周啟臻,邢建春,李決龍 ,楊啟亮,3

(1.解放軍理工大學(xué) 國(guó)防工程學(xué)院，江蘇 南京 210007; 2.海軍海防工程研究中心，北京 100841;3.清華大學(xué) 建筑信息模型聯(lián)合研究中心，北京 100084)

一種多元信息融合的室內(nèi)定位方法*

周啟臻1,邢建春1,李決龍2,楊啟亮1,3

(1.解放軍理工大學(xué) 國(guó)防工程學(xué)院，江蘇 南京 210007; 2.海軍海防工程研究中心，北京 100841;3.清華大學(xué) 建筑信息模型聯(lián)合研究中心，北京 100084)

針對(duì)現(xiàn)有室內(nèi)定位技術(shù)在定位精度方面的不足，基于智能手機(jī)獲取的多元傳感器信息，提出一種多元信息融合的室內(nèi)定位方法。首先，利用基于KNN(K-NearestNeighbor)的WiFi指紋濾波法得到行人初始位置坐標(biāo)，通過(guò)行人航跡推算技術(shù)估算下一個(gè)時(shí)刻位置；然后利用WiFi和地磁加權(quán)平均后的定位坐標(biāo)對(duì)行人運(yùn)動(dòng)軌跡進(jìn)行修正；最后對(duì)獲取的位置信息進(jìn)行卡爾曼濾波后得到了行人的最終位置。此外，設(shè)計(jì)了基于Android平臺(tái)的手機(jī)室內(nèi)定位軟件，實(shí)現(xiàn)了高精度的軌跡生成。實(shí)驗(yàn)結(jié)果表明，該方法有效提高了定位的精確度，平均定位誤差降至1m。

室內(nèi)定位；WiFi；地磁；卡爾曼濾波

0 引言

由于GPS信號(hào)不能有效穿透建筑物，無(wú)法滿(mǎn)足人們對(duì)于高精度室內(nèi)定位的要求，因此亟需研究定位精度高、性能穩(wěn)定的室內(nèi)定位技術(shù)以滿(mǎn)足建筑物內(nèi)和地下工程的定位需求。

在WiFi路由器和智能手機(jī)得到普遍使用的背景下，基于WiFi指紋的定位方法受到了人們的普遍關(guān)注。微軟研究院推出的RADAR系統(tǒng)[1]是第一個(gè)WiFi室內(nèi)定位實(shí)例。Horus[2]是一個(gè)經(jīng)典的基于樸素貝葉斯概率模型的WiFi指紋定位系統(tǒng)。參考文獻(xiàn)[3]提出一種WiFi與GPS信號(hào)相融合的室內(nèi)定位方法。然而由于WiFi信號(hào)受到多徑干擾影響，僅僅依靠WiFi指紋定位很難達(dá)到令人滿(mǎn)意的效果。利用地磁信號(hào)進(jìn)行室內(nèi)定位是另一個(gè)熱點(diǎn)研究方法。參考文獻(xiàn)[4]利用室內(nèi)地磁異常建立室內(nèi)環(huán)境磁場(chǎng)特征基準(zhǔn)地圖，通過(guò)粒子濾波算法實(shí)現(xiàn)人員位置的估計(jì)。但是，地磁定位也存在初始定位誤差大，匹配時(shí)間長(zhǎng)等問(wèn)題。而行人航跡推算技術(shù)(PedestrianDeadReckoning，PDR)[5]盡管短時(shí)間內(nèi)具有較高精度且能實(shí)現(xiàn)連續(xù)定位，但是該定位方法隨著時(shí)間變化容易產(chǎn)生累積誤差，而且該方法對(duì)運(yùn)動(dòng)模型的準(zhǔn)確性要求很高。

