基于高校場景的多時(shí)空信息融合室內(nèi)定位技術(shù)的研究與應(yīng)用

摘 要：室內(nèi)環(huán)境相比于室外環(huán)境更加復(fù)雜，目前尚無一種通用的室內(nèi)定位技術(shù)可以同時(shí)滿足具體使用場景下精確性、穩(wěn)態(tài)性、實(shí)時(shí)性和經(jīng)濟(jì)性的定位需求。本研究立足于高校智慧校園定位場景的需求，提出了一種優(yōu)化的融合地圖信息和粒子濾波（Particle Filter，PF）的行人慣性導(dǎo)航（Pedestrian Dead Reckoning，PDR）定位方法。該針對(duì)補(bǔ)償傳統(tǒng)行人慣性導(dǎo)航系統(tǒng)中的累積誤差，引入長廊模式進(jìn)行定位校準(zhǔn)，為智慧校園提供了一種低成本而有效的室內(nèi)定位解決方案。實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)定位本方案的穩(wěn)定性和準(zhǔn)確性有明顯提高，同時(shí)降低了運(yùn)算量，能夠滿足高校智慧校園的使用需求。

關(guān)鍵詞：室內(nèi)定位；高校場景；行人慣性導(dǎo)航；長廊模式

Abstract：The indoor environment is more complex than the outdoor environment，and there is no universal indoor navigation technology that can simultaneously meet the positioning requirements of accuracy，steadystate，realtime and economical in specific scenarios.Based on the requirements of smart campus location scenarios in universities，this study proposes an optimized pedestrian dead reckoning location method that integrates map information and Particle Filter.In order to compensate the accumulated errors in the traditional pedestrian dead reckoning system，the corridor mode is introduced for positioning calibration，providing a lowcost and effective indoor positioning solution for smart campus.The experimental results show that compared with the traditional positioning，the stability and accuracy of the proposed scheme are significantly improved，and the calculation amount is reduced，which is suitable for the use of smart campus in universities.

Keywords：Indoor Positioning；University Scenes；Pedestrian Dead Reckoning；Corridor Mode

相對(duì)準(zhǔn)確的定位信息，可以大大提高校園生活的便利性以及學(xué)校的管理水平，這是智慧校園發(fā)展的重要方向［1］。以北斗衛(wèi)星導(dǎo)航系統(tǒng)、全球定位系統(tǒng)（Global Position System，GPS）為代表的衛(wèi)星導(dǎo)航系統(tǒng)已經(jīng)發(fā)展得相對(duì)完善，基本能滿足人們對(duì)于室外導(dǎo)航的基本需求，但在運(yùn)用到室內(nèi)環(huán)境時(shí)仍存在衛(wèi)星信號(hào)弱、干擾多導(dǎo)致的定位不準(zhǔn)確問題。室內(nèi)環(huán)境相比于室外環(huán)境更加復(fù)雜，通用的室內(nèi)定位技術(shù)目前尚無法完全滿足實(shí)際應(yīng)用需求，如何綜合實(shí)際場景需求以及現(xiàn)場情況等多方面因素定制最適合的定位系統(tǒng)受到了研究人員的關(guān)注［2］。

1 室內(nèi)定位技術(shù)分析

室內(nèi)定位研究的熱點(diǎn)有很多。其中，慣性導(dǎo)航技術(shù)一直應(yīng)用于GPS中［3］，它的部署成本相對(duì)較低，有著較高的穩(wěn)健性，但是準(zhǔn)確性受到傳感器的制約，誤差積累導(dǎo)致的整體漂移現(xiàn)象明顯。基于WiFi的位置指紋定位技術(shù)也一直是研究熱點(diǎn)，其在經(jīng)濟(jì)性和定位準(zhǔn)確性方面有較大優(yōu)勢，但容易受到室內(nèi)環(huán)境變化的影響，呈現(xiàn)出一定的動(dòng)態(tài)性和隨機(jī)性。由于有明確的使用場景，可以通過環(huán)境信息對(duì)誤差進(jìn)行優(yōu)化［4］。粒子濾波是蒙特卡洛（Monte Carlo）方法的非線性濾波算法，通過隨機(jī)采樣的粒子表達(dá)概率密度分布，實(shí)現(xiàn)對(duì)待求參數(shù)概率密度函數(shù)的近似最優(yōu)估計(jì)。

