孫 偉，王豐得，王 野，楊一涵

(遼寧工程技術(shù)大學(xué) 測(cè)繪與地理科學(xué)學(xué)院，遼寧 阜新 123000)

0 引言

隨著移動(dòng)通信技術(shù)的快速發(fā)展，基于位置的服務(wù)在日常生活中應(yīng)用越來(lái)越廣泛[1]。在室外環(huán)境中全球定位系統(tǒng)(global positioning system，GPS)能夠提供全天候、高精度、實(shí)時(shí)的定位服務(wù)，但是在室內(nèi)環(huán)境中由于墻體、門窗遮擋GPS無(wú)法提供精準(zhǔn)的定位服務(wù)。然而研究表明，人類超過(guò)70 %的時(shí)間是在室內(nèi)活動(dòng)，隨著時(shí)代發(fā)展，室內(nèi)服務(wù)設(shè)施大型化、復(fù)雜化，人們對(duì)于室內(nèi)導(dǎo)航的需求不斷增加。因此，室內(nèi)導(dǎo)航定位技術(shù)已成為許多高新技術(shù)企業(yè)和重點(diǎn)實(shí)驗(yàn)室的研究重點(diǎn)。

文獻(xiàn)[2]在1977年就提出了行人航跡推算(pedestrians dead reckoning，PDR)原理；但由于當(dāng)時(shí)科學(xué)技術(shù)有限，使得慣性測(cè)量單元的成本昂貴，而且體積大、不便于攜帶，因此限制了這項(xiàng)技術(shù)的發(fā)展。近十年來(lái)，隨著微機(jī)械電子技術(shù)的快速發(fā)展，慣性測(cè)量單元功能增強(qiáng)、體積減小、成本降低，并且可以集成在一個(gè)微小的芯片中。這使得基于慣性傳感器的行人航跡推算技術(shù)普及成為可能[3]。目前智能手機(jī)大多都內(nèi)置了慣性器件，如加速度傳感器、方向傳感器、地磁傳感器、陀螺儀等[4]。

本文基于Android智能終端，利用智能終端里多種慣性傳感器，以行人航跡推算技術(shù)為定位方法，設(shè)計(jì)室內(nèi)定位方案，并用JAVA語(yǔ)言在智能終端實(shí)現(xiàn)。

1 行人航跡推算原理

航跡推算原理如圖1所示：上一點(diǎn)坐標(biāo)已知，根據(jù)行人行進(jìn)的距離和方向可以推算出下一個(gè)點(diǎn)的坐標(biāo)，這個(gè)過(guò)程為航跡推算。

圖中：P0、P1、P2為行人連續(xù)行走的航跡點(diǎn)；Nk、Ek(k=0,1,2)為各點(diǎn)的東向坐標(biāo)和北向坐標(biāo)；P0-P1、P1-P2對(duì)應(yīng)行走步長(zhǎng);α0(t0)、α1(t1) 分別為相鄰2步行走與北向的夾角(航向角)。

基于PDR的行人位置公式為

(1)

式中：Ek和Nk分別為行人在第k步東北天坐標(biāo)系下的東向和北向坐標(biāo)；Sk為該步的步長(zhǎng)；αk為航向。式(1)有個(gè)前提為：假設(shè)行人在一步(單步或復(fù)步)內(nèi)的航向是不變的，即該步內(nèi)走直線。

根據(jù)式(1)可知：定位結(jié)果的誤差來(lái)源于初始位置誤差、方向和距離誤差；方向和距離則通過(guò)對(duì)移動(dòng)智能終端的傳感器輸出信號(hào)分析和處理得到；另外在傳感器輸出數(shù)據(jù)中帶有噪聲。因此對(duì)傳感器信號(hào)采集、減少噪聲干擾，提高步數(shù)和步頻檢測(cè)準(zhǔn)確度等方面成為精確定位的關(guān)鍵。

2 算法實(shí)現(xiàn)

