楊增瑞，段其昌*，毛明軒，段盼，黃曉剛

（1.重慶大學(xué)自動化學(xué)院，重慶400044；2.國網(wǎng)重慶市電力公司南岸供電分公司，重慶400060；3.國網(wǎng)重慶電力公司潼南供電公司，重慶402660）

基于磁場指紋輔助的手機室內(nèi)定位系統(tǒng)*

楊增瑞1，段其昌1*，毛明軒1，段盼2，黃曉剛3

（1.重慶大學(xué)自動化學(xué)院，重慶400044；2.國網(wǎng)重慶市電力公司南岸供電分公司，重慶400060；3.國網(wǎng)重慶電力公司潼南供電公司，重慶402660）

針對當(dāng)前室內(nèi)無線定位信號強度易受干擾、設(shè)備部署維護成本高等缺點，以及手機在室內(nèi)航位推算過程中定位誤差隨時間累積的問題，本文提出了基于粒子濾波磁場匹配的室內(nèi)定位方法。相比于傳統(tǒng)的航位推算方法，通過改進步態(tài)判斷方式，并提出了動態(tài)步長估計算法和卡爾曼濾波航向估計算法，有效減少步態(tài)誤判和定位誤差。同時通過結(jié)合航位推算位置選擇粒子濾波算法中的重采樣區(qū)域，加快粒子收斂速度。最后，通過仿真分析和實際室內(nèi)環(huán)境測試結(jié)果表明，本文提出的定位方法能夠有效地減小定位誤差，并實現(xiàn)2米的定位精度。

地磁匹配；航位推算；室內(nèi)定位；卡爾曼濾波；粒子濾波

EEACC：5100doi：10.3969/j.issn.1004-1699.2016.09.025

隨著近年智能設(shè)備的興起以及人們對精確定位服務(wù)的需求，室內(nèi)定位技術(shù)成為人們研究和關(guān)注的焦點。目前，主流的室內(nèi)定位技術(shù)包括A-GPS［1］、紅外線定位［2］、超聲波定位［3］、慣性傳感器定位［4］、藍(lán)牙定位［5］、射頻識別定位［6］、WiFi室內(nèi)定位［7］和超寬帶定位［8］等技術(shù)。定位方法主要有TOA、TDOA、RS?SI測距以及RSSI指紋［9-10］。其中，因WiFi在商場、飛機場、博物館等大型室內(nèi)場所的廣泛部署和應(yīng)用，WiFi定位技術(shù)已成為較為流行的室內(nèi)定位技術(shù)。但是，WiFi定位精度的提高需要較多基站的部署，這也成為限制無線定位技術(shù)發(fā)展的瓶頸。

地磁導(dǎo)航技術(shù)的研究始于20世紀(jì)50年代，主要是利用地磁場的矢量匹配對導(dǎo)彈和船只的導(dǎo)航和定位［10］。近年，研究者發(fā)現(xiàn)鋼筋混凝土結(jié)構(gòu)建筑室內(nèi)的磁場具有特殊性和穩(wěn)定性，可以作為磁場信標(biāo)，利用這種室內(nèi)磁場特性便可以建立依據(jù)磁場強度的室內(nèi)定位系統(tǒng)。因此，地磁定位技術(shù)也成為了室內(nèi)定位技術(shù)研究的新方向之一。目前，國內(nèi)外對地磁定位的研究已經(jīng)取得了一定的成果，但主要集中在磁場匹配算法及相關(guān)仿真的研究。宋鏢［12］等人設(shè)計了慣導(dǎo)輔助地磁的手機室內(nèi)定位系統(tǒng)，實現(xiàn)了商場內(nèi)1 m左右的定位精度；Chung［13］等人提出了基于多磁力計的磁場向量匹配定位方法，利用4個3軸磁力計采集不同方向的磁場矢量，實現(xiàn)了室內(nèi)88%的情況下1 m的定位精度，但該方法需要佩戴專用測量設(shè)備；Kim［14］等人對磁場的手機行人定位方法進行了研究，通過手機內(nèi)置傳感器實現(xiàn)了小于3 m的定位精度；謝宏偉［15］等人設(shè)計一款基于穩(wěn)定性增強粒子濾波磁場匹配算法的手機室內(nèi)定位系統(tǒng)，該系統(tǒng)實現(xiàn)了在未知初始方向和位置的情況下的定位，并達(dá)到了1 m～2 m的定位精度。但該算法實現(xiàn)復(fù)雜，計算速度慢；Haverinen［16］等人開發(fā)了基于粒子濾波的室內(nèi)定位系統(tǒng)，該系統(tǒng)要求用戶行走時行進方向必須與長廊的方向一致；劉文遠(yuǎn)［17］等人通過建立多維的指紋地磁信息，利用最小均方根算法校正移動設(shè)備的軌跡，實現(xiàn)了87.5%情況下的1.2 m的定位精度。通過分析，可以發(fā)現(xiàn)現(xiàn)有的室內(nèi)地磁定位方法為了增加匹配特征量往往需要進行大量的數(shù)據(jù)采集和計算，或是通過和無線方式結(jié)合需要部署相應(yīng)的設(shè)備，這都給室內(nèi)地磁定位技術(shù)帶來了局限性。

