基于BP神經(jīng)網(wǎng)絡(luò)WIFI輔助IMU室內(nèi)聯(lián)合定位

李 彪，袁國(guó)良，朱若琪，謝 奎

(上海海事大學(xué)信息工程學(xué)院，上海 201306)

1 引言

近年來(lái)，人們對(duì)基于位置的服務(wù)(Location-Based Services， LBSs)需求急劇增加，移動(dòng)定位技術(shù)成為研究的熱點(diǎn)，其中室外定位技術(shù)已經(jīng)十分成熟，如全球定位系統(tǒng)(Global Position System， GPS)、北斗等，并且已經(jīng)達(dá)到較高的定位精度，能夠有效地滿足用戶在室外環(huán)境中對(duì)精確性的需求，然而在室內(nèi)環(huán)境中，諸如消防員定位、物流管理、大型商場(chǎng)的位置服務(wù)等應(yīng)用需要更穩(wěn)定的定位技術(shù)。GPS導(dǎo)航在室內(nèi)環(huán)境下，因建筑物的遮擋，僅有4.5%的時(shí)間獲得可靠的GPS信號(hào)[1]，不能適用于室內(nèi)定位場(chǎng)景，因此，如何實(shí)現(xiàn)高效精確的室內(nèi)定位已成為研究的熱點(diǎn)和難點(diǎn)之一。

目前，研究人員致力于部署更加靈敏且精確的室內(nèi)定位系統(tǒng)[2-3]，現(xiàn)在主流的室內(nèi)定位技術(shù)有超寬帶(Ultra-Wide Band， UWB)定位技術(shù)，無(wú)線局域網(wǎng)(Wireless Local Area Network， WLAN)定位技術(shù)，基于自包含傳感器的航位推算法(Dead Reckoning， DR)定位技術(shù)等。文獻(xiàn)[4-6]提出了基于超寬帶定位技術(shù)，取得了較高的定位精度，但此方法需要為智能終端增加相應(yīng)的硬件設(shè)備，同時(shí)也給無(wú)線網(wǎng)絡(luò)帶來(lái)了額外負(fù)擔(dān)，此方法對(duì)條件要求苛刻，很難普及。利用IMU模塊進(jìn)行定位具有不受環(huán)境影響，穩(wěn)定性高的特點(diǎn)，但是航向角在環(huán)境的影響下，隨著時(shí)間的推移會(huì)出現(xiàn)較大的誤差，步態(tài)的判斷及步長(zhǎng)的計(jì)算誤差也會(huì)導(dǎo)致慣性定位無(wú)法長(zhǎng)時(shí)間準(zhǔn)確定位[7]，如今對(duì)WIFI定位技術(shù)已有深入的研究[8-10]，文獻(xiàn)[11]通過(guò)MAC地址對(duì)無(wú)線接入點(diǎn)(AP)進(jìn)行過(guò)濾，選取固定的參考AP獲取位置指紋信息，并結(jié)合改進(jìn)的K最近鄰匹配算法，進(jìn)一步減小定位誤差，定位精度可達(dá)到2m左右，能夠滿足一般定位需求，但是魯棒性較差，當(dāng)周圍WIFI信號(hào)較弱或者AP點(diǎn)較少時(shí)，定位效 果就大打折扣。單一定位方法不可避免有些缺陷，當(dāng)下應(yīng)用多種方法聯(lián)合定位是一個(gè)發(fā)展趨勢(shì)[12-13]。

筆者綜合分析了基于IMU的定位技術(shù)和基于WIFI無(wú)線網(wǎng)絡(luò)的定位技術(shù)的優(yōu)缺點(diǎn)以及前人的研究成果，提出了基于BP神經(jīng)網(wǎng)絡(luò)的WIFI輔助IMU室內(nèi)聯(lián)合定位技術(shù)。在聯(lián)合定位模型中，WIFI指紋定位技術(shù)可以提供初始位置信息，并實(shí)現(xiàn)周期性的糾正PDR導(dǎo)航算法的定位結(jié)果，減小累積誤差的產(chǎn)生；而PDR導(dǎo)航算法[14-15]則可以減小WIFI指紋定位所產(chǎn)生的波動(dòng)性、減小魯棒性的產(chǎn)生，提高定位效果。本文在實(shí)驗(yàn)部分首先根據(jù)定位模型的執(zhí)行步驟，通過(guò)基于BP神經(jīng)網(wǎng)絡(luò)的WIFI指紋定位方案獲取行人行走的初始位置點(diǎn)坐標(biāo)，再根據(jù)IMU模塊采集到的姿態(tài)信息求出測(cè)試人員行走的步伐長(zhǎng)度、步伐數(shù)目以及行進(jìn)方向等信息，通過(guò)改進(jìn)的PDR導(dǎo)航算法得到測(cè)試人員行走一段時(shí)間后的軌跡信息。模型中提出利用基于BP神經(jīng)網(wǎng)絡(luò)的WIFI指紋定位算法周期性的糾正改進(jìn)的PDR導(dǎo)航定位算法的定位結(jié)果，并周期性的更新改進(jìn)PDR導(dǎo)航定位算法的初始位置點(diǎn)坐標(biāo)，削弱因長(zhǎng)時(shí)間定位而產(chǎn)生的累計(jì)誤差，提高定位結(jié)果。

