基于多傳感器與WiFi融合的室內定位方法

漏鳴杰　秦會斌

摘 要：針對室內定位精度不高的問題，通過融合多慣性傳感器定位技術和WiFi定位技術，提出一種基于多慣性傳感器和WiFi定位結合室內定位方法。首先使用基于WiFi的室內定位中的RSSI算法，根據位置指紋、利用最近鄰匹配算法獲得絕對位置信息，再通過基于三軸加速度傳感器與陀螺儀的步數檢測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位置信息。最后基于位置指紋的方式對多傳感器的室內定位進行步長校正，得到較為準確的定位結果。實驗結果表明，該方法與單獨運用慣性傳感器或單獨使用基于WiFi的室內定位方法相比，精度更高。

關鍵詞：多慣性傳感器；RSSI；步數檢測；航向估算；步長校正

DOI：10.11907/rjdk.171586

中圖分類號：TP319 文獻標識碼：A 文章編號：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

隨著移動設備與無線通信技術的不斷發展，人們對定位的要求越來越高。室外定位技術已經日趨成熟，諸如美國的GPS定位技術、中國的北斗定位技術、俄羅斯的CIONASS定位技術[1]等，在民用與軍用領域都得到了廣泛應用。而對于室內定位技術，由于室內的復雜環境使微波信號衰減嚴重，室外定位方法應用在室內將會產生極大誤差。

近年來對于室內定位的研究主要集中在基于無線傳感網絡的室內定位和基于慣性傳感器的室內定位。基于無線傳感網絡的室內定位主要使用RSSI（信號強度測量）、TDOA（信號到達時間差定位）、TOA（信號到達時間定位）、AOA（信號到達角度定位）等算法獲得絕對位置信息[2]；基于慣性傳感器的室內定位主要使用移動端的包括加速度計、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位置信息。

在基于無線傳感網絡的室內定位中，WiFi室內定位由于其簡單、低成本的特性，應用十分廣泛，但是其定位精度并不能滿足現實生活中的很多需求。而采用基于慣性傳感器的室內定位技術相對精度較高，但是由于其只能獲取相對位置信息，并且具有累計誤差等缺點，使其應用受到限制。針對上述問題，本文提出一種基于多傳感器與WiFi融合的室內定位方法，此方法首先通過WiFi室內定位的信號強度檢測（RSSI）算法[3]，運用最近鄰算法[4]（NNSS）將位置指紋信息與離線階段建立的位置指紋數據庫進行比較，求得最小差異值Djmin，確定所測移動終端的絕對位置，然后將通過多慣性傳感器測得的數據經過平滑濾波后進行步數檢測、航向估算以及步長校驗實現航跡推算，獲取相對位置，結合兩者信息獲得更高的室內定位精度。

1 整體定位過程

本文采用的基于多傳感器與WiFi的室內定位技術，以基于多慣性傳感器的室內定位技術為主，基于WiFi的位置指紋室內定位技術為輔。通過基于位置指紋的室內定位技術確定絕對位置坐標，在此基礎上，通過多傳感器融合的方式進行相對定位，并運用位置指紋的方式對多傳感器的室內定位進行步長校正，最終得到較為準確的結果。流程如圖1所示，Dj為實際位置指紋與數據庫位置指紋的信息差異值。

2 基于WiFi的位置指紋室內定位

基于WiFi的室內定位技術分為離線和定位兩個階段[5]。離線階段是一個建立位置指紋數據庫的過程，定位階段是一個獲取實時位置指紋信息后，與數據庫位置指紋匹配獲得坐標的過程。endprint

2.1 離線階段

在測試區劃分若干測試點N，坐標分別為（x，y1），（x2，y2），…，（xN，yN），在每個測試點分別測試周圍的AP信號強度，用R=（r1r2...rn）表示，然后取多次測試的平均信號Ravg=（r′1，r′2，…，r′n），將位置信息與信號信息成對存入位置指紋數據庫。本文使用Andriod中已有的API測量測試點周圍的AP強度，通過WiFiManger類中的getScanResults方法獲取附近AP的對象集合，然后通過ScanResult對象的level方法得到信號強度，為一個0～-100的int型數據，數值越大表示信號強度越高。

2.2 定位階段

獲取實時位置指紋信息后，從位置指紋數據庫中選取與此信息最相近的位置指紋信息，通過常用的歐幾里得距離即公式（1）求得實時位置指紋信息與數據庫位置指紋信息的差異值Dj，求得最小Dj值對應數據庫中的位置坐標（xi，yi）即為所求的絕對位置。Dj=1N∑Ni=1（x′i-xi）2

