基于磁場(chǎng)指紋輔助的手機(jī)室內(nèi)定位系統(tǒng)*

楊增瑞，段其昌*，毛明軒，段盼，黃曉剛

（1.重慶大學(xué)自動(dòng)化學(xué)院，重慶400044；2.國(guó)網(wǎng)重慶市電力公司南岸供電分公司，重慶400060；3.國(guó)網(wǎng)重慶電力公司潼南供電公司，重慶402660）

基于磁場(chǎng)指紋輔助的手機(jī)室內(nèi)定位系統(tǒng)*

楊增瑞1，段其昌1*，毛明軒1，段盼2，黃曉剛3

（1.重慶大學(xué)自動(dòng)化學(xué)院，重慶400044；2.國(guó)網(wǎng)重慶市電力公司南岸供電分公司，重慶400060；3.國(guó)網(wǎng)重慶電力公司潼南供電公司，重慶402660）

針對(duì)當(dāng)前室內(nèi)無(wú)線定位信號(hào)強(qiáng)度易受干擾、設(shè)備部署維護(hù)成本高等缺點(diǎn)，以及手機(jī)在室內(nèi)航位推算過(guò)程中定位誤差隨時(shí)間累積的問(wèn)題，本文提出了基于粒子濾波磁場(chǎng)匹配的室內(nèi)定位方法。相比于傳統(tǒng)的航位推算方法，通過(guò)改進(jìn)步態(tài)判斷方式，并提出了動(dòng)態(tài)步長(zhǎng)估計(jì)算法和卡爾曼濾波航向估計(jì)算法，有效減少步態(tài)誤判和定位誤差。同時(shí)通過(guò)結(jié)合航位推算位置選擇粒子濾波算法中的重采樣區(qū)域，加快粒子收斂速度。最后，通過(guò)仿真分析和實(shí)際室內(nèi)環(huán)境測(cè)試結(jié)果表明，本文提出的定位方法能夠有效地減小定位誤差，并實(shí)現(xiàn)2米的定位精度。

地磁匹配；航位推算；室內(nèi)定位；卡爾曼濾波；粒子濾波

EEACC：5100doi：10.3969/j.issn.1004-1699.2016.09.025

隨著近年智能設(shè)備的興起以及人們對(duì)精確定位服務(wù)的需求，室內(nèi)定位技術(shù)成為人們研究和關(guān)注的焦點(diǎn)。目前，主流的室內(nèi)定位技術(shù)包括A-GPS［1］、紅外線定位［2］、超聲波定位［3］、慣性傳感器定位［4］、藍(lán)牙定位［5］、射頻識(shí)別定位［6］、WiFi室內(nèi)定位［7］和超寬帶定位［8］等技術(shù)。定位方法主要有TOA、TDOA、RS?SI測(cè)距以及RSSI指紋［9-10］。其中，因WiFi在商場(chǎng)、飛機(jī)場(chǎng)、博物館等大型室內(nèi)場(chǎng)所的廣泛部署和應(yīng)用，WiFi定位技術(shù)已成為較為流行的室內(nèi)定位技術(shù)。但是，WiFi定位精度的提高需要較多基站的部署，這也成為限制無(wú)線定位技術(shù)發(fā)展的瓶頸。

地磁導(dǎo)航技術(shù)的研究始于20世紀(jì)50年代，主要是利用地磁場(chǎng)的矢量匹配對(duì)導(dǎo)彈和船只的導(dǎo)航和定位［10］。近年，研究者發(fā)現(xiàn)鋼筋混凝土結(jié)構(gòu)建筑室內(nèi)的磁場(chǎng)具有特殊性和穩(wěn)定性，可以作為磁場(chǎng)信標(biāo)，利用這種室內(nèi)磁場(chǎng)特性便可以建立依據(jù)磁場(chǎng)強(qiáng)度的室內(nèi)定位系統(tǒng)。因此，地磁定位技術(shù)也成為了室內(nèi)定位技術(shù)研究的新方向之一。目前，國(guó)內(nèi)外對(duì)地磁定位的研究已經(jīng)取得了一定的成果，但主要集中在磁場(chǎng)匹配算法及相關(guān)仿真的研究。宋鏢［12］等人設(shè)計(jì)了慣導(dǎo)輔助地磁的手機(jī)室內(nèi)定位系統(tǒng)，實(shí)現(xiàn)了商場(chǎng)內(nèi)1 m左右的定位精度；Chung［13］等人提出了基于多磁力計(jì)的磁場(chǎng)向量匹配定位方法，利用4個(gè)3軸磁力計(jì)采集不同方向的磁場(chǎng)矢量，實(shí)現(xiàn)了室內(nèi)88%的情況下1 m的定位精度，但該方法需要佩戴專用測(cè)量設(shè)備；Kim［14］等人對(duì)磁場(chǎng)的手機(jī)行人定位方法進(jìn)行了研究，通過(guò)手機(jī)內(nèi)置傳感器實(shí)現(xiàn)了小于3 m的定位精度；謝宏偉［15］等人設(shè)計(jì)一款基于穩(wěn)定性增強(qiáng)粒子濾波磁場(chǎng)匹配算法的手機(jī)室內(nèi)定位系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)了在未知初始方向和位置的情況下的定位，并達(dá)到了1 m～2 m的定位精度。但該算法實(shí)現(xiàn)復(fù)雜，計(jì)算速度慢；Haverinen［16］等人開(kāi)發(fā)了基于粒子濾波的室內(nèi)定位系統(tǒng)，該系統(tǒng)要求用戶行走時(shí)行進(jìn)方向必須與長(zhǎng)廊的方向一致；劉文遠(yuǎn)［17］等人通過(guò)建立多維的指紋地磁信息，利用最小均方根算法校正移動(dòng)設(shè)備的軌跡，實(shí)現(xiàn)了87.5%情況下的1.2 m的定位精度。通過(guò)分析，可以發(fā)現(xiàn)現(xiàn)有的室內(nèi)地磁定位方法為了增加匹配特征量往往需要進(jìn)行大量的數(shù)據(jù)采集和計(jì)算，或是通過(guò)和無(wú)線方式結(jié)合需要部署相應(yīng)的設(shè)備，這都給室內(nèi)地磁定位技術(shù)帶來(lái)了局限性。

