王 颯，龔凡婷，耿麗麗

（自然資源部 四川基礎(chǔ)地理信息中心，成都 610041）

0 引言

隨著室內(nèi)位置的服務(wù)在日常生活中需求逐漸增加[1]，研究者越來越關(guān)注面向室內(nèi)區(qū)域的定位技術(shù)。文獻(xiàn)[2]結(jié)合紅外線和超聲波技術(shù)，設(shè)計(jì)了實(shí)現(xiàn)方案，但需要較高的部署成本。文獻(xiàn)[3]利用RFID技術(shù)研究了倉庫安防系統(tǒng)的實(shí)現(xiàn)思路。文獻(xiàn)[4]提出了一種基于雙天線的藍(lán)牙定位技術(shù)。文獻(xiàn)[5]將超寬帶技術(shù)應(yīng)用在室內(nèi)機(jī)器人定位系統(tǒng)中取得預(yù)期定位結(jié)果。文獻(xiàn)[6]利用不同的無線保真（wireless fidelity，WiFi）定位技術(shù)實(shí)現(xiàn)單一信號(hào)源的人員定位，文獻(xiàn)[7-8]提出多種方法優(yōu)化WiFi定位的精度。文獻(xiàn)[9]實(shí)現(xiàn)了基于ZigBee信號(hào)指紋的跟蹤定位方法。文獻(xiàn)[10-11]利用計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)亞米級(jí)的定位精度。但這些定位技術(shù)多是單一信號(hào)源定位，定位精度無法滿足正常需求，再者，需要額外的硬件平臺(tái)，提高了系統(tǒng)部署的成本，因此采用多源信號(hào)融合、降低硬件平臺(tái)要求成為室內(nèi)定位技術(shù)亟待解決的關(guān)鍵問題。

以開源為基礎(chǔ)的 Android智能手機(jī)獲得越來越多的應(yīng)用，除了提供友好的軟件功能外，還包括如無線信號(hào)接收器、慣性裝置等硬件模塊[12]。因此結(jié)合Android智能手機(jī)設(shè)計(jì)實(shí)現(xiàn)一個(gè)實(shí)現(xiàn)簡單、部署成本低、實(shí)用性強(qiáng)的室內(nèi)定位系統(tǒng)是一個(gè)必須和緊迫的任務(wù)。本文結(jié)合室內(nèi)普遍應(yīng)用的WiFi設(shè)備以及Android移動(dòng)設(shè)備內(nèi)嵌的加速度傳感器和方向傳感器信息，設(shè)計(jì)一種 WiFi信號(hào)輔助智能手機(jī)的室內(nèi)融合定位算法，并最終在智能手機(jī)平臺(tái)上進(jìn)行融合算法的測試。

1 WiFi室內(nèi)定位技術(shù)

WiFi定位一般采用信號(hào)強(qiáng)度法實(shí)現(xiàn)，該方法分2大類：信號(hào)強(qiáng)度衰減模型法和信號(hào)強(qiáng)度指紋匹配法。信號(hào)強(qiáng)度衰減模型法需要在待定位區(qū)域收集相關(guān)的信號(hào)發(fā)射器的位置信息[13]，由于該方法獲取結(jié)果遠(yuǎn)低于指紋匹配法的定位精度，因此采用信號(hào)強(qiáng)度指紋匹配法來實(shí)現(xiàn)WiFi定位。

1.1 信號(hào)指紋匹配法原理

指紋匹配法通過計(jì)算當(dāng)前信號(hào)強(qiáng)度值與待定位區(qū)的參考數(shù)據(jù)庫對(duì)比來估計(jì)移動(dòng)物體可能的位置。該方法包括指紋庫建立階段、數(shù)據(jù)匹配階段：指紋庫建立階段是在室內(nèi)待定位區(qū)布設(shè)的采樣點(diǎn)上逐點(diǎn)采集每個(gè)格點(diǎn)上的接收到的所有信號(hào)強(qiáng)度值，和該采樣點(diǎn)的坐標(biāo)值同時(shí)保存起來，這些信息被稱為位置指紋；數(shù)據(jù)匹配過程是把獲取到的信號(hào)強(qiáng)度值與指紋庫中的數(shù)據(jù)逐一計(jì)算，取信號(hào)值最相似的樣本點(diǎn)的位置信息作為計(jì)算結(jié)果。