本文通過對慣性導(dǎo)航和磁場定位研究分析，提出了基于慣導(dǎo)和磁場組合的手機室內(nèi)定位方法。當(dāng)檢測到一個步態(tài)周期完成時，采用選擇區(qū)域的粒子濾波估計當(dāng)前位置。該算法可以在提高定位速度的同時，也滿足了室內(nèi)定位精度的要求。

1　磁場指紋輔助的室內(nèi)定位原理

本系統(tǒng)主要利用磁場定位和航位推算融合實現(xiàn)室內(nèi)的追蹤和導(dǎo)航。在室內(nèi)環(huán)境中，路徑一般為直線段和90°轉(zhuǎn)角組成。因此，在手機正常使用狀態(tài)下，結(jié)合室內(nèi)平面圖可以精確的實現(xiàn)二維平面的室內(nèi)定位。目前，幾乎所有的智能設(shè)備都內(nèi)置了慣性傳感器。但這些低成本傳感器往往具有精度不高，零點漂移和抗干擾差等缺陷。因此，智能設(shè)備的室內(nèi)定位主要采用航位推算的方式。航位推算主要是利用加速度計、陀螺儀、磁力計等慣性傳感器進行步態(tài)檢測、步長推算和方向推算［18］。

地磁匹配定位技術(shù)是一種低成本和原理簡單的室內(nèi)定位方式，包括兩個階段：離線階段和在線階段。在離線階段，通過手機磁力計采集網(wǎng)格點的磁場數(shù)據(jù)，這些位置點的磁場數(shù)據(jù)便被稱為磁場指紋，它類似于RSSI指紋，代表著相關(guān)位置點的磁場強度等信息，利用磁場指紋與空間插值算法可以構(gòu)建高精度的磁場地圖；在線階段，首先采用航位推算粗略的估計用戶的位置。然后，通過磁場匹配算法將當(dāng)前位置的磁場數(shù)據(jù)與磁場地圖進行相應(yīng)的匹配獲取精確的位置估計。磁場匹配室內(nèi)定位系統(tǒng)的框圖如圖1所示。

圖1　磁場匹配輔助的室內(nèi)定位系統(tǒng)框圖

2　航位推算

前面闡述了磁場指紋輔助的室內(nèi)定位原理，接下來詳細(xì)介紹步態(tài)檢測、動態(tài)步長估計和航向估計。算法的改進將有助于減少步態(tài)誤判和定位誤差。

2.1步態(tài)檢測

步態(tài)檢測是航位推算室內(nèi)定位算法中最基本的部分。目前，國內(nèi)外文獻中計步算法的研究也有很多［19］。通常，為了能夠?qū)崿F(xiàn)用戶使用手機在不同運動模式下的步態(tài)檢測，本文采用加速度幅值進行步態(tài)檢測。在用戶行走過程中，手機加速度幅值會呈現(xiàn)周期性變化，一般頻率在2 Hz～3 Hz左右，而手機加速度采樣頻率設(shè)定為50 Hz。為了減少噪聲干擾，首先將加速度采樣數(shù)據(jù)通過IIR低通濾波器進行濾波處理。為了進一步減少加速度波形中毛刺對步態(tài)的誤判，采用滑動窗口對數(shù)據(jù)進行平滑處理。此次平滑處理的數(shù)據(jù)僅為了便于步態(tài)的判斷，不用于步長的估計。