本文通過(guò)對(duì)慣性導(dǎo)航和磁場(chǎng)定位研究分析，提出了基于慣導(dǎo)和磁場(chǎng)組合的手機(jī)室內(nèi)定位方法。當(dāng)檢測(cè)到一個(gè)步態(tài)周期完成時(shí)，采用選擇區(qū)域的粒子濾波估計(jì)當(dāng)前位置。該算法可以在提高定位速度的同時(shí)，也滿足了室內(nèi)定位精度的要求。

1　磁場(chǎng)指紋輔助的室內(nèi)定位原理

本系統(tǒng)主要利用磁場(chǎng)定位和航位推算融合實(shí)現(xiàn)室內(nèi)的追蹤和導(dǎo)航。在室內(nèi)環(huán)境中，路徑一般為直線段和90°轉(zhuǎn)角組成。因此，在手機(jī)正常使用狀態(tài)下，結(jié)合室內(nèi)平面圖可以精確的實(shí)現(xiàn)二維平面的室內(nèi)定位。目前，幾乎所有的智能設(shè)備都內(nèi)置了慣性傳感器。但這些低成本傳感器往往具有精度不高，零點(diǎn)漂移和抗干擾差等缺陷。因此，智能設(shè)備的室內(nèi)定位主要采用航位推算的方式。航位推算主要是利用加速度計(jì)、陀螺儀、磁力計(jì)等慣性傳感器進(jìn)行步態(tài)檢測(cè)、步長(zhǎng)推算和方向推算［18］。

地磁匹配定位技術(shù)是一種低成本和原理簡(jiǎn)單的室內(nèi)定位方式，包括兩個(gè)階段：離線階段和在線階段。在離線階段，通過(guò)手機(jī)磁力計(jì)采集網(wǎng)格點(diǎn)的磁場(chǎng)數(shù)據(jù)，這些位置點(diǎn)的磁場(chǎng)數(shù)據(jù)便被稱為磁場(chǎng)指紋，它類似于RSSI指紋，代表著相關(guān)位置點(diǎn)的磁場(chǎng)強(qiáng)度等信息，利用磁場(chǎng)指紋與空間插值算法可以構(gòu)建高精度的磁場(chǎng)地圖；在線階段，首先采用航位推算粗略的估計(jì)用戶的位置。然后，通過(guò)磁場(chǎng)匹配算法將當(dāng)前位置的磁場(chǎng)數(shù)據(jù)與磁場(chǎng)地圖進(jìn)行相應(yīng)的匹配獲取精確的位置估計(jì)。磁場(chǎng)匹配室內(nèi)定位系統(tǒng)的框圖如圖1所示。

圖1　磁場(chǎng)匹配輔助的室內(nèi)定位系統(tǒng)框圖

2　航位推算

前面闡述了磁場(chǎng)指紋輔助的室內(nèi)定位原理，接下來(lái)詳細(xì)介紹步態(tài)檢測(cè)、動(dòng)態(tài)步長(zhǎng)估計(jì)和航向估計(jì)。算法的改進(jìn)將有助于減少步態(tài)誤判和定位誤差。

2.1步態(tài)檢測(cè)

步態(tài)檢測(cè)是航位推算室內(nèi)定位算法中最基本的部分。目前，國(guó)內(nèi)外文獻(xiàn)中計(jì)步算法的研究也有很多［19］。通常，為了能夠?qū)崿F(xiàn)用戶使用手機(jī)在不同運(yùn)動(dòng)模式下的步態(tài)檢測(cè)，本文采用加速度幅值進(jìn)行步態(tài)檢測(cè)。在用戶行走過(guò)程中，手機(jī)加速度幅值會(huì)呈現(xiàn)周期性變化，一般頻率在2 Hz～3 Hz左右，而手機(jī)加速度采樣頻率設(shè)定為50 Hz。為了減少噪聲干擾，首先將加速度采樣數(shù)據(jù)通過(guò)IIR低通濾波器進(jìn)行濾波處理。為了進(jìn)一步減少加速度波形中毛刺對(duì)步態(tài)的誤判，采用滑動(dòng)窗口對(duì)數(shù)據(jù)進(jìn)行平滑處理。此次平滑處理的數(shù)據(jù)僅為了便于步態(tài)的判斷，不用于步長(zhǎng)的估計(jì)。

