劉公緒,史凌峰
(1.超高速電路設(shè)計(jì)與電磁兼容教育部重點(diǎn)實(shí)驗(yàn)室,西安 710071;2.西安電子科技大學(xué)CAD所,西安 710071)
嚴(yán)格來講,導(dǎo)航是通過幾何學(xué)、天文學(xué)、無線電信號(hào)、力學(xué)等手段確定載體的姿態(tài)、速度和位置的一門科學(xué),而定位是導(dǎo)航的一個(gè)子集,只確定載體的空間位置[1]。導(dǎo)航可作為定位的一種重要應(yīng)用,在定位過程中,往往需要計(jì)算載體的速度,姿態(tài)等信息,因此許多學(xué)者在概念上對(duì)導(dǎo)航與定位不加區(qū)分。
作為衛(wèi)星導(dǎo)航領(lǐng)域最后一千米難題,室內(nèi)導(dǎo)航與定位主要采用偽衛(wèi)星定位、云定位、端定位、可信定位、室內(nèi)地圖等多種技術(shù),實(shí)現(xiàn)人員、物體等在室內(nèi)空間中的位置、速度和姿態(tài)的解算。近年來,室內(nèi)導(dǎo)航與定位已成為工業(yè)界和學(xué)術(shù)界的研究熱點(diǎn)。文獻(xiàn)[2]指出2024年以前,室內(nèi)定位的總市場(chǎng)規(guī)模將超過100億美元,強(qiáng)勁的市場(chǎng)需求為室內(nèi)導(dǎo)航定位系統(tǒng)(indoor navigation and positioning system,INPS)提供了廣闊的發(fā)展空間。經(jīng)調(diào)研,目前有超過800家國(guó)內(nèi)外公司涉及到室內(nèi)導(dǎo)航與定位及其他室內(nèi)行人相關(guān)應(yīng)用見表1[3]。2016年1月北斗羲和科技發(fā)展有限公司成立,它以科技部“羲和計(jì)劃”研究成果為基礎(chǔ),自主研發(fā)了廣域室內(nèi)外融合定位系統(tǒng),可提供復(fù)雜城市環(huán)境下的室內(nèi)外融合定位解決方案?!笆濉逼陂g,北京郵電大學(xué)、武漢大學(xué)、中國(guó)電子科技集團(tuán)公司第54研究所(以下簡(jiǎn)稱54所)牽頭的廣域室內(nèi)外定位技術(shù)正緊鑼密鼓地進(jìn)行著;隨著北斗衛(wèi)星導(dǎo)航系統(tǒng)(BeiDou navigation satellite system,BDS)的全面開啟,隨時(shí)隨地獲取個(gè)人位置信息,借助云平臺(tái)和大數(shù)據(jù)分析進(jìn)行個(gè)性化位置服務(wù);對(duì)可靠的實(shí)時(shí)的室內(nèi)定位與導(dǎo)航的需求越來越迫切,近十幾年,IEEE、Information Fusion、Sensors及Guidance Control and Dynamics等相關(guān)領(lǐng)域雜志,接連刊登和評(píng)論室內(nèi)導(dǎo)航與定位相關(guān)的文章,其方案和相關(guān)技術(shù)指標(biāo)如表2所示。
表1 各國(guó)典型室內(nèi)導(dǎo)航與定位公司
表2 已有文獻(xiàn)中室內(nèi)導(dǎo)航與定位技術(shù)對(duì)比表
按照數(shù)學(xué)原理,室內(nèi)導(dǎo)航與定位技術(shù)可以分為3類:即基于無線信號(hào)的交匯技術(shù);數(shù)據(jù)庫(kù)匹配技術(shù);以及基于慣性傳感器的航向推算技術(shù)。
TOA 定位算法的理論依據(jù)是:若已知信號(hào)在介質(zhì)中的傳播速率和信號(hào)從發(fā)射端到接收端所用的時(shí)間,就能得知發(fā)射端與接收端的相對(duì)距離,再根據(jù)發(fā)射端的位置,來確定接收端的絕對(duì)位置。要獲得發(fā)射時(shí)間和接收時(shí)間之間的差值,就必須保證發(fā)射端和接收端的時(shí)鐘高度同步。
TDOA是指發(fā)射端發(fā)射兩種不同傳播速度的無線信號(hào),根據(jù)這兩種無線信號(hào)到達(dá)接收端的時(shí)間差值,確定發(fā)射端和接收端之間的距離,不必保證發(fā)射端與接收端的時(shí)鐘同步。
AOA是指通過測(cè)得錨節(jié)點(diǎn)發(fā)射的無線信號(hào)到達(dá)定位節(jié)點(diǎn)時(shí),信號(hào)的傳播方向與定位節(jié)點(diǎn)所在水平面的夾角的大小,來計(jì)算節(jié)點(diǎn)所在的具體位置,需要角度傳感器或者接收陣列,必須要比較準(zhǔn)確地測(cè)量得到通信半徑內(nèi)的其它臨近錨節(jié)點(diǎn)發(fā)射的信號(hào)到達(dá)的角度值,才能保證定位精度達(dá)到系統(tǒng)要求。由于其對(duì)硬件要求高,且易受外界環(huán)境影響,所以該算法在實(shí)際應(yīng)用中受限。