式中，ax，ay和az分別表示在x，y和z軸上的手機加速度，ai為第i個采樣點的加速度幅值，w表示平滑窗口的長度，表示第i個采樣點平滑后的加速度幅值。

本文采用上升過零點檢測和峰值檢測結(jié)合的方法進行步態(tài)判斷。因為手機使用過程中的隨機抖動和傳感器噪聲的影響，加速度波形會出現(xiàn)很多非正常步態(tài)下的過零點和峰值點。為了更為準(zhǔn)確的進行步態(tài)檢測，本文采用多閾值對有效的過零點和峰值進行識別。首先，進行上升過零點的檢測，上升多零點的加速度值滿足如下不等式：

為了進一步提高閾值判定的穩(wěn)定性，將閾值設(shè)置為動態(tài)閾值，通過步態(tài)周期內(nèi)最大值和最小值求中值，與初始閾值T0修正，動態(tài)閾值公式表示為：

圖2　步態(tài)檢測加速度數(shù)據(jù)處理結(jié)果圖

2.2步長估計

鑒于每個人的身體條件和步行方式不同，步長往往具有隨機性，而步長的估計直接影響定位精度，因此選擇合適的步長計算模型是步長估計的關(guān)鍵。通過相關(guān)研究，Ladetto Q［20］提出步長與步頻和加速度方差成線性關(guān)系，通過離線訓(xùn)練可以得到模型估計參數(shù)［］

α，β，λ。

式中f表示步伐頻率，av是步態(tài)周期內(nèi)的加速度方差，λ為估計參數(shù)，l表示步長。

這里，為了驗證步態(tài)檢測算法和步長估計模型的有效性，本文設(shè)計并進行了不同實驗。實驗者以不同模式進行40 m的直線行走測試。實驗結(jié)果如表1所示。

表1　實驗結(jié)果

由表1可知，針對不同模式，步態(tài)檢測算法可以有效的進行步伐檢測。但在口袋模式下步長估計卻出現(xiàn)了較大的誤差，因此在40 m的距離測量下誤差達(dá)到了6.133%，這樣的誤差在室內(nèi)定位中是不能接受的。通過數(shù)據(jù)分析發(fā)現(xiàn)，手機在口袋中不規(guī)律擺動會造成加速度的波形十分不規(guī)則，并出現(xiàn)在一個步伐周期內(nèi)多峰值的現(xiàn)象。上述原因?qū)е铝瞬椒ブ芷趦?nèi)加速度的方差偏大，這也造成了線性步長估計模型估計的步長偏大。為解決該問題，可以通過手機姿態(tài)對手機使用模式進行識別，當(dāng)手機在不同模式下時，采用不同參數(shù)值的步長估計模型。本文中，為了提高系統(tǒng)的適應(yīng)性，提出了動態(tài)步長估計算法。在磁場定位后，可以獲得當(dāng)前位置和前一步位置的距離，在滿足一定定位精度的情況下，利用該距離修正過的步長更接近真實步長。在實際中，如果粒子濾波不能夠正確的收斂，該方法是不能保證結(jié)果的正確性的。為了實現(xiàn)方法的可行性，本文采用長度為N的隊列Q去獲取可靠的相鄰定位點的距離值。除去隊列中最大和最小值，采用隊列的平均值去修正下次定位循環(huán)中的估計步長，動態(tài)步長估計模型被定義為：

式中，q是修正參數(shù)，lML為隊列Q中相鄰定位點的距離值，min（Q）和max（Q）分別表示隊列Q中的最大和最小值。

2.3航向估計

Android智能手機都內(nèi)置了方向傳感器，用于測量手機y軸和地磁北極的夾角。通過參考Android軟件開發(fā)包［21］，知道方向傳感器作為虛擬傳感器，利用加速度傳感器和磁力計數(shù)據(jù)獲取方向。實際中由于室內(nèi)地磁異常的干擾，手機方向傳感器讀出的數(shù)據(jù)往往存在偏差。為了有效的提高航向估計的精度，本文中采用卡爾曼濾波融合三軸加速度、陀螺儀和磁力計數(shù)據(jù)估計最優(yōu)的航向角。