式中，ax，ay和az分別表示在x，y和z軸上的手機(jī)加速度，ai為第i個(gè)采樣點(diǎn)的加速度幅值，w表示平滑窗口的長(zhǎng)度，表示第i個(gè)采樣點(diǎn)平滑后的加速度幅值。

本文采用上升過(guò)零點(diǎn)檢測(cè)和峰值檢測(cè)結(jié)合的方法進(jìn)行步態(tài)判斷。因?yàn)槭謾C(jī)使用過(guò)程中的隨機(jī)抖動(dòng)和傳感器噪聲的影響，加速度波形會(huì)出現(xiàn)很多非正常步態(tài)下的過(guò)零點(diǎn)和峰值點(diǎn)。為了更為準(zhǔn)確的進(jìn)行步態(tài)檢測(cè)，本文采用多閾值對(duì)有效的過(guò)零點(diǎn)和峰值進(jìn)行識(shí)別。首先，進(jìn)行上升過(guò)零點(diǎn)的檢測(cè)，上升多零點(diǎn)的加速度值滿足如下不等式：

為了進(jìn)一步提高閾值判定的穩(wěn)定性，將閾值設(shè)置為動(dòng)態(tài)閾值，通過(guò)步態(tài)周期內(nèi)最大值和最小值求中值，與初始閾值T0修正，動(dòng)態(tài)閾值公式表示為：

圖2　步態(tài)檢測(cè)加速度數(shù)據(jù)處理結(jié)果圖

2.2步長(zhǎng)估計(jì)

鑒于每個(gè)人的身體條件和步行方式不同，步長(zhǎng)往往具有隨機(jī)性，而步長(zhǎng)的估計(jì)直接影響定位精度，因此選擇合適的步長(zhǎng)計(jì)算模型是步長(zhǎng)估計(jì)的關(guān)鍵。通過(guò)相關(guān)研究，Ladetto Q［20］提出步長(zhǎng)與步頻和加速度方差成線性關(guān)系，通過(guò)離線訓(xùn)練可以得到模型估計(jì)參數(shù)［］

α，β，λ。

式中f表示步伐頻率，av是步態(tài)周期內(nèi)的加速度方差，λ為估計(jì)參數(shù)，l表示步長(zhǎng)。

這里，為了驗(yàn)證步態(tài)檢測(cè)算法和步長(zhǎng)估計(jì)模型的有效性，本文設(shè)計(jì)并進(jìn)行了不同實(shí)驗(yàn)。實(shí)驗(yàn)者以不同模式進(jìn)行40 m的直線行走測(cè)試。實(shí)驗(yàn)結(jié)果如表1所示。

表1　實(shí)驗(yàn)結(jié)果

由表1可知，針對(duì)不同模式，步態(tài)檢測(cè)算法可以有效的進(jìn)行步伐檢測(cè)。但在口袋模式下步長(zhǎng)估計(jì)卻出現(xiàn)了較大的誤差，因此在40 m的距離測(cè)量下誤差達(dá)到了6.133%，這樣的誤差在室內(nèi)定位中是不能接受的。通過(guò)數(shù)據(jù)分析發(fā)現(xiàn)，手機(jī)在口袋中不規(guī)律擺動(dòng)會(huì)造成加速度的波形十分不規(guī)則，并出現(xiàn)在一個(gè)步伐周期內(nèi)多峰值的現(xiàn)象。上述原因?qū)е铝瞬椒ブ芷趦?nèi)加速度的方差偏大，這也造成了線性步長(zhǎng)估計(jì)模型估計(jì)的步長(zhǎng)偏大。為解決該問(wèn)題，可以通過(guò)手機(jī)姿態(tài)對(duì)手機(jī)使用模式進(jìn)行識(shí)別，當(dāng)手機(jī)在不同模式下時(shí)，采用不同參數(shù)值的步長(zhǎng)估計(jì)模型。本文中，為了提高系統(tǒng)的適應(yīng)性，提出了動(dòng)態(tài)步長(zhǎng)估計(jì)算法。在磁場(chǎng)定位后，可以獲得當(dāng)前位置和前一步位置的距離，在滿足一定定位精度的情況下，利用該距離修正過(guò)的步長(zhǎng)更接近真實(shí)步長(zhǎng)。在實(shí)際中，如果粒子濾波不能夠正確的收斂，該方法是不能保證結(jié)果的正確性的。為了實(shí)現(xiàn)方法的可行性，本文采用長(zhǎng)度為N的隊(duì)列Q去獲取可靠的相鄰定位點(diǎn)的距離值。除去隊(duì)列中最大和最小值，采用隊(duì)列的平均值去修正下次定位循環(huán)中的估計(jì)步長(zhǎng)，動(dòng)態(tài)步長(zhǎng)估計(jì)模型被定義為：