RSS即指通過測(cè)量錨節(jié)點(diǎn)發(fā)出的無線信號(hào)在定位節(jié)點(diǎn)處的信號(hào)接收強(qiáng)度作為定位特征量,利用采集到的RSS值定位目標(biāo)節(jié)點(diǎn)的位置,其定位算法主要有兩種。分別是基于路徑損耗模型實(shí)現(xiàn)定位(又叫三邊測(cè)量)和根據(jù)指紋識(shí)別算法(也叫模式匹配)得到定位節(jié)點(diǎn)的坐標(biāo)信息。
藍(lán)牙通訊是一種短距離低功耗的無線傳輸技術(shù)。藍(lán)牙定位主要應(yīng)用于小范圍定位,通過檢測(cè)信號(hào)強(qiáng)度就可以獲得用戶的位置信息,對(duì)于復(fù)雜的空間環(huán)境,藍(lán)牙定位系統(tǒng)的穩(wěn)定性稍差,受噪聲信號(hào)干擾大。
RFID技術(shù)是利用射頻通訊方式進(jìn)行雙向的非接觸式數(shù)據(jù)交互,它基于信號(hào)強(qiáng)度分析法,并采用聚類算法,通過識(shí)別檢測(cè)到的信號(hào)強(qiáng)弱來計(jì)算標(biāo)識(shí)之間的距離,實(shí)現(xiàn)3維空間定位的目的。其優(yōu)點(diǎn)是定位標(biāo)識(shí)體積小,價(jià)格便宜,缺點(diǎn)是作用距離比較短,一般情況,作用距離最長(zhǎng)為幾十米;此外,缺少國(guó)際化標(biāo)準(zhǔn),安全性較低。
ZigBee是一種短距離、低速率的無線通信技術(shù)。它介于RFID和藍(lán)牙之間,可以實(shí)現(xiàn)由若干個(gè)ZigBee節(jié)點(diǎn)組成的網(wǎng)絡(luò),包括路由器和定位節(jié)點(diǎn)。通過節(jié)點(diǎn)之間的相互協(xié)調(diào)通信來實(shí)現(xiàn)定位功能,最大的優(yōu)點(diǎn)是低功耗和低成本。
超寬帶技術(shù)不需要使用傳統(tǒng)通信體制中的載波,而是通過發(fā)送和接收具有納秒或納秒級(jí)以下的極窄脈沖來傳輸數(shù)據(jù),可用于室內(nèi)精確定位,例如:戰(zhàn)場(chǎng)士兵的位置發(fā)現(xiàn)、機(jī)器人運(yùn)動(dòng)跟蹤等。超寬帶系統(tǒng)與傳統(tǒng)的窄帶系統(tǒng)相比,具有穿透力強(qiáng)、功耗低、抗多徑效果好、安全性高、系統(tǒng)復(fù)雜度低、定位精度高等優(yōu)點(diǎn),通常用于室內(nèi)移動(dòng)物體的定位跟蹤或?qū)Ш?。但其需要精?zhǔn)的時(shí)鐘同步,成本非常昂貴,不便于大面積的部署和應(yīng)用。
偽衛(wèi)星在近幾年研究很熱,其核心思想是將衛(wèi)星信號(hào)引入室內(nèi),讓室內(nèi)定位與室外定位無縫對(duì)接。雖然在某種程度上,偽衛(wèi)星彌補(bǔ)了衛(wèi)星信號(hào)在室內(nèi)定位的不足,但仍存在較多的缺點(diǎn),如:觀測(cè)過程中的多徑問題,偽衛(wèi)星與全球衛(wèi)星導(dǎo)航系統(tǒng)(global navigation satellite system,GNSS)衛(wèi)星間的同步問題等。
GSM屬于第2代(2G)蜂窩移動(dòng)通信技術(shù),GSM網(wǎng)絡(luò)一共有4種不同的蜂窩單元尺寸:巨蜂窩,微蜂窩,微微蜂窩和傘蜂窩。覆蓋面積因不同的環(huán)境而不同。其中微微蜂窩只覆蓋幾十米的范圍,主要用于室內(nèi)。不過,2015年,全球諸多GSM網(wǎng)絡(luò)運(yùn)營(yíng)商,已經(jīng)將2017年確定為關(guān)閉GSM網(wǎng)絡(luò)的年份。雖然基于GSM的室內(nèi)定位技術(shù)已經(jīng)趨于淘汰,但5G仍可能在未來室內(nèi)定位中發(fā)揮作用。如博通(Broadcom)公司宣布推出業(yè)界第一款具精準(zhǔn)室內(nèi)定位技術(shù)的 5G WiFi(802.11ac)系統(tǒng)單芯片(SoC)—BCM43462。此款芯片采用博通 AccuLocate 技術(shù),能提供精度為亞米級(jí)的定位功能。