在指紋庫數(shù)據(jù)記錄中，一個(gè)采樣點(diǎn)上記錄接收到的所有 WiFi信號(hào)發(fā)射器的物理地址（medium access control， MAC）和對(duì)應(yīng)信號(hào)強(qiáng)度值。然后基于信號(hào)強(qiáng)度最近鄰法[14]實(shí)現(xiàn)定位計(jì)算。實(shí)現(xiàn)思路是：獲取定位點(diǎn)接收到所有信號(hào)強(qiáng)度值，讀取每個(gè)信號(hào)值的 MAC標(biāo)識(shí)，再得出每個(gè)信號(hào)強(qiáng)度值與數(shù)據(jù)庫該信號(hào)的相似度為

式中：i表示與數(shù)據(jù)庫中第i個(gè)指紋點(diǎn)計(jì)算；Smi-Rmi代表接收到的信號(hào)發(fā)射點(diǎn)和數(shù)據(jù)庫中第i個(gè)具有相同信號(hào)發(fā)射點(diǎn)對(duì)應(yīng)的信號(hào)強(qiáng)度值之差（一共有M個(gè)信號(hào)來自相同信號(hào)發(fā)射點(diǎn)，m取值1～M）；Dni代表到接受到信號(hào)發(fā)射點(diǎn)和數(shù)據(jù)庫中第i個(gè)具有不同信號(hào)發(fā)射點(diǎn)對(duì)應(yīng)的信號(hào)強(qiáng)度值（一共有N個(gè)信號(hào)來自不同發(fā)射點(diǎn)，n取值 1～N）。求出全部指紋點(diǎn)匹配度，匹配度最高的指紋點(diǎn)的坐標(biāo)信息作為計(jì)算結(jié)果。

1.2 信號(hào)指紋匹配法缺點(diǎn)

由于受到硬件條件的制約，WiFi信號(hào)強(qiáng)度值隨時(shí)間和周圍環(huán)境的變化存在很大的波動(dòng)性。為了直觀驗(yàn)證WiFi信號(hào)強(qiáng)度波動(dòng)性，在室內(nèi)定位區(qū)任意選擇一個(gè)采樣點(diǎn)連續(xù)掃描25次，并選取相同的5個(gè)發(fā)射點(diǎn)的信號(hào)，對(duì)應(yīng)的信號(hào)強(qiáng)度變化如圖1所示。

圖1 信號(hào)強(qiáng)度

從信號(hào)強(qiáng)度圖中可以看出：5個(gè)無線網(wǎng)絡(luò)接入點(diǎn)（access point， AP）發(fā)射的強(qiáng)度大小不一，且都有較大的波動(dòng)性，這造成不同時(shí)刻定位結(jié)果差別很大。

為了直觀表示定位結(jié)果的跳動(dòng)現(xiàn)象，在實(shí)驗(yàn)區(qū)某一區(qū)域建立局部坐標(biāo)系，正東方向?yàn)閄軸正方向，正北方向?yàn)閅軸正方向，測試點(diǎn)的真實(shí)位置在局部坐標(biāo)系中坐標(biāo)為（5，5）。圖2為在任意一個(gè)位置持續(xù)定位40次的效果圖，可知跳動(dòng)顯著且分布無規(guī)律。

