dāng)?shù)皖l輸出的 WIFI位置未更新時，將系統(tǒng)預(yù)測坐標(biāo)與PDR觀測坐標(biāo)之間的差值作為系統(tǒng)觀測變量，其他不變，進行遞推糾正PDR的位置計算。

式中：

公式(11)是利用濾波得到的位置誤差，更新當(dāng)前時刻的行人位置，也是融合模型計算得到k時刻的最終位置，并用濾波誤差值對下一時刻k+1進行位置預(yù)測（公式(12)）。

2 試驗與結(jié)果分析

2.1 試驗設(shè)計

中國礦業(yè)大學(xué)環(huán)測學(xué)院四樓已搭建WIFI網(wǎng)絡(luò)系統(tǒng)（如圖4所示），已有WIFI定位系統(tǒng)定位頻次根據(jù)設(shè)備對 WIFI信號更新識別的頻次自動設(shè)定，正常情況下是每間隔 1 s至 2 s給移動用戶發(fā)送一次位置信息。選用三星Galaxy Note3作為定位測試設(shè)備，設(shè)備內(nèi)嵌傳感器數(shù)據(jù)采樣頻率設(shè)置為 50 Hz，對每一個新輸入的傳感數(shù)據(jù)作相應(yīng)的步態(tài)檢測、步長計算和航向估算。在融合過程中，以 WIFI信號采集定位時間戳為基準(zhǔn)，將WIFI定位結(jié)果與航位推算PDR定位結(jié)果作EKF濾波融合處理。根據(jù)數(shù)據(jù)分析得知當(dāng)用戶以正常速度步行前進時，2 s時間內(nèi)將跨出4～5步（如圖4 (b)所示），平均移動距離為3.5 m。

本文的試驗設(shè)計是，用戶沿環(huán)測學(xué)院四樓走廊中線行走，從B區(qū)西端出發(fā)，以常速沿著走廊經(jīng)過A區(qū)走向C區(qū)最西端。在此過程中，行人基本保持水平保持設(shè)備，總步行316步。通過計算各種定位方案的點位誤差以及誤差分布情況，評定各方案的定位性能。WIFI定位系統(tǒng)采用現(xiàn)有 WKNN算法[15]實現(xiàn)位置計算，得到平均誤差為3.73 m，最大誤差為16.95 m。在起始點以WIFI定位系統(tǒng)的多次平滑結(jié)果作為PDR初始位置信息，設(shè)計以下4種方案：

方案1：基于步態(tài)原始平滑航向的PDR定位方法，標(biāo)記OHPDR；

方案2：以幾何信息實時濾波補償航向的PDR定位方法，標(biāo)記AHPDR；

方案3：基于自適應(yīng)模型噪聲確定的擴展卡爾曼濾波實現(xiàn)WIFI與OHPDR融合定位，標(biāo)記EKFWOHP；

方案4：基于自適應(yīng)模型噪聲確定的擴展卡爾曼濾波實現(xiàn)WIFI與AHPDR融合定位，標(biāo)記EKFWAHP。

圖4 試驗環(huán)境Fig.4 Test environment

2.2 試驗結(jié)果與分析

根據(jù)不同方案得到的定位結(jié)果如下所示：表2和圖5以圖表形式給出了各方案定位誤差情況，圖 6展現(xiàn)了不同方案的定位軌跡。

圖表結(jié)合對各方案進行具體分析得到：

方案 1隨著時間的增長，定位誤差不斷變大。誤差值從初始的3.78 m逐漸累積到44.95 m，定位航跡完全偏離真實軌跡。

方案 2在航向補償改正的基礎(chǔ)上，PDR定位誤差控制在5 m左右，最大誤差是 5.39 m，說明這種航向改正型的 PDR 定位方案有效解決了誤差累積問題。但由于WIFI定位系統(tǒng)提供的初始位置本身存在 3.78 m誤差，導(dǎo)致在第一次轉(zhuǎn)彎后便偏離真實軌跡，在不同直行廊道上均表現(xiàn)以不同距離平行間隔。因此步態(tài)識別與步長計算滿足條件的情況下，該方案的定位精度基本由起算點位置的準(zhǔn)確度起決定性作用。