文中，選取旋轉(zhuǎn)四元數(shù)作為方向狀態(tài)矢量。根據(jù)陀螺儀四元數(shù)模型［22］，四元數(shù)微分方程如式（10）。同時，可將式（10）表示為式（11）的矩陣形式。

式中，q0是四元數(shù)的實部，q1，q2和q3表示四元數(shù)的虛部，ω=［ωx，ωy，ωz］表示在x，y和z軸上的陀螺儀數(shù)據(jù)，?表示四元數(shù)乘法運算。由此，可以得到卡爾曼濾波的狀態(tài)方程為

其中，Δt表示采樣間隔，wk是過程噪聲矢量，F(xiàn)表示狀態(tài)轉(zhuǎn)移方程。

將加速度計測量值和磁力計測量值為基礎(chǔ)得到的旋轉(zhuǎn)四元數(shù)作為觀測量。當(dāng)手機在靜止?fàn)顟B(tài)并載體坐標(biāo)系和慣性坐標(biāo)系一致的時候，加速度矢量將朝向地心，磁場矢量對準(zhǔn)磁場北極。此時，重力加速度和磁場強度的表示為

式中，g是重力加速度，my和mz分別表示在東北天坐標(biāo)系中磁場強度在水平和垂直方向上的分量。

接著，利用式（14）計算加速度和磁場矢量的正交向量h；進一步，計算加速度歸一化矢量和向量h歸一化矢量的向量積為向量e，如式（15）；至此，歸一化的矢量h，e和a將可以表示東北天坐標(biāo)系，即手機載體坐標(biāo)轉(zhuǎn)換的旋轉(zhuǎn)矩陣，見式（16）；對于旋轉(zhuǎn)矩陣，可以依據(jù)轉(zhuǎn)換式（17）［23］獲得旋轉(zhuǎn)四元數(shù)矢量。

通過上述方法，觀測方程便可以由加速度計和磁力計的測量矢量計算得到，利用觀測方程便可以更新得到旋轉(zhuǎn)四元數(shù)。

式中，f（·）表示式（14）～式（17）的利用加速度計和磁力計測量值計算旋轉(zhuǎn)四元數(shù)的方法，vk表示測量噪聲矢量。

圖3展示了實際測試中航向角的變化過程，相比方向傳感器的原始數(shù)據(jù)，本文采用的航向估計算法對航向角有明顯的改善。從圖4中可以得到，本文算法計算的航向誤差相比方向傳感器的測量數(shù)據(jù)減少了66.4%，并且該方法的平均絕對誤差可以控制在5°以內(nèi)。但是航向角的誤差依然會導(dǎo)致定位誤差的累積，為此本文采用室內(nèi)平面圖信息去修正在室內(nèi)定位過程中出現(xiàn)的“穿墻”現(xiàn)象。

依據(jù)上述的航位推算算法，便可以在已知初始位置的前提下，推算出下一時刻位置，其轉(zhuǎn)移方程可表示為：

式中，（x，y）表示用戶的位置坐標(biāo)，l?是步長估計長度，θ表示航向角。

圖3　航向估計測試

圖4　方向誤差

3　地磁定位算法

地磁定位中地磁匹配算法是關(guān)鍵部分，合適的匹配算法可以有效的提高定位精度和效率。地磁匹配算法主要是基于相似度度量的一種方法，主要是通過測量值和基準(zhǔn)值的相似程度或差別程度為基準(zhǔn)進行相關(guān)匹配的算法。目前在采用指紋方法室內(nèi)定位系統(tǒng)中，粒子濾波因其在非線性和非高斯系統(tǒng)中的優(yōu)勢成為了較為熱門的研究算法。粒子濾波的核心思想是通過計算一組隨機樣本的蒙特卡洛估計來表征待估計的后驗概率分布，而隨機樣本由帶有權(quán)重的粒子組成［24-25］。

