羅思奇,羅笑玲,李敏澄,李志鋒,陳建城,周嫻瑋,潘家輝

(華南師范大學(xué) 軟件學(xué)院,南海 528225)

結(jié)合位置指紋和行人航跡的室內(nèi)定位技術(shù)①

羅思奇,羅笑玲,李敏澄,李志鋒,陳建城,周嫻瑋,潘家輝

(華南師范大學(xué) 軟件學(xué)院,南海 528225)

主要對(duì)室內(nèi)定位技術(shù)展開(kāi)研究,首先通過(guò)手持智能設(shè)備收集指定范圍樣本點(diǎn)的坐標(biāo)及wifi熱點(diǎn)信息;然后應(yīng)用位置指紋定位方法進(jìn)行絕對(duì)定位;為了提高行走過(guò)程中定位的準(zhǔn)確性和實(shí)時(shí)性,采用行人航跡推算算法,即通過(guò)手機(jī)傳感器采集并經(jīng)處理的數(shù)據(jù)進(jìn)行步頻檢測(cè)、步長(zhǎng)估算和方向檢測(cè),實(shí)現(xiàn)相對(duì)位置變化的估算.行人航跡算法克服位置指紋定位的不穩(wěn)定性,而位置指紋定位算法及時(shí)調(diào)整行人航跡算法帶來(lái)的累積誤差.實(shí)驗(yàn)結(jié)果表明兩種室內(nèi)定位技術(shù)的結(jié)合有效提高了室內(nèi)定位的準(zhǔn)確性,能充分應(yīng)用到實(shí)際生活中.

室內(nèi)定位;安卓平臺(tái);wifi;位置指紋定位;行人航跡推算

1 引言

1.1 研究背景

現(xiàn)今社會(huì),全球衛(wèi)星導(dǎo)航系統(tǒng)已經(jīng)得到了廣泛應(yīng)用.然而,隨著巨型建筑物的增加和人們對(duì)導(dǎo)航系統(tǒng)的要求不斷增多,全球衛(wèi)星導(dǎo)航系統(tǒng)的局限性逐漸顯露:由于衛(wèi)星定位精度低和無(wú)法穿透建筑物等問(wèn)題,導(dǎo)致了全球衛(wèi)星導(dǎo)航系統(tǒng)無(wú)法進(jìn)行室內(nèi)定位.因此,室內(nèi)導(dǎo)航系統(tǒng)有巨大的市場(chǎng)潛力及發(fā)展空間.

隨著Android智能手機(jī)硬件的發(fā)展,絕大多數(shù)手機(jī)都自帶慣性傳感器,為室內(nèi)導(dǎo)航提供了基本的條件.國(guó)外在室內(nèi)導(dǎo)航技術(shù)方面研究得比較早,但實(shí)際應(yīng)用還在進(jìn)一步研究當(dāng)中;國(guó)內(nèi)還沒(méi)有出現(xiàn)成熟的大規(guī)模室內(nèi)導(dǎo)航研究應(yīng)用.

1.2 研究現(xiàn)狀

早前,已經(jīng)初步取得成果的是Google[1]、NOKIA[2]和富士通[3]的室內(nèi)定位研究,Google是通過(guò)事前的大量數(shù)據(jù)收集,通過(guò)wifi等設(shè)備來(lái)獲取用戶在室內(nèi)的位置;NOKIA是利用分布在空間上方的定位發(fā)射器,基于藍(lán)牙設(shè)備運(yùn)用三角定位方法對(duì)用戶進(jìn)行定位;富士通則是通過(guò)超寬帶無(wú)線電(UWB)技術(shù)來(lái)實(shí)現(xiàn)的.而近年來(lái)越來(lái)越多的公司對(duì)室內(nèi)定位進(jìn)行了大量的研究,例如基于移動(dòng)通信網(wǎng)絡(luò)的輔助GPS(A-GPS)、偽衛(wèi)星(Pseudolite)、射頻標(biāo)簽(RFID)室內(nèi)定位、ZigBee室內(nèi)定位、手機(jī)自主慣性傳感器定位導(dǎo)航、紅外室內(nèi)定位、計(jì)算機(jī)視覺(jué)室內(nèi)定位、光跟蹤定位、超聲波室內(nèi)定位等[4].