方案 3以原始平滑航向推算行人航位，加入WIFI系統(tǒng)的絕對位置，采用自適應(yīng)模型噪聲的擴展卡爾曼濾波進行融合計算。就平均定位誤差而言，比原始航向 OHPDR定位精度提高了 82.8%。根據(jù)航跡顯示分析，該方案同樣很好地抑制了原始航向OHPDR的誤差累積，且隨著絕對位置融合次數(shù)的增多，逐漸將偏離的點拉回到真實軌跡方向，由此說明隨著 WIFI定位信息的更新，可逐漸補償傳統(tǒng)PDR的定位精度，以滿足行人室內(nèi)定位使用。從航向估算來看，該方案可用于無法使用建筑幾何改正航向的不規(guī)則室內(nèi)環(huán)境定位運用。

方案4將WIFI定位結(jié)果與航向改正型AHPDR采用自適應(yīng)卡爾曼濾波進行融合計算，試驗結(jié)果表明其不僅解決了原始PDR的嚴(yán)重誤差累積問題，還很大程度提高了定位精度，相較前3個方案，最小誤差分別降低了93.7%、92.8%和29.4%，平均誤差分別降低了90.2%、49.5%和43.1%，最大誤差比第1和第3個方案降低了87.4%和28.3%。與獨立航向改正方案2相比，方案4很好地解決了由初始位置誤差引起的全程傳遞問題。

圖5 不同方案定位誤差分析Fig.5 Positioning error analysis for different solutions

圖 6 與PDR 相關(guān)的不同方案定位軌跡分析Fig.6 Positioning trajectory analysis for different solutions associated with PDR

表2 不同方案定位誤差分析Tab.2 Positioning error analysis for different solutions

綜上，在以PDR 技術(shù)實現(xiàn)室內(nèi)定位導(dǎo)航時，首要問題是解決定位誤差的累積效應(yīng)，可通過改正行人航向或者利用外源絕對位置信息適時對 PDR結(jié)果進行濾波校正得以解決處理。特別是，在航向修正的基礎(chǔ)上，以WIFI系統(tǒng)的定位結(jié)果與PDR作融合處理，能夠獲得2.5 m范圍內(nèi)高精度室內(nèi)定位結(jié)果，很好地滿足行人室內(nèi)導(dǎo)航定位要求。另外，這種融合定位方法，對 WIFI獨立定位系統(tǒng)同樣存在很好的校正作用，平均誤差提高了37.8%，最大誤差降低了11.3 m。

3 結(jié) 論

針對傳統(tǒng)PDR誤差累積無法長時間精確定位問題，提出了兩種方法實現(xiàn)定位誤差累積的抑制：一是借助規(guī)則建筑物的幾何方向通過卡爾曼濾波估算航向誤差修正參數(shù)，通過補償航向信息提高定位精度，與原始平滑航向定位精度相比提高了80.7%。二是顧及行人運動屬性，建立自適應(yīng)模型參數(shù)的EKF模型，實現(xiàn)WIFI定位源的絕對位置信息與PDR定位結(jié)果的融合。第二種方法首先有效解決了傳統(tǒng)PDR定位誤差累積，通過與原始平滑航向PDR方案經(jīng)過多次融合計算的結(jié)果，可滿足于不規(guī)則的室內(nèi)環(huán)境定位運用，平均定位精度可達 4.08 m，與航向改正型 PDR方案相結(jié)合，解決了由初始位置誤差引起的誤差傳遞問題，并定位精度整體提高了49.5%。由此，將WIFI與PDR多源定位結(jié)果融合，能夠滿足用戶室內(nèi)高精度定位應(yīng)用需求。

（References）：

[1] 孫立寧, 周兆英, 龔振邦. MEMS國內(nèi)外發(fā)展?fàn)顩r及我國 MEMS發(fā)展戰(zhàn)備的思考[J]. 機器人技術(shù)與應(yīng)用, 2002(2): 2-4. Sun Li-ning, Zhou Zhao-ying, Gong Zhen-bang. The status of MEMS development inside and outside and the develop strategic considering in our country[J]. Robot Technology and Application, 2002(2): 2-4.

[2] Fischer C, Gellersen H. Location and navigation support for emergency responders: A survey[J]. IEEE Pervasive Computing, 2010, 9(1): 38-47.

[3] Cho S Y, Park C G. MEMS based pedestrian navigation system[J]. Journal of Navigation, 2006, 59(1): 135-153.

[4] Beauregard S, Haas H. Pedestrian dead reckoning: a basis for personal positioning[C]//Proceedings of the 3rd Workshop on Positioning, Navigation and Communication. 2006: 27-35.

[5] Wang J, Hu A, Liu C, et al. A floor-map-aided WiFi/ Pseudo-odometry integration algorithm for an indoor positioning system[J]. Sensors, 2015, 15(4): 7096-7124.