式中，q是修正參數(shù)，lML為隊(duì)列Q中相鄰定位點(diǎn)的距離值，min（Q）和max（Q）分別表示隊(duì)列Q中的最大和最小值。

2.3航向估計(jì)

Android智能手機(jī)都內(nèi)置了方向傳感器，用于測(cè)量手機(jī)y軸和地磁北極的夾角。通過(guò)參考Android軟件開(kāi)發(fā)包［21］，知道方向傳感器作為虛擬傳感器，利用加速度傳感器和磁力計(jì)數(shù)據(jù)獲取方向。實(shí)際中由于室內(nèi)地磁異常的干擾，手機(jī)方向傳感器讀出的數(shù)據(jù)往往存在偏差。為了有效的提高航向估計(jì)的精度，本文中采用卡爾曼濾波融合三軸加速度、陀螺儀和磁力計(jì)數(shù)據(jù)估計(jì)最優(yōu)的航向角。

文中，選取旋轉(zhuǎn)四元數(shù)作為方向狀態(tài)矢量。根據(jù)陀螺儀四元數(shù)模型［22］，四元數(shù)微分方程如式（10）。同時(shí)，可將式（10）表示為式（11）的矩陣形式。

式中，q0是四元數(shù)的實(shí)部，q1，q2和q3表示四元數(shù)的虛部，ω=［ωx，ωy，ωz］表示在x，y和z軸上的陀螺儀數(shù)據(jù)，?表示四元數(shù)乘法運(yùn)算。由此，可以得到卡爾曼濾波的狀態(tài)方程為

其中，Δt表示采樣間隔，wk是過(guò)程噪聲矢量，F(xiàn)表示狀態(tài)轉(zhuǎn)移方程。

將加速度計(jì)測(cè)量值和磁力計(jì)測(cè)量值為基礎(chǔ)得到的旋轉(zhuǎn)四元數(shù)作為觀測(cè)量。當(dāng)手機(jī)在靜止?fàn)顟B(tài)并載體坐標(biāo)系和慣性坐標(biāo)系一致的時(shí)候，加速度矢量將朝向地心，磁場(chǎng)矢量對(duì)準(zhǔn)磁場(chǎng)北極。此時(shí)，重力加速度和磁場(chǎng)強(qiáng)度的表示為

式中，g是重力加速度，my和mz分別表示在東北天坐標(biāo)系中磁場(chǎng)強(qiáng)度在水平和垂直方向上的分量。

接著，利用式（14）計(jì)算加速度和磁場(chǎng)矢量的正交向量h；進(jìn)一步，計(jì)算加速度歸一化矢量和向量h歸一化矢量的向量積為向量e，如式（15）；至此，歸一化的矢量h，e和a將可以表示東北天坐標(biāo)系，即手機(jī)載體坐標(biāo)轉(zhuǎn)換的旋轉(zhuǎn)矩陣，見(jiàn)式（16）；對(duì)于旋轉(zhuǎn)矩陣，可以依據(jù)轉(zhuǎn)換式（17）［23］獲得旋轉(zhuǎn)四元數(shù)矢量。

通過(guò)上述方法，觀測(cè)方程便可以由加速度計(jì)和磁力計(jì)的測(cè)量矢量計(jì)算得到，利用觀測(cè)方程便可以更新得到旋轉(zhuǎn)四元數(shù)。

式中，f（·）表示式（14）～式（17）的利用加速度計(jì)和磁力計(jì)測(cè)量值計(jì)算旋轉(zhuǎn)四元數(shù)的方法，vk表示測(cè)量噪聲矢量。

圖3展示了實(shí)際測(cè)試中航向角的變化過(guò)程，相比方向傳感器的原始數(shù)據(jù)，本文采用的航向估計(jì)算法對(duì)航向角有明顯的改善。從圖4中可以得到，本文算法計(jì)算的航向誤差相比方向傳感器的測(cè)量數(shù)據(jù)減少了66.4%，并且該方法的平均絕對(duì)誤差可以控制在5°以內(nèi)。但是航向角的誤差依然會(huì)導(dǎo)致定位誤差的累積，為此本文采用室內(nèi)平面圖信息去修正在室內(nèi)定位過(guò)程中出現(xiàn)的“穿墻”現(xiàn)象。