現(xiàn)階段各種主要的室內(nèi)定位技術(shù)的概述如下:

(1)藍(lán)牙技術(shù)

藍(lán)牙技術(shù)通過(guò)測(cè)量信號(hào)強(qiáng)度進(jìn)行定位.這是一種短距離低功耗的無(wú)線傳輸技術(shù),需要用戶開(kāi)啟藍(lán)牙設(shè)備,與周圍的藍(lán)牙設(shè)備連成藍(lán)牙局域網(wǎng).藍(lán)牙局域網(wǎng)內(nèi)藍(lán)牙設(shè)備通過(guò)交換數(shù)據(jù),就可以獲得用戶的位置信息.藍(lán)牙技術(shù)主要應(yīng)用于小范圍定位,優(yōu)點(diǎn)是設(shè)備體積小,易于攜帶,容易推廣.其不足是,藍(lán)牙器件和設(shè)備的價(jià)格比較昂貴,而且對(duì)于復(fù)雜的空間環(huán)境,藍(lán)牙系統(tǒng)的穩(wěn)定性稍差,受噪聲信號(hào)干擾大.

(2)射頻識(shí)別技術(shù)

射頻識(shí)別技術(shù)通過(guò)無(wú)線電訊號(hào)識(shí)別特定目標(biāo)并交換數(shù)據(jù)以達(dá)到識(shí)別和定位的目的.這種技術(shù)作用距離短,一般最長(zhǎng)為幾十米.但它可以在幾毫秒內(nèi)得到厘米級(jí)定位精度的信息,且傳輸范圍很大,成本較低.同時(shí)由于其非接觸和非視距等優(yōu)點(diǎn),可望成為優(yōu)選的室內(nèi)定位技術(shù).優(yōu)點(diǎn)是標(biāo)識(shí)的體積比較小,造價(jià)比較低,但是作用距離近,不具有通信能力,而且不便于整合到其他系統(tǒng)之中.

(3)wifi技術(shù)

wifi定位技術(shù)是通過(guò)采集周圍的wifi熱點(diǎn)的信號(hào),進(jìn)行信息匹配得到位置信息.由于wifi熱點(diǎn)廉價(jià)、布設(shè)容易,很容易通過(guò)增加wifi熱點(diǎn)來(lái)提高室內(nèi)定位精度.當(dāng)前比較流行的wifi定位是無(wú)線局域網(wǎng)絡(luò)系列標(biāo)準(zhǔn)之IEEE802.11的一種定位解決方案,采用經(jīng)驗(yàn)測(cè)試和信號(hào)傳播模型相結(jié)合的方式,易于安裝,需要的基站不多,可以采用相同的底層無(wú)線網(wǎng)絡(luò)結(jié)構(gòu),精度總體較高.它的優(yōu)點(diǎn)是使用與范圍小的室內(nèi)環(huán)境,成本低,只要周圍的熱點(diǎn)設(shè)備布置合理,定位的精度可以得到保證.缺點(diǎn)是很容易受到其他信號(hào)的干擾,從而影響其精度,定位器的能耗也較高.

(4)ZigBee技術(shù)

ZigBee是介于射頻識(shí)別和藍(lán)牙之間的一種新興的短距離、低速率無(wú)線網(wǎng)絡(luò)技術(shù),也可以用于室內(nèi)定位.在距離短、功耗低且傳輸速率不高的各種電子設(shè)備之間進(jìn)行數(shù)據(jù)傳輸,從而獲得具體位置信息,實(shí)現(xiàn)定位.其優(yōu)點(diǎn)是通信效率高,而且低功耗.不足是ZigBee的信號(hào)傳輸受多徑效應(yīng)和移動(dòng)的影響都很大,而且定位精度取決于信道物理品質(zhì)、信號(hào)源密度、環(huán)境和算法的準(zhǔn)確性,造成定位軟件的成本較高.