圖2 定位結(jié)果

2 基于智能手機(jī)的慣性定位

2.1 PDR原理

行人航位推算（pedestrian dead reckoning， PDR)原理：以行人在較短的采樣時(shí)間內(nèi)做直線運(yùn)動(dòng)為前提，當(dāng)?shù)弥腥似瘘c(diǎn)位置信息、行人的朝向以及行人的位移量就可以推算出行人下一時(shí)刻的位置。PDR原理如圖3所示。

行人從（x1，y1）到（x2，y2）的計(jì)算公式為

圖3 PDR算法原理圖

式中：S12表示從坐標(biāo)（x1，y1）到（x2，y2）的距離；θ1表示（x1，y1）到（x2，y2）方向與X軸正方向夾角。由推算公式可知整個(gè)過程中有2個(gè)關(guān)鍵因素：行人位移S和行人朝向角θ。位移S可以通過已有的步頻-步長模型法來估算獲取，方向角可以通過手機(jī)方向傳感器與陀螺儀組合修正后得到。

2.2 步態(tài)檢測

在行人的走動(dòng)過程中，每個(gè)邁步周期產(chǎn)生的垂直方向加速度變化過程保持一致，分為以下幾個(gè)過程：

1）從腳蹬地離開地面作為一個(gè)周期的開始階段，由于地面的反向作用力導(dǎo)致垂向加速度增大；

2）當(dāng)腳離地面最遠(yuǎn)處，垂直方向加速度值增加至最大；

3）腳向下運(yùn)動(dòng)過程，垂直加速度值開始逐漸變?。?/p>

4）當(dāng)腳再次著地完成一個(gè)邁步周期，垂直方向加速度值減至最小。

前進(jìn)方向加速度是由雙腳與地面摩擦發(fā)生的，它的變化規(guī)律為：雙腳同時(shí)接觸地面時(shí)增大，在一腳離開地面時(shí)加速度值減小[15]。圖 4為行人正常步行中3個(gè)軸向（X，Y，Z）和整體加速度（α）實(shí)際檢測到的變化情況。手機(jī)在具體使用時(shí)，其放置位置是隨意的，造成單一方向的加速度值無法反映真實(shí)的運(yùn)動(dòng)狀態(tài)，所以使用整體加速度值來進(jìn)行計(jì)步推算。

圖4 加速度

計(jì)步算法和步長模型均采用文獻(xiàn)[13]提出的步態(tài)檢測算法，通過對(duì)23位不同測試者的4 000步數(shù)據(jù)得出步長模型為

式中：f為步頻；a、b為相關(guān)系數(shù)。步頻是步態(tài)檢測算法中得到每一步時(shí)間的倒數(shù)。

2.3 朝向角確定

行人方向角的確定一般通過磁航向角和捷連航向角2種方式實(shí)現(xiàn)。磁航向角是通過方向傳感器直接得到相對(duì)于地磁北極的絕對(duì)方向角hmag（0～360°），計(jì)算公式為

式中mx、my為方向傳感器的橫縱軸瞬時(shí)值，通過手機(jī)磁力計(jì)可以直接獲取得到。磁航向角容易獲取，但缺點(diǎn)是易受環(huán)境的干擾。

捷連航向角是通過對(duì)陀螺儀數(shù)據(jù)進(jìn)行積分，結(jié)合初始方向角并經(jīng)過一定角度轉(zhuǎn)化得到的。捷連航向角為

式中：hk是當(dāng)前捷連航向角；hk-1是上一時(shí)刻的捷連航向角；wt是k時(shí)刻的陀螺儀讀數(shù)。

本文采用捷連航向角矯正磁航向角后的值作為方向角H，這樣既容易處理，同時(shí)減少外界環(huán)境干擾，又能一定程度上矯正長時(shí)間漂移等帶來的較大位置誤差。方向角為