[6] 陳國良, 李飛, 張言哲. 一種基于自適應(yīng)波峰檢測的MEMS計步算法[J]. 中國慣性技術(shù)學(xué)報, 2015, 23(3): 315-321. Chen Guo-liang, Li Fei, Zhang Yan-zhe. Pedometer method based on adaptive peak detection algorithm[J]. Journal of Chinese Inertial Technology, 2015, 23(3): 315- 321.

[7] Weimann F, Abwerzger G, Hofmann-Wellenhof B. A pedestrian navigation system for urban and indoor environments[C]//Proc. 20th International Technical Meeting of the Satellite Division of the Institute of Navigation ION GNSS. 2007: 1380-1389.

[8] 陳國良, 張言哲, 楊洲. 一種基于手機傳感器自相關(guān)分析的計步器實現(xiàn)方法[J]. 中國慣性技術(shù)學(xué)報, 2014, 22(6): 794-798. Chen Guo-liang, Zhang Yan-zhe, Yang Zhou. A realization method of pedometer with auto-correlation analysis based on mobile phone sensor[J]. Journal of Chinese Inertial Technology, 2014, 22(6): 794-798.

[9] 陳偉. 基于GPS和自包含傳感器的行人室內(nèi)外無縫定位算法研究[D]. 合肥: 中國科學(xué)技術(shù)大學(xué), 2010. Wei Chen. Research on GPS/self-contained sensors based seamless outdoor/indoor pedestrian positioning algorithm [D]. Hefei: University of Science and Technology of China, 2010.

[10] 張世哲. 基于慣性傳感器和WiFi的室內(nèi)定位系統(tǒng)的設(shè)計與實現(xiàn)[D]. 北京: 北京郵電大學(xué), 2012. Zhang Shi-zhe. Indoor positioning system design and implementation based on inertial sensor and WIFI[D]. Beijing: Beijing University of Post and Telecommunications, 2012.

[11] Yim J. Introducing a decision tree-based indoor positioning technique[J]. Expert Systems with Applications, 2008, 34(2): 1296-1302.

[12] 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.

[13] Chen W, Chen R, Chen Y, et al. An adaptive calibration approach for a 2-axis digital compass in a low-cost pedestrian navigation system[C]//Proc. IEEE I2MTC. Austin, TX, USA, 2010: 1392-1397.

[14] 劉春燕, 王堅. 基于幾何聚類指紋庫的約束KNN室內(nèi)定位模型[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2014, 11: 1287-1292. Liu Chun-yan, Wang Jian. A constrained KNN indoor positioning model based on geometric clustering fingerprinting technique[J]. Geomatics and Information Science of Wuhan University, 2014, 11: 1287-1292.

Indoor localization method based on pedestrian dead reckoning aided by multi-source fusion

LIU Chun-yan

(Fujian Provincial Quality Supervision and Inspection Station for Surveying and Mapping Products, Fuzhou 350001, China)

In view that traditional PDR localization technology has serious error accumulation problem, andthe accumulated error is caused by course deviation, an improved course estimation solution is proposed by using geometric information to compensate and enhance the pedestrian course. We make such analysis that the exogenous absolute location is used to improve the positioning result of pedestrian dead reckoning(PDR), then an evolved EKF filtering algorithm with adaptive model noise is proposed, which realizes the PDR and WIFI positioning sources’ filtering fusion. Experiment results show that, compared with traditional PDR, the PDR with enhanced-course can effectively restrain the error accumulation, and the total errors are controlled to about 5 m. The accuracy of original-course PDR adaptive filtering with WIFI location is improved by 82.8%, compared with the pure original-course PDR’s one. And when fusion with enhanced-course PDR and WIFI location, the accuracies are improved by 90.2% and 49.5% respectively compared with the pure original-course PDR’s and enhanced-course PDR’s. These results show that enhancing course and fusion with exogenous absolute position can both effectively restrain the error accumulation. Considering the constraint conditions, the improved-course PDR schemes are applicable to a regular indoor environment. However, the original-course PDR and WIFI fusion scheme is not affected by the indoor structure, and its results with couple filtering calculation can meet the accuracy requirements for pedestrian indoor positioning.

pedestrian dead reckoning localization; geometric information; course compensation; WIFI positioning source; filtering fusion

U666.1

A

1005-6734(2016)02-0208-07

10.13695/j.cnki.12-1222/o3.2016.02.013

2015-12-10；

2016-03-18

國家863計劃項目（2013AA12A201）

劉春燕（1990—），女，碩士，助理工程師，從事室內(nèi)定位研究和測繪產(chǎn)品質(zhì)量檢驗。E-mail：lcy_sia@163.com