2 基于BP神經(jīng)網(wǎng)絡(luò)的WIFI指紋定位算法

WIFI指紋定位可以實(shí)現(xiàn)位置坐標(biāo)與信號(hào)強(qiáng)度的映射關(guān)系，且若干信號(hào)AP節(jié)點(diǎn)的信號(hào)強(qiáng)度可以唯一的表征指定位置點(diǎn)的坐標(biāo)信息。由于BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性函數(shù)映射能力，非常適合用來(lái)建立WIFI指紋信息的傳播模型。所以結(jié)合WIFI指紋信息的特性和BP神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)，本文提出了基于BP神經(jīng)網(wǎng)絡(luò)的WIFI指紋定位算法傳播模型，并通過(guò)大量實(shí)驗(yàn)對(duì)于該定位算法的可行性和定位效果進(jìn)行了驗(yàn)證。

目前為止，還沒有一種確切的理論作為指導(dǎo)來(lái)確定神經(jīng)網(wǎng)絡(luò)的具體架構(gòu)，都是根據(jù)經(jīng)驗(yàn)公式作為依據(jù)并進(jìn)行適當(dāng)?shù)倪x擇。而經(jīng)驗(yàn)公式是通過(guò)大量的實(shí)驗(yàn)分析得到，估算最佳隱含層節(jié)點(diǎn)數(shù)的經(jīng)驗(yàn)公式，如式(1)和(2)所示：

Hn=2In+1

(1)

(2)

式(1)和(2)中，In和On分別表示輸入層和輸出層的節(jié)點(diǎn)個(gè)數(shù)，L為1到10之中的任一常數(shù)。根據(jù)經(jīng)驗(yàn)公式可以先選擇隱含層節(jié)點(diǎn)個(gè)數(shù)為13，通過(guò)網(wǎng)絡(luò)訓(xùn)練不斷的調(diào)整節(jié)點(diǎn)個(gè)數(shù)，并不斷的比較預(yù)測(cè)結(jié)果，使得預(yù)測(cè)結(jié)果達(dá)到最好的效果。表1為隱含層節(jié)點(diǎn)數(shù)分別為20、25、30、35、40時(shí)，預(yù)測(cè)結(jié)果與實(shí)際結(jié)果比較的誤差率大小。經(jīng)過(guò)大量實(shí)驗(yàn)的選取和比較，最終經(jīng)實(shí)驗(yàn)結(jié)果分析得到隱含層節(jié)點(diǎn)數(shù)目為32的時(shí)候BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的時(shí)間最短、輸出結(jié)果的誤差率最低，得到的定位結(jié)果也是較為理想的，所以最終確定BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)為6：32：2。

表1 不同隱含層節(jié)點(diǎn)數(shù)預(yù)測(cè)結(jié)果得到的誤差對(duì)比表

3 基于IMU的改進(jìn)PDR導(dǎo)航定位算法

本文提出基于IMU模塊的定位技術(shù)，該技術(shù)雖然在短距離的定位過(guò)程中可以提供較為準(zhǔn)確的定位效果，但是隨著行走距離的增加模塊在定位過(guò)程中產(chǎn)生的誤差會(huì)累計(jì)增加，定位誤差也會(huì)越來(lái)越大，并且基于慣性導(dǎo)航模塊無(wú)法自動(dòng)獲取初始位置坐標(biāo)。因此，本文針對(duì)慣性傳感器導(dǎo)航定位的研究，提出改進(jìn)PDR定位算法的研究方案，用于提高傳統(tǒng)的定位算法的定位精度。改進(jìn)PDR定位算法的實(shí)現(xiàn)流程如圖1所示。

