亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種聯(lián)合WiFi信息和PDR算法的智能手機(jī)室內(nèi)定位方法

        2022-06-05 04:45:34徐雯琪黃玉春劉亞奇
        測(cè)繪地理信息 2022年3期
        關(guān)鍵詞:模型

        徐雯琪 黃玉春 劉亞奇 單 杰

        1 武漢大學(xué)遙感信息工程學(xué)院,湖北武漢,430079

        2 廣州汽車集團(tuán)股份有限公司汽車工程研究院,廣東廣州,511434

        在室內(nèi)場(chǎng)景中,由于建筑物的遮擋、室內(nèi)結(jié)構(gòu)復(fù)雜,全球?qū)Ш叫l(wèi)星系統(tǒng)(global navigation satellite sys?tem,GNSS)常受到信號(hào)干擾,難以提供精確的定位導(dǎo)航信息。因此,實(shí)現(xiàn)室內(nèi)環(huán)境定位服務(wù)顯得尤為重要。為達(dá)到這一目標(biāo),研究人員提出了許多室內(nèi)定位技術(shù),如ZigBee定位[1]、射頻識(shí)別技術(shù)[2]、紅外定位[3]、超聲波定位[4]、超寬帶無線電技術(shù)[5]、Wi Fi定位[6]、航位推算定位[7]、地磁定位[8]等。這些定位技術(shù)都存在各自的優(yōu)缺點(diǎn),使用場(chǎng)景也各有不同,至今沒有一種通用的室內(nèi)定位技術(shù)大范圍推廣。

        手機(jī)上集成了加速度計(jì)、陀螺儀、磁力計(jì)等多種傳感器,這使得利用手機(jī)進(jìn)行航位推算成為可能[9]。同時(shí),由于Wi Fi的普及,如商場(chǎng)、機(jī)場(chǎng)等室內(nèi)環(huán)境大多分布了覆蓋率較高的Wi Fi,基于手機(jī)Wi Fi的定位方式成為一種熱門的室內(nèi)定位方案。Wi Fi定位的成本較低,但精度易受環(huán)境影響;行人航位推算(pedes?trian dead reckoning,PDR)定位精度不受外界影響,但只能獲取相對(duì)位置,且存在累計(jì)誤差。故本文提出聯(lián)合Wi Fi指紋定位和PDR算法的室內(nèi)定位方法。

        1 方法原理與流程

        1.1 手機(jī)Wi Fi指紋定位算法

        Wi Fi指紋定位利用多個(gè)Wi Fi熱點(diǎn)在定位環(huán)境中形成具有唯一性的信號(hào)強(qiáng)度序列進(jìn)行定位。這種信號(hào)強(qiáng)度序列被稱為Wi Fi指紋。整個(gè)定位技術(shù)包含訓(xùn)練和服務(wù)兩個(gè)階段。訓(xùn)練階段主要包括Wi Fi指紋的采集與處理、定位模型的確定;服務(wù)階段是指利用手機(jī)Wi Fi模塊和定位模型確定手機(jī)位置的過程。

        1)構(gòu)建Wi Fi指紋地圖。實(shí)地采集指定Wi Fi熱點(diǎn)設(shè)備的接收信號(hào)強(qiáng)度(received signal strength,RSS)值,得到Wi Fi指紋。同時(shí)記錄該位置的空間信息,如平面坐標(biāo)、樓層等,即可得到WiFi指紋地圖。

        圖1展示了某一地點(diǎn)RSS值的分布與高斯模型。同一位置不同Wi Fi熱點(diǎn)的信號(hào)強(qiáng)度分布類似高斯分布,用采集到的數(shù)據(jù)構(gòu)建高斯模型,并用高斯模型選出高概率數(shù)據(jù),對(duì)這些數(shù)據(jù)求平均值,將其作為各個(gè)位置的每個(gè)熱點(diǎn)濾波后的信號(hào)強(qiáng)度值,再錄入指紋地圖數(shù)據(jù)庫(kù),減少異常信號(hào)數(shù)據(jù)對(duì)定位結(jié)果的影響[10]。