各種室內(nèi)定位技術(shù)都有其優(yōu)缺點(diǎn),根據(jù)不同的應(yīng)用環(huán)境選擇不同的技術(shù).本文的研究重點(diǎn)是:基于wifi的室內(nèi)定位技術(shù)的原理,以及詳細(xì)介紹位置指紋定位技術(shù)的實(shí)現(xiàn)方法;實(shí)現(xiàn)精確定位之后,運(yùn)用行人航跡推算技術(shù)進(jìn)行位置估算,提高定位的實(shí)時(shí)性.主要闡述基于wifi室內(nèi)定位技術(shù)和行人航跡推算技術(shù)相結(jié)合的室內(nèi)定位方案.

2 位置指紋定位基本原理和實(shí)現(xiàn)

2.1 無(wú)線信號(hào)強(qiáng)度基于物理位置的唯一性

位置指紋[5]是基于無(wú)線信號(hào)強(qiáng)度信號(hào)RSSI的定位方法.由于環(huán)境因素的影響,在不同位置搜集的同一個(gè)wifi熱點(diǎn)的信號(hào)強(qiáng)度都不相同,具有唯一性.具體來(lái)說(shuō),需要收集特定位置的所有wifi熱點(diǎn)信號(hào)強(qiáng)度存儲(chǔ)到指紋數(shù)據(jù)庫(kù),基于其信號(hào)強(qiáng)度唯一性,對(duì)比手機(jī)移動(dòng)端接收到的wifi熱點(diǎn)信號(hào)與指紋數(shù)據(jù)庫(kù),通過(guò)某個(gè)匹配算法算出當(dāng)前移動(dòng)端最匹配的位置.

2.2 KNN算法設(shè)計(jì)

基于wifi環(huán)境下的位置指紋定位技術(shù)[13],采用的算法為K近鄰法[6](KNN,K Nearest Neighborhood).這是最近鄰算法(NN,Nearest Neighborhood)的改進(jìn)型算法,兩者的區(qū)別在于,NN算法是選取最小距離的矢量值,KNN算法是從最小距離開(kāi)始選取K(K>=2)個(gè)最接近的數(shù)據(jù),再求平均值,求出的平均坐標(biāo)值為待測(cè)目標(biāo)的位置.

此算法如公式(1)所示,假設(shè)存放某區(qū)域內(nèi)的wifi熱點(diǎn)AP的信號(hào)強(qiáng)度數(shù)據(jù)庫(kù)中,共有m個(gè)參考坐標(biāo),n個(gè)wifi熱點(diǎn)AP.

其中i=1,2,……,m;j=1,2,……,n.bj表示移動(dòng)者在特定位置接收的第j個(gè)wifi熱點(diǎn)的信號(hào)強(qiáng)度.Bij表示在數(shù)據(jù)庫(kù)中第i個(gè)參考坐標(biāo)的第j個(gè)wifi熱點(diǎn)信號(hào)的強(qiáng)度.當(dāng)a=1時(shí),dis為曼哈頓距離;a=2時(shí),dis為歐幾里徳距離.

從結(jié)果中選擇K個(gè)dis值最小的樣本坐標(biāo)值,取這K個(gè)坐標(biāo)值的均值作為待測(cè)點(diǎn)的坐標(biāo).公式如下,在本文中設(shè)a=1,K=5.

KNN近鄰算法用平均距離減少了誤差,提高了精確度,而且實(shí)現(xiàn)起來(lái)比較容易操作.

2.3 wifi信號(hào)采集和定位

位置指紋定位需要兩個(gè)階段:數(shù)據(jù)采集和定位階段[6][7].數(shù)據(jù)采集首先通過(guò)手機(jī)端收集wifi信號(hào),上傳到服務(wù)器,存儲(chǔ)到數(shù)據(jù)庫(kù).室內(nèi)定位階段則是先采集所在位置的wifi熱點(diǎn)信息,通過(guò)與數(shù)據(jù)庫(kù)中的wifi數(shù)據(jù)作匹配[8].