圖1 改進(jìn)PDR定位算法的導(dǎo)航定位流程圖

在步長(zhǎng)計(jì)算時(shí)，提出利用WIFI輔助步長(zhǎng)檢測(cè)的在線更新算法，提高步長(zhǎng)檢測(cè)的準(zhǔn)確性。在航向檢測(cè)時(shí)，提出將IMU模塊的坐標(biāo)系與地理坐標(biāo)系進(jìn)行坐標(biāo)轉(zhuǎn)換，實(shí)現(xiàn)對(duì)于航向信息的獲取，最后通過(guò)改進(jìn)算法的實(shí)驗(yàn)，得到實(shí)驗(yàn)結(jié)果很好的實(shí)現(xiàn)了單獨(dú)定位的需求，為后續(xù)聯(lián)合定位算法的提出做了準(zhǔn)備。

3.1 步態(tài)檢測(cè)

在進(jìn)行步態(tài)檢測(cè)時(shí)，文獻(xiàn)[16]采用行人行走過(guò)程中豎直方向上的加速度數(shù)據(jù)作為步態(tài)檢測(cè)的依據(jù)，但是單軸加速度受到人體姿態(tài)變化、外界噪聲干擾以及模塊測(cè)量誤差的影響較大。因此，為了改進(jìn)單軸加速度數(shù)據(jù)在步態(tài)判斷的統(tǒng)計(jì)誤差，實(shí)驗(yàn)提出將合加速度作為計(jì)步的判決條件。式(3)為合加速度計(jì)算公式

(3)

式中，axgx、axgy、axgz分別為X、Y、Z坐標(biāo)軸上的加速度數(shù)據(jù)，為合成加速度，圖2為合加速度濾波前后的波形變化圖。

圖2 合加速度濾波前后的波形變化圖

從圖中可以發(fā)現(xiàn)，在測(cè)試人員開始運(yùn)動(dòng)之前保持靜止?fàn)顟B(tài)時(shí)，合加速度數(shù)值基本維持在1g/m2，得到的合加速度具有較強(qiáng)的周期性，波形曲線的變化光滑。因此，可以將合加速度作為步態(tài)檢測(cè)的依據(jù)。目前基于加速度的行人步態(tài)檢測(cè)算法主要有：穿零法和閾值檢測(cè)法。經(jīng)過(guò)多次實(shí)驗(yàn)測(cè)試，分別選取不同行走條件下對(duì)提出的改進(jìn)步態(tài)檢測(cè)算法進(jìn)行驗(yàn)證，如表2所示為不同行走條件下的測(cè)量得到實(shí)驗(yàn)結(jié)果。

表2 不同行走條件下步數(shù)統(tǒng)計(jì)對(duì)比表

3.2 步長(zhǎng)計(jì)算

在已知航向的前提下，通過(guò)使用基于BP神經(jīng)網(wǎng)絡(luò)的WIFI指紋定位周期性的位置點(diǎn)與基于PDR定位算法的推算點(diǎn)處于一條直線上，所以通過(guò)對(duì)于距離信息和步數(shù)信息的準(zhǔn)確獲取，并且在這段時(shí)間內(nèi)的步數(shù)相同，兩種定位的軌跡幾乎在同一條直線上，因此推出步長(zhǎng)的計(jì)算公式如(4)式所示

L=D(位移)/n(步數(shù))

(4)

式中，L為所求的步伐長(zhǎng)度，D為連續(xù)進(jìn)行WIFI指紋定位算法的兩點(diǎn)距離，n為連續(xù)兩次指紋定位之間的行走步數(shù)。

3.3 航向計(jì)算

本實(shí)驗(yàn)選擇地理坐標(biāo)系作為航向推斷的參考坐標(biāo)系，將地理的東方作為坐標(biāo)系的X軸，地理的北方作為坐標(biāo)系的Y軸，選取與水平面垂直的方向作為坐標(biāo)系的Z軸。陀螺儀傳感器獲取角度信息之后，通過(guò)轉(zhuǎn)化后與地球坐標(biāo)系的關(guān)系如圖3所示。

圖3 IMU模塊和地理坐標(biāo)系轉(zhuǎn)化示意圖

實(shí)驗(yàn)選取初始位置點(diǎn)位為(1，4)，并通過(guò)改進(jìn)的PDR定位算法進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果選取了定位過(guò)程中的五個(gè)連續(xù)導(dǎo)航階段如表3所示。第一列為測(cè)試的次數(shù)，第二列為實(shí)時(shí)的步長(zhǎng)，(X1，Y1)為測(cè)試人員行走的坐標(biāo)點(diǎn)，(X2，Y2)為改進(jìn)后的PDR定位算法的估計(jì)坐標(biāo)，(X3，Y3)為改進(jìn)前的PDR定位算法的估計(jì)坐標(biāo)。