        圖1 RSS值分布與高斯模型Fig.1 Distribution of RSS Values and Gaussian Model

        2)建立Wi Fi指紋匹配算法。利用Wi Fi指紋進(jìn)行定位起源于RADAR算法[11],該算法使用k最近鄰(k?nearest neighborhood,KNN)算法去推斷用戶位置。將定位時(shí)采集到的信號(hào)向量與指紋地圖數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行比較,選出相似度最接近的一個(gè)或多個(gè)Wi Fi指紋,綜合這些指紋的位置信息,便可得到Wi Fi定位的估計(jì)位置。

        KNN是當(dāng)前最常見的匹配算法,該算法直接計(jì)算采集的信號(hào)向量與指紋向量的歐氏距離,等同對(duì)待每個(gè)指紋對(duì)定位結(jié)果的貢獻(xiàn)。加權(quán)KNN(weighted KNN,WKNN)算法在定位過程中,不僅能計(jì)算出前k個(gè)歐氏距離最小的指紋向量,還能對(duì)不同指紋位置設(shè)置不同的權(quán)重,這k個(gè)位置的平均值計(jì)算公式如下:

        式中,di為向量的歐氏距離。

        當(dāng)前指紋向量與手機(jī)采集的信號(hào)向量間的歐氏距離越小,該指紋的重要性權(quán)重就越大。由于每個(gè)指紋對(duì)定位結(jié)果的貢獻(xiàn)不同,而不能等同對(duì)待。本文用WKNN算法來實(shí)現(xiàn)手機(jī)Wi Fi指紋定位。

        1.2 基于手機(jī)傳感器的PDR算法

        PDR算法通過將體積小、精度低的慣性傳感器固定在行人身上,檢測(cè)行人步數(shù)、步長(zhǎng)、步行方向,從而實(shí)現(xiàn)位置推算[12]。

        利用手機(jī)加速度計(jì)的數(shù)據(jù)分析行人步行狀態(tài),實(shí)現(xiàn)步伐檢測(cè),根據(jù)一步過程中的加速度特征,使用步長(zhǎng)估算模型計(jì)算行人步行距離,再結(jié)合手機(jī)的加速度計(jì)和磁力計(jì)算出步行方向。于是,在每一步結(jié)束的時(shí)刻,可以根據(jù)步長(zhǎng)和方向計(jì)算步行相對(duì)坐標(biāo),再不斷遞推,最終達(dá)到行人定位的目的。因此,手機(jī)PDR算法的核心在于步伐檢測(cè)、步長(zhǎng)估計(jì)、方向角確定3個(gè)方面。

        1)步伐檢測(cè)。手機(jī)步伐檢測(cè)采用的傳感器是手機(jī)加速度計(jì),對(duì)手機(jī)加速度計(jì)的數(shù)據(jù)進(jìn)行預(yù)處理,可將步伐檢測(cè)問題轉(zhuǎn)化為加速度變化周期檢測(cè)問題。

        本文采用的是改進(jìn)的峰值檢測(cè)法。人在行走過程中,行走的速度會(huì)影響到加速度變化周期,而手機(jī)的無規(guī)律抖動(dòng),或步行過程中使用手機(jī),會(huì)導(dǎo)致加速度中出現(xiàn)一些偽波峰,如圖2所示。

        圖2 偽波峰現(xiàn)象Fig.2 Pseudo Crest Phenomenon

        手機(jī)開啟加速度監(jiān)聽后,不斷采集加速度數(shù)據(jù),對(duì)于原始加速度數(shù)據(jù),需要對(duì)其合加速度進(jìn)行均值濾波,再進(jìn)行峰值檢測(cè)。檢測(cè)到峰值后需要計(jì)算3個(gè)特征值,分別是相鄰波峰時(shí)間間隔、波峰的加速度值、兩個(gè)波峰的差值,只有這3個(gè)特征值同時(shí)滿足閾值約束時(shí),才能判定行人當(dāng)前已行走一步。

        2)步長(zhǎng)估計(jì)。非線性模型主要通過對(duì)人步行過程中的加速度觀測(cè)值采用統(tǒng)計(jì)分析方法建立數(shù)學(xué)模型。Weinberg[13]提出了一種簡(jiǎn)單的非線性模型:

        式中,S為行人步長(zhǎng);Amax、Amin分別代表一步過程中Z軸方向的最大、最小加速度;a為常量,代表模型系數(shù)。

        人在正常行走時(shí),速度的變化不會(huì)太大,在整體上是一個(gè)漸變的過程,這個(gè)過程中前后兩步之間的步長(zhǎng)雖然不同,但差異不大,因此可以在非線性步長(zhǎng)估算的基礎(chǔ)上對(duì)每一步進(jìn)行微調(diào)。本文采用卡爾曼濾波對(duì)非線性步長(zhǎng)估計(jì)模型進(jìn)行改進(jìn)。

        在步長(zhǎng)估算中,將t時(shí)刻每一步的步長(zhǎng)作為系統(tǒng)狀態(tài)xt,則系統(tǒng)變化規(guī)律可用以下線性狀態(tài)方程描述:

        式中,F(xiàn)t表示系統(tǒng)從t?1時(shí)刻演化到t時(shí)刻的狀態(tài)轉(zhuǎn)移矩陣;Bt是作用在控制器向量ut上的輸入,即控制模型;wt是過程噪聲,并服從N(0,Q)分布。令Ft=1,即令前后兩步步長(zhǎng)相等,由于系統(tǒng)沒有控制輸入,所以不存在Bt ut項(xiàng),則wt的意義就是前后兩步的步長(zhǎng)變化。

        將非線性步長(zhǎng)估算模型的計(jì)算結(jié)果作為系統(tǒng)的觀測(cè)zt,觀測(cè)值與系統(tǒng)狀態(tài)值之間的關(guān)系可以用線性測(cè)量方程表示:

        式中,Ht為測(cè)量矩陣;vt為觀測(cè)噪聲,服從N(0,Q)分布,且與過程噪聲互不相關(guān)。

        由于Weinberg模型需要事先確定各自的模型系數(shù)a,所以在實(shí)驗(yàn)前,在走廊中正常行走100 m,利用步伐檢測(cè)計(jì)算步數(shù),根據(jù)每一步的加速度特征計(jì)算a。圖3展示了步長(zhǎng)估計(jì)結(jié)果,可以看出,使用卡爾曼濾波對(duì)非線性模型進(jìn)行改進(jìn)后,步長(zhǎng)估計(jì)結(jié)果比原模型算法的結(jié)果更加穩(wěn)定、準(zhǔn)確。

        圖3 基于卡爾曼濾波的步長(zhǎng)估計(jì)Fig.3 Step Estimation Based on Kalman Filter

        3)方向角確定。本文利用手機(jī)中陀螺儀和電子羅盤數(shù)據(jù),采用互補(bǔ)濾波器進(jìn)行方向角確定。

        1.3 PDR定位結(jié)果糾正

        考慮到行人行走具有連續(xù)性,并且始終在當(dāng)前位置可達(dá)的區(qū)域行走,需要利用地圖結(jié)構(gòu)糾正PDR計(jì)算結(jié)果。在融合地圖信息時(shí),可以使用粒子濾波算法對(duì)行人運(yùn)動(dòng)特征進(jìn)行約束,對(duì)處于不可達(dá)的區(qū)域的粒子,將其權(quán)值降低,使得位置估計(jì)更準(zhǔn)確。

        粒子濾波算法通過尋找一組在狀態(tài)空間中傳播的樣本來近似表示概率密度函數(shù)[14],用樣本均值代替積分運(yùn)算,進(jìn)而獲得系統(tǒng)狀態(tài)最小方差估計(jì)。

        在本文PDR算法中,算法的輸入為手機(jī)加速度A、磁場(chǎng)強(qiáng)度M、上一時(shí)刻位置xt?1,算法輸出為當(dāng)前位置xt,則系統(tǒng)的狀態(tài)方程可以表達(dá)為如下形式:

        對(duì)于粒子濾波中的每一個(gè)粒子,在計(jì)算其重要性權(quán)值時(shí),可以使用如下重要性密度函數(shù):