式中W為權(quán)值，采用由Klingbei和Wark[14]總結(jié)的權(quán)值。

3 實(shí)驗(yàn)與結(jié)果分析

Android智能手機(jī)操作系統(tǒng)對(duì)WiFi硬件模塊和各種慣性傳感器模塊進(jìn)行了底層API封裝，開發(fā)者可以方便調(diào)用。根據(jù)實(shí)際情況和初步需求分析，選擇室內(nèi)公眾 WLAN信號(hào)輔助手機(jī)慣導(dǎo)進(jìn)行融合定位。選擇單位所在地某一普通辦公樓一層，該環(huán)境包括了實(shí)驗(yàn)所需的室內(nèi)環(huán)境和 WiFi無線信號(hào)。測試手機(jī)采用市場占用率較高的華為手機(jī)作為實(shí)驗(yàn)平臺(tái)進(jìn)行定位數(shù)據(jù)獲取和定位算法計(jì)算的平臺(tái)。

3.1 WiFi定位實(shí)現(xiàn)

Android API提供操作WiFi硬件的函數(shù)接口：WiFiManager類，使用此接口可以方便開發(fā)信號(hào)采集軟件。考慮到采集信號(hào)的時(shí)間成本，在待定位區(qū)域共布設(shè)采樣點(diǎn) 275個(gè)，根據(jù)文章[16]實(shí)驗(yàn)結(jié)果將平均間距設(shè)為2～3.5 m，圖5為指紋點(diǎn)的平面分布圖，將點(diǎn)均勻地布滿整層建筑的過道，在每個(gè)采樣點(diǎn)上連續(xù)采集 20次 WiFi信號(hào)并取均值存入指紋庫中。

圖5 采樣點(diǎn)分布

在實(shí)驗(yàn)場地任意選擇 15個(gè)測試點(diǎn)，分別定位10次，計(jì)算各點(diǎn)的平均誤差和最大誤差來分析僅采用泛在 WiFi信號(hào)的定位效果。圖 6為定位誤差的統(tǒng)計(jì)結(jié)果，可以看出僅使用WiFi信號(hào)作為數(shù)據(jù)源的算法的定位穩(wěn)定性非常不好。

圖6 定位誤差

3.2 慣導(dǎo)定位實(shí)現(xiàn)

Android系統(tǒng)內(nèi)嵌了多個(gè)函數(shù)接口操作傳感器，如圖7所示接口名稱和采樣頻率。

圖7 接口和采樣頻率

由于硬件本身差異性使得加速度計(jì)的數(shù)據(jù)采樣頻率在小范圍內(nèi)變化。圖8是在測試的手機(jī)平臺(tái)上進(jìn)行加速度值采樣并記錄每次數(shù)據(jù)的采樣時(shí)間，圖 8中采樣間隔時(shí)間不是固定值而是在固定范圍內(nèi)上下波動(dòng)。為了消除這種波動(dòng)對(duì)計(jì)步算法的影響，采用更高采樣頻率采集數(shù)據(jù)。本文采用 50 Hz頻率即SENSOR_DELAY_GAME級(jí)別頻率。

圖8 加速度響應(yīng)間隔時(shí)間變化

本文分3步來實(shí)現(xiàn)手機(jī)慣導(dǎo)定位：行人狀態(tài)判別、行走距離計(jì)算、坐標(biāo)計(jì)算。

1）行人狀態(tài)判別：計(jì)算采樣間隔內(nèi)整體加速度的標(biāo)準(zhǔn)差，若小于閾值說明該采樣間隔內(nèi)行人運(yùn)動(dòng)狀態(tài)為靜止?fàn)顟B(tài)，否則為行走狀態(tài)。為了獲取標(biāo)準(zhǔn)差先驗(yàn)閾值，統(tǒng)計(jì)若干行人行走和靜止各6 000次的采樣數(shù)據(jù)，以1 s為計(jì)算周期得到標(biāo)準(zhǔn)差σ的分布，圖9是最終的統(tǒng)計(jì)結(jié)果：當(dāng)σ＜0.5時(shí)可以推斷狀態(tài)為靜止。