該技術(shù)的原理是將需要傳輸?shù)男畔⒕幾g成一段調(diào)制信號(hào),用脈寬調(diào)制的方法附加到LED燈具的驅(qū)動(dòng)電流上,利用戶內(nèi)無處不在的光源作為發(fā)射載體,當(dāng)用戶進(jìn)入燈具照明區(qū)域,以智能手機(jī)的攝像頭接收并識(shí)別光信號(hào),解析出燈具發(fā)送的唯一身份識(shí)別信息。利用所獲取的身份識(shí)別信息,在地圖數(shù)據(jù)庫(kù)中確定對(duì)應(yīng)位置信息來完成定位。用戶不需要將手機(jī)相機(jī)對(duì)準(zhǔn)某一個(gè)特定方向,亦可以接收到反饋過來的直接光源信號(hào),定位精度可以在1 m以內(nèi)。LED定位需要改造LED燈具,增加了成本,但LED定位仍然是一種很有潛力的室內(nèi)定位技術(shù)。
超聲波定位一般是采用發(fā)射式測(cè)距法,即根據(jù)回波與發(fā)射波的時(shí)間差計(jì)算出待測(cè)距離,并通過三角定位等算法確定物體的位置。超聲波定位雖然定位精度較高、系統(tǒng)結(jié)構(gòu)簡(jiǎn)單,但容易受多徑效應(yīng)和非視距傳播的影響;同時(shí),它還需要底層硬件支持,定位成本較高。
采用調(diào)頻廣播實(shí)現(xiàn)對(duì)室內(nèi)目標(biāo)的定位,即是基于調(diào)頻廣播信號(hào)指紋定位的方法,采用貝葉斯方法得到相應(yīng)的定位結(jié)果。通常其與WiFi一起使用。
紅外線室內(nèi)定位技術(shù)是通過安裝在室內(nèi)的光學(xué)傳感器,接收各移動(dòng)設(shè)備發(fā)射的經(jīng)調(diào)制的紅外射線,通過測(cè)量信號(hào)到達(dá)時(shí)間或信號(hào)到達(dá)角度來實(shí)現(xiàn)定位,具有相對(duì)較高的定位精度。但由于光線不能穿過障礙物、只能視距傳播,因而易受熒光燈等干擾,導(dǎo)致系統(tǒng)定位穩(wěn)定性較差。當(dāng)移動(dòng)設(shè)備放置在口袋里或者被墻壁遮擋時(shí),常常不能正常工作,需要在每個(gè)房間、走廊安裝接收天線,導(dǎo)致總體造價(jià)較高。
利用室內(nèi)鋼結(jié)構(gòu)引起的地磁異常作為位置參考特征,測(cè)繪并建立室內(nèi)環(huán)境磁場(chǎng)特征基準(zhǔn)地圖,然后通過粒子濾波等算法實(shí)現(xiàn)對(duì)人員位置的估計(jì),盡管磁場(chǎng)無處不在,匹配的性能很大程度上與環(huán)境磁場(chǎng)分布相關(guān),常存在明顯的誤匹配現(xiàn)象,在環(huán)境磁場(chǎng)特征不明顯的區(qū)域更是如此。
地球表面的重力場(chǎng)在不同地區(qū)有不同的特征,可以利用重力場(chǎng)特征來確定載體所在的地理位置。該方法需要以高精度、高分辨率的重力場(chǎng)測(cè)量數(shù)據(jù)和重力場(chǎng)特征圖為基礎(chǔ),重力特征的豐富與否關(guān)系到重力場(chǎng)匹配的定位精度。且該方法只能作為輔助的導(dǎo)航方法,通常和慣性導(dǎo)航系統(tǒng)結(jié)合使用。
關(guān)于WiFi指紋數(shù)據(jù)庫(kù)的構(gòu)建,逐點(diǎn)測(cè)繪或走動(dòng)測(cè)繪,都耗時(shí)耗力;基于眾包的思想,可自動(dòng)更新WiFi指紋數(shù)據(jù)庫(kù),但用戶導(dǎo)航數(shù)據(jù)往往不可靠;關(guān)于信號(hào)傳播模型,使用坐標(biāo)已知的各點(diǎn)的信號(hào)指紋信息反算各訪問節(jié)點(diǎn)(access point,AP)位置,當(dāng)選點(diǎn)幾何分布不好時(shí),可能造成顯著地估計(jì)誤差;當(dāng)室內(nèi)環(huán)境發(fā)生變化,由信號(hào)傳播模型估計(jì)出的參數(shù)可能不再適用;學(xué)者們已經(jīng)利用多種信息的數(shù)據(jù)庫(kù)匹配來提高導(dǎo)航性能,如利用室內(nèi)地圖來約束導(dǎo)航解,使用圖像數(shù)據(jù)庫(kù)來提供絕對(duì)位置修正。
基于數(shù)據(jù)庫(kù)匹配定位的缺陷,學(xué)者們提出同時(shí)定位與地圖創(chuàng)建(simultaneous localization and mapping,SLAM)的思想[35],它是將定位與環(huán)境地圖創(chuàng)建融為一體,即行人在運(yùn)動(dòng)過程中根據(jù)自身位姿和傳感器對(duì)環(huán)境感知構(gòu)建增量式環(huán)境特征地圖,同時(shí)利用該地圖估計(jì)自己的位姿。但難點(diǎn)是算法復(fù)雜,尤其是地圖實(shí)時(shí)測(cè)繪和更新技術(shù)一直是瓶頸。 54所正在獨(dú)立開發(fā)室內(nèi)測(cè)圖軟件,旨在實(shí)時(shí)對(duì)室內(nèi)3D場(chǎng)景進(jìn)行測(cè)繪并進(jìn)行空間分割和實(shí)時(shí)重構(gòu),現(xiàn)可實(shí)現(xiàn)2 000 m2/h的測(cè)繪效率,在業(yè)內(nèi)屬于領(lǐng)先水平。