依據(jù)上述的航位推算算法，便可以在已知初始位置的前提下，推算出下一時(shí)刻位置，其轉(zhuǎn)移方程可表示為：

式中，（x，y）表示用戶的位置坐標(biāo)，l?是步長(zhǎng)估計(jì)長(zhǎng)度，θ表示航向角。

圖3　航向估計(jì)測(cè)試

圖4　方向誤差

3　地磁定位算法

地磁定位中地磁匹配算法是關(guān)鍵部分，合適的匹配算法可以有效的提高定位精度和效率。地磁匹配算法主要是基于相似度度量的一種方法，主要是通過(guò)測(cè)量值和基準(zhǔn)值的相似程度或差別程度為基準(zhǔn)進(jìn)行相關(guān)匹配的算法。目前在采用指紋方法室內(nèi)定位系統(tǒng)中，粒子濾波因其在非線性和非高斯系統(tǒng)中的優(yōu)勢(shì)成為了較為熱門的研究算法。粒子濾波的核心思想是通過(guò)計(jì)算一組隨機(jī)樣本的蒙特卡洛估計(jì)來(lái)表征待估計(jì)的后驗(yàn)概率分布，而隨機(jī)樣本由帶有權(quán)重的粒子組成［24-25］。

3.1粒子濾波算法

粒子濾波主要包括三個(gè)基本部分：狀態(tài)轉(zhuǎn)移方程，觀測(cè)方程和重采樣。本文中，狀態(tài)轉(zhuǎn)移方程即為式（19）。粒子濾波過(guò)程中，本文選取用戶位置坐標(biāo)和航向角作為狀態(tài)量，由航位推算算法可以容易更新位置坐標(biāo)和航向角。然而，為了使估計(jì)狀態(tài)更接近真實(shí)狀態(tài)，在濾波過(guò)程中需要對(duì)每個(gè)粒子設(shè)置權(quán)重。粒子的權(quán)重計(jì)算一般采用概率模型其中z表示地磁強(qiáng)度，如式（21）。

實(shí)際上，由于P（）z|s依賴位置點(diǎn)的磁場(chǎng)強(qiáng)度變化和構(gòu)建的磁場(chǎng)地圖特性，無(wú)法得到具體的概率模型。但測(cè)量磁場(chǎng)值與實(shí)際磁場(chǎng)值之間的偏差Δz服從高斯分布，即Δz～N（0，σΔz），σΔz為傳感器的偏移標(biāo)準(zhǔn)差，一般由傳感器說(shuō)明書(shū)給出。因此在計(jì)算每個(gè)粒子權(quán)重時(shí)概率模型一般使用目標(biāo)觀測(cè)似然函數(shù)［26］：

式中map（s）表示s狀態(tài)時(shí)地磁地圖中的磁場(chǎng)強(qiáng)度觀測(cè)值，w是粒子的權(quán)值。在實(shí)際中，結(jié)合室內(nèi)平面圖當(dāng)粒子的運(yùn)動(dòng)超出實(shí)際路徑的范圍時(shí)，進(jìn)行錯(cuò)誤粒子的舍棄，粒子權(quán)重設(shè)置為0。

3.2自適應(yīng)區(qū)域選擇重采樣

隨著迭代次數(shù)的增加，粒子會(huì)出現(xiàn)退化現(xiàn)象，即少數(shù)的粒子會(huì)占有較大的權(quán)值，粒子失去多樣性，從而當(dāng)運(yùn)動(dòng)狀態(tài)發(fā)生突變時(shí)容易產(chǎn)生跟蹤失敗。為了解決這個(gè)問(wèn)題，國(guó)內(nèi)外學(xué)者提出了很多重采樣方法。本文中對(duì)于提高重采樣的方式是基于有效粒子數(shù)量和選擇重采樣區(qū)域。本文定義經(jīng)過(guò)歸一化后粒子權(quán)重非0的粒子為有效粒子，并用Neff表示有效粒子數(shù)。為了控制粒子退化的速度，設(shè)定一個(gè)K值，對(duì)有效粒子數(shù)量進(jìn)行判斷，確定是否需要進(jìn)行重采樣。當(dāng)有效粒子數(shù)量大于閾值K時(shí)，粒子濾波進(jìn)行重采樣；反之，不進(jìn)行重采樣。

此外，通過(guò)航位推算可以估計(jì)相應(yīng)定位位置（x，y），定位誤差derr也可以通過(guò)測(cè)量獲取到。因此，本文以定位位置點(diǎn)為中心建立一個(gè)環(huán)形區(qū)域，該區(qū)域作為重采樣過(guò)程中優(yōu)先復(fù)制的粒子所在區(qū)域，區(qū)域外權(quán)重較大的粒子進(jìn)行舍棄，避免高權(quán)重粒子集中在誤差范圍外。自適應(yīng)區(qū)域選擇重采樣方法一方面可以有效的粒子較少時(shí)，重采樣造成的粒子退化問(wèn)題，另一方面通過(guò)區(qū)域選擇重采樣可以對(duì)粒子群進(jìn)行校正更新。最后，利用當(dāng)前粒子的加權(quán)平均和作為真實(shí)狀態(tài)。

式中，粒子權(quán)值w已經(jīng)進(jìn)行了歸一化。至此，一步完整的定位迭代結(jié)束，當(dāng)下一個(gè)步伐檢測(cè)完成時(shí)進(jìn)行下一次粒子濾波的迭代計(jì)算。改進(jìn)的粒子濾波地磁定位算法流程圖如圖5所示。