圖9 行走和靜止?fàn)顟B(tài)下加速度標(biāo)準(zhǔn)差比重分布

2）行走距離計(jì)算：在行走狀態(tài)下，利用波峰檢測算法計(jì)算該間隔內(nèi)的步頻以及利用步長公式計(jì)算對(duì)應(yīng)的步長最終計(jì)算出行走的距離。

3）坐標(biāo)計(jì)算：結(jié)合朝向角，計(jì)算行人的位移量。通過位移量和起始位置坐標(biāo)可以求出行人當(dāng)前坐標(biāo)。手機(jī)慣導(dǎo)定位需獲取行人的起點(diǎn)坐標(biāo)信息，圖 10為已知起點(diǎn)坐標(biāo)時(shí)系統(tǒng)的定位結(jié)果。定位結(jié)果說明：由于手機(jī)傳感器的精度不高使得手機(jī)慣導(dǎo)定位隨著行走距離變大產(chǎn)生了較大的累計(jì)誤差。

圖10 手機(jī)慣導(dǎo)定位結(jié)果

3.3 混合定位

采用融合算法，將WiFi和手機(jī)慣導(dǎo)二者優(yōu)勢結(jié)合。根據(jù)慣導(dǎo)定位數(shù)據(jù)將行人的運(yùn)動(dòng)狀態(tài)分為2種：靜止和運(yùn)動(dòng)。

1）靜止?fàn)顟B(tài)。靜止?fàn)顟B(tài)下對(duì)WiFi定位結(jié)果進(jìn)行單點(diǎn)定位濾波優(yōu)化，使得靜止時(shí) WiFi的單點(diǎn)定位精度有效提高。

在實(shí)驗(yàn)區(qū)選擇15個(gè)定位點(diǎn)，連續(xù)實(shí)驗(yàn)10次，分別進(jìn)行WiFi單獨(dú)定位和WiFi融合手機(jī)慣導(dǎo)定位。對(duì)10次計(jì)算結(jié)果誤差取平均進(jìn)行對(duì)比，如圖11所示，可知融合后的計(jì)算精度有明顯改善。

2）運(yùn)動(dòng)狀態(tài)。運(yùn)動(dòng)狀態(tài)下使用文獻(xiàn)[12]的無跡卡爾曼濾波（unscented Kalman filter， UKF）融合算法對(duì)定位結(jié)果進(jìn)行融合計(jì)算。

在實(shí)驗(yàn)區(qū)從圖 10所示的起點(diǎn)走到終點(diǎn)共計(jì)220步，分別求出每一步對(duì)應(yīng)PDR定位結(jié)果、WiFi定位結(jié)果和UKF融合定位結(jié)果，并對(duì)這220步的誤差進(jìn)行統(tǒng)計(jì)得出如圖12所示的結(jié)果，可知UKF融合后定位誤差明顯優(yōu)于PDR定位和WiFi定位，實(shí)驗(yàn)結(jié)果與文獻(xiàn)[12]的實(shí)驗(yàn)結(jié)果基本吻合。

圖11 定位結(jié)果對(duì)比

圖12 定位誤差分布

4 結(jié)束語

在人類活動(dòng)常在的辦公室內(nèi)環(huán)境中，采用廣泛存在的 WiFi信號(hào)融合 Android智能手機(jī)內(nèi)嵌的慣導(dǎo)信息進(jìn)行了多場景、不同數(shù)據(jù)源的定位實(shí)驗(yàn)。在智能手機(jī)平臺(tái)的實(shí)驗(yàn)結(jié)果表明，此技術(shù)能夠很好融合公共WiFi信號(hào)和智能手機(jī)的慣導(dǎo)信息，得到滿足室內(nèi)定位應(yīng)用要求的結(jié)果，提升了泛在無線信號(hào)以及智能手機(jī)在室內(nèi)定位中的可用性。