（1） 式中N為AP個數，x′i為測試點得到的第i個AP的信號強度，xi為位置指紋數據庫中第i個AP點的信號強度。

3 基于多慣性傳感器的室內定位

基于慣性傳感器的室內定位可分為步數檢測、航向估算、步長調整3部分，通過步長乘以步數求得實際走過的距離，結合航向信息估算相對位置[6]。

3.1 融合陀螺儀與加速度傳感器的步數檢測

比較實驗數據得知，使用基于加速度傳感器定位比陀螺儀的定位穩定性高一些，但是在測量精度方面要差一些。然而，當出現急速轉彎等特殊情況時，陀螺儀容易出現大的數據波動，導致定位不穩定。因此，本文將兩種檢測方法結合起來。當人體在平穩行走時，將兩者的檢測結果求平均；而當出現突然轉彎等情況時，僅使用加速度傳感器進行步數檢測。流程如圖2所示。

首先檢測角速度的變化值，然后判斷角速度變化是否大于設定的角速度閾值，本文選取閾值為1.5，若超過閾值，說明發生了急速轉彎情況，僅使用加速度傳感器確定步數值；若未超過閾值，則說明未發生大的航向變化，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 陀螺儀步數檢測

人在步行過程中每一方位角速度的變化呈現類似正弦變化的規律，角速度大小在0周圍上下波動，由于數值較小并且有負值，三軸角速度聯合使用有一定難度。通過多種方式相互比較，發現水平方位角速度的變化效果最好，最符合正弦變化規律。所以本文通過Andriod中的senserManger API傳入Senser.TYPE_GYROSCOPE參數，得到角速度數組，取value[2]為水平方位角速度值。進行步行實驗，將取值進行平滑濾波后呈現類似正弦變化規律。設計算法步數檢測：①設定單步時間周期范圍（Tmin～Tmax），小于Tmin的正弦周期視為干擾去除，大于Tmax的周期視為轉彎，仍然算作一步。正常人的行走時間在0.2～1s之間，本文取Tmin為0.2s，取Tmax為1s；②引入角速度動態閾值即初始角速度，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，只有角速度達到動態閾值上下一定范圍才可算作一步，以濾除輕微震動帶來的干擾；③記錄峰值、谷值，為下一步動態閾值作準備。

3.1.2 加速度傳感器步數檢測

人在步行過程中豎直方向的加速度呈現類似正弦變化規律，并且加速度大小在g值上下波動，本文通過andriod中senserManger API傳入參數Senser.TYPE_ACCELEROMETER得到3個方向的加速度值，取豎直方向加速度ay，發現雖然ay數值在g附近波動，但是波動幅度較大，波動峰值ap值超過2g，數據不穩定，不能準確進行步數檢測。針對上述問題，通過公式（2）計算表明，凈加速度A，式中xa、ya、za分別為3個垂直方向加速度。A=x2a+y2a+z2a/g

（2） 將凈加速度進行平滑濾波后得到一個光滑類正弦曲線，設計算法進行步數檢測：①設定單步時間窗口，規定在0.2～2s（對應人的步行頻率0.5～5Hz）內分別達到一次峰值和一次谷值記為一步；②設定動態閾值即初始加速度，首次設置為1，之后每一步的閾值取前一步的峰值與谷值的平均值，只有幅度達到動態閾值上下一定幅度，才可記步，該閾值可有效過濾輕微抖動對加速度的影響；③記錄峰值、谷值，為下一步動態閾值作準備。

3.2 融合電子羅盤和陀螺儀的航向估算

比較實驗數據得知，電子羅盤能夠通過獲取方位角獲得絕對航向，并且沒有絕對誤差，但是在轉彎時獲得的數據很不穩定，而陀螺儀恰恰相反，在短時間內獲得的數據十分穩定。本文將兩種方法結合起來，當人體在平穩行走時，使用電子羅盤進行航向估算；而當出現突然轉彎等情況時，僅使用短期數據穩定的陀螺儀進行航向估算，如圖3所示。

首先連續檢測電子羅盤的水平角值，然后判斷電子羅盤水平角波動是否超過設定的水平角波動閾值，本文選取閾值為35，若超過閾值，說明發生了轉彎的情況，使用陀螺儀進行航向估算；若未超過閾值，則說明未發生大的航向變化，繼續使用電子羅盤進行航向估算。

