一種基于智能手機(jī)的行人航位推算室內(nèi)定位方法

徐龍陽(yáng)

摘要：智能手機(jī)內(nèi)嵌多種慣性傳感器，可以實(shí)現(xiàn)行人的位置推算。該文利用加速度計(jì)實(shí)現(xiàn)行人步數(shù)的有效檢測(cè)，同時(shí)利用自適應(yīng)步長(zhǎng)算法估計(jì)行人的步長(zhǎng)，最后將陀螺儀、磁力計(jì)計(jì)算的方向角進(jìn)行加權(quán)融合，最終得到行人室內(nèi)位置的精確估計(jì)。實(shí)驗(yàn)表明，該定位方法的定位誤差精度在1～4m范圍內(nèi)，滿(mǎn)足定位需求。

關(guān)鍵詞：智能手機(jī)；行人航位推算；室內(nèi)定位

中圖分類(lèi)號(hào)： TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）36-0198-02

Abstract： A variety of inertial sensors are embedded in smartphones to estimate the position of pedestrians. In this paper， the accelerometer is used to detect the number of pedestrians effectively. At the same time， the step size of the pedestrian is estimated by using the adaptive step algorithm. Finally， the gyro and the magnetometer are weighted by the direction angle to get the accurate estimation of the pedestrian indoor position. Experiments show that the positioning accuracy of the positioning method in the range of 1 ～ 4m， to meet the positioning needs.

Key words： smart phone； pedestrian dead reckoning； indoor positioning

1 概述

隨著微電子技術(shù)等技術(shù)的發(fā)展，如今的智能手機(jī)內(nèi)嵌多種慣性傳感器如加速度計(jì)、磁力計(jì)、陀螺儀、磁力計(jì)、氣壓計(jì)等，鑒于智能手機(jī)與人類(lèi)日常活動(dòng)密切相關(guān)，這些傳感器為室內(nèi)行人位置推算提供了基礎(chǔ)支持[1]。

行人航位推算方法（Pedestrian Dead Reckoning，PDR）[2]，通過(guò)對(duì)行人的步數(shù)檢測(cè)、步長(zhǎng)估計(jì)、方向計(jì)算，在已知初始位置的情況下，可以推算行人在任意時(shí)刻的位置。通過(guò)加速度計(jì)采集的數(shù)據(jù)形成的波形圖可以實(shí)現(xiàn)步數(shù)的有效估計(jì)，具體的步數(shù)檢測(cè)方法有閾值判定法、波峰-波谷法、步頻估計(jì)法等。行人的步長(zhǎng)估計(jì)國(guó)內(nèi)外學(xué)者提出眾多有效的估計(jì)方法，如定長(zhǎng)法，將行人的步長(zhǎng)看作是固定的，該方法雖然簡(jiǎn)單，但誤差較大。經(jīng)驗(yàn)法根據(jù)經(jīng)驗(yàn)公式來(lái)計(jì)算步長(zhǎng)，該方法計(jì)算精度有所提高，但依然有較大誤差。自適應(yīng)步長(zhǎng)估計(jì)法是目前計(jì)算精度最好的方法，該方法將行人行走過(guò)程中的步長(zhǎng)看作是動(dòng)態(tài)的，利用自適應(yīng)估計(jì)方法動(dòng)態(tài)計(jì)算行人每一步的步長(zhǎng)，因此計(jì)算精度有較大的提高。智能手機(jī)內(nèi)嵌的陀螺儀、磁力計(jì)可以分別計(jì)算出行人行走的方向角，由于單一傳感器受環(huán)境干擾以及自身精度的影響，存在較大計(jì)算誤差，因此本文提出將陀螺儀、磁力計(jì)計(jì)算出的方法角進(jìn)行加權(quán)融合，二者相互佐證，有效降低單一傳感器帶來(lái)的測(cè)量誤差，從而獲得行人行走方向的精確估計(jì)。

2 行人航位推算

室內(nèi)環(huán)境中，在行人初始位置確定的情況下，任意時(shí)刻的位置坐標(biāo)信息可由行人移動(dòng)距離和移動(dòng)方向計(jì)算得到[3]：

2.1 步數(shù)檢測(cè)

行人在行走過(guò)程中，左右腿交替運(yùn)動(dòng)，呈現(xiàn)周期的特點(diǎn)。加速度計(jì)采集的原始數(shù)據(jù)波形圖的波峰、波谷正好對(duì)應(yīng)行人抬腿、腳落地動(dòng)作，因此一個(gè)波峰、一個(gè)波谷對(duì)應(yīng)行人一個(gè)步伐完整周期。目前，步數(shù)檢測(cè)方法有波峰-波谷法、閾值檢測(cè)法、自適應(yīng)計(jì)算等。

人實(shí)際行走過(guò)程中，會(huì)有不規(guī)則的抖動(dòng)等運(yùn)動(dòng)狀態(tài)帶來(lái)干擾波峰、波谷，計(jì)算準(zhǔn)確的步數(shù)，必須要識(shí)別這些非有效步數(shù)，否則會(huì)帶來(lái)步數(shù)檢測(cè)結(jié)果的較大誤差。本文通過(guò)閾值檢測(cè)法來(lái)計(jì)算行人的步數(shù)。對(duì)波峰值、波谷值、步時(shí)等值設(shè)置三個(gè)閾值[θ]、[φ]、[λ]，即當(dāng)波峰、波谷值超過(guò)閾值，即可視為非有效步。人正常步數(shù)持續(xù)時(shí)間也是有周期性的規(guī)律，當(dāng)步時(shí)小于或大于閾值，該步為非有效步。通過(guò)波峰、波谷閾值，步時(shí)閾值組成一個(gè)二維有效步的判定方法，使得的步數(shù)錯(cuò)誤估計(jì)算有效降低。

