漏鳴杰　秦會(huì)斌

摘 要：針對(duì)室內(nèi)定位精度不高的問(wèn)題，通過(guò)融合多慣性傳感器定位技術(shù)和WiFi定位技術(shù)，提出一種基于多慣性傳感器和WiFi定位結(jié)合室內(nèi)定位方法。首先使用基于WiFi的室內(nèi)定位中的RSSI算法，根據(jù)位置指紋、利用最近鄰匹配算法獲得絕對(duì)位置信息，再通過(guò)基于三軸加速度傳感器與陀螺儀的步數(shù)檢測(cè)方法以及基于電子羅盤與陀螺儀的航向估算方法獲得相對(duì)位置信息。最后基于位置指紋的方式對(duì)多傳感器的室內(nèi)定位進(jìn)行步長(zhǎng)校正，得到較為準(zhǔn)確的定位結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法與單獨(dú)運(yùn)用慣性傳感器或單獨(dú)使用基于WiFi的室內(nèi)定位方法相比，精度更高。

關(guān)鍵詞：多慣性傳感器；RSSI；步數(shù)檢測(cè)；航向估算；步長(zhǎng)校正

DOI：10.11907/rjdk.171586

中圖分類號(hào)：TP319 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2017）009-0138-04

Abstract：Aiming at the problem that the indoor positioning accuracy is not high enough， an indoor positioning method based on the combination of multiple inertial sensors and WiFi positioning is proposed by fusing the multi sensor positioning technology and WiFi positioning technology. Firstly， using RSSI indoor positioning algorithm based on WiFi， according to the nearest neighbor matching algorithm to obtain the absolute position information by using location fingerprints. Secondly， the detection the number of steps through three axis accelerometer and estimate the course of steps through gyroscope and the electronic compass to obtain the relative position information. Finally， the step length of the multi sensor indoor positioning method is corrected based on the location fingerprint method. The experimental results show that the proposed method is more accurate than using inertial sensor or the indoor positioning method based on WiFi alone.

Key Words：multi inertial sensor； RSSI； step number detection； course estimation； step correction

0 引言

隨著移動(dòng)設(shè)備與無(wú)線通信技術(shù)的不斷發(fā)展，人們對(duì)定位的要求越來(lái)越高。室外定位技術(shù)已經(jīng)日趨成熟，諸如美國(guó)的GPS定位技術(shù)、中國(guó)的北斗定位技術(shù)、俄羅斯的CIONASS定位技術(shù)[1]等，在民用與軍用領(lǐng)域都得到了廣泛應(yīng)用。而對(duì)于室內(nèi)定位技術(shù)，由于室內(nèi)的復(fù)雜環(huán)境使微波信號(hào)衰減嚴(yán)重，室外定位方法應(yīng)用在室內(nèi)將會(huì)產(chǎn)生極大誤差。

近年來(lái)對(duì)于室內(nèi)定位的研究主要集中在基于無(wú)線傳感網(wǎng)絡(luò)的室內(nèi)定位和基于慣性傳感器的室內(nèi)定位?；跓o(wú)線傳感網(wǎng)絡(luò)的室內(nèi)定位主要使用RSSI（信號(hào)強(qiáng)度測(cè)量）、TDOA（信號(hào)到達(dá)時(shí)間差定位）、TOA（信號(hào)到達(dá)時(shí)間定位）、AOA（信號(hào)到達(dá)角度定位）等算法獲得絕對(duì)位置信息[2]；基于慣性傳感器的室內(nèi)定位主要使用移動(dòng)端的包括加速度計(jì)、電子羅盤、陀螺儀、重力傳感器、距離傳感器等慣性傳感器獲得相對(duì)位置信息。

在基于無(wú)線傳感網(wǎng)絡(luò)的室內(nèi)定位中，WiFi室內(nèi)定位由于其簡(jiǎn)單、低成本的特性，應(yīng)用十分廣泛，但是其定位精度并不能滿足現(xiàn)實(shí)生活中的很多需求。而采用基于慣性傳感器的室內(nèi)定位技術(shù)相對(duì)精度較高，但是由于其只能獲取相對(duì)位置信息，并且具有累計(jì)誤差等缺點(diǎn)，使其應(yīng)用受到限制。針對(duì)上述問(wèn)題，本文提出一種基于多傳感器與WiFi融合的室內(nèi)定位方法，此方法首先通過(guò)WiFi室內(nèi)定位的信號(hào)強(qiáng)度檢測(cè)（RSSI）算法[3]，運(yùn)用最近鄰算法[4]（NNSS）將位置指紋信息與離線階段建立的位置指紋數(shù)據(jù)庫(kù)進(jìn)行比較，求得最小差異值Djmin，確定所測(cè)移動(dòng)終端的絕對(duì)位置，然后將通過(guò)多慣性傳感器測(cè)得的數(shù)據(jù)經(jīng)過(guò)平滑濾波后進(jìn)行步數(shù)檢測(cè)、航向估算以及步長(zhǎng)校驗(yàn)實(shí)現(xiàn)航跡推算，獲取相對(duì)位置，結(jié)合兩者信息獲得更高的室內(nèi)定位精度。