2.1 步態(tài)檢測(cè)算法

2.1.1 行人行走姿態(tài)分析

據(jù)研究表明，人在行走過(guò)程中具有周期性和規(guī)律性[5]。在行走過(guò)程中，行人的步頻和步長(zhǎng)基本保持不變，具有連續(xù)性和持續(xù)性的特點(diǎn)[6]。通過(guò)分析行人的行走姿態(tài)，在行走過(guò)程中，根據(jù)豎直方向重力加速度變化可將一個(gè)單步分解為2個(gè)階段：第一個(gè)階段腳離地開(kāi)始擺動(dòng)，人體重心上移，豎直方向重力加速度不斷增大；第二個(gè)階段，腳開(kāi)始落地，人體重心從最高處下移，豎直方向重力加速度隨之減小。對(duì)于同一個(gè)人，在一個(gè)復(fù)步中，左腳和右腳的規(guī)律基本一致，所以在分析中只對(duì)右腳進(jìn)行詳細(xì)分析。基于行人行走步態(tài)的周期性，對(duì)加速度計(jì)輸出信號(hào)的變化進(jìn)行研究分析，找出信號(hào)中與步態(tài)一致的周期即可探測(cè)出行人的步頻。本文步態(tài)檢測(cè)方式使用峰值檢測(cè)法，即通過(guò)分析加速度計(jì)輸出信號(hào)，找出其中符合行人行走周期規(guī)律的波峰、波谷，便可確定為行走一步[7-10]。

2.1.2 信號(hào)處理

人體坐標(biāo)系和加速度傳感器的坐標(biāo)系不一致，為提高波形檢測(cè)的可靠度，對(duì)行人行走總加速度進(jìn)行分析?？偟募铀俣葹?/p>

(2)

式中：a為三軸總加速度；ax為X軸方向加速度；ay為Y軸方向加速度；az為Z軸方向加速度。

為了提高步態(tài)檢測(cè)精度，需要對(duì)采集到的加速度數(shù)據(jù)進(jìn)行處理，首先通過(guò)高通濾波器剔除重力加速度，然后對(duì)數(shù)據(jù)進(jìn)行平滑處理。從處理后的波形(如圖2所示)可以清晰地看出波峰和波谷。

2.1.3 步態(tài)檢測(cè)

采用峰值過(guò)濾器加時(shí)間窗口過(guò)濾器實(shí)現(xiàn)步態(tài)檢測(cè)(如圖3所示)。

第一個(gè)過(guò)濾器是峰值過(guò)濾器。理想狀態(tài)下，一個(gè)完整的步伐中有一個(gè)波峰和波谷。實(shí)際情況中，一個(gè)步伐中可能會(huì)出現(xiàn)多個(gè)假的波峰和波谷，會(huì)干擾步頻檢測(cè)。因此峰值過(guò)濾器設(shè)置2個(gè)閾值，分別是波峰峰值Δ1以及波谷峰值Δ2，來(lái)判斷是否為一步。根據(jù)大量實(shí)驗(yàn)數(shù)據(jù)設(shè)置Δ1和Δ2分別為1.0和0.5。當(dāng)在2個(gè)邁步起點(diǎn)之間檢測(cè)到大于2個(gè)閾值的波峰和波谷時(shí)，即可初步認(rèn)定2個(gè)連續(xù)邁步起點(diǎn)之間為一個(gè)正常步伐。

第二個(gè)過(guò)濾器為時(shí)間窗口過(guò)濾器，正常行人行走頻率為0.5～5 Hz，即行走一步的時(shí)間為0.2～2 s，因此如果2個(gè)連續(xù)的邁步起點(diǎn)大于2 s或者小于0.2 s可認(rèn)定為不是真正的一步。峰值過(guò)濾器是初步檢測(cè)條件，可能會(huì)發(fā)生誤判，在它的基礎(chǔ)上使用時(shí)間窗口過(guò)濾器可以進(jìn)一步提高步頻檢測(cè)準(zhǔn)確率。如果檢測(cè)到2個(gè)連續(xù)邁步起點(diǎn)時(shí)間間隔小于給定最低閾值，就把這段波形認(rèn)定為干擾波形，并把它組合到下一個(gè)波形中。當(dāng)檢測(cè)到波形時(shí)間間隔大于給定最大閾值，即可視為這段時(shí)間行人處于原地，判定該波形不是真正的一步。

2.2 步長(zhǎng)檢測(cè)算法

航跡推算算法中行進(jìn)距離是由步數(shù)乘以步長(zhǎng)計(jì)算得到，因此步長(zhǎng)檢測(cè)的精度將直接影響最終的定位精度。非線性步長(zhǎng)估算模型計(jì)算量小，且能夠適應(yīng)行人不同運(yùn)動(dòng)狀態(tài)，常用Weinberg approach模型[11]，即