使用微機(jī)電系統(tǒng)(microelectromechanical systems,MEMS)慣性傳感器進(jìn)行導(dǎo)航的基本原理是航跡推算(dead reckoning,DR),其完全不依賴任何外部信號(hào),是一種自主的室內(nèi)導(dǎo)航與定位技術(shù)。慣性技術(shù)發(fā)展的一個(gè)重要標(biāo)志是慣性傳感器的發(fā)展,包括測(cè)量原理、器件精度和加工工藝方面。MEMS慣性傳感器是慣性器件的一個(gè)比較大的種類,其制造采用集成電路的加工工藝。縱觀全球,各國(guó)對(duì)MEMS慣性導(dǎo)航的研究方興未艾,包括MEMS加速度計(jì)[36],MEMS陀螺儀[37],MEMS磁力計(jì)[38],MEMS氣壓計(jì)[39],以及MEMS傳感器信號(hào)處理方法[40]等等。在性能方面,與液浮、氣浮等機(jī)械陀螺和激光、光纖等光學(xué)陀螺儀性能相比,MEMS慣性器件的性能相對(duì)較差,但MEMS慣性傳感器有傳統(tǒng)的慣性儀表無可比擬的優(yōu)點(diǎn),如體積小、重量輕、成本低、可靠性好、功耗低、易于數(shù)字化和智能化、測(cè)量范圍大等[41]?;谏鲜鎏攸c(diǎn),MEMS慣性器件開辟了新的應(yīng)用領(lǐng)域如共融機(jī)器人、人工智能、情景感知等。MEMS技術(shù)的發(fā)展已經(jīng)給室內(nèi)導(dǎo)航與定位提供方便有效的硬件基礎(chǔ),和較為完善的信號(hào)處理方法。因此其特別適用于對(duì)硬件成本要求苛刻的低成本導(dǎo)航與定位領(lǐng)域。
但因?yàn)镸EMS傳感器精度普遍不高,基于MEMS慣性傳感器的DR只能提供短期精確的導(dǎo)航解,雖然通過實(shí)驗(yàn)標(biāo)定可以消除大多數(shù)確定性傳感器誤差的影響,但低成本MEMS慣性器件仍存在嚴(yán)重的溫度敏感性,并且各種殘留的傳感誤差不斷累積并導(dǎo)致姿態(tài)誤差,進(jìn)而使速度和位置解發(fā)散。在3個(gè)姿態(tài)角誤差中,尤其是航向角誤差,會(huì)在沒有外部信息更新時(shí)不斷發(fā)散,使導(dǎo)航與定位解惡化。同時(shí)相比于步長(zhǎng)累計(jì)誤差,航向誤差對(duì)導(dǎo)航與定位精度影響更大[42]。
要想提高M(jìn)EMS慣性傳感器的導(dǎo)航與定位精度,典型的方法如采用更好的隨機(jī)誤差模型來提高傳感器性能,或者引入導(dǎo)航先驗(yàn)信息約束[43],如:載體運(yùn)動(dòng)學(xué)模型,道路模型,空間約束信息等。筆者也研究過利用室內(nèi)走廊結(jié)構(gòu)關(guān)系約束來修正航向角[44],提高定位精度,但需要額外的技術(shù)手段獲取走廊等空間信息。零速修正(zero velocity update,ZVU)和靜態(tài)航向鎖定(zero angular velocity update,ZAVU)是行人導(dǎo)航與定位應(yīng)用中最常用的先驗(yàn)信息,它們均可在行人保持靜態(tài)或準(zhǔn)靜態(tài)時(shí)修正速度誤差并估計(jì)部分傳感器誤差,如垂向陀螺零偏;此外學(xué)者們還提供了其它先驗(yàn)信息,例如利用行人步長(zhǎng)速度模型,通過分析加速度計(jì)和陀螺的信息來挖掘航向信息,使用用戶在室內(nèi)運(yùn)動(dòng)時(shí),有很大概率朝向樓道方向這一假設(shè)來修正航向,當(dāng)實(shí)際導(dǎo)航條件符合使用某種先驗(yàn)信息的前提假設(shè)時(shí),這些先驗(yàn)信息可以有效提高導(dǎo)航性能。例如:當(dāng)導(dǎo)航設(shè)備或傳感器固定在腳上時(shí),腳踏在地面時(shí)有明顯的準(zhǔn)靜態(tài)時(shí)段,因而對(duì)ZVU和ZAVU的使用頻繁而可靠;如果固定在腰上,則步態(tài)信息不容易被檢測(cè),但傳感器測(cè)量值尤其是磁的失真較小,更容易處理。對(duì)人體運(yùn)動(dòng)模型的使用需要事先訓(xùn)練,即估計(jì)參數(shù)模型,因?yàn)槟P蛥?shù)會(huì)隨著用戶行為習(xí)慣,設(shè)備運(yùn)動(dòng)模式,傳感器精度,甚至應(yīng)用環(huán)境的不同而變化,相應(yīng)的研究還有待深入。