圖1 指紋定位實(shí)現(xiàn)流程圖

圖2 定位流程圖

3 行人航跡推算算法基本原理和實(shí)現(xiàn)

行人航跡推算(PDR,以下簡(jiǎn)稱PDR)[9]技術(shù)是一種基于傳感器信息計(jì)算行人相對(duì)位置的定位技術(shù)[10],它首先通過(guò)傳感器檢測(cè)行人的步數(shù)并估算出步長(zhǎng),然后通過(guò)磁阻傳感器和陀螺儀計(jì)算出行人的方位角,最后獲取人體移動(dòng)的相對(duì)位置從而實(shí)現(xiàn)定位.手機(jī)自包含的傳感器包括:慣性傳感器(加速度傳感器和陀螺儀傳感器)、數(shù)字羅盤(pán)、氣壓計(jì)、視覺(jué)傳感器等.行走航跡推算技術(shù)是通過(guò)跨步時(shí)的生理特征,通過(guò)傳感器的值估計(jì)出行人的跨步和步長(zhǎng),相較于其他室內(nèi)定位方法, PDR不受外界環(huán)境影響,定位精度較高,但只能獲取相對(duì)位置信息.

3.1 基于卡爾曼濾波算法的慣性導(dǎo)航技術(shù)的原理

卡爾曼濾波是以最小均方誤差為估計(jì)的最佳準(zhǔn)則,來(lái)尋求一套遞推估計(jì)的算法,其基本思想是:采用信號(hào)與噪聲的狀態(tài)空間模型,利用前一時(shí)刻的估計(jì)值和現(xiàn)時(shí)刻的觀測(cè)值來(lái)更新對(duì)狀態(tài)變量的估計(jì),求出現(xiàn)時(shí)刻的估計(jì)值.其核心思想是“預(yù)測(cè)”+“測(cè)量反饋”,通過(guò)對(duì)上一個(gè)結(jié)果卡爾曼濾波計(jì)算和加權(quán)平均預(yù)測(cè)出下一個(gè)結(jié)果.

現(xiàn)設(shè)線性時(shí)變系統(tǒng)的離散狀態(tài)防城和觀測(cè)方程為:

其中,X(k)和Y(k)分別是k時(shí)刻的狀態(tài)矢量和觀測(cè)矢量, F(k,k-1)為狀態(tài)轉(zhuǎn)移矩陣,U(k)為k時(shí)刻動(dòng)態(tài)噪聲, T(k,k-1)為系統(tǒng)控制矩陣,H(k)為k時(shí)刻觀測(cè)矩陣,N(k)為k時(shí)刻觀測(cè)噪聲.則卡爾曼濾波的算法流程為:

1)預(yù)估計(jì)

2)計(jì)算預(yù)估計(jì)協(xié)方差矩陣

3)計(jì)算卡爾曼增益矩陣

4)更新估計(jì)

5)計(jì)算更新后估計(jì)協(xié)防差矩陣

重復(fù)以上步驟.

3.2 基于卡爾曼濾波算法的慣性導(dǎo)航技術(shù)與PDR技術(shù)的比較

兩種技術(shù)都需要實(shí)時(shí)獲取手機(jī)傳感器的數(shù)據(jù),再通過(guò)一定計(jì)算得到結(jié)果.基于卡爾曼濾波算法的慣性導(dǎo)航技術(shù)普遍適用于一切運(yùn)動(dòng)對(duì)象,但是實(shí)現(xiàn)測(cè)量反饋需要傳感器實(shí)時(shí)獲取數(shù)據(jù)并計(jì)算,這需要比較高的計(jì)算能力和數(shù)據(jù)采集率,要求高精度的傳感器.而且卡爾曼濾波算法的流程復(fù)雜,計(jì)算量較大,其計(jì)算是一個(gè)遞推的過(guò)程,隨著濾波步數(shù)的增加,舍入誤差逐漸積累,可能使增益矩陣的計(jì)算值逐漸失去加權(quán)作用而導(dǎo)致濾波發(fā)散.而PDR技術(shù)是利用行人運(yùn)動(dòng)特征,通過(guò)檢測(cè)行人是否行走一步和估算行人一步的步長(zhǎng)來(lái)獲得行人位置的變化.為了便于技術(shù)的推廣,必須考慮到硬件成本和軟件實(shí)現(xiàn)的復(fù)雜度.手機(jī)上的傳感器往往無(wú)法滿足慣性導(dǎo)航的要求.相較于慣性導(dǎo)航技術(shù), PDR技術(shù)利用行人運(yùn)動(dòng)特征,降低了對(duì)加速度傳感器精度的要求,同時(shí)也降低了算法的復(fù)雜度,在現(xiàn)有的安卓手機(jī)上PDR技術(shù)更容易實(shí)現(xiàn).