3.1粒子濾波算法

粒子濾波主要包括三個基本部分：狀態(tài)轉(zhuǎn)移方程，觀測方程和重采樣。本文中，狀態(tài)轉(zhuǎn)移方程即為式（19）。粒子濾波過程中，本文選取用戶位置坐標(biāo)和航向角作為狀態(tài)量，由航位推算算法可以容易更新位置坐標(biāo)和航向角。然而，為了使估計狀態(tài)更接近真實狀態(tài)，在濾波過程中需要對每個粒子設(shè)置權(quán)重。粒子的權(quán)重計算一般采用概率模型其中z表示地磁強度，如式（21）。

實際上，由于P（）z|s依賴位置點的磁場強度變化和構(gòu)建的磁場地圖特性，無法得到具體的概率模型。但測量磁場值與實際磁場值之間的偏差Δz服從高斯分布，即Δz～N（0，σΔz），σΔz為傳感器的偏移標(biāo)準(zhǔn)差，一般由傳感器說明書給出。因此在計算每個粒子權(quán)重時概率模型一般使用目標(biāo)觀測似然函數(shù)［26］：

式中map（s）表示s狀態(tài)時地磁地圖中的磁場強度觀測值，w是粒子的權(quán)值。在實際中，結(jié)合室內(nèi)平面圖當(dāng)粒子的運動超出實際路徑的范圍時，進行錯誤粒子的舍棄，粒子權(quán)重設(shè)置為0。

3.2自適應(yīng)區(qū)域選擇重采樣

隨著迭代次數(shù)的增加，粒子會出現(xiàn)退化現(xiàn)象，即少數(shù)的粒子會占有較大的權(quán)值，粒子失去多樣性，從而當(dāng)運動狀態(tài)發(fā)生突變時容易產(chǎn)生跟蹤失敗。為了解決這個問題，國內(nèi)外學(xué)者提出了很多重采樣方法。本文中對于提高重采樣的方式是基于有效粒子數(shù)量和選擇重采樣區(qū)域。本文定義經(jīng)過歸一化后粒子權(quán)重非0的粒子為有效粒子，并用Neff表示有效粒子數(shù)。為了控制粒子退化的速度，設(shè)定一個K值，對有效粒子數(shù)量進行判斷，確定是否需要進行重采樣。當(dāng)有效粒子數(shù)量大于閾值K時，粒子濾波進行重采樣；反之，不進行重采樣。

此外，通過航位推算可以估計相應(yīng)定位位置（x，y），定位誤差derr也可以通過測量獲取到。因此，本文以定位位置點為中心建立一個環(huán)形區(qū)域，該區(qū)域作為重采樣過程中優(yōu)先復(fù)制的粒子所在區(qū)域，區(qū)域外權(quán)重較大的粒子進行舍棄，避免高權(quán)重粒子集中在誤差范圍外。自適應(yīng)區(qū)域選擇重采樣方法一方面可以有效的粒子較少時，重采樣造成的粒子退化問題，另一方面通過區(qū)域選擇重采樣可以對粒子群進行校正更新。最后，利用當(dāng)前粒子的加權(quán)平均和作為真實狀態(tài)。

式中，粒子權(quán)值w已經(jīng)進行了歸一化。至此，一步完整的定位迭代結(jié)束，當(dāng)下一個步伐檢測完成時進行下一次粒子濾波的迭代計算。改進的粒子濾波地磁定位算法流程圖如圖5所示。

圖5　改進粒子濾波地磁匹配定位算法流程

4　實驗設(shè)計與結(jié)果分析

為了驗證本文提出的基于磁場指紋輔助的手機室內(nèi)定位系統(tǒng)的可行性，本文進行了實際室內(nèi)環(huán)境測試實驗。本文選取重慶大學(xué)主教學(xué)樓21樓走廊作為實驗場地。將實驗場地區(qū)域劃分為0.8 m× 0.8 m的網(wǎng)格，使用三星手機GT-I9300在1.3 m高度對每個網(wǎng)格點進行磁場強度的測量，其中每個網(wǎng)格點測量50組磁場強度數(shù)據(jù)求平均值作為磁場地圖數(shù)據(jù)。本次實驗采集了258組數(shù)據(jù)作為磁場指紋。為了提高磁場定位的精度，本文采用克里金插值算法［27-28］對數(shù)據(jù)進行0.1 m間隔的空間插值，得到網(wǎng)格精度更高的室內(nèi)地磁地圖。其中，手機磁場采集應(yīng)用界面和插值后的磁場地圖如圖6所示。