針對(duì)以上單一室內(nèi)定位方法的不足，本文設(shè)計(jì)了基于Android平臺(tái)的定位軟件，提出一種多元信息融合的室內(nèi)定位方法。首先利用智能手機(jī)獲取WiFi和地磁指紋信息并構(gòu)建指紋數(shù)據(jù)庫(kù)，初始階段采用基于KNN的WiFi指紋濾波法獲得用戶(hù)絕對(duì)位置，在行走過(guò)程中采用改進(jìn)的行人航跡推算技術(shù)，實(shí)現(xiàn)對(duì)下一時(shí)刻位置的實(shí)時(shí)精確定位，用加權(quán)平均后的WiFi地磁融合定位坐標(biāo)對(duì)推算軌跡進(jìn)行修正；最后對(duì)估計(jì)的位置進(jìn)行了卡爾曼濾波，進(jìn)一步提高了定位精度。實(shí)驗(yàn)結(jié)果表明，本文定位方法生成的軌跡更加符合真實(shí)路徑，定位精度相比單一的定位方法明顯提高，在當(dāng)前實(shí)驗(yàn)環(huán)境中定位平均誤差為1m。

1 相關(guān)背景

1.1WiFi指紋定位原理

WiFi指紋定位分為離線(xiàn)訓(xùn)練階段和在線(xiàn)定位階段。離線(xiàn)階段構(gòu)建位置坐標(biāo)與WiFi信號(hào)強(qiáng)度、地磁信號(hào)強(qiáng)度相關(guān)的定位指紋數(shù)據(jù)庫(kù)。在線(xiàn)階段把實(shí)時(shí)測(cè)得的WiFi指紋信息與數(shù)據(jù)庫(kù)中存儲(chǔ)數(shù)據(jù)進(jìn)行匹配比較，一般采用KNN算法[1]。本文采用基于KNN算法的過(guò)濾指紋算法，其主要目的就是為了剔除與指紋點(diǎn)位置關(guān)聯(lián)性較小的點(diǎn)，提高算法的運(yùn)算效率?；诙ㄎ怀杀竞蛯?shí)驗(yàn)環(huán)境的考慮，采用4個(gè)接入點(diǎn)(AccessPoint,AP)用于定位，即在線(xiàn)階段獲得的各AP的值為(R1,R2,R3,R4)。由于不同的接收信號(hào)強(qiáng)度指示(ReceivedSignalStrengthIndication,RSSI)，其變化幅度也不同。因此，令RSSI的指紋過(guò)濾臨界值為(ti,ui),1≤i≤4，其取值見(jiàn)參考文獻(xiàn)[6]的自適應(yīng)調(diào)整表。當(dāng)參考點(diǎn)(xi,yi)的某RSSI位于該AP的過(guò)濾區(qū)間(Ri-ti，Ri+ui)內(nèi)時(shí)，即可以賦予該參考點(diǎn)權(quán)值1。此時(shí)，再通過(guò)基本KNN公式計(jì)算指紋參考點(diǎn)(xj,yj)和定位階段測(cè)試點(diǎn)(xi,yi)之間的歐式距離：

(1)

根據(jù)公式(1)可以求得m個(gè)參考點(diǎn)和測(cè)試點(diǎn)之間的歐式距離集合L(m)，取其中歐式距離最小的k個(gè)參考點(diǎn)集合L(k)：

L(k)=mink(L(m))

(2)

然后利用質(zhì)心幾何公式求解估計(jì)位置：

(3)

(4)

在實(shí)驗(yàn)中m的取值有可能小于k值，因此將m與k的邊界條件進(jìn)行比較。當(dāng)m

(5)

圖1 位置估計(jì)參考點(diǎn)選擇流程圖

該定位方法盡管能減少參與匹配的指紋數(shù)量，但是單一WiFi指紋定位受環(huán)境影響大，不能滿(mǎn)足高精度人員定位的需要。

1.2 慣導(dǎo)輔助地磁定位原理

地磁指紋匹配算法是實(shí)現(xiàn)地磁精確定位的關(guān)鍵所在。地磁匹配方法主要包括最小距離度量法、相關(guān)度量法和粒子濾波法[4]。本文采用慣性輔助的平均平方差法算法[7]，利用手機(jī)慣性傳感器得到定位的相對(duì)位置并從地磁基準(zhǔn)圖中選取待匹配區(qū)域，將測(cè)得的地磁矢量信息與局部地磁基準(zhǔn)圖進(jìn)行匹配，實(shí)現(xiàn)地磁匹配定位。地理磁場(chǎng)的基本特征如下式所示：

(6)

(7)

(8)

(9)