事實(shí)上,為得到長(zhǎng)期高精度的導(dǎo)航與定位解[45],學(xué)者們經(jīng)常把MEMS慣性傳感器與其它技術(shù)相融合,形成各種組合導(dǎo)航與定位技術(shù),多傳感融合技術(shù)是最常見的一種,也是研究最熱的一種。
考慮到各種技術(shù)均有各自的優(yōu)缺點(diǎn)及最適合的應(yīng)用場(chǎng)景,難以用某一種技術(shù)提供一種可靠且低成本的導(dǎo)航與定位方案。因此,將多個(gè)有互補(bǔ)特性的傳感器進(jìn)行有機(jī)組合,獲得優(yōu)于單個(gè)傳感器的性能。近年來,多傳感器融合技術(shù)發(fā)展很快,其研究成果除應(yīng)用在軍事領(lǐng)域外,已迅速擴(kuò)展到自動(dòng)控制、目標(biāo)識(shí)別、交通管制、導(dǎo)航、遙感等多種領(lǐng)域。
從數(shù)學(xué)角度來看,單一傳感器的測(cè)量值組成一個(gè)測(cè)量子空間,而多傳感器融合則是各測(cè)量子空間按照一定的法則向信息融合空間投影。根據(jù)系統(tǒng)模型及傳感器的噪聲的統(tǒng)計(jì)特性假設(shè),將觀測(cè)數(shù)據(jù)映射到狀態(tài)矢量空間,如位置、速度、角速度、姿態(tài)和傳感器誤差量等。多傳感器信息融合會(huì)根據(jù)觀測(cè)數(shù)據(jù)給出一個(gè)關(guān)于狀態(tài)的最優(yōu)估計(jì)量[46]。
學(xué)者們提出了多種基于移動(dòng)智能終端MEMS傳感器的導(dǎo)航與定位方案,如利用陀螺提供的航向變化來探測(cè)和排除嚴(yán)重的磁場(chǎng)干擾;利用磁強(qiáng)計(jì)信息探測(cè)環(huán)境磁場(chǎng)準(zhǔn)靜態(tài)時(shí)段,并利用這些時(shí)段內(nèi)的磁強(qiáng)計(jì)信息提供相對(duì)航向角的變化來標(biāo)定陀螺。為了提供長(zhǎng)期可靠的導(dǎo)航結(jié)果,不少文獻(xiàn)將MEMS傳感器信息和WiFi信息,GNSS導(dǎo)航衛(wèi)星信息、視覺信息、地磁信息等進(jìn)行融合[47-48],取得了不錯(cuò)的結(jié)果。
本文介紹了基于無線信號(hào)的交匯技術(shù)、數(shù)據(jù)庫(kù)匹配技術(shù)、基于MEMS慣性傳感器的航跡推算,以及多傳感器融合等室內(nèi)導(dǎo)航與定位技術(shù)。總結(jié)一下室內(nèi)導(dǎo)航與定位仍面如下挑戰(zhàn)[49-52]:
1)室內(nèi)環(huán)境下無線電信號(hào)不可用或嚴(yán)重衰減;
2)智能設(shè)備內(nèi)置的MEMS傳感器存在環(huán)境敏感性;
3)缺少統(tǒng)一的室內(nèi)定位標(biāo)準(zhǔn)和協(xié)議,各種技術(shù)存在兼容性問題;
4)室內(nèi)環(huán)境復(fù)雜,存在非視距(non line of sigh,NLOS)現(xiàn)象,多徑效應(yīng)和人體的干擾;
5)室內(nèi)環(huán)境可能存在頻繁和嚴(yán)重的電磁干擾,影響了室內(nèi)定位技術(shù)的魯棒性;
6)行人運(yùn)動(dòng)形式多樣化,且不可預(yù)測(cè)性強(qiáng),制約了人體運(yùn)動(dòng)模型的通用性和可擴(kuò)展性。
室內(nèi)導(dǎo)航與定位的本質(zhì)是解決3個(gè)問題:在哪、去哪和怎么去。當(dāng)前絕大多數(shù)的室內(nèi)導(dǎo)航與定位都是針對(duì)結(jié)構(gòu)化環(huán)境的,其需要空間劃分或者地圖構(gòu)建,這樣才是可導(dǎo)航的,可定位的;在結(jié)構(gòu)化環(huán)境中,基于無線信號(hào)的交匯定位,數(shù)據(jù)庫(kù)匹配技術(shù)仍會(huì)持續(xù)發(fā)展;同時(shí)室內(nèi)導(dǎo)航與定位在非結(jié)構(gòu)環(huán)境下[53]的需求會(huì)日益增加,如單兵作戰(zhàn)[54]、野外探險(xiǎn)、消防救援等,因此一些基于非結(jié)構(gòu)化或者半結(jié)構(gòu)化的室內(nèi)導(dǎo)航與定位技術(shù)有待進(jìn)一步研究,值得一提的是,基于MEMS慣性傳感器的航向推算與其它技術(shù)融合的方法有望成為非結(jié)構(gòu)化環(huán)境室內(nèi)導(dǎo)航與定位的突破口,隨著MEMS技術(shù)的發(fā)展[55-59],納機(jī)電系統(tǒng)(nano electro mechanical system,NEMS)技術(shù)也逐漸進(jìn)入人們視野,美軍計(jì)劃在2024年將NEMS慣性器件實(shí)用化,相信不久的將來,基于MEMS/NEMS慣性傳感器會(huì)在室內(nèi)導(dǎo)航與定位中大放異彩。
