吉福龍

【摘 要】針對單一信號源的室內(nèi)定位方法難以獲取到穩(wěn)定和高精度定位結(jié)果的問題，提出一種多源信息融合定位的方法，來得到高可用的定位結(jié)果；該方法首先對WIFI指紋定位、藍牙三邊測量定位和RFID近鄰法定位進行動態(tài)加權(quán)，得到絕對位置；然后與行人航跡推算得到的位置用卡爾曼濾波融合得到最后的定位結(jié)果。實驗表明，該算法對定位效果改善明顯，定位精度達到亞米級。

【關(guān)鍵詞】室內(nèi)定位；WIFI；藍牙；RFID；卡爾曼濾波

中圖分類號： TP391.41 文獻標識碼： A 文章編號： 2095-2457（2018）21-0222-002

DOI：10.19694/j.cnki.issn2095-2457.2018.21.102

【Abstract】The indoor positioning method for a single signal source is difficult to obtain stable and high-precision positioning results.A multi-source information fusion positioning method is proposed to obtain highly available positioning results.The method first dynamically weights WIFI fingerprint positioning， Bluetooth trilateration positioning and RFID neighbor positioning，and obtains an absolute position.Then，the wireless positioning position and the position calculated by the pedestrian track are combined by Kalman filter to obtain the final positioning result.Experiments show that this algorithm improves the positioning effect obviously，and the positioning accuracy reaches the sub-meter level.

【Key words】Indoor positioning；WIFI；Bluetooth；RFID；Kalman filter

0 引言

隨著定位技術(shù)的飛速發(fā)展，位置服務(wù)（LBS）已經(jīng)成為人們?nèi)粘９ぷ?、生活所必須的一項基本服?wù)需求。然而，GPS信號無法有效穿透建筑物，隨著室內(nèi)建筑物逐漸向大型化、復(fù)雜化發(fā)展，人們對于高精度室內(nèi)定位的要求也愈發(fā)迫切[1]。

室內(nèi)定位技術(shù)相比于室外定位技術(shù)起步較晚，該領(lǐng)域還有許多空白，但人們對于室內(nèi)定位技術(shù)的關(guān)注從未中斷。目前，國內(nèi)外研究相繼提出了藍牙、紅外線、RFID、WLAN、超寬帶、超聲波等室內(nèi)定位技術(shù)，但是不同的室內(nèi)定位技術(shù)均存在著一些局限性，并沒有一種普適化技術(shù)能滿足當前所有的室內(nèi)定位服務(wù)需求[2]。WIFI指紋的定位方法容易受到多徑干擾的影響，僅僅依靠WIFI指紋定位很難得到令人滿意的效果；基于RFID射頻識別的定位技術(shù)，射頻標簽傳輸距離近，布設(shè)密度大小難以規(guī)范化；藍牙信號作用距離短，定位精度較高，但藍牙信號波動性較大；行人航跡推算技術(shù)（PDR）盡管短時間內(nèi)具有較高精度且能實現(xiàn)連續(xù)定位，但是該定位方法隨著時間變化容易產(chǎn)生累積誤差，而且該方法對運動模型的準確性要求很高[3]。

針對以上單一室內(nèi)定位方法的不足，本文提出基于WIFI、藍牙、RFID與慣性導(dǎo)航動態(tài)加權(quán)融合的定位算法，通過對多種定位方式進行優(yōu)勢互補，來達到高精度的定位效果。

1 相關(guān)背景

1.1 WIFI指紋定位技術(shù)

由于WIFI信號受室內(nèi)環(huán)境等多方面的影響，導(dǎo)致WIFI信號在同一地點不同時間采集到的RSSI不同。這種RSSI的時變特性，導(dǎo)致傳統(tǒng)的路徑損耗模型定位誤差較大，而采用指紋法可以有效地減小多徑和陰影衰落的干擾。指紋定位法分為兩個階段，離線階段和在線階段。離線階段采集不同位置的WIFI信號數(shù)據(jù)，建立指紋數(shù)據(jù)庫，在現(xiàn)階段通過匹配算法進行匹配，一般的方法主要是最鄰近法、K鄰近法及WKNN算法。本文中主要采用相對定位效果較好的WKNN算法。

1.2 藍牙三邊測量定位技術(shù)

藍牙三邊測量定位是基于信號路徑損耗模型，解算待測點與參考信標節(jié)點間的距離，通過測定到三個參考信標的距離，根據(jù)畢達哥拉斯定理，由三個節(jié)點作圓的交點作為待測點的位置?？紤]信號強度易受干擾，一般用最小二乘的多邊測量法減少波動。而為了得到高精度的定位結(jié)果，還需要引入信標節(jié)點的空間布局關(guān)系，對實時獲取的參考信標節(jié)點進行篩選來得到高精度位置。