圖5　改進(jìn)粒子濾波地磁匹配定位算法流程

4　實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

為了驗(yàn)證本文提出的基于磁場(chǎng)指紋輔助的手機(jī)室內(nèi)定位系統(tǒng)的可行性，本文進(jìn)行了實(shí)際室內(nèi)環(huán)境測(cè)試實(shí)驗(yàn)。本文選取重慶大學(xué)主教學(xué)樓21樓走廊作為實(shí)驗(yàn)場(chǎng)地。將實(shí)驗(yàn)場(chǎng)地區(qū)域劃分為0.8 m× 0.8 m的網(wǎng)格，使用三星手機(jī)GT-I9300在1.3 m高度對(duì)每個(gè)網(wǎng)格點(diǎn)進(jìn)行磁場(chǎng)強(qiáng)度的測(cè)量，其中每個(gè)網(wǎng)格點(diǎn)測(cè)量50組磁場(chǎng)強(qiáng)度數(shù)據(jù)求平均值作為磁場(chǎng)地圖數(shù)據(jù)。本次實(shí)驗(yàn)采集了258組數(shù)據(jù)作為磁場(chǎng)指紋。為了提高磁場(chǎng)定位的精度，本文采用克里金插值算法［27-28］對(duì)數(shù)據(jù)進(jìn)行0.1 m間隔的空間插值，得到網(wǎng)格精度更高的室內(nèi)地磁地圖。其中，手機(jī)磁場(chǎng)采集應(yīng)用界面和插值后的磁場(chǎng)地圖如圖6所示。

圖6　地磁采集應(yīng)用程序和磁場(chǎng)地圖

4.1室內(nèi)定位分析

本次實(shí)驗(yàn)中，假設(shè)初始位置已知，實(shí)驗(yàn)者水平手持手機(jī)在實(shí)驗(yàn)場(chǎng)地中沿67 m長(zhǎng)度的走廊行走一周。在行走過(guò)程中，以50 Hz的頻率采集并保存加速度計(jì)、陀螺儀和磁力計(jì)數(shù)據(jù)，最終測(cè)量步數(shù)為83步。本文進(jìn)行了3種不同方法的定位測(cè)試：第一種是使用原始方向傳感器數(shù)據(jù)作為航向的航位推算定位方法，記為PDR；第二種是基于本文卡爾曼濾波航向估計(jì)的航位推算定位，記為KFPDR；第三種方法為采用本文提出的基于磁場(chǎng)輔助的航位推算定位方法，該方法的航向估計(jì)是基于卡爾曼濾波估計(jì)和地圖信息修正獲取，記為MAPDR。通過(guò)比較不同定位方法的定位誤差和誤差分布，對(duì)本文提出的方法進(jìn)行性能的評(píng)估，以驗(yàn)證該方法的有效性和可行性。

圖7表明，采用方向傳感器數(shù)據(jù)作為航向的航位推算定位方法的定位誤差隨著時(shí)間的推移越來(lái)越大。在極短的時(shí)間內(nèi)，定位誤差便可以累積達(dá)到10 m左右。而采用了本文卡爾曼濾波的航向估計(jì)的航位推算定位方法在一定程度上起到了減少定位誤差的作用。通過(guò)對(duì)第二種定位方法軌跡的觀察，發(fā)現(xiàn)在轉(zhuǎn)彎時(shí)會(huì)出現(xiàn)測(cè)量轉(zhuǎn)向角度要小于實(shí)際的轉(zhuǎn)向角度的現(xiàn)象，這種差異對(duì)定位精度產(chǎn)生了很大的影響。針對(duì)這種現(xiàn)象，在本文提出的定位方法中對(duì)運(yùn)動(dòng)中轉(zhuǎn)向行為進(jìn)行識(shí)別，利用地圖信息進(jìn)行角度的修正。同時(shí)，當(dāng)定位位置出現(xiàn)“穿墻”現(xiàn)象時(shí)，將采用地圖中的參考方向進(jìn)行航位推算。通過(guò)不同定位方法定位軌跡的比較，本文提出的基于磁場(chǎng)指紋輔助手機(jī)室內(nèi)定位方法不僅可以有效的提高定位的精度，而且可以解決定位誤差累計(jì)的問(wèn)題。

圖7　不同方法的室內(nèi)定位軌跡圖

由圖8可知，本文提出的定位方法的定位誤差保持在2.5 m以下，并且達(dá)到了在98%情況下定位誤差2 m以內(nèi)的測(cè)試效果，而其他兩種定位方法的2 m以內(nèi)誤差分布分別為34%和61%。表2展示了不同定位方法的平均誤差和最大誤差，相比于前兩種方法，本文的定位方法的平均誤差分別減少了67.6%和44.1%，最大誤差分別減少了77.5%和68.4%。實(shí)驗(yàn)表明通過(guò)合適的地磁匹配算法，可以有效的提高室內(nèi)定位精度。