可以展望,未來室內(nèi)導(dǎo)航與定位技術(shù)新的發(fā)展趨勢(shì)如下:
1)室內(nèi)定位技術(shù)標(biāo)準(zhǔn)和協(xié)議的統(tǒng)一;
2)研究多傳感器融合的新方法,多源異構(gòu)傳感器的在線融合理論有待成熟;
3)研究傳感器積累誤差進(jìn)行在線智能校準(zhǔn);
4)研究行人高動(dòng)態(tài)如奔跑條件下的精細(xì)積分算法;
5)探索行人在未知非結(jié)構(gòu)環(huán)境且無地圖等數(shù)據(jù)庫(kù)輔助的情況下,室內(nèi)定位系統(tǒng)的魯棒性問題;
6)室內(nèi)定位系統(tǒng)的微型化研究,結(jié)合3D堆疊封裝技術(shù)將系統(tǒng)做小,向系統(tǒng)微型化方向研究;
7)結(jié)合人工智能等新興的智能算法和可進(jìn)化的電路,研究室內(nèi)定位系統(tǒng)的智能化,如人機(jī)交互,情景感知等。
未來,室內(nèi)導(dǎo)航與定位技術(shù)會(huì)在導(dǎo)航、火警救援、解救人質(zhì)、突擊任務(wù)、防爆、建筑物室內(nèi)地圖繪制、人的健康監(jiān)測(cè)等諸多領(lǐng)域大顯身手,更好的為國(guó)計(jì)民生服務(wù)。
[1] GROVES P D.Principles of GNSS,inertial,and multi-sensor integrated navigation systems[M].2nd ed.London:Artech House,2013:1-10.
[2] 張亦蘇.淺談無線通信技術(shù)的發(fā)展趨勢(shì)[J].中國(guó)新通信,2017,19(7):26-26.
[3] 鄒德岳.異構(gòu)無線系統(tǒng)室內(nèi)外無縫定位技術(shù)研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2016.
[4] BRUNATO M,BATTITI R.Statistical learning theory for location fingerprinting in wireless LANs[J].Computer Networks,2005,47(6):825-845.
[5] HIGHTOWER J,BORRIELLO G.A survey and taxonomy of location systems for ubiquitous computing[J].IEEE Computer,2001,34(8):57-66.
[6] PATWARI N,ASH J N,KYPEROUNTAS S,et al.Locating the nodes:cooperative localization in wireless sensor networks[J].IEEE Signal Processing Magazine,2005,22(4):54-69.
[7] TEUBER A,EISSFELLER B,PANY T.A two-stage fuzzy logic approach for wireless LAN indoor positioning[EB/OL].[2017-12-20].https://www.researchgate.net/publication/251820741_A_Two-Stage_Fuzzy_Logic_Approach_for_Wireless_LAN_Indoor_Positioning.
[8] CRISTIANINI N,SHAWE-TAYLOR J.An introduction to support vector machines[M].Beijing:China Machine Press,2005:1-20.
[9] WERB J,LANZL C.Designing a positioning system for finding things and people indoors[J].Spectrum IEEE,1998,35(9):71-78.
[10] WEISS S,SCARAMUZZA D,SIEGWART R.Monocular-SLAM-based navigation for autonomous micro helicopters in GPS-denied environments[J].Journal of Field Robotics,2011,28(6):854-874.