2 室內(nèi)定位多系統(tǒng)融合方案設(shè)計(jì)與實(shí)現(xiàn)

近年來，智慧校園基礎(chǔ)建設(shè)在各高校快速推進(jìn)，越來越多的高校完成了校園無線網(wǎng)絡(luò)全覆蓋，為室內(nèi)定位提供無處不在的信號(hào)參照源。同時(shí)，伴隨智能手機(jī)計(jì)算性能的提升，以及手機(jī)傳感器數(shù)據(jù)精確性的提升，先使用粒子濾波技術(shù)來融合行人慣性導(dǎo)航技術(shù)和位置指紋定位技術(shù)的優(yōu)點(diǎn)，然后通過地圖修正［5］及使用場景修正的低成本且便捷的室內(nèi)定位服務(wù)成為可能［6］。

2.1 位置指紋庫與粒子初始化

本研究采用接收信號(hào)強(qiáng)度指示（Received Signal Strength Indicator，RSSI）作為位置指紋特征建立離線指紋庫。在離線數(shù)據(jù)采集階段，每個(gè)采集點(diǎn)信號(hào)使用多次測量的均值進(jìn)行記錄，形成一個(gè)高維地址數(shù)據(jù)矩陣Md。

依據(jù)相關(guān)文獻(xiàn)研究［7］，粒子濾波算法的粒子數(shù)在100處趨于收斂，故本方案設(shè)置粒子數(shù)為100，初始時(shí)每個(gè)粒子權(quán)重相同。

2.2 下一位置預(yù)測

初始化后開始對(duì)粒子下一位置進(jìn)行預(yù)測。

預(yù)測位置使用行人慣性導(dǎo)航技術(shù)，通過手機(jī)內(nèi)置加速度傳感器對(duì)行走步數(shù)和步長進(jìn)行估計(jì)，結(jié)合陀螺儀獲得的航向信息逐步推算行人位置、行走距離和方向信息，算法可以分為如下4個(gè)階段。

（1）步態(tài)檢測階段：利用人行走時(shí)加速度正弦波的周期性，通過波峰與波谷個(gè)數(shù)來計(jì)算每步用時(shí)Δtd。由于傳感器震動(dòng)會(huì)產(chǎn)生部分噪聲，需要設(shè)置閾值進(jìn)行過濾。

（2）步長估計(jì)階段：選擇Weinberg算法［8］，利用步行期間每步不同狀態(tài)下加速度的波峰和波谷變化與步長的關(guān)系來確定步長d，進(jìn)而求解出速度值v。

（3）航向估計(jì)階段：使用手機(jī)傳感器，基于地球磁場和重力可以獲得初始方位θ，陀螺儀返回的角速率φ更新后續(xù)方向。

（4）位置推算階段：基于步長估計(jì)階段和航向估計(jì)階段得到的參數(shù)，依據(jù)已有的當(dāng)前位置、運(yùn)動(dòng)間隔時(shí)間、運(yùn)動(dòng)速度和運(yùn)動(dòng)方向預(yù)測粒子下一位置。位置更新的運(yùn)動(dòng)模型公式為：

xi=xi-1+vφ［sin（θi-1+φΔt）-sinθi-1］（1）

yi=yi-1+vφ［cosθi-1-cos（θi-1+φΔt）］（2）

θi=θi-1+φΔt（3）

其中，xi和yi為預(yù)測點(diǎn)的坐標(biāo)位置，v和Δt為到預(yù)測運(yùn)動(dòng)速度和時(shí)間。

2.3 權(quán)重更新

使用位置指紋定位技術(shù)進(jìn)行預(yù)測點(diǎn)權(quán)重計(jì)算，本研究使用最近相鄰算法原理［9］和多元高斯密度概率公式進(jìn)行權(quán)重更新。