        式中,σ為位置估計(jì)標(biāo)準(zhǔn)差;xt為利用上一時(shí)刻位置估算結(jié)果進(jìn)行預(yù)測(cè)的位置;xit為利用上一時(shí)刻第i個(gè)粒子的位置進(jìn)行預(yù)測(cè)的結(jié)果,兩者都由式(6)計(jì)算。由于整個(gè)粒子群的初始化是在初始位置附近采樣,后續(xù)定位計(jì)算中可能出現(xiàn)部分粒子的預(yù)測(cè)結(jié)果與上一時(shí)刻的位置形成“穿墻而過”的現(xiàn)象,因此需要對(duì)這一類粒子的權(quán)重進(jìn)行抑制。如圖4所示,圖中黑色圓點(diǎn)為上一時(shí)刻位置估算結(jié)果,上方粒子和下方粒子為粒子群的預(yù)測(cè)位置,由于圖中上方粒子與上一步位置估算結(jié)果的連線與墻相交,則認(rèn)為這部分粒子的預(yù)測(cè)結(jié)果不合理,將其重要性權(quán)重降低。

        圖4 粒子權(quán)重抑制示意圖Fig.4 Diagram of Particle Weight Suppression

        本文利用PostgreSQL空間查詢插件PostGIS中的ST_Intersects函數(shù)完成“穿墻”檢測(cè)?;谶@一思路,每個(gè)粒子的重要性權(quán)值wt(xit)的遞推更新公式可表示為如下形式:

        在PDR算法中應(yīng)用粒子濾波時(shí),有大量的粒子參與計(jì)算,造成粒子少時(shí)算法不穩(wěn)定、粒子多時(shí)算法效率低兩個(gè)弊端。為了能得到一種穩(wěn)定的、能用于實(shí)時(shí)定位的算法,本文在標(biāo)準(zhǔn)粒子濾波算法的基礎(chǔ)上提出了一種簡(jiǎn)化的粒子濾波算法。

        首先,粒子數(shù)量過多導(dǎo)致算法時(shí)間復(fù)雜度較高,而在實(shí)際運(yùn)算過程中,粒子不可避免地會(huì)發(fā)生權(quán)重衰減,大部分粒子的權(quán)重都非常低,它們卻使得數(shù)據(jù)庫(kù)交互次數(shù)大大增加。為了降低計(jì)算成本,本文采用25個(gè)粒子進(jìn)行遞推計(jì)算。這25個(gè)粒子在初始化時(shí),以當(dāng)前定位位置為中心,往X、Y方向以1 m為間隔形成一個(gè)5×5大小的點(diǎn)陣,如圖5所示,圖中黑點(diǎn)為當(dāng)前位置。每次初始化或重采樣時(shí)都按照這種規(guī)則設(shè)置粒子,避免隨機(jī)采樣導(dǎo)致算法性能不穩(wěn)定的問題。

        圖5 粒子分布示意圖Fig.5 Diagram of Distribution of Particles

        其次,采用的粒子數(shù)量只有25個(gè),對(duì)其進(jìn)行加權(quán)求和運(yùn)算并不能逼近貝葉斯濾波中的積分運(yùn)算,得到的計(jì)算結(jié)果與實(shí)際位置間會(huì)存在較大偏差。因此,在利用粒子估算當(dāng)前時(shí)刻位置時(shí),本文沒有采用粒子位置的加權(quán)和進(jìn)行計(jì)算,而是直接使用重要性權(quán)值最大的粒子的位置作為本次定位優(yōu)化結(jié)果。這會(huì)使得定位軌跡盡量保持原始PDR定位軌跡的原貌。而在標(biāo)準(zhǔn)粒子濾波算法中,由于加權(quán)和受到很多粒子的影響,會(huì)對(duì)每一步的定位結(jié)果都進(jìn)行修改,比如在走廊中靠墻行走時(shí),標(biāo)準(zhǔn)粒子濾波算法會(huì)使軌跡更加靠近走廊中間。使用簡(jiǎn)化的粒子濾波算法,粒子對(duì)軌跡的影響不大,當(dāng)軌跡發(fā)生“穿墻”現(xiàn)象時(shí),重要性權(quán)值最大的粒子會(huì)對(duì)定位結(jié)果進(jìn)行改正。