1 整體定位過(guò)程

本文采用的基于多傳感器與WiFi的室內(nèi)定位技術(shù)，以基于多慣性傳感器的室內(nèi)定位技術(shù)為主，基于WiFi的位置指紋室內(nèi)定位技術(shù)為輔。通過(guò)基于位置指紋的室內(nèi)定位技術(shù)確定絕對(duì)位置坐標(biāo)，在此基礎(chǔ)上，通過(guò)多傳感器融合的方式進(jìn)行相對(duì)定位，并運(yùn)用位置指紋的方式對(duì)多傳感器的室內(nèi)定位進(jìn)行步長(zhǎng)校正，最終得到較為準(zhǔn)確的結(jié)果。流程如圖1所示，Dj為實(shí)際位置指紋與數(shù)據(jù)庫(kù)位置指紋的信息差異值。

2 基于WiFi的位置指紋室內(nèi)定位

基于WiFi的室內(nèi)定位技術(shù)分為離線和定位兩個(gè)階段[5]。離線階段是一個(gè)建立位置指紋數(shù)據(jù)庫(kù)的過(guò)程，定位階段是一個(gè)獲取實(shí)時(shí)位置指紋信息后，與數(shù)據(jù)庫(kù)位置指紋匹配獲得坐標(biāo)的過(guò)程。endprint

2.1 離線階段

在測(cè)試區(qū)劃分若干測(cè)試點(diǎn)N，坐標(biāo)分別為（x，y1），（x2，y2），…，（xN，yN），在每個(gè)測(cè)試點(diǎn)分別測(cè)試周圍的AP信號(hào)強(qiáng)度，用R=（r1r2...rn）表示，然后取多次測(cè)試的平均信號(hào)Ravg=（r′1，r′2，…，r′n），將位置信息與信號(hào)信息成對(duì)存入位置指紋數(shù)據(jù)庫(kù)。本文使用Andriod中已有的API測(cè)量測(cè)試點(diǎn)周圍的AP強(qiáng)度，通過(guò)WiFiManger類中的getScanResults方法獲取附近AP的對(duì)象集合，然后通過(guò)ScanResult對(duì)象的level方法得到信號(hào)強(qiáng)度，為一個(gè)0～-100的int型數(shù)據(jù)，數(shù)值越大表示信號(hào)強(qiáng)度越高。

2.2 定位階段

獲取實(shí)時(shí)位置指紋信息后，從位置指紋數(shù)據(jù)庫(kù)中選取與此信息最相近的位置指紋信息，通過(guò)常用的歐幾里得距離即公式（1）求得實(shí)時(shí)位置指紋信息與數(shù)據(jù)庫(kù)位置指紋信息的差異值Dj，求得最小Dj值對(duì)應(yīng)數(shù)據(jù)庫(kù)中的位置坐標(biāo)（xi，yi）即為所求的絕對(duì)位置。Dj=1N∑Ni=1（x′i-xi）2

（1） 式中N為AP個(gè)數(shù)，x′i為測(cè)試點(diǎn)得到的第i個(gè)AP的信號(hào)強(qiáng)度，xi為位置指紋數(shù)據(jù)庫(kù)中第i個(gè)AP點(diǎn)的信號(hào)強(qiáng)度。

3 基于多慣性傳感器的室內(nèi)定位

基于慣性傳感器的室內(nèi)定位可分為步數(shù)檢測(cè)、航向估算、步長(zhǎng)調(diào)整3部分，通過(guò)步長(zhǎng)乘以步數(shù)求得實(shí)際走過(guò)的距離，結(jié)合航向信息估算相對(duì)位置[6]。

3.1 融合陀螺儀與加速度傳感器的步數(shù)檢測(cè)