權(quán)重公式為：

p（x，y）=12πσxσye-（x-μx）22σ2x+（y-μy）22σ2y（4）

其，中μx和μy是地圖標(biāo)記點(diǎn)坐標(biāo)，x和y是預(yù)測點(diǎn)和標(biāo)記點(diǎn)觀測坐標(biāo)。

2.4 重采樣

使用Resampling Wheel方案［10］將所得粒子位置權(quán)重與圓環(huán)的弧長進(jìn)行正比映射，通過隨機(jī)旋轉(zhuǎn)抽取，使粒子逐步向后驗(yàn)證概率高的區(qū)域聚集，最終收斂到精確的位置信息。

3 高校場景分析與優(yōu)化

在高校智慧校園使用場景中，尤其是在室內(nèi)定位場景中，明確的狹長公共長廊區(qū)域占據(jù)很大面積。在實(shí)驗(yàn)中發(fā)現(xiàn)，在連續(xù)移動(dòng)過程中，行人慣性導(dǎo)航技術(shù)的誤差主要出現(xiàn)在航向角，積累的誤差最終導(dǎo)致預(yù)測位置的準(zhǔn)確性大幅降低。長期實(shí)際觀察發(fā)現(xiàn)，行人在長廊中移動(dòng)時(shí)傾向在中間位置沿直線行走，如果能判斷行人在長廊中移動(dòng)，那么這段位置就可以使用地圖信息進(jìn)行定位修正［11］。

如果能判斷行人行走在長廊附近，且軌跡趨于一條直線并與長廊方向相一致，即可認(rèn)為行人在長廊中行走。設(shè)長廊中間點(diǎn)的連線為航道參考線Υ，形成日常人員移動(dòng)的基準(zhǔn)路徑點(diǎn)，l為虛擬預(yù)測線，Tl1和Tl2為閾值，i為當(dāng)前定位點(diǎn)，d為定位點(diǎn)到Υ的垂直距離。若同時(shí)滿足：

Tl1＞∑nj=1［（xi-j-x）2+（yi-j-y）2］（5）

Tl2＞∑nj=0di（6）

即可認(rèn)定進(jìn)入長廊模式。在長廊模式下，使用航道參考線對(duì)預(yù)測點(diǎn)進(jìn)行優(yōu)化。

手機(jī)陀螺儀傳感器Z軸的數(shù)據(jù)可以相當(dāng)準(zhǔn)確地判斷行人行進(jìn)的動(dòng)作狀態(tài)。如果處于直線行走狀態(tài)，Z軸數(shù)據(jù)波動(dòng)較小，相對(duì)平穩(wěn)；如果出現(xiàn)突然的奇異點(diǎn)，通常是發(fā)生了拐彎或轉(zhuǎn)向等大角度轉(zhuǎn)變的情況，結(jié)合地圖上特定位置的標(biāo)記（教室門口、長廊拐彎處等），確定長廊開始結(jié)束位置。

4 實(shí)驗(yàn)結(jié)果及分析

本研究采用某型號(hào)手機(jī)及其集成的傳感器作為實(shí)驗(yàn)平臺(tái)，在安徽中醫(yī)藥高等專科學(xué)校第二教學(xué)樓二層進(jìn)行結(jié)果驗(yàn)證。全層南北寬41m、東西長71m，主要由7間大型階梯教室以及環(huán)繞一圈的長廊構(gòu)成，總計(jì)9臺(tái)AP（Access Point，無線接入點(diǎn)）設(shè)備（每間階梯教室1臺(tái)，教學(xué)樓兩側(cè)大廳出入口各1臺(tái)）。

在實(shí)驗(yàn)過程中，實(shí)驗(yàn)員平拿手機(jī)從A點(diǎn)開始經(jīng)過B點(diǎn)到達(dá)C點(diǎn)結(jié)束，整段路徑長為75m。采用如下3種方案進(jìn)行室內(nèi)定位實(shí)驗(yàn)。