2.2 步長(zhǎng)估計(jì)

不同的人、不同的時(shí)刻行人的步長(zhǎng)是動(dòng)態(tài)變化的，將行人步長(zhǎng)看作是固定，必然會(huì)帶來(lái)較大的估計(jì)誤差。國(guó)內(nèi)為學(xué)者提出一些經(jīng)驗(yàn)公式來(lái)計(jì)算步長(zhǎng)，該方法計(jì)算精度雖有所提高，但依然有估計(jì)誤差。動(dòng)態(tài)的自適應(yīng)步長(zhǎng)估計(jì)是目前較主流的步長(zhǎng)計(jì)算方法[4]，本文選擇與步長(zhǎng)計(jì)算相關(guān)的步頻和加速度方差來(lái)進(jìn)行建模。根據(jù)人體運(yùn)動(dòng)學(xué)理論，當(dāng)行人正常行走時(shí)，步長(zhǎng)與步頻呈近似線(xiàn)性關(guān)系，因此步長(zhǎng)模型為：

2.3 方向計(jì)算

三軸陀螺儀獲取的是手機(jī)在x、y、z軸上的角速度數(shù)據(jù)[wRCSx，t]、[wRCSy，t] 、[wRCSz，t]，對(duì)角速度進(jìn)行積分可以分別計(jì)算出繞三個(gè)軸旋轉(zhuǎn)的角度。我們需要z軸上旋轉(zhuǎn)的角度作為行人行走的方向角，因此需要將角速度投影到絕對(duì)坐標(biāo)系下的Z軸上再進(jìn)行積分，過(guò)程如下[5]：

3 實(shí)驗(yàn)

3.1 實(shí)驗(yàn)設(shè)置

在本文中，我們使用的數(shù)據(jù)集來(lái)自2015年在日本大阪舉行的“UbiComp/ISWC 2015 PDRhallenge”競(jìng)賽。實(shí)驗(yàn)區(qū)域平面圖（18m*17.5m）如圖5所示，包括四個(gè)直角，四條邊，圓點(diǎn)是行人起始的位置，順時(shí)針行走，再回到起始的位置結(jié)束。

3.2 結(jié)果及分析

圖2、圖3分別是智能手機(jī)采集的兩個(gè)人ID_01、ID_02的傳感器數(shù)據(jù)，通過(guò)只用陀螺儀、磁力計(jì)和提出的加權(quán)融合方法分別估算行人行走的軌跡與真實(shí)行人移動(dòng)軌跡對(duì)比。圖2、圖3可以看出提出的加權(quán)融合方法得到行人行走的軌跡更接近行人真實(shí)的移動(dòng)軌跡。

上述定位結(jié)果提出的方法定位誤差都明顯低于單獨(dú)用陀螺儀、磁力計(jì)方法得到的定位誤差，表明提出的加權(quán)融合方法計(jì)算的方向角能夠有效降低單一傳感器帶來(lái)的誤差，從而提高了定位精度。

4 結(jié)束語(yǔ)

本文利用加速度計(jì)采集的數(shù)據(jù)，通過(guò)對(duì)波峰、波谷、步時(shí)設(shè)置閾值，有效檢測(cè)行人行走過(guò)程中的有效步數(shù)，減少行人隨意性行走、無(wú)規(guī)則抖動(dòng)帶來(lái)的非正常步帶來(lái)的影響。通過(guò)提出一種自適應(yīng)步長(zhǎng)估計(jì)方法，將行人行走過(guò)程的步長(zhǎng)看作動(dòng)態(tài)，精確估計(jì)出行人每一步的步長(zhǎng)。方向估計(jì)通過(guò)對(duì)陀螺儀、磁力計(jì)計(jì)算的方向角進(jìn)行加權(quán)融合，有效降低單一傳感器帶來(lái)的誤差，從而提高了定位精度。

參考文獻(xiàn)：

[1] 席瑞， 李玉軍， 侯孟書(shū). 室內(nèi)定位方法綜述[J]. 計(jì)算機(jī)科學(xué)， 2016， 43（4）：1-6.

[2] 周瑞， 羅磊， 李志強(qiáng)，等. 一種基于智能手機(jī)傳感器的行人室內(nèi)定位算法[J]. 計(jì)算機(jī)工程， 2016， 42（11）：22-26.

[3] 胡安冬， 王堅(jiān)， 高井祥. 一種基于地圖匹配輔助行人航位推算的室內(nèi)定位方法[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào)， 2014（5）：529-532.

[4] 黃承愷. 多傳感器信息融合算法在室內(nèi)定位中的應(yīng)用[D]. 北京郵電大學(xué)， 2015.

[5] 洪皓， 武剛， 陳飛翔，等. 基于智能手機(jī)傳感器的室內(nèi)行人三維定位算法[J]. 測(cè)繪科學(xué)， 2016， 41（7）：47-52.

[6] Hsu H H， Peng W J， Shih T K， et al. Smartphone Indoor Localization with Accelerometer and Gyroscope[C]// International Conference on Network-Based Information Systems. IEEE， 2015：465-469.

[7] Li F， Zhao C， Ding G， et al. A reliable and accurate indoor localization method using phone inertial sensors[C]// ACM Conference on Ubiquitous Computing. ACM， 2012：421-430.

[8] 李由. 基于MEMS慣性傳感器、WiFi、磁場(chǎng)特征的移動(dòng)智能終端室內(nèi)行人導(dǎo)航算法[D]. 武漢大學(xué)， 2015.

[9] Qian J， Ma J， Ying R， et al. An improved indoor localization method using smartphone inertial sensors[C]// International Conference on Indoor Positioning and Indoor Navigation. IEEE， 2014：1-7.