閆東

關(guān)鍵詞：室內(nèi)定位位置指紋行人航跡推算

1前言

室內(nèi)定位技術(shù)就是在室內(nèi)獲取位置的相關(guān)技術(shù)。隨著科技的進(jìn)步和機(jī)器人自動(dòng)化的發(fā)展，在室內(nèi)對(duì)導(dǎo)航的要求越來(lái)越多，其中包括室內(nèi)自動(dòng)配送、室內(nèi)緊急救援與疏導(dǎo)、患者就醫(yī)場(chǎng)景、考勤打卡定位等場(chǎng)景。全球衛(wèi)星定位系統(tǒng)能給用戶提供精確的室外定位，但由于受到室內(nèi)環(huán)境的影響和建筑物的遮擋，全球衛(wèi)星定位系統(tǒng)無(wú)法在室內(nèi)給用戶提供精確的地理位置。此外，由于特定場(chǎng)合的室內(nèi)定位需求增多，室內(nèi)定位技術(shù)已經(jīng)成為科研人員研究的重點(diǎn)。

2室內(nèi)定位技術(shù)的發(fā)展現(xiàn)狀

常見(jiàn)的室內(nèi)定位技術(shù)包括基于射頻信號(hào)的定位技術(shù)、基于傳感器的定位技術(shù)和基于多信號(hào)源融合的定位技術(shù)。

基于射頻信號(hào)的定位技術(shù)：包括基于Wi?Fi、藍(lán)牙和無(wú)線通信信號(hào)、基于超寬帶（UWB）的定位技術(shù)等。上述技術(shù)一般靠射頻信號(hào)來(lái)感應(yīng)周邊環(huán)境的信號(hào)強(qiáng)度值（RSSI），通過(guò)對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行計(jì)算、處理，以此確定位置的技術(shù)?；谏漕l信號(hào)的室內(nèi)定位方式的主要缺陷是信號(hào)容易受多種定位環(huán)境以及人體等干擾，從而導(dǎo)致指紋匹配出錯(cuò)或者產(chǎn)生較大測(cè)距誤差。

基于傳感器的定位技術(shù)：包括基于傳感器實(shí)現(xiàn)行人航跡推算、磁場(chǎng)定位技術(shù)、視覺(jué)定位技術(shù)等。上述定位技術(shù)是一種依賴(lài)于傳感器（包括傾斜傳感器、加速度傳感器、陀螺儀、磁力計(jì)、氣壓計(jì)），甚至攝像頭等進(jìn)行相關(guān)信息的采集，隨后進(jìn)行信息處理、計(jì)算得到定位信息的技術(shù)。基于內(nèi)置傳感器的航跡推算技術(shù)雖不依賴(lài)基礎(chǔ)設(shè)施，但隨著時(shí)間的推移存在誤差積累。

基于多信號(hào)源的融合的定位技術(shù)：隨著計(jì)算芯片的計(jì)算和存儲(chǔ)能力的提高，并且由于單獨(dú)使用某種技術(shù)，存在定位精度低、效果不佳等情形，以此產(chǎn)生了多信號(hào)源融合的技術(shù)。多信號(hào)源融合技術(shù)的數(shù)據(jù)采集包括基站信號(hào)、Wi?Fi、藍(lán)牙、加速度、陀螺儀、地磁、視覺(jué)、室內(nèi)地圖、氣壓計(jì)等多種信息的采集。該項(xiàng)技術(shù)可以提升精度，但同時(shí)也有可能會(huì)導(dǎo)致定位失準(zhǔn)。在獲得傳感器采集的數(shù)據(jù)后，要對(duì)多種信息來(lái)源進(jìn)行預(yù)處理，以剔除原噪聲和無(wú)效信息。根據(jù)不同場(chǎng)景、不同設(shè)備條件和需求，從而提取特征進(jìn)行融合，并賦予不同權(quán)重，進(jìn)而結(jié)合地圖和各種狀態(tài)的濾波算法，進(jìn)行最終的融合。

本文所介紹的方案是一種基于多信號(hào)源融合的定位技術(shù)[1]。本方案根據(jù)各種定位方案的技術(shù)難度、定位精度、成本等特點(diǎn)，采用基于Wi?Fi信號(hào)定位技術(shù)和行人航跡推算技術(shù)[2]相結(jié)合的方式，并結(jié)合KNN算法、擴(kuò)展卡爾曼濾波（EKF）[3]算法來(lái)達(dá)到精準(zhǔn)定位目的。該方案具有定位精度高、成本低、易于實(shí)現(xiàn)的特點(diǎn)。