        除了以上兩點(diǎn)簡(jiǎn)化操作,其他步驟如重要性權(quán)值更新、粒子退化檢測(cè)等都與粒子濾波算法保持一致。針對(duì)PDR算法,采用簡(jiǎn)化粒子濾波算法后的計(jì)算結(jié)果如圖6所示,圖中的軌跡與原PDR算法計(jì)算的軌跡基本一致,在原PDR軌跡第一次發(fā)生“穿墻”現(xiàn)象的位置,圖中的軌跡有明顯的不連續(xù)“跳動(dòng)”,避免了定位結(jié)果落入不可達(dá)區(qū)域,這就是由權(quán)值最大的粒子對(duì)定位結(jié)果進(jìn)行改正的結(jié)果。

        圖6 采用簡(jiǎn)化粒子濾波前后的軌跡Fig.6 Trajectories Before and After Using Simplified Particle Filter

        2 手機(jī)室內(nèi)定位系統(tǒng)實(shí)現(xiàn)和實(shí)驗(yàn)分析

        2.1 系統(tǒng)實(shí)現(xiàn)

        本文室內(nèi)定位系統(tǒng)包含3個(gè)部分:手機(jī)客戶端、服務(wù)器端和Wi Fi基站。系統(tǒng)采用的是客戶端?服務(wù)器(client/server,C/S)和瀏覽器?服務(wù)器(browser/server,B/S)混合結(jié)構(gòu)模式。其中,在訓(xùn)練階段完成Wi Fi指紋地圖構(gòu)建和定位算法的確定。服務(wù)階段中服務(wù)器端使用PDR定位模塊和Wi Fi定位模塊計(jì)算出定位結(jié)果并將其返回手機(jī)端,手機(jī)端獲取定位結(jié)果后會(huì)更新到手機(jī)界面的地圖上。

        2.2 實(shí)驗(yàn)分析

        本文以武漢大學(xué)信息學(xué)部5號(hào)樓的一樓和二樓為實(shí)驗(yàn)區(qū)域進(jìn)行了一組行人定位實(shí)驗(yàn)。實(shí)驗(yàn)所在走廊面積約190 m2,東西方向的走廊長(zhǎng)約62 m,寬約2.5 m;南北方向的走廊長(zhǎng)約15 m,寬約3.7 m,實(shí)驗(yàn)設(shè)備為紅米4手機(jī)。

        首先構(gòu)建Wi Fi指紋地圖,沿著實(shí)驗(yàn)區(qū)域的走廊中間位置,以1 m為間隔采集了62個(gè)位置的Wi Fi指紋,每個(gè)位置指紋約有50個(gè)Wi Fi熱點(diǎn)信號(hào),在每個(gè)位置采集信號(hào)的時(shí)間約5 min,采集的次數(shù)為10 000次。將處理后的Wi Fi指紋與位置信息一同存入數(shù)據(jù)庫(kù),每個(gè)位置都對(duì)應(yīng)唯一的Wi Fi指紋信息。

        實(shí)驗(yàn)過程中,行人手持實(shí)驗(yàn)設(shè)備從5號(hào)樓正門出發(fā),沿一樓走廊直行后上樓梯到二樓,并繼續(xù)直行,整個(gè)軌跡長(zhǎng)約110 m。為了得到系統(tǒng)的定位精度,行人在行走過程中選擇5個(gè)地點(diǎn)作為對(duì)比點(diǎn),記錄該位置的實(shí)際坐標(biāo)和定位結(jié)果。對(duì)比點(diǎn)1、2、3、4、5的定位誤差分別為1.80 m、0.78 m、1.89 m、1.43 m、2.44 m。