(3)

式中：stepsize為步長(zhǎng)；amax和amin分別為一個(gè)完整步伐中的最大加速度和最小加速度計(jì)值；k為步長(zhǎng)估算參數(shù)。

2.3 航向檢測(cè)

采用基于慣性傳感器的相對(duì)定位技術(shù)，除了需要得到距離，還需要知道行人行走的方向[12-14]。行人行走方向的檢測(cè)精度將直接影響行人航跡推算的定位精度，因?yàn)榻嵌日`差會(huì)隨著行走距離的增加導(dǎo)致定位結(jié)果與實(shí)際位置偏差越來(lái)越大。

在Android系統(tǒng)中，可以調(diào)用具體的API函數(shù)獲取方向傳感器數(shù)據(jù)，獲得的數(shù)據(jù)包括航向角(Azimuth)、傾斜角(Pitch)、旋轉(zhuǎn)角(Roll)。這3個(gè)角度是基于手機(jī)坐標(biāo)系實(shí)現(xiàn)的。行人航跡推算主要利用手機(jī)正前方的朝向，即僅利用了航向角數(shù)值。

在行走時(shí)盡量保持移動(dòng)終端Z軸正方向豎直朝上，使用方向傳感器能夠采集到Y(jié)軸方向與磁北方向的夾角。理論上，方向傳感器獲取的方向角度范圍為0°～360°，與地理坐標(biāo)系的關(guān)系如圖4所示。

在航跡推算中，是以一步作為位置更新周期。在一個(gè)周期之內(nèi)方向傳感器采集的數(shù)據(jù)有多個(gè)。理論上一個(gè)步伐中采集的航向角應(yīng)該一致，但是行人在行走過(guò)程中會(huì)不可避免地左右擺動(dòng)，因此一個(gè)周期采集的航向角也會(huì)在一定范圍內(nèi)波動(dòng)。如圖5為一個(gè)步伐周期內(nèi)采集的方向角數(shù)據(jù)，最大值為111.7°，最小值為108.3°，最大最小值差值為3.4°。

針對(duì)這種波動(dòng)的影響，計(jì)算一個(gè)周期內(nèi)的航行角均值作為行人行走的航向。圖6中，橫坐標(biāo)表示17個(gè)步伐周期獲取的513個(gè)航向角數(shù)據(jù)，縱坐標(biāo)表示的是航向角值。實(shí)線是未處理的原始數(shù)據(jù)，從圖中可以看出波形抖動(dòng)明顯，虛線表示處理后的數(shù)據(jù)，處理過(guò)后波形抖動(dòng)明顯減小。

3 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

3.1 系統(tǒng)工程架構(gòu)

整個(gè)系統(tǒng)構(gòu)建分為3層(如圖7所示)：最底端是數(shù)據(jù)庫(kù)層，用來(lái)存儲(chǔ)程序需要處理的各種數(shù)據(jù)[15-16]；業(yè)務(wù)處理層負(fù)責(zé)具體的邏輯處理，峰值檢測(cè)、動(dòng)態(tài)閾值處理、步頻檢測(cè)、步長(zhǎng)檢測(cè)、方向檢測(cè)等算法在這一層實(shí)現(xiàn)；視圖層即界面層，直接面向用戶，主要向用戶直觀展現(xiàn)步長(zhǎng)、步數(shù)、行走距離以及行走軌跡信息。這3層結(jié)構(gòu)符合常規(guī)設(shè)計(jì)中的模型-視圖-控制器(model-view-controller，MVC)開(kāi)發(fā)模式，將功能分離能夠有效提升程序的可讀性和可維護(hù)性。

3.2 控制層實(shí)現(xiàn)

控制層是MVC 3層中的C層，也叫業(yè)務(wù)邏輯層。該層主要負(fù)責(zé)各種算法實(shí)現(xiàn)以及處理視圖層請(qǐng)求的業(yè)務(wù)邏輯。行人航跡推算系統(tǒng)中業(yè)務(wù)邏輯層需要完成慣性數(shù)據(jù)采集與預(yù)處理、步態(tài)檢測(cè)、步長(zhǎng)檢測(cè)、航向檢測(cè)等算法實(shí)現(xiàn)。