比較實(shí)驗(yàn)數(shù)據(jù)得知，使用基于加速度傳感器定位比陀螺儀的定位穩(wěn)定性高一些，但是在測(cè)量精度方面要差一些。然而，當(dāng)出現(xiàn)急速轉(zhuǎn)彎等特殊情況時(shí)，陀螺儀容易出現(xiàn)大的數(shù)據(jù)波動(dòng)，導(dǎo)致定位不穩(wěn)定。因此，本文將兩種檢測(cè)方法結(jié)合起來(lái)。當(dāng)人體在平穩(wěn)行走時(shí)，將兩者的檢測(cè)結(jié)果求平均；而當(dāng)出現(xiàn)突然轉(zhuǎn)彎等情況時(shí)，僅使用加速度傳感器進(jìn)行步數(shù)檢測(cè)。流程如圖2所示。

首先檢測(cè)角速度的變化值，然后判斷角速度變化是否大于設(shè)定的角速度閾值，本文選取閾值為1.5，若超過(guò)閾值，說(shuō)明發(fā)生了急速轉(zhuǎn)彎情況，僅使用加速度傳感器確定步數(shù)值；若未超過(guò)閾值，則說(shuō)明未發(fā)生大的航向變化，取加速度傳感器與陀螺儀的平均值，有利于提高定位精度。

3.1.1 陀螺儀步數(shù)檢測(cè)

人在步行過(guò)程中每一方位角速度的變化呈現(xiàn)類似正弦變化的規(guī)律，角速度大小在0周圍上下波動(dòng)，由于數(shù)值較小并且有負(fù)值，三軸角速度聯(lián)合使用有一定難度。通過(guò)多種方式相互比較，發(fā)現(xiàn)水平方位角速度的變化效果最好，最符合正弦變化規(guī)律。所以本文通過(guò)Andriod中的senserManger API傳入Senser.TYPE_GYROSCOPE參數(shù)，得到角速度數(shù)組，取value[2]為水平方位角速度值。進(jìn)行步行實(shí)驗(yàn)，將取值進(jìn)行平滑濾波后呈現(xiàn)類似正弦變化規(guī)律。設(shè)計(jì)算法步數(shù)檢測(cè)：①設(shè)定單步時(shí)間周期范圍（Tmin～Tmax），小于Tmin的正弦周期視為干擾去除，大于Tmax的周期視為轉(zhuǎn)彎，仍然算作一步。正常人的行走時(shí)間在0.2～1s之間，本文取Tmin為0.2s，取Tmax為1s；②引入角速度動(dòng)態(tài)閾值即初始角速度，初始為0，后面的閾值按照前一步的峰值和谷值求平均得到，只有角速度達(dá)到動(dòng)態(tài)閾值上下一定范圍才可算作一步，以濾除輕微震動(dòng)帶來(lái)的干擾；③記錄峰值、谷值，為下一步動(dòng)態(tài)閾值作準(zhǔn)備。

3.1.2 加速度傳感器步數(shù)檢測(cè)

人在步行過(guò)程中豎直方向的加速度呈現(xiàn)類似正弦變化規(guī)律，并且加速度大小在g值上下波動(dòng)，本文通過(guò)andriod中senserManger API傳入?yún)?shù)Senser.TYPE_ACCELEROMETER得到3個(gè)方向的加速度值，取豎直方向加速度ay，發(fā)現(xiàn)雖然ay數(shù)值在g附近波動(dòng)，但是波動(dòng)幅度較大，波動(dòng)峰值ap值超過(guò)2g，數(shù)據(jù)不穩(wěn)定，不能準(zhǔn)確進(jìn)行步數(shù)檢測(cè)。針對(duì)上述問(wèn)題，通過(guò)公式（2）計(jì)算表明，凈加速度A，式中xa、ya、za分別為3個(gè)垂直方向加速度。A=x2a+y2a+z2a/g

（2） 將凈加速度進(jìn)行平滑濾波后得到一個(gè)光滑類正弦曲線，設(shè)計(jì)算法進(jìn)行步數(shù)檢測(cè)：①設(shè)定單步時(shí)間窗口，規(guī)定在0.2～2s（對(duì)應(yīng)人的步行頻率0.5～5Hz）內(nèi)分別達(dá)到一次峰值和一次谷值記為一步；②設(shè)定動(dòng)態(tài)閾值即初始加速度，首次設(shè)置為1，之后每一步的閾值取前一步的峰值與谷值的平均值，只有幅度達(dá)到動(dòng)態(tài)閾值上下一定幅度，才可記步，該閾值可有效過(guò)濾輕微抖動(dòng)對(duì)加速度的影響；③記錄峰值、谷值，為下一步動(dòng)態(tài)閾值作準(zhǔn)備。