3.3 PDR算法基本原理

PDR算法,即從一個(gè)已知的坐標(biāo)位置開(kāi)始,通過(guò)傳感器獲取行人在該位置的運(yùn)動(dòng)方向、速度等數(shù)據(jù)來(lái)推算行人在下一時(shí)刻出現(xiàn)的位置的過(guò)程.由于其定位過(guò)程不受環(huán)境因素的影響,能夠隨時(shí)隨地提供連續(xù)的二維位置信息.PDR的原理[14]如圖3所示.

圖3 相對(duì)位置定位技術(shù)原理圖

設(shè)某一時(shí)刻行人的位置在Pn-1(En-1,Nn-1),運(yùn)動(dòng)了d距離后到達(dá)Pn(En,Nn),兩個(gè)位置偏離的角度為ɑ,則Pn-1和Pn之間的關(guān)系如下:

3.4 PDR算法流程

PDR技術(shù)包括四大重要核心:步頻檢測(cè)、步長(zhǎng)估算、方向檢測(cè)和位置估算.圖4清晰地展示了行人航跡推算機(jī)制的算法流程,探測(cè)行人行走時(shí)的加速度值,通過(guò)濾波模型等有關(guān)模型推算出步長(zhǎng)以及行走的方向,從而得出行人的位置、距離、速度和方向等信息.

圖4 行人航跡推算算法流程圖

3.4.1 信號(hào)采集

系統(tǒng)需要使用手機(jī)上的加速計(jì)采集三軸加速度的值[11].由于最后需要得到行人行走的總加速度,所以得通過(guò)以下公式得出總加速度:

3.4.2 步頻檢測(cè)和步長(zhǎng)估算

(1)閾值判斷方法和加速度信號(hào)峰值檢測(cè)

① 滑動(dòng)查找窗口大小設(shè)置

大多數(shù)文獻(xiàn)中根據(jù)斜率的正負(fù)轉(zhuǎn)折點(diǎn)來(lái)查找雙峰值[12],但因?yàn)閷?shí)際上的各種誤差,使得峰值會(huì)因受到微小震蕩而出現(xiàn)誤差.因此,我們采用閾值判斷方法,通過(guò)設(shè)置滑動(dòng)查找窗口的大小來(lái)控制峰值檢測(cè)結(jié)果.滑動(dòng)查找窗口大小的設(shè)置對(duì)于峰值檢測(cè)結(jié)果有著舉足輕重的作用,若窗口值設(shè)置得太大,會(huì)使很多正確的峰值被舍棄掉;若窗口值設(shè)置的過(guò)小,則會(huì)受到嚴(yán)重的誤差干擾,將細(xì)微的波動(dòng)當(dāng)做是峰值.

② 峰值檢測(cè)

通過(guò)滑動(dòng)查找窗口值的約束,根據(jù)斜率的變化來(lái)確定峰頂和峰谷.本文的的峰值查找思想如下:

a.通過(guò)三軸加速計(jì)采集加速度值,經(jīng)過(guò)濾波處理后,然后進(jìn)行峰值檢測(cè);

b.計(jì)算該值與上一次峰值的物理差值和時(shí)間差值,如果物理差值超過(guò)閾值或者時(shí)間差值不在時(shí)間窗口范圍內(nèi),則轉(zhuǎn)第一步執(zhí)行;否則將該結(jié)果作為峰值按序存儲(chǔ).