設(shè)計(jì)StepDetector.java類完成波峰波谷檢測(cè)、動(dòng)態(tài)調(diào)整閾值，并通過(guò)時(shí)間窗口檢測(cè)法和閾值檢測(cè)法檢測(cè)步數(shù)。

StepService.java類因?yàn)槔^承了Service類，因此成為Android 4大組件之一的服務(wù)。在Android中，服務(wù)可以在后臺(tái)運(yùn)行，不需要前臺(tái)界面；因此當(dāng)屏幕鎖定或者退出該應(yīng)用程序時(shí)，該類仍然會(huì)通過(guò)調(diào)用SetpDetector.java完成計(jì)步。

設(shè)計(jì)Steplength.java類計(jì)算步長(zhǎng)。

設(shè)計(jì)StepDate.java類將步數(shù)、步長(zhǎng)封裝為一個(gè)對(duì)象，便于管理和應(yīng)用。

設(shè)計(jì)DbUtils.java類完成對(duì)數(shù)據(jù)庫(kù)的增刪查改操作。

3.3 模型層實(shí)現(xiàn)

數(shù)據(jù)庫(kù)模塊為MVC模型中的模型層，主要負(fù)責(zé)數(shù)據(jù)的存儲(chǔ)與讀取。系統(tǒng)中需要對(duì)采集到的慣性傳感器數(shù)據(jù)計(jì)算得到的位置信息進(jìn)行存儲(chǔ)。使用數(shù)據(jù)庫(kù)可以實(shí)現(xiàn)快速存儲(chǔ)和讀取數(shù)據(jù)。Android平臺(tái)提供了一種輕量級(jí)的數(shù)據(jù)庫(kù)SQLite，它支持SQL語(yǔ)句查詢，而且占用內(nèi)存小。使用SQLite需要首先創(chuàng)建數(shù)據(jù)庫(kù)，然后再進(jìn)一步創(chuàng)建表、索引等，最后寫入。

為了存儲(chǔ)加速度傳感器、方向傳感器數(shù)據(jù)、位置信息，系統(tǒng)中需要建立3張表，分別是TB_acc、TB_dir、TB_point。Tb_acc表存放的是加速度傳感器采集的數(shù)據(jù)，包括三軸方向的加速度以及總加速度。TB_dir表存放方向傳感器數(shù)據(jù)。TB_point存放位置信息，如表1～表3所示。

表1 TB_acc表

表2 TB_dir表

表3 TB_point表

3.4 視圖層實(shí)現(xiàn)

視圖層為MVC層中的V層，該層通過(guò)用戶界面直觀地向用戶展示步長(zhǎng)、軌跡等信息。在界面設(shè)計(jì)時(shí)，首先設(shè)計(jì)布局文件，通過(guò)添加TextView、Buttton等組件然后調(diào)整布局達(dá)到設(shè)計(jì)的效果。圖8為系統(tǒng)設(shè)計(jì)界面，分別為慣性數(shù)據(jù)獲取界面、行人信息界面及行人軌跡顯示界面。

4 實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證系統(tǒng)的定位性能，本文進(jìn)行了室內(nèi)定位實(shí)驗(yàn)。實(shí)驗(yàn)地點(diǎn)選在遼寧工程技術(shù)大學(xué)餐廳一樓。本文中實(shí)驗(yàn)測(cè)試采用小米廠商生產(chǎn)的紅米Note3，內(nèi)置的傳感器為InvenSense生產(chǎn)的MPU-6050，表4為精度指標(biāo)。圖9為行走路線示意圖，測(cè)試路徑為長(zhǎng)74 m、寬51 m的矩形。實(shí)驗(yàn)過(guò)程中，測(cè)試者按照?qǐng)D9中的路線，沿著A—B—C—D—A的順序，按逆時(shí)針?lè)较蛲瓿砷]合路線測(cè)試。圖10展示了預(yù)定行走路線及實(shí)際運(yùn)動(dòng)軌跡對(duì)比曲線，其中黑色虛線為預(yù)定路線，實(shí)線為實(shí)際軌跡。從圖中可以看出系統(tǒng)計(jì)算位置與預(yù)定行走路線具有較高的重合度。測(cè)試結(jié)果，實(shí)際路線長(zhǎng)250 m，系統(tǒng)測(cè)試長(zhǎng)度為246.1 m，誤差占實(shí)際長(zhǎng)度的1.5 %，閉合差為3.78 m。