表3 改進(jìn)的PDR導(dǎo)航定位算法的定位結(jié)果

通過(guò)對(duì)于表3中導(dǎo)航結(jié)果的分析可以看出，基于改進(jìn)的PDR定位算法的定位結(jié)果在短距離導(dǎo)航過(guò)程中能夠得到較為理想的導(dǎo)航軌跡。但是隨著測(cè)試距離的增加，定位誤差越來(lái)越大，并且基于慣性導(dǎo)航模塊的定位模型無(wú)法自動(dòng)獲取初始位置坐標(biāo)，考慮到這些缺點(diǎn)的限制，單獨(dú)的使用改進(jìn)的PDR定位算法無(wú)法達(dá)到室內(nèi)定位的要求。因此，考慮將該導(dǎo)航定位算法與其它的定位技術(shù)進(jìn)行聯(lián)合，組成聯(lián)合的導(dǎo)航定位模型。

4 基于BP神經(jīng)網(wǎng)絡(luò)的WIFI輔助IMU室內(nèi)聯(lián)合定位模型

本文通過(guò)對(duì)兩種定位算法的優(yōu)缺點(diǎn)分析后，提出WIFI指紋算法和PDR算法聯(lián)合定位的模型。在聯(lián)合定位模型中，WIFI指紋定位技術(shù)可以提供初始位置信息，并實(shí)現(xiàn)周期性的糾正PDR導(dǎo)航算法的定位結(jié)果，減小累積誤差的產(chǎn)生；而PDR導(dǎo)航算法則可以減小WIFI指紋定位所產(chǎn)生的波動(dòng)性、減小魯棒性的產(chǎn)生，提高定位效果。

通過(guò)分析設(shè)計(jì)出了實(shí)現(xiàn)兩種定位算法聯(lián)合的定位模型流程圖及系統(tǒng)設(shè)計(jì)圖如圖4和圖5所示。

圖4 聯(lián)合定位模型流程圖

圖5 聯(lián)合定位系統(tǒng)設(shè)計(jì)圖

5 實(shí)驗(yàn)結(jié)果與分析

為了體現(xiàn)本文提出改進(jìn)的定位算法的定位效果，分別對(duì)三種模式下的定位算法進(jìn)行導(dǎo)航實(shí)驗(yàn)。繪制出了導(dǎo)航軌跡圖如下所示。

5.1 基于BP神經(jīng)網(wǎng)絡(luò)的WIFI指紋定位算法

圖6為基于BP神經(jīng)網(wǎng)絡(luò)的WIFI指紋定位算法的導(dǎo)航軌跡圖，從圖中可以看出，在接收AP相對(duì)充足的情況下，獲取到的定位結(jié)果圍繞在實(shí)際行走軌跡的兩側(cè)，誤差維持在兩米之內(nèi)，能夠粗略實(shí)現(xiàn)定位。但是魯棒性和定位效果還不夠理想，達(dá)不到部分行業(yè)對(duì)室內(nèi)定位精度的要求，所以單獨(dú)選取基于BP神經(jīng)網(wǎng)絡(luò)的WIFI指紋定位方法有待進(jìn)一步改進(jìn)。

5.2 改進(jìn)的PDR導(dǎo)航定位算法

改進(jìn)的PDR導(dǎo)航定位算法定位軌跡如圖7所示，在慣性導(dǎo)航定位的短距離定位階段，采用改進(jìn)的PDR導(dǎo)航定位算法得到的定位結(jié)果相對(duì)較為準(zhǔn)確，但是當(dāng)測(cè)試人員行走過(guò)一個(gè)直角彎的時(shí)候，行走軌跡發(fā)生明顯的偏移。緊接著測(cè)試人員又開始沿著長(zhǎng)走廊進(jìn)行直線行走，但隨著時(shí)間的推移產(chǎn)生的累積誤差越來(lái)越大，致使測(cè)試人員行走的軌跡越來(lái)越偏離實(shí)際行走的路線。所以得到單獨(dú)使用改進(jìn)的PDR導(dǎo)航定位算法實(shí)現(xiàn)的定位結(jié)果會(huì)隨著時(shí)間推移逐漸偏離實(shí)際軌跡，單獨(dú)的該定位算法也不能滿足室內(nèi)定位對(duì)于定位準(zhǔn)確的需求。