1.3 RFID鄰近法定位技術(shù)

RFID定位的基本原理是，通過一組固定的閱讀器讀取目標RFID標簽的特征信息（如身份ID、接收信號強度等）。RFID閱讀器讀取標簽的范圍因閱讀器的天線類型決定，通常作用范圍較小。使用有向天線的RFID閱讀器只能覆蓋特定的區(qū)域，超出范圍的信號就無法讀取，因而通常采用近鄰法來實現(xiàn)RFID的定位，以覆蓋區(qū)域中心點作為RFID標簽的位置。

1.4 行人航跡推算技術(shù)

行人航跡推算技術(shù)在短時間內(nèi)能夠得到較高精度定位效果想，相對無線定位點的散亂，行人航跡推算技術(shù)能提供連續(xù)的定位點，讓定位結(jié)果連續(xù)化。行人航跡推算主要基于步伐檢測和步長估計算法實現(xiàn)，通過對加速計、陀螺儀和磁力計等慣性傳感器獲取的數(shù)據(jù)采集和建模，得到行人當前行進的步長和運動的方向，推算出下一時刻行人位置。

2 動態(tài)加權(quán)多源融合定位算法

通過對以上相關(guān)技術(shù)的分析，本文提出一種多源融合定位算法，通過對WKNN的WIFI指紋定位、優(yōu)化的藍牙三邊定位和RFID近鄰法定位結(jié)果的動態(tài)加權(quán)，得到初始位置信息，繼而用PDR得到連續(xù)的定位點，再結(jié)合加權(quán)定位點修正，利用Kalman濾波融合，得到穩(wěn)定和高精度的定位結(jié)果。

2.1 動態(tài)加權(quán)定位

信號接收的差異以及信號源部署位置的不同，使得各定位點的解算頻次也不一樣，為保證定位實時性，需要對獲取的定位點進行動態(tài)加權(quán)，各類定位點解算結(jié)果通過回調(diào)的機制進行傳遞，加權(quán)過程為動態(tài)遞推的過程，即當?shù)玫揭粋€藍牙定位點時，以當前點與藍牙定位點進行加權(quán)，得到一個WIFI點時，則以WIFI定位點與當前點進行加權(quán)，RFID定位點以同樣的方式進行。在對無線定位進行加權(quán)融合的過程中，需要為不同類型的定位結(jié)果賦予不同的權(quán)重，具體權(quán)重值由各定位算法信號可用性以及精度水平統(tǒng)一決定。

2.2 卡爾曼濾波融合

在獲得最終的定位結(jié)果后，對航跡推算結(jié)果和無線定位加權(quán)結(jié)果，為進一步得到高精度的定位，需要進行自適應(yīng)加權(quán)，本文采用卡爾曼濾波算法[4]融合得到最終的定位結(jié)果。依據(jù)行人航跡推算模型作為系統(tǒng)的時間更新模型，系統(tǒng)狀態(tài)量隨時間的更新可表示為行走的位移在x軸和y軸上的分量值，與原系統(tǒng)狀態(tài)量分別求和得到新的狀態(tài)量，其中系統(tǒng)的噪聲為航跡推算運動的過程噪聲，滿足高斯分布。以無線加權(quán)定位結(jié)果作為位置觀測量，航跡推算中的步長和航向作為另外兩個觀測量，得到如下觀測方程：

3 實驗分析

為了驗證融合定位算法對定位精度的提升，基于安卓手機進行了定位精度驗證實驗，通過采集同一個點不同定位方式得到的多組定位結(jié)果，對誤差統(tǒng)計分析的結(jié)果如下圖所示。

統(tǒng)計分析時考慮WIFI誤差相對較大及RFID覆蓋區(qū)域有限，曲線圖主要描述藍牙定位、藍牙+WIFI定位及三者融合定位的誤差分布情況?？梢钥闯觯{牙+WIFI定位效果提升明顯，但仍有波動，進一步引入RFID定位后，整體定位精度明顯提升，保持在亞米級水平。

4 總結(jié)

本文基于常用的室內(nèi)定位技術(shù)研究，通過發(fā)掘不同室內(nèi)定位技術(shù)的優(yōu)勢和不足，提出一種基于動態(tài)加權(quán)的多源融合室內(nèi)定位技術(shù)，對藍牙、WIFI、RFID和PDR等多種定位信息進行融合，實驗結(jié)果表明，多源融合定位明顯改善了定位效果。

【參考文獻】

[1]周啟臻，邢建春，李決龍，楊啟亮.一種多元信息融合的室內(nèi)定位方法[J].微型機與用，2016，35（22）

[2]阮陵，張翎，許越，鄭星雨.室內(nèi)定位：分類、方法與應(yīng)用綜述[J].地理信息世界，2015，22（02）：8-14+30.

[3]張勝軍，林若琳.淺談室內(nèi)定位技術(shù)現(xiàn)狀[J].測繪與空間地理信息，2018，41（07）：128-131.

[4]Welch G， Bishop G. An Introduction to the Kalman Filter[M]. University of North Carolina at Chapel Hill， 2001.