③ 時(shí)間窗口的設(shè)定

根據(jù)人走路的時(shí)間估計(jì)每一步需要走多長(zhǎng)的時(shí)間,從而排除不合理的步伐.通過(guò)大量實(shí)驗(yàn)并且根據(jù)人體的極限行走速度分析,時(shí)間窗口的范圍為0.2s-2s之間.時(shí)間窗口值得設(shè)定對(duì)于步頻檢測(cè)的準(zhǔn)確性有著重要的影響,如果時(shí)間窗口值范圍設(shè)得太大,很可能導(dǎo)致步數(shù)的誤判.因此,我們需要不斷調(diào)整時(shí)間窗口的大小,適應(yīng)不同的變化,使之達(dá)到合理的范圍.

(2)步頻檢測(cè)

確定了步頻檢測(cè)的各個(gè)參數(shù)后,接下來(lái)處理的問(wèn)題是實(shí)現(xiàn)算法流程.步頻檢測(cè)需要實(shí)時(shí)采集數(shù)據(jù),實(shí)時(shí)計(jì)算,實(shí)時(shí)顯示.算法流程如圖5所示:

圖5 步頻檢測(cè)算法流程圖

(3)步長(zhǎng)估算

PDR定位精確度與步長(zhǎng)估算的精確度有著極大的聯(lián)系,因此實(shí)現(xiàn)PDR的一大重點(diǎn)是實(shí)現(xiàn)步長(zhǎng)估算.在Android平臺(tái)上實(shí)現(xiàn)PDR,本文通過(guò)一種非線性步長(zhǎng)估算模型,提高不同步長(zhǎng)下步長(zhǎng)估算的精度,公式為:

3.4.3 方向檢測(cè)

在實(shí)現(xiàn)PDR技術(shù)[9]的過(guò)程中,需要獲取行人在行走過(guò)程中的方向,繼而通過(guò)方向和行走的距離推算出行人所處的具體位置.

在Android智能手機(jī)平臺(tái)上,檢測(cè)手機(jī)的方向角是通過(guò)獲取地磁場(chǎng)傳感器的數(shù)值和加速度傳感器的數(shù)值來(lái)計(jì)算的.與此同時(shí),由于手機(jī)朝向的不同,所檢測(cè)出的方向角也會(huì)相對(duì)不同,因此,在行走過(guò)程中,要保持手機(jī)的朝向盡可能穩(wěn)定,才能得到相對(duì)準(zhǔn)確的數(shù)據(jù).

3.4.4 位置估算

獲取行人的步頻、步長(zhǎng)和方向角后,最后就是進(jìn)行位置估算[9,12].本課題通過(guò)基于WiFi網(wǎng)絡(luò)的室內(nèi)定位技術(shù)獲取了行人的初始位置,那么,通過(guò)步頻、步長(zhǎng)和方向角和初始位置就可以推算出行人行走后的大致位置.具體位置的計(jì)算公式分為X軸方向的公式和Y軸方向的公式:

4 系統(tǒng)測(cè)試結(jié)果與分析

本次實(shí)驗(yàn)于校圖書(shū)館四樓進(jìn)行,實(shí)驗(yàn)過(guò)程中實(shí)驗(yàn)人員手持Android智能手機(jī)從特地位置出發(fā),按照預(yù)設(shè)路線行走.其中,第一組數(shù)據(jù)僅通過(guò)PDR算法來(lái)實(shí)現(xiàn)定位,因而實(shí)驗(yàn)數(shù)據(jù)的起始點(diǎn)與預(yù)設(shè)路線起點(diǎn)一致;第二組數(shù)據(jù)是僅通過(guò)指紋定位算法實(shí)現(xiàn);第三組數(shù)據(jù)是使用PDR與指紋定位相結(jié)合的算法實(shí)現(xiàn).在實(shí)驗(yàn)過(guò)程當(dāng)中,記錄每次實(shí)驗(yàn)的實(shí)際數(shù)據(jù),存儲(chǔ)到數(shù)據(jù)庫(kù),計(jì)算得到三組與正確數(shù)據(jù)的誤差值,用matlab將三組軌跡繪制出來(lái)如圖6所示.其中,x軸表示坐標(biāo)編號(hào),y軸表示誤差值;圖7為使用PDR和位置指紋定位算法結(jié)合得到的行人軌跡和實(shí)際行人軌跡的對(duì)比圖;圖8為采樣點(diǎn)與wifi熱點(diǎn)位置的分布圖.