3基于Wi?Fi信號(hào)的定位技術(shù)方案

利用Wi?Fi信號(hào)實(shí)現(xiàn)室內(nèi)導(dǎo)航有兩種方法———測(cè)距交匯法和位置指紋匹配法。

測(cè)距交匯法就是利用信號(hào)的強(qiáng)度衰減模型，通過(guò)測(cè)量接收端到多個(gè)Wi?Fi接入點(diǎn)的信號(hào)強(qiáng)度值（即RSSI值），根據(jù)距離與RSSI值的信道衰減模型得到接收端到各Wi?Fi接入點(diǎn)的距離，再通過(guò)三角定位方法得到位置估值。

位置指紋匹配法是將無(wú)法直接測(cè)量的位置信息和容易獲取的信號(hào)特征建立起映射關(guān)系的方法。它以網(wǎng)絡(luò)技術(shù)與無(wú)線通信為基礎(chǔ)，具有成本低、對(duì)接入點(diǎn)時(shí)間同步精度要求低、易于實(shí)現(xiàn)等特點(diǎn)。它可基于Wi?Fi、藍(lán)牙等不同無(wú)線局域網(wǎng)設(shè)備來(lái)實(shí)現(xiàn)，在眾多室內(nèi)定位場(chǎng)景下可被使用。位置指紋匹配方法的原理（圖1）是對(duì)所在的環(huán)境特征進(jìn)行抽象描述，并進(jìn)行形式化描述，使用定位環(huán)境中多個(gè)AP的接收信號(hào)強(qiáng)度指示（RSSI）序列描述定位環(huán)境中該位置的信息，并采集數(shù)據(jù)，實(shí)現(xiàn)由這些RSSI序列建立起來(lái)的位置指紋數(shù)據(jù)庫(kù)（database）[4]。用戶在實(shí)際定位的過(guò)程中，需要將自身實(shí)時(shí)測(cè)量的RSSI序列特征與位置指紋數(shù)據(jù)庫(kù)中的位置指紋信息特征進(jìn)行比對(duì)和匹配，通過(guò)算法取出匹配相似度最高的結(jié)果作為自身位置的估計(jì)。

位置指紋匹配法實(shí)現(xiàn)的過(guò)程如圖2。位置指紋匹配法定位方式包括兩步：訓(xùn)練過(guò)程和定位過(guò)程。

（1）訓(xùn)練過(guò)程。首先對(duì)室內(nèi)場(chǎng)所進(jìn)行區(qū)域劃分，然后記錄大量的確定位置點(diǎn)的信號(hào)強(qiáng)度（RSSI）。我們將一個(gè)18m×10m的實(shí)驗(yàn)場(chǎng)地進(jìn)行柵格化劃分，布置8個(gè)AP，209個(gè)訓(xùn)練測(cè)試點(diǎn)。然后利用WirelessMonprofessional軟件對(duì)不同的區(qū)域進(jìn)行了大量數(shù)據(jù)的Wi?Fi信號(hào)RSSI的采集，從而得到了大量的數(shù)據(jù)。最后對(duì)采集的信號(hào)數(shù)據(jù)進(jìn)行清洗處理，并進(jìn)行求均值處理、排序，從而形成Wi?Fi位置指紋庫(kù)。

（2）定位過(guò)程。當(dāng)測(cè)試點(diǎn)進(jìn)入該區(qū)域時(shí)，可測(cè)得測(cè)試點(diǎn)在此位置各AP的RSSI值，并將該點(diǎn)RSSI點(diǎn)的數(shù)據(jù)與指紋庫(kù)數(shù)據(jù)進(jìn)行相似度對(duì)比，再將它們之間的信號(hào)空間的歐式距離作為度量度。歐式距離越小的點(diǎn)，表示信號(hào)空間距離越接近，相似度越高。

通過(guò)KNN算法實(shí)現(xiàn)定位點(diǎn)的判斷。KNN算法的原理就是相同類(lèi)別的樣本之間在特征空間中應(yīng)當(dāng)聚集在一起。在KNN算法中，K值的選擇關(guān)系到數(shù)據(jù)可靠性———K值過(guò)小，整體模型變得復(fù)雜，估計(jì)誤差會(huì)增大;如果選擇較大的K值，優(yōu)點(diǎn)是可以減少學(xué)習(xí)的估計(jì)誤差，但缺點(diǎn)是學(xué)習(xí)的近似誤差會(huì)增大，因此選擇選用合適的K值十分必要。該算法具有簡(jiǎn)單易用、模型訓(xùn)練時(shí)間快和預(yù)測(cè)效果好等優(yōu)點(diǎn)。