圖6　地磁采集應(yīng)用程序和磁場地圖

4.1室內(nèi)定位分析

本次實驗中，假設(shè)初始位置已知，實驗者水平手持手機在實驗場地中沿67 m長度的走廊行走一周。在行走過程中，以50 Hz的頻率采集并保存加速度計、陀螺儀和磁力計數(shù)據(jù)，最終測量步數(shù)為83步。本文進行了3種不同方法的定位測試：第一種是使用原始方向傳感器數(shù)據(jù)作為航向的航位推算定位方法，記為PDR；第二種是基于本文卡爾曼濾波航向估計的航位推算定位，記為KFPDR；第三種方法為采用本文提出的基于磁場輔助的航位推算定位方法，該方法的航向估計是基于卡爾曼濾波估計和地圖信息修正獲取，記為MAPDR。通過比較不同定位方法的定位誤差和誤差分布，對本文提出的方法進行性能的評估，以驗證該方法的有效性和可行性。

圖7表明，采用方向傳感器數(shù)據(jù)作為航向的航位推算定位方法的定位誤差隨著時間的推移越來越大。在極短的時間內(nèi)，定位誤差便可以累積達(dá)到10 m左右。而采用了本文卡爾曼濾波的航向估計的航位推算定位方法在一定程度上起到了減少定位誤差的作用。通過對第二種定位方法軌跡的觀察，發(fā)現(xiàn)在轉(zhuǎn)彎時會出現(xiàn)測量轉(zhuǎn)向角度要小于實際的轉(zhuǎn)向角度的現(xiàn)象，這種差異對定位精度產(chǎn)生了很大的影響。針對這種現(xiàn)象，在本文提出的定位方法中對運動中轉(zhuǎn)向行為進行識別，利用地圖信息進行角度的修正。同時，當(dāng)定位位置出現(xiàn)“穿墻”現(xiàn)象時，將采用地圖中的參考方向進行航位推算。通過不同定位方法定位軌跡的比較，本文提出的基于磁場指紋輔助手機室內(nèi)定位方法不僅可以有效的提高定位的精度，而且可以解決定位誤差累計的問題。

圖7　不同方法的室內(nèi)定位軌跡圖

由圖8可知，本文提出的定位方法的定位誤差保持在2.5 m以下，并且達(dá)到了在98%情況下定位誤差2 m以內(nèi)的測試效果，而其他兩種定位方法的2 m以內(nèi)誤差分布分別為34%和61%。表2展示了不同定位方法的平均誤差和最大誤差，相比于前兩種方法，本文的定位方法的平均誤差分別減少了67.6%和44.1%，最大誤差分別減少了77.5%和68.4%。實驗表明通過合適的地磁匹配算法，可以有效的提高室內(nèi)定位精度。

圖8　室內(nèi)定位誤差和誤差分布

表2　定位結(jié)果

5　結(jié)論

相比于其它定位技術(shù)，磁場指紋輔助的航位推算定位方法僅需要預(yù)先采集磁場地圖，而不需要依賴其它任何設(shè)備?；谶@一優(yōu)勢，本文結(jié)合航位推算和磁場定位兩種定位技術(shù)提出了基于磁場指紋輔助的手機室內(nèi)定位系統(tǒng)，并針對航位推算算法改進步態(tài)檢測算法，提出動態(tài)步長估計模型和卡爾曼濾波的航向估計算法，以及針對磁場定位算法提出自適應(yīng)區(qū)域選擇的重采樣方法。實驗結(jié)果表明該方法能夠?qū)崿F(xiàn)室內(nèi)2 m的定位精度，證明了該方法的可行性和有效性。為了更為準(zhǔn)確的定位，本文利用了轉(zhuǎn)角檢測和室內(nèi)地圖信息修正航向的方法。在未來的研究中，我們也可以結(jié)合WLAN RSSI的定位方法去進一步提高系統(tǒng)的靈活性和穩(wěn)定性。智能終端實現(xiàn)室內(nèi)移動目標(biāo)的定位與導(dǎo)航，在大型室內(nèi)商場、博物館和停車場將具有廣泛的應(yīng)用價值。

［1］秦杰，陳希，武穆清.A-GPS定位技術(shù)的研究與應(yīng)用［J］.數(shù)字通信世界，2007（3）：54-56.