式中，M、H、φ、α分別為磁場(chǎng)總場(chǎng)強(qiáng)、水平強(qiáng)度、磁偏角和磁傾角，Mx、My、Mz為總場(chǎng)強(qiáng)M分別在三軸上的投影。由于地磁矢量從載體坐標(biāo)系轉(zhuǎn)換到導(dǎo)航坐標(biāo)系下時(shí)東西方向磁場(chǎng)分量近似為0，因此可以用地磁二維匹配算法進(jìn)行匹配,公式如下：

(10)

D(u,v)是地磁匹配的相關(guān)函數(shù)，Nu,v+i表示基準(zhǔn)數(shù)據(jù)庫(kù)的位置(u,v+i)的特征量，mi表示實(shí)測(cè)的第i個(gè)觀(guān)測(cè)量。慣導(dǎo)輔助的MSD算法相比簡(jiǎn)單MSD定位精度更高，但是在初始階段定位時(shí)間長(zhǎng)，容易誤匹配。

1.3 行人航跡推算原理

行人航跡推算技術(shù)(PDR)在短時(shí)間內(nèi)具有較高定位精度且能實(shí)現(xiàn)連續(xù)定位。假設(shè)初始位置的坐標(biāo)為(x1,y1)，下一時(shí)刻的位置坐標(biāo)為(x2,y2)，則航跡推算公式為：

x2=x1+l12sinθ1

(11)

y2=y1+l12cosθ1

(12)

行人航跡推算技術(shù)利用智能手機(jī)測(cè)得的加速度信號(hào)和預(yù)先設(shè)置的加速度閾值判斷行人是否跨出一步，采用步長(zhǎng)估計(jì)算法估計(jì)行人當(dāng)前一步的步長(zhǎng)l，最后利用磁力計(jì)和陀螺儀得到偏移方向θ，通過(guò)狀態(tài)轉(zhuǎn)移方程得到下一時(shí)刻行人的位置。PDR系統(tǒng)的結(jié)構(gòu)框架如圖2所示。

圖2 PDR系統(tǒng)框架

本文采用文獻(xiàn)[8]中介紹的步態(tài)檢測(cè)方法來(lái)做計(jì)步工作，利用文獻(xiàn)中[9]中的動(dòng)態(tài)步長(zhǎng)法估計(jì)步長(zhǎng)：

(13)

β是步長(zhǎng)和加速度的相關(guān)系數(shù)。該方法利用了步長(zhǎng)和加速度峰值之間的關(guān)系，相比于簡(jiǎn)單的線(xiàn)性模型[10]定位誤差更小，但是由于傳感器存在噪聲，在估計(jì)行走步數(shù)時(shí)會(huì)產(chǎn)生誤差，導(dǎo)致移動(dòng)距離存在較大偏差。

2 多元信息融合室內(nèi)定位算法

本文提出一種多元信息融合的定位方法，結(jié)合三種定位技術(shù)的優(yōu)點(diǎn)，利用改進(jìn)的WiFi定位解決初始階段匹配時(shí)間長(zhǎng)的問(wèn)題，用行人航跡推算技術(shù)解決了運(yùn)動(dòng)軌跡不連續(xù)的問(wèn)題，采用地磁和WiFi的融合定位點(diǎn)修正軌跡，最大程度地減小環(huán)境干擾。定位系統(tǒng)的流程圖如圖3所示。

圖3 融合定位算法流程圖

(1)本文中融合定位算法在初始階段利用基于KNN的過(guò)濾指紋匹配算法進(jìn)行WiFi指紋定位，為下一步的PDR和慣導(dǎo)輔助地磁定位提供行人的絕對(duì)位置，從而減小定位匹配時(shí)間。

(2)由于手機(jī)受到采樣頻率的限制，行人運(yùn)動(dòng)過(guò)程中采集到的融合指紋并不連續(xù)，因此采用PDR算法對(duì)下一時(shí)刻的行人位置進(jìn)行推斷，在保證短時(shí)間內(nèi)高精度的同時(shí)，使得生成的軌跡連續(xù)。