圖7 改進(jìn)的PDR導(dǎo)航定位算法軌跡圖

5.3 基于BP神經(jīng)網(wǎng)絡(luò)的WIFI輔助IMU室內(nèi)聯(lián)合定位模型

本文提出的基于BP-PDR算法的聯(lián)合室內(nèi)定位模型的軌跡仿真圖如圖8所示。根據(jù)定位模型的執(zhí)行步驟，首先通過(guò)基于BP神經(jīng)網(wǎng)絡(luò)的WIFI指紋定位方案獲取行人行走的初始位置點(diǎn)坐標(biāo)，再根據(jù)IMU模塊采集到的姿態(tài)信息求出測(cè)試人員行走的步伐長(zhǎng)度、步伐數(shù)目以及行進(jìn)方向等信息，通過(guò)改進(jìn)的PDR導(dǎo)航算法得到測(cè)試人員行走一段時(shí)間后的軌跡信息。模型中提出利用基于BP神經(jīng)網(wǎng)絡(luò)的WIFI指紋定位算法周期性的糾正改進(jìn)的PDR導(dǎo)航定位算法的定位結(jié)果，并周期性的更新改進(jìn)PDR導(dǎo)航定位算法的初始位置點(diǎn)坐標(biāo)，削弱因長(zhǎng)時(shí)間定位而產(chǎn)生的累計(jì)誤差，提高定位結(jié)果。

圖8 聯(lián)合定位模型的軌跡圖

從實(shí)驗(yàn)結(jié)果可以得到，單獨(dú)定位算法的定位結(jié)果和實(shí)際行走軌跡誤差維持在2米以內(nèi)，而聯(lián)合定位模型的定位偏差在一米之內(nèi)，定位效果較為理想，明顯的提高了室內(nèi)定位的精度。尤其在短距離的直線行走定位過(guò)程中，改進(jìn)的PDR導(dǎo)航算法的定位結(jié)果較為理想，與實(shí)際行走估計(jì)偏差較小。當(dāng)信號(hào)AP節(jié)點(diǎn)較為充足的情況下按照基于BP-PDR算法的聯(lián)合定位模型實(shí)現(xiàn)定位。當(dāng)信號(hào)AP節(jié)點(diǎn)缺少的條件下，使用基于BP神經(jīng)網(wǎng)絡(luò)的WIFI指紋定位結(jié)果誤差較大，不能作為定位的依據(jù)，這時(shí)結(jié)合基于改進(jìn)的PDR定位算法的慣性導(dǎo)航定位結(jié)果作為當(dāng)前定位的結(jié)果，直到獲取到至少三個(gè)AP節(jié)點(diǎn)的信號(hào)強(qiáng)度，再?gòu)脑擖c(diǎn)繼續(xù)使用基于BP-PDR定位算法的聯(lián)合定位模型。

6 總結(jié)

針對(duì)現(xiàn)有室內(nèi)定位技術(shù)精度不高的問(wèn)題，作者深入的分析了目前主流室內(nèi)定位技術(shù)的優(yōu)缺點(diǎn)，確定使用聯(lián)合技術(shù)來(lái)彌補(bǔ)單個(gè)技術(shù)存在的不足，來(lái)提高定位的精度。在本文中提出了BP神經(jīng)網(wǎng)絡(luò)與WIFI指紋定位技術(shù)相結(jié)合的算法模型，并通過(guò)大量實(shí)驗(yàn)驗(yàn)證了技術(shù)聯(lián)合的可行性。本文針對(duì)慣性傳感器導(dǎo)航定位存在誤差累積的現(xiàn)象，提出改進(jìn)PDR定位算法的研究方案，用于提高傳統(tǒng)的定位算法的定位精度。最后，本文將以上已經(jīng)驗(yàn)證過(guò)的改進(jìn)方案進(jìn)行聯(lián)合，提出了基于BP神經(jīng)網(wǎng)絡(luò)的WIFI輔助IMU室內(nèi)聯(lián)合定位模型。通過(guò)實(shí)驗(yàn)可看出使用基于BP神經(jīng)網(wǎng)絡(luò)的WIFI輔助IMU室內(nèi)聯(lián)合定位技術(shù)對(duì)室內(nèi)定位精度的提升有了很大幫助，從而證明了此項(xiàng)聯(lián)合技術(shù)的有效性和可行性。