圖8　室內(nèi)定位誤差和誤差分布

表2　定位結(jié)果

5　結(jié)論

相比于其它定位技術(shù)，磁場(chǎng)指紋輔助的航位推算定位方法僅需要預(yù)先采集磁場(chǎng)地圖，而不需要依賴其它任何設(shè)備?；谶@一優(yōu)勢(shì)，本文結(jié)合航位推算和磁場(chǎng)定位兩種定位技術(shù)提出了基于磁場(chǎng)指紋輔助的手機(jī)室內(nèi)定位系統(tǒng)，并針對(duì)航位推算算法改進(jìn)步態(tài)檢測(cè)算法，提出動(dòng)態(tài)步長(zhǎng)估計(jì)模型和卡爾曼濾波的航向估計(jì)算法，以及針對(duì)磁場(chǎng)定位算法提出自適應(yīng)區(qū)域選擇的重采樣方法。實(shí)驗(yàn)結(jié)果表明該方法能夠?qū)崿F(xiàn)室內(nèi)2 m的定位精度，證明了該方法的可行性和有效性。為了更為準(zhǔn)確的定位，本文利用了轉(zhuǎn)角檢測(cè)和室內(nèi)地圖信息修正航向的方法。在未來(lái)的研究中，我們也可以結(jié)合WLAN RSSI的定位方法去進(jìn)一步提高系統(tǒng)的靈活性和穩(wěn)定性。智能終端實(shí)現(xiàn)室內(nèi)移動(dòng)目標(biāo)的定位與導(dǎo)航，在大型室內(nèi)商場(chǎng)、博物館和停車場(chǎng)將具有廣泛的應(yīng)用價(jià)值。

［1］秦杰，陳希，武穆清.A-GPS定位技術(shù)的研究與應(yīng)用［J］.數(shù)字通信世界，2007（3）：54-56.

［2］Want R，Hopper A，F(xiàn)alcao V，et al.The Active Badge Location System［J］.ACM Trans on Information Systems，1992，10（2）：91-102.

［3］Ward A，Jones A，Hopper A.A New Location Technique for the Active Office［J］.Personal Communications，IEEE，1997，4（5）：42-47.

［4］Woodman O J.An Introduction to Inertial Navigation［J］.Comput?er Laboratory，University of Cambridge，Tech Rep UCAMCL-TR-696，2007，14：15.

［5］Iglesias H J P，Barral V，Escudero C J.Indoor Person Localization System through RSSI Bluetooth Fingerprinting［C］//Systems，Sys?tems，Signals and Image Processing，2012 19th International Con? ference on.IEEE，2012：40-43.

［6］王小輝，汪云甲，張偉.基于RFID的室內(nèi)定位技術(shù)評(píng)述［J］.傳感器與微系統(tǒng)，2009，28（2）：1-3.

［7］Hong F，Zhang Y，Zhang Z，et al.WaP：Indoor Localization and Tracking Using Wifi-Assisted Particle Filter［C］//Local Computer Networks（LCN），2014 IEEE 39th Conference on.IEEE，2014.210-217.

［8］Mahfouz M R，F(xiàn)athy A E，Kuhn M J，et al.Recent Trends and Ad?vances in UWB Positioning［J］.Wireless Sensing，Local Position?ing，and RFID，2009.IMWS 2009.IEEE MTT-S International Mi?crowave Workshop on.IEEE，2009.1-4.

［9］阮陵，張翎，許越，等.室內(nèi)定位：分類、方法與應(yīng)用綜述［J］.地理信息世界，2015，22（2）：8-14.

［10］劉曉葉，徐玉斌.基于自適應(yīng)射頻指紋地圖的WSN室內(nèi)定位算法研究［J］.傳感技術(shù)學(xué)報(bào)，2015，28（8）：1215-1220.

［11］DeGregoria A.Gravity Gradiometry and Map Matching：An Aid to Aircraft Inertial Navigation Systems［R］.Air Force Inst of Tech Wright-Patterson Afb Oh Graduate School of Engineering And Management，2010.

［12］宋鏢，程磊，周明達(dá)，等.基于慣導(dǎo)輔助地磁的手機(jī)室內(nèi)定位系統(tǒng)設(shè)計(jì)［J］.傳感技術(shù)學(xué)報(bào)，2015，28（8）：1249-1254.

［13］Chung J，Donahoe M，Schmandt C，et al.Indoor Location Sensing Using Geo-Magnetism［C］//Proceedings of the 9th International Conference on Mobile Systems，Applications，and Services，2011：141-154.

［14］Kim S E，Kim Y，Yoon J，et al.Indoor Positioning System Using Geomagnetic Anomalies for Smartphones［C］//Indoor Positioning and Indoor Navigation，2012 International Conference on.IEEE，2012：1-5.

［15］Xie H，Gu T，Tao X，et al.A Reliability-Augmented Particle Filter for Magnetic Fingerprinting based Indoor Localization on Smart?phone［J］.IEEE Trans on Mobile Computing，2014，13（9）.