(3)由于單一的PDR算法長(zhǎng)時(shí)間內(nèi)容易產(chǎn)生累計(jì)誤差，此時(shí)采用加權(quán)平均后的WiFi地磁融合定位坐標(biāo)點(diǎn)對(duì)行人軌跡進(jìn)行修正，既能減小PDR算法的誤差累積，提高定位精度，又能增強(qiáng)定位系統(tǒng)的穩(wěn)定性。

(4)用卡爾曼濾波[11]對(duì)用戶(hù)位置坐標(biāo)做進(jìn)一步濾波處理，以便得到更加平滑的軌跡曲線(xiàn)。

2.1 分區(qū)間加權(quán)融合WiFi地磁指紋定位

本文提出的分區(qū)間加權(quán)平均融合WiFi地磁融合式定位算法，通過(guò)多次離線(xiàn)實(shí)驗(yàn)，對(duì)不同時(shí)間段內(nèi)WiFi定位和地磁指紋定位的數(shù)據(jù)特征進(jìn)行分析，在WiFi信號(hào)穩(wěn)定的位置賦予WiFi指紋定位坐標(biāo)較大權(quán)值，在地磁信號(hào)特征明顯的位置給予地磁定位坐標(biāo)較大權(quán)值。通過(guò)融合兩種定位方法的優(yōu)點(diǎn)，既能提高定位精度，又能最大程度減小環(huán)境干擾。本文的融合定位方法如下：

(1)獲取WiFi與地磁定位在t時(shí)刻的坐標(biāo)，令地磁定位估計(jì)點(diǎn)坐標(biāo)為(xt1，yt1)，WiFi指紋定位估計(jì)位置的坐標(biāo)為(xt2，yt2)。

(2)若t時(shí)刻位于區(qū)間(0,ε1)，由于慣導(dǎo)輔助地磁初始定位匹配速度慢，定位誤差較大，而WiFi指紋定位此時(shí)能快速提供絕對(duì)位置，則在此時(shí)間段內(nèi)，采用WiFi指紋定位作為定位的初始位置。

其中，時(shí)間ε1、ε2可以根據(jù)當(dāng)前實(shí)驗(yàn)環(huán)境和行走的平均速度測(cè)得，位置權(quán)值u1、u2可以通過(guò)多次實(shí)驗(yàn)，除去粗大誤差數(shù)據(jù)后取平均值計(jì)算獲得。

2.2 實(shí)時(shí)位置的計(jì)算

在t時(shí)刻，行人在室內(nèi)的二維運(yùn)動(dòng)模型可以用速度和方向表示[12]，其中人的運(yùn)動(dòng)速度和運(yùn)動(dòng)方向可以分別用式(14) 、(15)表示:

V(t)=q1V(t-1)+q2V(Fus)+q3V(Sens)

(14)

O(t)=p1O(t-1)+p2O(Fus)+p3O(Sens)

(15)

V(t)、V(t-1)分別表示t時(shí)刻、t-1時(shí)刻行人的運(yùn)動(dòng)速度，V(Fus)表示根據(jù)兩次融合定位坐標(biāo)的位置和時(shí)間求得的速度，V(Sens)表示根據(jù)傳感器獲取的加速度信息和時(shí)間求得的速度。O(t)、O(t-1)分別表示t時(shí)刻、t-1時(shí)刻行人的運(yùn)動(dòng)方向，可以根據(jù)位置和地磁傳感器信息直接求得，O(Fus)表示由兩次融合定位結(jié)果計(jì)算求得的行人運(yùn)動(dòng)方向，O(Sens)表示手機(jī)傳感器測(cè)得的實(shí)時(shí)運(yùn)動(dòng)方向，q1、q2、q3表示運(yùn)動(dòng)速度的權(quán)重，p1、p2、p3表示運(yùn)動(dòng)方向權(quán)重，均可以通過(guò)多次實(shí)驗(yàn)后除去粗大誤差數(shù)據(jù)后取平均值計(jì)算獲得。根據(jù)行人航跡推算公式(11)、(12)，可以求得下一時(shí)刻位置坐標(biāo)：

xt=xt-1+V(t)ΔtsinO(t)

(16)

yt=yt-1+V(t)ΔtcosO(t)

(17)