[11] ANGELIS A D,NILSSON J,SKOG I,et al.Indoor positioning by ultrawide band radio aided inertial navigation[J].Metrology & Measurement Systems,2010,17(3):447-460.
[12] KUMAR S,GIL S,KATABI D,et al.Accurate indoor localization with zero start-up cost[EB/OL].[2017-12-20].https://www.cse.buffalo.edu/~lusu/cse726/papers/Accurate%20Indoor%20Localization%20With%20Zero%20Start-up%20Cost.pdf.
[13] THRUN S,MARTIN C,LIU Y,et al.A real-time expectation-maximization algorithm for acquiring multiplanar maps of indoor environments with mobile robots[J].IEEE Transactions on Robotics & Automation,2004,20(3):433-443.
[14] CHOW J C K,LICHTI D D,HOL J D,et al.IMU and multiple RGB-D camera fusion for assisting indoor stop-and-go 3D terrestrial laser scanning[J].Robotics,2014,3(3):247-280.
[15] FOX D,HIGHTOWER J,LIAO L,et al.Bayesian filtering for location estimation[J].Pervasive Computing IEEE,2003,2(3):24-33.
[16] YANG P,WU W,MONIRI M,et al.Efficient object localization using sparsely distributed passive RFID tags[J].IEEE Transactions on Industrial Electronics,2013,60(12):5914-5924.
[17] PARK S,HASHIMOTO S.Autonomous mobile robot navigation using passive RFID in indoor environment[J].IEEE Transactions on Industrial Electronics,2009,56(7):2366-2373.
[18] VENKATRAMAN S,CAFFERY J J,YOU H R.A novel TOA location algorithm using LOS range estimation for NLOS environments[J].IEEE Transactions on Vehicular Technology,2004,53(5):1515-1524.
[19] HO K C,CHAN Y T.Solution and performance analysis of geolocation by TDOA[J].IEEE Transactions on Aerospace & Electronic Systems,2002,29(4):1311-1322.
[21] WU Z,F(xiàn)U K,JEDARI E,et al.A fast and resource efficient method for indoor positioning using received signal strength[J].IEEE Transactions on Vehicular Technology,2016,65(12):9747-9758.
[22] DENG Z,F(xiàn)U X,WANG H.An IMU-aided body-shadowing error compensation method for indoor bluetooth positioning[J].Sensors,2018,18(1):304.
[23] WANT R.An introduction to RFID technology[J].IEEE Pervasive Computing,2006,5(1):25-33.
[24] LEE J S,SU Y W,SHEN C C.A comparative study of wireless protocols:bluetooth,uwb,zigbee,and Wi-Fit[EB/OL].[2017-12-20].http://eee.guc.edu.eg/Announcements/Comparaitive_Wireless_standards.pdf.
[25] CHEN P,KUANG Y,CHEN X.A UWB/improved PDR integration algorithm applied to dynamic indoor positioning for pedestrians[J].Sensors,2017,17(9):2065.
[26] 岳曉奎,袁建平,吳瓊.偽衛(wèi)星技術(shù)發(fā)展和應(yīng)用綜述[J].全球定位系統(tǒng),2005,30(2):47-51.
[27] 范平志.蜂窩網(wǎng)無線定位[M].北京:電子工業(yè)出版社,2002.
[28] RAHARIJAONA T,MAWONOU R,NGUYEN T V,et al.Local positioning system using flickering infrared LEDs[J].Sensors,2017,17(11):2518.
[29] 鄭靜,張劼,華澤釗,等.室內(nèi)超聲波定位系統(tǒng)的構(gòu)建與測(cè)試[J].上海理工大學(xué)學(xué)報(bào),2007,29(6):553-556.
[30] 高巖.基于WiFi--FM指紋和最小集匹配的室內(nèi)定位系統(tǒng)的研究[D].天津:南開大學(xué),2016.
[31] LUO X,GUAN Q,TAN H,et al.Simultaneous indoor tracking and activity recognition using pyroelectric infrared sensors[J].Sensors,2017,17(8):1738.
[32] 劉釗,陳衛(wèi)衛(wèi),李志剛.一種基于磁場(chǎng)信息匹配的返航導(dǎo)航算法[J].軍事通信技術(shù),2016,37(1):80-84.
[33] WU L,WANG H,CHAI H,et al.Performance evaluation and analysis for gravity matching aided navigation[J].Sensors,2017,17(4):769.
[34] 鄭文翰.基于WLAN的室內(nèi)定位技術(shù)研究與實(shí)現(xiàn)[D].成都:電子科技大學(xué),2016.
[35] 閆金金,尚建嘎,余芳文,等.一種面向室內(nèi)定位的3D建筑模型構(gòu)建方法[J].計(jì)算機(jī)應(yīng)用與軟件.2013,30(10):16-20.
[36] ROY A L,BHATTACHARYYA T K.Design,fabrication and characterization of high performance SOI MEMS piezoresistive accelerometers[EB/OL].[2017-12-20].https://link.springer.com/article/10.1007%2Fs00542-013-1904-y.