3.2.1 電子羅盤航向估算

電子羅盤傳感器通過3個角度值來確定航向，分別為方位角、俯仰角、橫滾角[7]，規定X軸正方向為傳感器水平放置正前方，Y軸正方向為傳感器水平放置正右方，Z軸正方向為垂直XY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Z軸方向為正，值的范圍是-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AndriodSenserOrientation API測試航向，測得數據表明，由于周圍環境磁場干擾，導致所取值在短時間內出現較大波動，因此需設定一個閾值，只有在波動大于閾值時，認為絕對航向發生了變化，記錄航向值；否則認為航向未變，舍棄該數據。

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與地磁場的夾角確定絕對航向信息，陀螺儀只能確定相對航向信息。陀螺儀從一定意義來說就是一個角速度傳感器，運用其來測算航向，就是在航向的基礎上，通過對角速度值求積分的方式獲取下一時刻的航向。

3.3 步長調整

如果沒有步長調整，那么即使步數檢測上達到令人滿意的定位結果，檢測獲得的距離與實際距離也是有一定誤差。因為不同的人步長不同，同一人在不同情況下的步長也有差別。針對上述問題，本文提出基于WiFi定位的步長校準。具體方法如圖4所示。

首先設定步長初始值為0.5m，然后通過連續兩次的基于WiFi的室內定位方式獲取兩點坐標（x1，y1）與（x2，y2）之間的距離D。采取兩點間距離除以步數的方式，獲取位置之間的距離時，需要有路徑為直線的限制，即航向不能發生變化。若發生變化，則不記錄坐標點位置；若未發生變化，則判斷行進路程是否已經超過設定值。若還未到設定值則不記錄，若到達設定長度值，則記錄坐標點位置。然后將D除以步數S，即得到動態步長SD。

4 實驗分析與結論

以使用多慣性傳感器的室內定位和使用基于WiFi的室內定位為對照組，驗證本文融合多慣性傳感器與WiFi室內定位方法的精度。

實驗在杭州電子科技大學2教中樓進行，選擇WiFi信號覆蓋強度不同的區域，在此區域選定10個測試點，均勻分布，通過不同的行走軌跡和行走方式行走50m到達基準點。每個測試點測試20次，而且在行走過程中必須既要經過信號強的區域，也要經過信號弱的區域，10個測試點共計200個數據，取每次距離誤差作出統計。圖5為基于WiFi室內定位的200次誤差情況統計，圖6為基于多傳感器的200次誤差情況統計，圖7為融合多傳感器與WiFi的誤差情況統計，圖8為3種室內定位誤差情況的對比統計。通過統計數據可以看出3種方法的定位精度：基于多傳感器的室內定位數據集中分布在1～2m之間，占總數據量的86%，但在2～2.5m范圍內也有7%的數據，說明基于多傳感器的定位精度為3m；基于WiFi的定位數據集中分布在0.5～2m范圍內，占總數據量的84.5%，在2～2.5m范圍內也有1.5%的數據分布，同樣基于WiFi的室內定位精度也為3m；而基于多傳感器與WiFi融合的室內定位數據都集中分布在0～1.5m范圍內，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 結語

本文提出了一種融合多傳感器與WiFi的室內定位方法，通過融合三軸加速度傳感器、電子羅盤、陀螺儀傳感器、無線WiFi傳感器進行室內定位。實驗結果表明，該定位方法有效提高了室內定位精度，定位精度為2m。

參考文獻：

[1] 馬岳雷.基于WLAN的室內定位技術研究[D].蘭州：蘭州大學，2014.

[2] 紀程程.基于接收信號強度測量的室內定位技術研究[D].濟南：山東師范大學，2013.

[3] 石為人，熊志廣，許磊.一種用于室內人員定位的RSSI定位算法[J].計算機工程與應用，2010（17）：232-235.

[4] 周武，趙春霞，張浩峰.動態聯合最近鄰算法[J].電子學報，2010（2）：359-365.

[5] 宋欣.多傳感融合的室內定位技術研究[D].上海：上海交通大學，2013.

[6] 張世哲.基于慣性傳感器和WiFi的室內定位系統的設計與實現[D].北京：北京郵電大學，2012.

[7] 王斌.地磁導航綜合檢測儀的實現及其精確校準技術的研究[D].杭州：杭州電子科技大學，2011.

（責任編輯：黃 ?。〆ndprint