表4 傳感器精度指標(biāo)

圖11為航向角曲線圖，從圖中可以看出，系統(tǒng)記錄的航向角與實(shí)際行走方向相符。在直線行走時(shí)檢測(cè)的航向角數(shù)據(jù)在±5°范圍內(nèi)波動(dòng)。

圖12為偏移量曲線圖，從圖中可以看出，偏移量隨行走距離總體呈遞增趨勢(shì)。根據(jù)統(tǒng)計(jì)行走250 m，最大的偏移量為6.2 m，平均偏移量為3.3 m。

5 結(jié)束語(yǔ)

基于行人航跡推算原理，通過(guò)對(duì)智能終端輸出的加速計(jì)、陀螺儀、電子羅盤數(shù)據(jù)分析，得到行人的步頻、步長(zhǎng)航向、位置信息，并采用JAVA語(yǔ)言在Android終端實(shí)現(xiàn)室內(nèi)定位系統(tǒng)。該系統(tǒng)在室內(nèi)環(huán)境內(nèi)能夠提供較準(zhǔn)確的定位，平均定位誤差約占行走總距離的1.3 %；但是由于慣性傳感器的誤差累計(jì)，定位精度會(huì)隨著距離而降低。下一步在此基礎(chǔ)上結(jié)合其他定位方法，在定位過(guò)程中對(duì)行人航跡定位結(jié)果進(jìn)行修正，以減少誤差累計(jì)。

[1] 劉祺，朱秋月，馮莎.室內(nèi)定位技術(shù)的研究綜述[J].計(jì)算機(jī)時(shí)代，2016，11(8)：13-15.

[2] 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，2015，27(13)：9-11.

[3] 陳春陽(yáng)，郭英，畢京學(xué).手機(jī)陀螺儀與加速度計(jì)聯(lián)合定位初步分析[J].導(dǎo)航定位學(xué)報(bào)，2014，2(4)：74-77.

[4] 張世哲.基于慣性傳感器和WiFi的室內(nèi)定位系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].北京：北京郵電大學(xué)，2012.

[5] 楊鵬，周立紅，陳玲玲，等.基于峰-谷分段積分算法的行走步態(tài)周期識(shí)別[J].計(jì)算機(jī)工程，2011，37(23)：168-170.

[6] 周圓.基于慣性傳感器和Wi-Fi信號(hào)的室內(nèi)定位算法研究[D].大連：大連理工大學(xué)，2015.

[7] 王克己.室內(nèi)定位系統(tǒng)中的行人航跡推算研究[D].北京：北京郵電大學(xué)，2012.

[8] NIU X，WANG Q，LI Y，et al.Using inertial sensors in Smartphones for curriculum experiments of inertial navigation technology[J].Education Sciences，2015，5(1)：26-46.

[9] 徐偉.基于Android手機(jī)的室內(nèi)定位系統(tǒng)研究與實(shí)現(xiàn)[D].武漢：華中師范大學(xué)，2014.

[10] 羅利.基于Android的WIFI室內(nèi)定位技術(shù)研究[D].成都：西南交通大學(xué)，2014.

[11] 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[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2010.

[12] 顧聰.基于Android平臺(tái)的室內(nèi)LBS系統(tǒng)的研究與實(shí)現(xiàn)[D].湘潭：湘潭大學(xué)，2011.

[13] 陳國(guó)良，張言哲，汪云甲，等.WiFi-PDR室內(nèi)組合定位的無(wú)跡卡爾曼濾波算法[J].測(cè)繪學(xué)報(bào)，2015，44(12)，：1314-1321.

[14] 孫偉，李婉秋.基于誤差修正技術(shù)的井下人員MEMS定位方法[J].傳感器技術(shù)學(xué)報(bào)，2014，27(7)，：898-904.

[15] 張立斌，余彥培.手機(jī)室內(nèi)定位的應(yīng)用與服務(wù)[J].導(dǎo)航定位學(xué)報(bào)，2014，11(4)：27-30.

[16] 王立劍.基于Android平臺(tái)的手機(jī)室內(nèi)定位及導(dǎo)航的設(shè)計(jì)與實(shí)現(xiàn)[D].青島：中國(guó)海洋大學(xué)，2013.