2.3 卡爾曼融合式濾波模型

在獲得最終的定位結(jié)果后，由于環(huán)境中還存在噪聲，為了進(jìn)一步提高定位精度，本文決定采用卡爾曼濾波算法[11]對(duì)最終定位結(jié)果進(jìn)行濾波?？柭鼮V波的系統(tǒng)狀態(tài)方程和觀(guān)測(cè)方程如下：

X(t)=AX(t-1)+W(t-1)

(18)

Z(t)=HX(t)+V(t)

(19)

其中，X(t)表示t時(shí)刻的系統(tǒng)狀態(tài)， Z(t)為t時(shí)刻的測(cè)量值，H為測(cè)量系統(tǒng)的參數(shù)，W(t-1)、V(t)為定位過(guò)程中相互獨(dú)立的過(guò)程噪聲和測(cè)量噪聲，它們的協(xié)方差分別是Q、R。卡爾曼濾波的時(shí)間更新方程如下：

Xt|t-1=AXt-1|t-1

(20)

Pt|t-1=APt-1|t-1AT+Q

(21)

其中，Xt|t-1是利用上一定位坐標(biāo)預(yù)測(cè)的結(jié)果，Xt-1|t-1是上一定位點(diǎn)的最優(yōu)結(jié)果，Pt|t-1是Xt|t-1對(duì)應(yīng)的協(xié)方差，Q是系統(tǒng)過(guò)程的協(xié)方差?？柭鼮V波狀態(tài)更新方程如下:

Xt|t=Xt|t-1+Kg(t)(Z(t)-HXt|t-1)

(22)

(23)

Pt|t=(I-Kg(t)H)Pt|t-1

(24)

式(18)中，Kg(t)為卡爾曼增益，Xt|t為t時(shí)刻最優(yōu)定位估算值。根據(jù)行人運(yùn)動(dòng)狀態(tài)進(jìn)行二維建模：

(25)

(26)

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)條件

本文使用HuaweiMate8智能手機(jī)進(jìn)行實(shí)驗(yàn)，搭載的系統(tǒng)為AndroidOS5.1,在實(shí)驗(yàn)開(kāi)始前，開(kāi)發(fā)了Android手機(jī)端的數(shù)據(jù)采集軟件和定位軟件。實(shí)驗(yàn)場(chǎng)地位于某實(shí)驗(yàn)樓三樓一條東西方向的走廊，長(zhǎng)約30m,寬3m，該走廊內(nèi)有實(shí)驗(yàn)所需要WiFi無(wú)線(xiàn)信號(hào)，人員流動(dòng)少，實(shí)驗(yàn)時(shí)受到的環(huán)境影響相對(duì)較小。本實(shí)驗(yàn)在走廊天花板處分別布置4個(gè)AP點(diǎn)，盡量減小人體對(duì)無(wú)線(xiàn)信號(hào)的遮蔽。實(shí)驗(yàn)中將地理正東方向設(shè)為坐標(biāo)系的X軸，地理正北方向設(shè)為坐標(biāo)系的y軸。實(shí)驗(yàn)路徑是從307房間向正東走到315房間，然后拐彎向正西方向走到304房間附近。

3.2 多元融合定位實(shí)驗(yàn)結(jié)果對(duì)比

在手機(jī)平臺(tái)上將本文定位方法分別與WiFi定位、慣導(dǎo)輔助地磁定位、PDR算法結(jié)果進(jìn)行軌跡比較，如圖4所示。對(duì)不同定位方法誤差進(jìn)行累積誤差分布的計(jì)算，繪制如圖5、圖6所示的定位精度對(duì)比圖。