        真實(shí)軌跡及對(duì)比點(diǎn)分布見圖7。由圖8定位軌跡可以發(fā)現(xiàn),步行方向的穩(wěn)定對(duì)于PDR算法尤為重要。圖7(a)中,在上樓過程中手機(jī)抖動(dòng)劇烈,手機(jī)檢測(cè)到的方向角存在較大誤差,因此,樓梯部分定位結(jié)果與實(shí)際軌跡偏差較大。此外,由于對(duì)比點(diǎn)1附近方向檢測(cè)的噪聲較大,軌跡方向與實(shí)際情況偏差較大。在該處轉(zhuǎn)彎時(shí),PDR算法發(fā)生了“穿墻”,而本文采用的簡(jiǎn)化粒子濾波算法能在“穿墻”點(diǎn)附近找到一個(gè)合適的定位結(jié)果,從而保證PDR算法的正常遞推。在對(duì)比點(diǎn)3附近,由于Wi Fi定位模塊檢測(cè)到樓層發(fā)生切換,使得PDR算法重新設(shè)置初始位置,并在二樓進(jìn)行遞推計(jì)算。

        圖7 真實(shí)軌跡及對(duì)比點(diǎn)分布Fig.7 Real Trajectories and Distribution of Contrast Points

        圖8 系統(tǒng)定位結(jié)果Fig.8 System Positioning Results

        5個(gè)對(duì)比點(diǎn)誤差都在3 m以內(nèi),誤差最大的是在二樓中對(duì)比點(diǎn)5,由于行人到達(dá)該點(diǎn)時(shí)經(jīng)歷了一段較長(zhǎng)距離的直行,誤差不斷積累,最終達(dá)到2.44 m。因此在長(zhǎng)距離直行時(shí),由于無法有效地融合地圖結(jié)構(gòu)信息,PDR算法的誤差無法及時(shí)降低。而在一樓的對(duì)比點(diǎn)1使用粒子濾波糾正“穿墻”結(jié)果后,在對(duì)比點(diǎn)2處的誤差有一定降低,只有0.78 m。

        3 結(jié)束語

        本文使用的簡(jiǎn)化粒子濾波融合地圖信息能有效降低PDR算法的累積誤差,而Wi Fi指紋定位既能為PDR算法提供初始值,又能檢測(cè)樓層切換,從而實(shí)現(xiàn)定位系統(tǒng)的跨樓層定位,使得室內(nèi)定位系統(tǒng)的適應(yīng)性更強(qiáng),為其他室內(nèi)聯(lián)合定位方案提供了參考。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務(wù)本地化模型
        適用于BDS-3 PPP的隨機(jī)模型
        提煉模型 突破難點(diǎn)
        函數(shù)模型及應(yīng)用
        p150Glued在帕金森病模型中的表達(dá)及分布
        函數(shù)模型及應(yīng)用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        3D打印中的模型分割與打包
        91亚洲欧洲日产国码精品| 亚洲综合色婷婷七月丁香| 国产呦系列呦交| 传媒在线无码| 亚洲女同性恋在线播放专区| 女同同性av观看免费| 99久久精品国产一区二区三区| 国产最新地址| 日本在线中文字幕一区二区| 一区二区三区视频在线观看| 国产无遮挡又黄又爽免费网站 | 国产精品成人av电影不卡| 国产亚洲中文字幕久久网| 中文字幕亚洲欧美在线不卡| 久久人人爽人人爽人人片av麻烦 | 性无码免费一区二区三区在线| 久久天天躁狠狠躁夜夜爽蜜月| 亚洲精品熟女乱色一区| 成人av在线久色播放| 国精品无码一区二区三区在线蜜臀 | 97影院在线午夜| 无码91 亚洲| 精品一级一片内射播放| 免费网站看av片| 91精品视品在线播放| 给我播放的视频在线观看| 久久亚洲精品中文字幕| 天堂影院一区二区三区四区| 2021久久精品国产99国产精品| 精品人妻VA出轨中文字幕| 一区二区三区精品亚洲视频| 强奸乱伦影音先锋| 国产精品久久久久电影网| 一区二区三无码| 91精品国产综合久久久密臀九色| 中文字幕人妻被公上司喝醉| 亚州AV无码乱码精品国产| 国产视频一区二区三区久久亚洲 | 日本按摩偷拍在线观看| 日韩放荡少妇无码视频| 女人体免费一区二区|