圖6 三組算法誤差對(duì)比圖

圖7 行人實(shí)際位置與實(shí)驗(yàn)位置對(duì)比圖

圖8 采樣點(diǎn)與wifi熱點(diǎn)位置分布圖

1)圖6實(shí)線代表僅用PDR算法定位得到的誤差,由于PDR的起點(diǎn)與實(shí)際起點(diǎn)一致,因此在起點(diǎn)的誤差為0.通過(guò)圖像可知,隨著時(shí)間的延長(zhǎng),PDR存在的累積誤差將越來(lái)越大.僅靠PDR算法,適用于短時(shí)間,短距離內(nèi)的定位,但是不滿足實(shí)際需求,因此不可取.

2)圖6紅色虛線代表僅用wifi位置指紋定位得到的誤差,其平均誤差為11.38米.從圖像可知,位置指紋定位的誤差的跳躍性非常大,圖中誤差的震蕩區(qū)間為[1.0,21.5].實(shí)驗(yàn)數(shù)據(jù)中最大誤差距離達(dá)到21.5米,對(duì)于在圖書(shū)館內(nèi)的導(dǎo)航,如果誤差超過(guò)了20米,那么導(dǎo)航的意義微乎其微.對(duì)比PDR算法定位,其優(yōu)勢(shì)并不明顯.由于環(huán)境、天氣因素均對(duì)wifi信號(hào)強(qiáng)度有很大的影響,所以僅用位置指紋定位對(duì)于實(shí)際需求很難滿足.

3)圖6藍(lán)色虛線是結(jié)合了位置指紋定位算法和PDR算法得到的誤差值,其平均誤差為6.74米.從圖中可以看出,對(duì)比紅色虛線,其趨勢(shì)比較平滑、穩(wěn)定.對(duì)比實(shí)線,前6個(gè)點(diǎn),其誤差值大于PDR算法.但從第7個(gè)點(diǎn)開(kāi)始,PDR算法的誤差開(kāi)始大于聯(lián)合定位的誤差,而聯(lián)合定位的誤差值繼續(xù)趨向穩(wěn)定.因此,對(duì)于長(zhǎng)距離和長(zhǎng)時(shí)間的定位,聯(lián)合定位明顯優(yōu)于PDR算法,而且其平均誤差比位置指紋定位算法的誤差小,對(duì)于實(shí)際情況的應(yīng)用更加合適.

4)圖7中藍(lán)色實(shí)線是由實(shí)驗(yàn)數(shù)據(jù)得到的行人軌跡,紅色實(shí)線則是行人實(shí)際的軌跡,兩條軌跡中選取了12個(gè)坐標(biāo)點(diǎn)進(jìn)行比較.其中藍(lán)色軌跡在方向上與紅色軌跡大致一致,但存在著一定誤差.

綜上所述,采用位置指紋與PDR算法聯(lián)合使用的定位算法,達(dá)到PDR算法克服位置指紋定位的不穩(wěn)定性,又通過(guò)位置指紋定位算法的絕對(duì)性調(diào)整具體位置,消除PDR算法的累積誤差.說(shuō)明結(jié)合位置指紋和行人航跡算法的室內(nèi)定位技術(shù)具有一定的可行性.

5 總結(jié)

本文針對(duì)wifi室內(nèi)定位技術(shù)和PDR技術(shù)的組合,就如何降低定位誤差進(jìn)行了深入的思考.本文特色在于通過(guò)wifi室內(nèi)定位技術(shù)和PDR技術(shù)的相輔相成,很大程度上減少了定位的偶然誤差.

但與市場(chǎng)上商業(yè)化的,成熟的室內(nèi)定位技術(shù)相比,依舊存在很多不足,本文采用的wifi室內(nèi)定位技術(shù)需要大量的室內(nèi)wifi信號(hào)數(shù)據(jù),為系統(tǒng)投入使用的前期準(zhǔn)備工作帶來(lái)了一定的困難,但一旦數(shù)據(jù)齊全,定位的準(zhǔn)確性也比較高.