［16］Haverinen J，Kemppainen A.Global Indoor Self-Localization Based on the Ambient Magnetic Field［J］Robotics and Autono?mous Systems，2009，57（10）：1028-1035.

［17］劉文遠(yuǎn)，張榮吉，王林，等.地磁信息輔助的多維指紋室內(nèi)移動(dòng)軌跡映射方法［J］.電子與信息學(xué)報(bào)，2013，35（10）：2397-2402.

［18］蔡敏敏.基于行人航位推算的室內(nèi)定位技術(shù)綜述［J］.微型機(jī)與應(yīng)用，2015，34（13）：9-11.

［19］Harle R.A Survey of Indoor Inertial Positioning Systems for Pe?destrians［J］.Communications Surveys and Tutorials，IEEE，2013，15（3）：1281-1293.

［20］Ladetto Q.On Foot Navigation：Continuous Step Calibration Using Both Complementary Recursive Prediction and Adaptive Kalman Filtering［C］//Proceedings of the 13th International Technical Meeting of the Satellite Division of the Institute of Navigation，2000.1735-1740.

［21］Android SDK and Documentation，Available online：http：// developer.android.com/intl/zh-cn/reference/android/hardware/Sen?sorManager.html.

［22］Sabatini A M.Quaternion-Based Extended Kalman Filter for De?termining Orientation by Inertial and Magnetic Sensing［J］IEEE Trans on Biomedical Engineering，2006，53（7）：11346-1356.

［23］Kirtley C.Summary：Quaternions vs.Euler angles.Available on?line：http：//isb.ri.ccf.org/biomch-l/archives/，2001.

［24］姜竹青.自主導(dǎo)航中濾波算法的研究及應(yīng)用［D］.北京：北京郵電大學(xué)，2014.

［25］馬嘉斌.基于便攜設(shè)備行人航位推算的室內(nèi)定位研究［D］.上海：上海交通大學(xué)，2014.

［26］Marins J L，Yun X，Bachmann E R，et al.An Extended Kalman Filter for Quaternion-Based Orientation Estimation Using MARG Sensors［C］//Proceedings of Intelligent Robots and Systems，2001 IEEE/RSJ International Conference on.IEEE，2001（4）：2003-2011.

［27］弋英民，劉丁.基于單目視覺(jué)的輪式機(jī)器人同步定位與地圖構(gòu)建［J］.儀器儀表學(xué)報(bào)，2010，31（1）：117-121.

［28］Bishop G C.Gravitational Field Maps and Navigational Errors［J］.IEEE Journal of Oceanic Engineering，2002，27（3）：726-737.

楊增瑞（1991-），男，碩士生，主要研究方向?yàn)槭覂?nèi)定位，嵌入式系統(tǒng)，以及故障檢測(cè)等，yzr@cqu.edu.cn；

段其昌（1953-），男，教授，主要研究方向?yàn)樾履茉聪到y(tǒng)先進(jìn)控制與應(yīng)用研究，復(fù)雜系統(tǒng)智能計(jì)算、建模、控制與優(yōu)化，網(wǎng)絡(luò)化綜合智能控制與信息處理，GPRS、GPS、GIS、RFID和嵌入式應(yīng)用技術(shù)研究，圖像識(shí)別與處理應(yīng)用研究以及系統(tǒng)容錯(cuò)與可靠性研究等，qc_d@sina.com。

Magnetic Fingerprinting Assisted Indoor Localization System on Smartphone*

YANG Zengrui1，DUAN Qichang1*，MAO Mingxuan1，DUAN Pan2，HUANG Xiaogang3
（1.School of Automation，Chongqing University，Chongqing 400044，China；2.State Grid Chongqing Electric Power Company Nan’an Power Supply Subsidiary Company，Chongqing 400060，China；3.State Grid Chongqing Electric Power Company Tongnan Power Supply Subsidiary Company，Chongqing 402660，China）

Due to in the current wireless based indoor positioning method the received signal strength are suscepti?ble to interference，the cost of equipment deployment and maintenance is high，and the question of in Pedestrian Dead Reckoning（PDR）systems localization error accumulated by time，this paper presents an indoor positioning sys?tem on smartphone，which uses magnetic matching positioning methods built on particle filter to correct localization error in the PDR approach.Compared to the traditional PDR method，the proposed method improves the step detec?tion method and applies a dynamic step length estimation algorithm and heading estimation according to Kalman fil?ter to enhance the robustness and minimize errors.In addition，an adaptive region selection resampling algorithm is introduced to accelerate the rate of convergence.Finally，through conducting comprehensive experiments and tests，and the results show that the proposed technique can reliably achieve 2 meters precision in a large building.

magnetic matching；pedestrian dead reckoning；indoor localization；kalman filter；particle filter

TP212.9

A

1004-1699（2016）09-1441-08

項(xiàng)目來(lái)源：國(guó)家自然科學(xué)基金項(xiàng)目（51377187）；重慶市研究生科研創(chuàng)新項(xiàng)目（CYS16033）

2016-03-28修改日期：2016-05-14