4行人航跡推算技術(shù)

行人航跡推算具有精度高的優(yōu)勢(shì)。行人航跡推算是利用航跡位置的推算得到定位位置信息。行人航跡推算的原理是利用陀螺儀、磁力計(jì)和加速度計(jì)等傳感器測(cè)得加速度、角速度等數(shù)據(jù)，然后經(jīng)過(guò)分析處理后可獲得行人在運(yùn)動(dòng)過(guò)程中的步數(shù)、步長(zhǎng)以及航向角信息，最后根據(jù)前一步的位置信息推算出當(dāng)前位置信息、通過(guò)每一步的運(yùn)動(dòng)信息推算出當(dāng)前用戶追蹤位置。行人航跡推算公式如下：

行人航跡推算需要分三個(gè)步驟：航向確定，其原理是通過(guò)檢測(cè)地球磁場(chǎng)的場(chǎng)強(qiáng)，經(jīng)過(guò)運(yùn)算得出磁場(chǎng)的方位角;需要進(jìn)行步數(shù)檢測(cè)，可以通過(guò)判斷加速度的數(shù)據(jù)來(lái)實(shí)現(xiàn)步數(shù)檢測(cè);步長(zhǎng)估計(jì)需要完成建模，此時(shí)可以通過(guò)線性模型或非線性模型完成。

單純靠傳感器進(jìn)行的行人航跡推算在定位過(guò)程中會(huì)存在很大的漂移誤差，導(dǎo)航定位也會(huì)產(chǎn)生累計(jì)誤差。此時(shí)需要與無(wú)線Wi?Fi定位相結(jié)合，進(jìn)行誤差補(bǔ)償。采用這種技術(shù)可有效控制長(zhǎng)時(shí)間產(chǎn)生的積累誤差，從而提高系統(tǒng)精度。

5融合算法的實(shí)現(xiàn)

為提高行人航跡方案的預(yù)測(cè)的準(zhǔn)確度，方案引入了擴(kuò)展卡爾曼濾波。擴(kuò)展卡爾曼濾波是一種擴(kuò)展的卡爾曼濾波算法，其基本思想是將非線性系統(tǒng)線性化，然后進(jìn)行卡爾曼濾波?？柭鼮V波可以用于優(yōu)化估算一些無(wú)法直接測(cè)量但是可以間接測(cè)量的參數(shù)，用于對(duì)受誤差影響的傳感器測(cè)量值估算出系統(tǒng)狀態(tài)。行人航跡方案是非線性系統(tǒng)，需要采用擴(kuò)展卡爾曼濾波來(lái)估算出系統(tǒng)的狀態(tài)。同時(shí)，在EKF融合階段與無(wú)線Wi?Fi位置指紋匹配法獲得的數(shù)據(jù)相結(jié)合，并進(jìn)行矯正后，可以實(shí)現(xiàn)最終的結(jié)果輸出。

6實(shí)驗(yàn)結(jié)果分析

通過(guò)采用KNN算法的Wi?Fi位置指紋定位與采用EKF的行人航跡結(jié)合的系統(tǒng)，定位精度提高明顯。Wi?Fi位置指紋技術(shù)的平均定位精度可達(dá)4.05m，結(jié)合KNN算法的Wi?Fi位置指紋定位技術(shù)平均定位精度可達(dá)3.50m。Wi?Fi位置指紋定位技術(shù)結(jié)合行人航跡推算技術(shù)，并通過(guò)擴(kuò)展卡爾曼濾波融合算法方案，可以使定位精度達(dá)2.51m，如圖3所示。

7結(jié)束語(yǔ)

本方案是一種Wi?Fi位置指紋定位技術(shù)和行人航跡推算技術(shù)融合的室內(nèi)定位方案，同時(shí)引入了KNN算法和擴(kuò)展卡爾曼濾波算法。通過(guò)結(jié)果可知，本方案可有效提高室內(nèi)定位精度。鑒于定位精度的提高，室內(nèi)定位技術(shù)具有廣闊的應(yīng)用場(chǎng)景。事實(shí)上，方案引入的KNN算法和擴(kuò)展卡爾曼濾波算法仍有優(yōu)化空間，定位精度有進(jìn)一步提高的可能。