圖4 不同定位方法生成軌跡的對(duì)比

圖5 本文定位方法與單一定位方法的精度對(duì)比圖

圖6 本文定位方法在卡爾曼濾波前后的精度對(duì)比圖

在圖4中，WiFi定位點(diǎn)用帶“+”的線(xiàn)表示。由于初始階段WiFi的定位點(diǎn)與真實(shí)起點(diǎn)偏差不大，在初始階段采用WiFi定位可以在保證定位精度的同時(shí)有效提高定位速率，但是由于在行走過(guò)程中WiFi定位受低采樣率的影響，無(wú)法實(shí)時(shí)反映當(dāng)前的位置狀態(tài)，同時(shí)受到多徑效應(yīng)和非視距干擾的影響，導(dǎo)致行走過(guò)程中定位點(diǎn)與真實(shí)位置發(fā)生了不同程度的偏離。慣導(dǎo)輔助地磁定位點(diǎn)用帶“o”的線(xiàn)表示，由于在初始階段采用WiFi定位確定起點(diǎn)，有效解決了其匹配時(shí)間長(zhǎng)的缺點(diǎn)。但是也發(fā)現(xiàn)，受到慣性傳感器的影響，該定位方法隨著路程和時(shí)間的增加與真實(shí)路徑的偏差越來(lái)越大，而且匹配成功率與地磁特征密切相關(guān)。PDR軌跡用帶“*”的線(xiàn)表示，可以發(fā)現(xiàn)PDR能大致描繪下一時(shí)刻行人的位置輪廓，彌補(bǔ)了WiFi定位和慣導(dǎo)輔助地磁定位周期長(zhǎng)、定位軌跡不連續(xù)的不足，但是隨著時(shí)間和運(yùn)動(dòng)方向變化，定位誤差會(huì)逐漸累積增大。本文提出的融合定位方法在當(dāng)前特定實(shí)驗(yàn)環(huán)境下準(zhǔn)確描繪了行人的運(yùn)動(dòng)軌跡，有效克服了以上單一定位方法中存在的軌跡不連續(xù)、存在累積誤差、采樣時(shí)間長(zhǎng)等不足。

圖5描繪的是定位誤差的累積分布函數(shù)曲線(xiàn)圖，橫坐標(biāo)為定位誤差，縱坐標(biāo)為累積分布函數(shù)?？梢钥闯?，當(dāng)前實(shí)驗(yàn)環(huán)境下，WiFi定位在1m內(nèi)的定位精度為18%，3m內(nèi)的定位精度為57%，平均誤差為2.75m；慣導(dǎo)輔助地磁定位在1m內(nèi)的定位精度為34%，3m內(nèi)的定位精度為91%，平均誤差為1.64m；行人航跡推算定位在1m內(nèi)的定位精度為24%，3m內(nèi)的精度78%，平均誤差為1.63m；本文提出的融合定位方法，1m內(nèi)的定位精度為50%， 3m內(nèi)定位精度為97%。

由圖6可以看出，卡爾曼濾波在2m～4m的定位誤差范圍內(nèi)效果明顯，卡爾曼濾波前的平均定位誤差為1.3m。實(shí)驗(yàn)結(jié)果表明，本文所提出的融合定位方法能有效提高定位精確度，滿(mǎn)足室內(nèi)人員定位的需要。

4 結(jié)論

本文在現(xiàn)有室內(nèi)融合定位技術(shù)的基礎(chǔ)上進(jìn)行研究和改進(jìn)，提出一種基于智能手機(jī)多元信息融合的室內(nèi)定位技術(shù)，運(yùn)用卡爾曼濾波對(duì)WiFi、地磁、PDR三者的定位信息進(jìn)行融合。在實(shí)驗(yàn)中，用開(kāi)發(fā)的Android手機(jī)定位軟件實(shí)現(xiàn)了高精度的實(shí)時(shí)軌跡生成，并將本文定位方法與單一WiFi定位、慣導(dǎo)輔助地磁定位、PDR等室內(nèi)定位技術(shù)進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明，本文定位方法生成的軌跡更加符合真實(shí)路徑，定位精度相比單一的定位方法明顯提高，在當(dāng)前實(shí)驗(yàn)環(huán)境中定位誤差為1m。

由于實(shí)驗(yàn)環(huán)境受限，該定位方法僅在教學(xué)樓內(nèi)部得以驗(yàn)證。下一步嘗試將本文方法應(yīng)用到地下商場(chǎng)、停車(chē)場(chǎng)等工程中，進(jìn)一步驗(yàn)證本文方法的普適性和定位精度。

[1]BAHLP,PADMANABHANVN.RADAR:anin-buildingRF-baseduserlocationandtrackingsystem[J].InstituteofElectrical&ElectronicsEngineersInc, 2000(2):775-784.

[2]RENESSERV,BIRMANKP,GLADEBB,etal.Horus:aflexiblegroupcommunicationssystem[J].CommunicationsoftheACM, 2001, 39(4):76-83.