3.2 融合電子羅盤和陀螺儀的航向估算

比較實(shí)驗(yàn)數(shù)據(jù)得知，電子羅盤能夠通過(guò)獲取方位角獲得絕對(duì)航向，并且沒(méi)有絕對(duì)誤差，但是在轉(zhuǎn)彎時(shí)獲得的數(shù)據(jù)很不穩(wěn)定，而陀螺儀恰恰相反，在短時(shí)間內(nèi)獲得的數(shù)據(jù)十分穩(wěn)定。本文將兩種方法結(jié)合起來(lái)，當(dāng)人體在平穩(wěn)行走時(shí)，使用電子羅盤進(jìn)行航向估算；而當(dāng)出現(xiàn)突然轉(zhuǎn)彎等情況時(shí)，僅使用短期數(shù)據(jù)穩(wěn)定的陀螺儀進(jìn)行航向估算，如圖3所示。

首先連續(xù)檢測(cè)電子羅盤的水平角值，然后判斷電子羅盤水平角波動(dòng)是否超過(guò)設(shè)定的水平角波動(dòng)閾值，本文選取閾值為35，若超過(guò)閾值，說(shuō)明發(fā)生了轉(zhuǎn)彎的情況，使用陀螺儀進(jìn)行航向估算；若未超過(guò)閾值，則說(shuō)明未發(fā)生大的航向變化，繼續(xù)使用電子羅盤進(jìn)行航向估算。

3.2.1 電子羅盤航向估算

電子羅盤傳感器通過(guò)3個(gè)角度值來(lái)確定航向，分別為方位角、俯仰角、橫滾角[7]，規(guī)定X軸正方向?yàn)閭鞲衅魉椒胖谜胺?，Y軸正方向?yàn)閭鞲衅魉椒胖谜曳?，Z軸正方向?yàn)榇怪盭Y平面向上。方位角是傳感器Y軸水平面上的投影與正北方向的夾角（取值范圍為0°～359°，0°為North，90°為East，180°為South，270°為West）；俯仰角是傳感器Y軸與水平面的夾角（傳感器Z軸向Y軸方向移動(dòng)為正，值的范圍是-180°～180°）；橫滾角是傳感器X軸與水平面的夾角（傳感器X軸離開(kāi)Z軸方向?yàn)檎?，值的范圍?90°～90°）。本文主要使用在水平面上的角度變化，未使用俯仰角和橫滾角。endprint

通過(guò)AndriodSenserOrientation API測(cè)試航向，測(cè)得數(shù)據(jù)表明，由于周圍環(huán)境磁場(chǎng)干擾，導(dǎo)致所取值在短時(shí)間內(nèi)出現(xiàn)較大波動(dòng)，因此需設(shè)定一個(gè)閾值，只有在波動(dòng)大于閾值時(shí)，認(rèn)為絕對(duì)航向發(fā)生了變化，記錄航向值；否則認(rèn)為航向未變，舍棄該數(shù)據(jù)。

3.2.2 陀螺儀航向估算

陀螺儀不像電子羅盤一樣能夠根據(jù)與地磁場(chǎng)的夾角確定絕對(duì)航向信息，陀螺儀只能確定相對(duì)航向信息。陀螺儀從一定意義來(lái)說(shuō)就是一個(gè)角速度傳感器，運(yùn)用其來(lái)測(cè)算航向，就是在航向的基礎(chǔ)上，通過(guò)對(duì)角速度值求積分的方式獲取下一時(shí)刻的航向。

3.3 步長(zhǎng)調(diào)整

如果沒(méi)有步長(zhǎng)調(diào)整，那么即使步數(shù)檢測(cè)上達(dá)到令人滿意的定位結(jié)果，檢測(cè)獲得的距離與實(shí)際距離也是有一定誤差。因?yàn)椴煌娜瞬介L(zhǎng)不同，同一人在不同情況下的步長(zhǎng)也有差別。針對(duì)上述問(wèn)題，本文提出基于WiFi定位的步長(zhǎng)校準(zhǔn)。具體方法如圖4所示。