［2］Want R，Hopper A，F(xiàn)alcao V，et al.The Active Badge Location System［J］.ACM Trans on Information Systems，1992，10（2）：91-102.

［3］Ward A，Jones A，Hopper A.A New Location Technique for the Active Office［J］.Personal Communications，IEEE，1997，4（5）：42-47.

［4］Woodman O J.An Introduction to Inertial Navigation［J］.Comput?er Laboratory，University of Cambridge，Tech Rep UCAMCL-TR-696，2007，14：15.

［5］Iglesias H J P，Barral V，Escudero C J.Indoor Person Localization System through RSSI Bluetooth Fingerprinting［C］//Systems，Sys?tems，Signals and Image Processing，2012 19th International Con? ference on.IEEE，2012：40-43.

［6］王小輝，汪云甲，張偉.基于RFID的室內(nèi)定位技術(shù)評述［J］.傳感器與微系統(tǒng)，2009，28（2）：1-3.

［7］Hong F，Zhang Y，Zhang Z，et al.WaP：Indoor Localization and Tracking Using Wifi-Assisted Particle Filter［C］//Local Computer Networks（LCN），2014 IEEE 39th Conference on.IEEE，2014.210-217.

［8］Mahfouz M R，F(xiàn)athy A E，Kuhn M J，et al.Recent Trends and Ad?vances in UWB Positioning［J］.Wireless Sensing，Local Position?ing，and RFID，2009.IMWS 2009.IEEE MTT-S International Mi?crowave Workshop on.IEEE，2009.1-4.

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

［10］劉曉葉，徐玉斌.基于自適應(yīng)射頻指紋地圖的WSN室內(nèi)定位算法研究［J］.傳感技術(shù)學(xué)報，2015，28（8）：1215-1220.

［11］DeGregoria A.Gravity Gradiometry and Map Matching：An Aid to Aircraft Inertial Navigation Systems［R］.Air Force Inst of Tech Wright-Patterson Afb Oh Graduate School of Engineering And Management，2010.

［12］宋鏢，程磊，周明達(dá)，等.基于慣導(dǎo)輔助地磁的手機室內(nèi)定位系統(tǒng)設(shè)計［J］.傳感技術(shù)學(xué)報，2015，28（8）：1249-1254.

［13］Chung J，Donahoe M，Schmandt C，et al.Indoor Location Sensing Using Geo-Magnetism［C］//Proceedings of the 9th International Conference on Mobile Systems，Applications，and Services，2011：141-154.

［14］Kim S E，Kim Y，Yoon J，et al.Indoor Positioning System Using Geomagnetic Anomalies for Smartphones［C］//Indoor Positioning and Indoor Navigation，2012 International Conference on.IEEE，2012：1-5.

［15］Xie H，Gu T，Tao X，et al.A Reliability-Augmented Particle Filter for Magnetic Fingerprinting based Indoor Localization on Smart?phone［J］.IEEE Trans on Mobile Computing，2014，13（9）.

［16］Haverinen J，Kemppainen A.Global Indoor Self-Localization Based on the Ambient Magnetic Field［J］Robotics and Autono?mous Systems，2009，57（10）：1028-1035.

［17］劉文遠(yuǎn)，張榮吉，王林，等.地磁信息輔助的多維指紋室內(nèi)移動軌跡映射方法［J］.電子與信息學(xué)報，2013，35（10）：2397-2402.

［18］蔡敏敏.基于行人航位推算的室內(nèi)定位技術(shù)綜述［J］.微型機與應(yīng)用，2015，34（13）：9-11.

［19］Harle R.A Survey of Indoor Inertial Positioning Systems for Pe?destrians［J］.Communications Surveys and Tutorials，IEEE，2013，15（3）：1281-1293.