1谷歌升級(jí) Android版谷歌地圖,新增室內(nèi)導(dǎo)航功能. http://www.36kr.com/p/63722.html.

2 諾基亞室內(nèi)導(dǎo)航地圖.http://www.cnbeta.com/articles/ 164013.htm.

3日本富士通室內(nèi)導(dǎo)航系統(tǒng).http://www.cnbeta.com/articles/ 195110.htm.

4國(guó)家測(cè)繪地理信息局.介紹幾種室內(nèi)定位技術(shù). http://www.sbsm.gov.cn/article/zszygx/zjlt/200812/20081200 045814.shtml.2008.

5李昊.位置指紋定位技術(shù).山西電子技術(shù),2007,(5):84–87.

6陳偉.基于GPS和自包含傳感器的行人室內(nèi)外無(wú)縫定位算法研究[碩士學(xué)位論文].合肥:中國(guó)科學(xué)技術(shù)大學(xué),2010.

7陳聰傳,程良倫.區(qū)域細(xì)化的RFID室內(nèi)定位算法.計(jì)算機(jī)應(yīng)用與軟件,2011,28(1):50–52.

8王立劍.基于Android平臺(tái)的手機(jī)室內(nèi)定位及導(dǎo)航系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[碩士學(xué)位論文].青島:中國(guó)海洋大學(xué),2013.

9徐偉.基于Android手機(jī)的室內(nèi)定位技術(shù)研究與實(shí)現(xiàn)[碩士學(xué)位論文].武漢:華中師范大學(xué),2014.

10裘昕,朱林.行走航跡推算技術(shù)的研究.http://www.paper. edu.cn/releasepaper/content/201111-410.[2011-11-24].

11葉震.數(shù)字信號(hào)處理中的矩陣運(yùn)算化簡(jiǎn).合肥工業(yè)大學(xué)學(xué)報(bào),1985,(1):44–48.

12謝如花.步數(shù)檢測(cè)方法及在手腕式計(jì)步器中的應(yīng)用研究[碩士學(xué)位論文].蘭州:蘭州交通大學(xué),2013.

13 Li B,Wang Y,Lee HK,Dempster A.Method for yielding a database of location fingerprints in WLAN.IEEE Proc. Communications,2005,152(5):580–586.

14 Beauregard S,Haas H.Pedestrian dead reckoning:A basis for personal positioning.Proc.of the 3rd Workshop on Positioning,Navigation and Communication.2006.27–35.

Indoor Positioning Technology Based on Location Fingerprint and Pedestrian Track

LUO Si-Qi,LUO Xiao-Ling,LI Min-Cheng,LI Zhi-Feng,CHEN Jian-Cheng,ZHOU Xian-Wei,PAN Jia-Hui

(School of Software,South China Normal University,Nanhai 528225,China)

On this paper,the research mainly focuses on the technology of indoor location.First,we collect coordinates of sample spots by handheld smart device in the specified range and information of wifi wireless hotspot,with which the location fingerprint technique is applied to absolute positioning;In order to improve the real-time performance and accuracy of indoor positioning,the pedestrian dead reckoning algorithm which will measure stride frequency,estimate step size and detect the direction with data collected and processed by the mobile phone sensor is used to achieve relative position estimation.The pedestrian dead reckoning algorithm can overcome the instability of the location fingerprint technique and the latter can reduce the cumulative error that the former brings.The result shows the combination of the two technologies is able to effectively improve the accuracy of indoor location and be fully used in the real world.

indoor positioning;Android platform;wifi;location fingerprinting technique;pedestrian dead reckoning

廣東大學(xué)生科技創(chuàng)新培育專項(xiàng)資金(“攀登計(jì)劃”專項(xiàng)資金)(pdjh2016b0129);國(guó)家自然科學(xué)基金青年科學(xué)基金(61503143);廣東省自然科學(xué)基金博士科研啟動(dòng)項(xiàng)目(2014A030310244)

2016-09-04;收到修改稿時(shí)間:2016-11-03

10.15888/j.cnki.csa.005784