首先設(shè)定步長(zhǎng)初始值為0.5m，然后通過(guò)連續(xù)兩次的基于WiFi的室內(nèi)定位方式獲取兩點(diǎn)坐標(biāo)（x1，y1）與（x2，y2）之間的距離D。采取兩點(diǎn)間距離除以步數(shù)的方式，獲取位置之間的距離時(shí)，需要有路徑為直線的限制，即航向不能發(fā)生變化。若發(fā)生變化，則不記錄坐標(biāo)點(diǎn)位置；若未發(fā)生變化，則判斷行進(jìn)路程是否已經(jīng)超過(guò)設(shè)定值。若還未到設(shè)定值則不記錄，若到達(dá)設(shè)定長(zhǎng)度值，則記錄坐標(biāo)點(diǎn)位置。然后將D除以步數(shù)S，即得到動(dòng)態(tài)步長(zhǎng)SD。

4 實(shí)驗(yàn)分析與結(jié)論

以使用多慣性傳感器的室內(nèi)定位和使用基于WiFi的室內(nèi)定位為對(duì)照組，驗(yàn)證本文融合多慣性傳感器與WiFi室內(nèi)定位方法的精度。

實(shí)驗(yàn)在杭州電子科技大學(xué)2教中樓進(jìn)行，選擇WiFi信號(hào)覆蓋強(qiáng)度不同的區(qū)域，在此區(qū)域選定10個(gè)測(cè)試點(diǎn)，均勻分布，通過(guò)不同的行走軌跡和行走方式行走50m到達(dá)基準(zhǔn)點(diǎn)。每個(gè)測(cè)試點(diǎn)測(cè)試20次，而且在行走過(guò)程中必須既要經(jīng)過(guò)信號(hào)強(qiáng)的區(qū)域，也要經(jīng)過(guò)信號(hào)弱的區(qū)域，10個(gè)測(cè)試點(diǎn)共計(jì)200個(gè)數(shù)據(jù)，取每次距離誤差作出統(tǒng)計(jì)。圖5為基于WiFi室內(nèi)定位的200次誤差情況統(tǒng)計(jì)，圖6為基于多傳感器的200次誤差情況統(tǒng)計(jì)，圖7為融合多傳感器與WiFi的誤差情況統(tǒng)計(jì)，圖8為3種室內(nèi)定位誤差情況的對(duì)比統(tǒng)計(jì)。通過(guò)統(tǒng)計(jì)數(shù)據(jù)可以看出3種方法的定位精度：基于多傳感器的室內(nèi)定位數(shù)據(jù)集中分布在1～2m之間，占總數(shù)據(jù)量的86%，但在2～2.5m范圍內(nèi)也有7%的數(shù)據(jù)，說(shuō)明基于多傳感器的定位精度為3m；基于WiFi的定位數(shù)據(jù)集中分布在0.5～2m范圍內(nèi)，占總數(shù)據(jù)量的84.5%，在2～2.5m范圍內(nèi)也有1.5%的數(shù)據(jù)分布，同樣基于WiFi的室內(nèi)定位精度也為3m；而基于多傳感器與WiFi融合的室內(nèi)定位數(shù)據(jù)都集中分布在0～1.5m范圍內(nèi)，1.5m以上的誤差基本為零，所以該融合定位方法的定位精度為2m。

5 結(jié)語(yǔ)

本文提出了一種融合多傳感器與WiFi的室內(nèi)定位方法，通過(guò)融合三軸加速度傳感器、電子羅盤、陀螺儀傳感器、無(wú)線WiFi傳感器進(jìn)行室內(nèi)定位。實(shí)驗(yàn)結(jié)果表明，該定位方法有效提高了室內(nèi)定位精度，定位精度為2m。

參考文獻(xiàn)：

[1] 馬岳雷.基于WLAN的室內(nèi)定位技術(shù)研究[D].蘭州：蘭州大學(xué)，2014.

[2] 紀(jì)程程.基于接收信號(hào)強(qiáng)度測(cè)量的室內(nèi)定位技術(shù)研究[D].濟(jì)南：山東師范大學(xué)，2013.

[3] 石為人，熊志廣，許磊.一種用于室內(nèi)人員定位的RSSI定位算法[J].計(jì)算機(jī)工程與應(yīng)用，2010（17）：232-235.

[4] 周武，趙春霞，張浩峰.動(dòng)態(tài)聯(lián)合最近鄰算法[J].電子學(xué)報(bào)，2010（2）：359-365.

[5] 宋欣.多傳感融合的室內(nèi)定位技術(shù)研究[D].上海：上海交通大學(xué)，2013.

[6] 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.

[7] 王斌.地磁導(dǎo)航綜合檢測(cè)儀的實(shí)現(xiàn)及其精確校準(zhǔn)技術(shù)的研究[D].杭州：杭州電子科技大學(xué)，2011.

（責(zé)任編輯：黃 ?。〆ndprint