［20］Ladetto Q.On Foot Navigation：Continuous Step Calibration Using Both Complementary Recursive Prediction and Adaptive Kalman Filtering［C］//Proceedings of the 13th International Technical Meeting of the Satellite Division of the Institute of Navigation，2000.1735-1740.

［21］Android SDK and Documentation，Available online：http：// developer.android.com/intl/zh-cn/reference/android/hardware/Sen?sorManager.html.

［22］Sabatini A M.Quaternion-Based Extended Kalman Filter for De?termining Orientation by Inertial and Magnetic Sensing［J］IEEE Trans on Biomedical Engineering，2006，53（7）：11346-1356.

［23］Kirtley C.Summary：Quaternions vs.Euler angles.Available on?line：http：//isb.ri.ccf.org/biomch-l/archives/，2001.

［24］姜竹青.自主導(dǎo)航中濾波算法的研究及應(yīng)用［D］.北京：北京郵電大學(xué)，2014.

［25］馬嘉斌.基于便攜設(shè)備行人航位推算的室內(nèi)定位研究［D］.上海：上海交通大學(xué)，2014.

［26］Marins J L，Yun X，Bachmann E R，et al.An Extended Kalman Filter for Quaternion-Based Orientation Estimation Using MARG Sensors［C］//Proceedings of Intelligent Robots and Systems，2001 IEEE/RSJ International Conference on.IEEE，2001（4）：2003-2011.

［27］弋英民，劉丁.基于單目視覺的輪式機器人同步定位與地圖構(gòu)建［J］.儀器儀表學(xué)報，2010，31（1）：117-121.

［28］Bishop G C.Gravitational Field Maps and Navigational Errors［J］.IEEE Journal of Oceanic Engineering，2002，27（3）：726-737.

楊增瑞（1991-），男，碩士生，主要研究方向為室內(nèi)定位，嵌入式系統(tǒng)，以及故障檢測等，yzr@cqu.edu.cn；

段其昌（1953-），男，教授，主要研究方向為新能源系統(tǒng)先進控制與應(yīng)用研究，復(fù)雜系統(tǒng)智能計算、建模、控制與優(yōu)化，網(wǎng)絡(luò)化綜合智能控制與信息處理，GPRS、GPS、GIS、RFID和嵌入式應(yīng)用技術(shù)研究，圖像識別與處理應(yīng)用研究以及系統(tǒng)容錯與可靠性研究等，qc_d@sina.com。

Magnetic Fingerprinting Assisted Indoor Localization System on Smartphone*

YANG Zengrui1，DUAN Qichang1*，MAO Mingxuan1，DUAN Pan2，HUANG Xiaogang3
（1.School of Automation，Chongqing University，Chongqing 400044，China；2.State Grid Chongqing Electric Power Company Nan’an Power Supply Subsidiary Company，Chongqing 400060，China；3.State Grid Chongqing Electric Power Company Tongnan Power Supply Subsidiary Company，Chongqing 402660，China）

Due to in the current wireless based indoor positioning method the received signal strength are suscepti?ble to interference，the cost of equipment deployment and maintenance is high，and the question of in Pedestrian Dead Reckoning（PDR）systems localization error accumulated by time，this paper presents an indoor positioning sys?tem on smartphone，which uses magnetic matching positioning methods built on particle filter to correct localization error in the PDR approach.Compared to the traditional PDR method，the proposed method improves the step detec?tion method and applies a dynamic step length estimation algorithm and heading estimation according to Kalman fil?ter to enhance the robustness and minimize errors.In addition，an adaptive region selection resampling algorithm is introduced to accelerate the rate of convergence.Finally，through conducting comprehensive experiments and tests，and the results show that the proposed technique can reliably achieve 2 meters precision in a large building.

magnetic matching；pedestrian dead reckoning；indoor localization；kalman filter；particle filter

TP212.9

A

1004-1699（2016）09-1441-08

項目來源：國家自然科學(xué)基金項目（51377187）；重慶市研究生科研創(chuàng)新項目（CYS16033）

2016-03-28修改日期：2016-05-14