[37] XING H,HOU B,LIN Z,et al.Modeling and compensation of random drift of MEMS gyroscopes based on least squares support vector machine optimized by chaotic particle swarm optimization[J].Sensors,2017,17(10):2335.
[38] ABDULRAHIM K,SEMAN K,OTHMAN M,et al.On magnetometer heading updates for inertial pedestrian navigation system[J].Gyroscopy & Navigation,2014,5(3):145-152.
[39] BOLANAKIS D E.MEMS barometers in a wireless sensor network for position location applications[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of 2016 IEEE Virtual Conference on Applications of Commercial Sensors(VCACS).Raleigh,NC:IEEE,2017:1-8.
[40] LYSHEVSKI S E.Signal processing in cyber-physical MEMS sensors:inertial measurement and navigation systems[J].IEEE Transactions on Industrial Electronics,2017,64(12):9618-9625.
[41] SHENG H,ZHANG T.MEMS-based low-cost strap-down AHRS research[J].Measurement,2015,59:63-72.
[42] WANG Y,SOLTANI M,HUSSAIN D M A.A nonlinear attitude estimator for attitude and heading reference systems based on MEMS sensors[EB/OL].[2017-12-20].https://core.ac.uk/download/pdf/60647350.pdf.
[43] MUMTAZ N,ARIF S,QADEER N,et al.Development of a low cost wireless IMU using MEMS sensors for pedestrian navigation[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the International Conference on Communication,Computing and Digital Systems.Islamabad:IEEE,2017:310-315.
[44] LIU G X,SHI L F.Adaptive algorithm of magnetic heading detection[J].Measurement Science and Technology,2017,28(11):1-8.
[45] RUPPELT J,MERZ P,TROMMER G F.IndoorGuide — a multi sensor pedestrian navigation system for precise and robust indoor localization[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of Intertial Sensors and Systems(ISS),2016 DGON.Karlsruhe:IEEE,2016:1-20.
[46] GENG H,LIANG Y,LIU Y,et al.Bias estimation for asynchronous multi-rate multi-sensor fusion with unknown inputs [J].Information Fusion,2018,39:139-53.
[47] LI Y,ZHUANG Y,ZHANG P,et al.An improved inertial/WiFi/magnetic fusion structure for indoor navigation[J].Information Fusion,2017,34(C):101-19.
[48] BELMONTE-HERNNDEZ A,HERNNDEZ-PEALOZA G,LVAREZ F,et al.Adaptive fingerprinting in multi-sensor fusion for accurate indoor tracking[J].IEEE Sensors Journal,2017,17(15):4983-4998.
[49] SHANG J,HU X,GU F,et al.Improvement schemes for indoor mobile location estimation:a survey[EB/OL].[2017-12-20].https://downloads.hindawi.com/journals/mpe/2015/397298.pdf.
[51] YASSIN A,NASSER Y,AWAD M,et al.Recent advances in indoor localization:a survey on theoretical approaches and applications[J].IEEE Communications Surveys & Tutorials,2017,19(2):1327-1346.
[52] HE S,CHAN S H G.Wi-Fi fingerprint-based indoor positioning:recent advances and comparisons[J].IEEE Communications Surveys & Tutorials,2017,18(1):466-490.
[53] 韓光,孫寧,李曉飛,等.非結(jié)構(gòu)環(huán)境理解綜述[J].計(jì)算機(jī)應(yīng)用研究,2014,31(8):2248-2253.
[54] 潘獻(xiàn)飛,穆華,胡小平.單兵自主導(dǎo)航技術(shù)發(fā)展綜述[J].導(dǎo)航定位與授時(shí),2018,5(1):1-11.
[55] DUONG D Q,SUN J,NGUYEN T P,et al.Attitude estimation by using MEMS IMU with fuzzy tuned complementary filter[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of IEEE International Conference on Electronic Information and Communication Technology.Harbin:IEEE,2017:372-378.
[56] NOURMOHAMMADI H,KEIGHOBADI J.Decentralized INS/GNSS system with MEMS-grade inertial sensors using QR-factorized CKF[J].IEEE Sensors Journal,2017,17(11):3278-3287.
[57] MAROUFI M,F(xiàn)OWLER A G,MOHEIMANI S O R.MEMS for nanopositioning:design and applications[J].Journal of Microelectromechanical Systems,2017,26(3):460-500.
[58] HEINZ D B,HONG V A,YANG Y,et al.High-g(>20,000g)inertial shock survivability of epitaxially encapsulated silicon MEMS devices[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of IEEE International Conference on MICRO Electro Mechanical Systems.Las Vegas:IEEE,2017:1122-1125.
[59] LI T,ZHANG H,NIU X,et al.Tightly-coupled integration of multi-GNSS single-frequency RTK and MEMS-IMU for enhanced positioning performance[EB/OL].[2017-12-20].https://www.researchgate.net/publication/320677876_Tightly-Coupled_Integration_of_Multi-GNSS_Single-Frequency_RTK_and_MEMS-IMU_for_Enhanced_Positioning_Performance.