[3] 馬燕, 袁蔚林, 陳秀萬(wàn),等. 基于WiFi與GPS組合定位算法的無(wú)縫定位方法研究[J]. 地理與地理信息科學(xué), 2013, 29(3):6-9,16.

[4] 王欣, 張亞君, 陳龍. 一種基于環(huán)境磁場(chǎng)的室內(nèi)移動(dòng)人員定位方法[J]. 杭州電子科技大學(xué)學(xué)報(bào), 2013, 33(3):1-4.

[5] 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.

[6] 張文學(xué). 基于WiFi的RSSI指紋定位算法研究[D]. 成都：電子科技大學(xué), 2015.

[7] 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.

[8]RAIA,CHINTALAPUDIKK,PADMANABHANVN,etal.Zee:zero-effortcrowdsourcingforindoorlocalization[C].Proceedingsofthe18thAnnualInternationalConferenceonMobileComputingandNetworking,NewYork:ACM, 2012:293-304.

[9]JINYY,TOHHS,SOHWS,etal.Arobustdead-reckoningpedestriantrackingsystemwithlowcostsensors[C].Proceedingsofthe2011IEEEInternationalConferenceonPervasiveComputingandCommunications.IEEEComputerSociety, 2011:222-230.

[10]LiFan,ZhaoChunshui,DingGuanzhong,etal.Areliableandaccurateindoorlocalizationmethodusingphoneinertialsensors[C].ACMConferenceonUbiquitousComputing,ACM, 2012:421-430.

[11]WELCHG,BISHOPG.AnintroductiontotheKalmanfilter[J].UniversityofNorthCarolinaatChapelHill, 1995(7):127-132.

[12] 劉定俊, 蔣鑫龍, 劉軍發(fā),等. 融合多模傳感器的室內(nèi)實(shí)時(shí)高精度軌跡生成[J]. 計(jì)算機(jī)科學(xué), 2016,43(1):18-21.

Research on anti-interference performance of direct spread spectrum communication system based on Simulink

ZhouQizhen1,XingJianchun1,LiJuelong2,YangQiliang1,3

(1.CollegeofDefenseEngineering,PLAUniversityofScienceandTechnology,Nanjing210007,China; 2.ResearchCenterofCoastalDefenseEngineering,Beijing100841,China; 3.ResearchCenterofBuildingInformationModeling,TsinghuaUniversity,Beijing100084,China)

Existingindoorlocalizationmethodsstillfaceproblemsinpositioningaccuracy.Anindoorlocalizationmethodbasedonmulti-datafusionwithmobilephoneisproposed.Firstly,thismethodgetsuser’sinitialpositionusingtheWiFifingerprintfilteredlocationalgorithmbasedonKNN,andusespedestriandeadreckoning(PDR)positioningtoestimatenextpositioncoordinate.Then,itweightsandaveragestheWiFiandmagneticcoordinatestocorrecttheestimatedpositions.Kalmanfilterisfinallyusedtogetuser’saccuratepositions.Furthermore,wedesignedacellphoneindoorpositioningsoftwarebasedonAndroidplatformandsuccessfullygottheaccuratetrajectory.Theexperimentresultsshowthatthisproposedmethodcangethigherpositionaccuracy,reducingtheaverageerrorsto1meter.

indoorlocalization;WiFi;magnetic;Kalmanfilter

江蘇省自然科學(xué)基金項(xiàng)目(BK20151451)

P

ADOI： 10.19358/j.issn.1674- 7720.2016.22.019

周啟臻，邢建春，李決龍，等.一種多元信息融合的室內(nèi)定位方法[J].微型機(jī)與應(yīng)用，2016,35(22)：72-76.

2016-06-29)

周啟臻(1993-)，通信作者，男，碩士研究生，主要研究方向：室內(nèi)定位。E-mail：zhouqizhen2016@163.com。

邢建春(1964-)，男，博士，教授，博士生導(dǎo)師，主要研究方向：復(fù)雜智能信息系統(tǒng)。

李決龍(1959-)，男，教授，博士生導(dǎo)師，主要研究方向：復(fù)雜智能信息系統(tǒng)。