方案一：使用手機(jī)自帶的傳感器，使用標(biāo)準(zhǔn)行人慣性導(dǎo)航方案進(jìn)行室內(nèi)定位，軌跡圖如圖1（a）所示。方案二：結(jié)合地圖信息的粒子過濾技術(shù)的行人慣性導(dǎo)航技術(shù)定位優(yōu)化，軌跡圖如圖1（b）所示。方案三：結(jié)合使用場景和地圖信息的粒子過濾技術(shù)的行人慣性導(dǎo)航技術(shù)優(yōu)化定位，軌跡圖如圖1（c）所示。對(duì)比3種方案的軌跡圖，能直觀地看到不同方案的誤差情況。

觀察圖1（a），可以直觀地發(fā)現(xiàn)，使用行人慣性導(dǎo)航進(jìn)行室內(nèi)定位，步長、步速的計(jì)算是準(zhǔn)確的，但由于手機(jī)傳感器輸出的航向角度誤差會(huì)隨著移動(dòng)累計(jì)，呈現(xiàn)出明顯的定位漂移現(xiàn)象，導(dǎo)致定位結(jié)果逐漸脫離真實(shí)的運(yùn)動(dòng)軌跡。

方案二結(jié)合行人慣性導(dǎo)航技術(shù)和位置指紋定位技術(shù)進(jìn)行定位點(diǎn)的預(yù)測，結(jié)合地圖信息增加了約束過濾條件。觀察圖1（b）可知，航向角度的累計(jì)誤差得到了抑制，穿越墻壁或不可達(dá)位置的錯(cuò)誤粒子得到了修正，路徑漂移現(xiàn)象得到了改善，定位精度得到了提高，特別是可以得到相對(duì)準(zhǔn)確的功能區(qū)域目標(biāo)。

方案三充分考慮了具體使用場景提供的約束信息。觀察圖1（c）可知，在長廊區(qū)域快速尋找到符合邏輯的軌跡路線進(jìn)行參照修正，定位點(diǎn)航向角度累計(jì)誤差被修正，同時(shí)融合陀螺儀Z軸奇異點(diǎn)的判斷，定位精度大幅度提高。

結(jié)語

本研究介紹了一種在高校校園室內(nèi)定位特定使用場景、融合地圖信息與粒子過濾技術(shù)的行人慣性導(dǎo)航方案。該方案在使用場景中挖掘長廊這一約束條件，相比單純校正航向角的方案，顯著提高了定位數(shù)據(jù)的穩(wěn)定性和準(zhǔn)確性。下一步，還需要針對(duì)智慧校園的使用場景，挖掘更多場景信息作為約束條件，進(jìn)一步降低定位的計(jì)算復(fù)雜度，提升定位的準(zhǔn)確度。

參考文獻(xiàn)：

［1］陳銳志，郭光毅，陳亮，等.室內(nèi)高精度定位技術(shù)研究應(yīng)用現(xiàn)狀與發(fā)展趨勢［J］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2023，48（10）：15911600.

［2］錢志鴻，孫大洋，VICTOR L.無線網(wǎng)絡(luò)定位綜述［J］.計(jì)算機(jī)學(xué)報(bào)，2016，39（6）：12371256.

［3］ZHUANG Y，YANG J，QI L N，et al.A pervasive integration platform of lowcost MEMS sensors and wireless signals for indoor localization［J］.IEEE Internet Things Journal，2018，5（6）：46164631.

［4］唐翔宇，張千里，王繼龍，等.基于精確時(shí)間測量的無線網(wǎng)絡(luò)室內(nèi)定位系統(tǒng)研究［J］.計(jì)算機(jī)學(xué)報(bào)，2022，45（3）：567584.

［5］余彥培.一種融合地圖與傳感器信息的室內(nèi)地圖匹配新算法［J］.電訊技術(shù)，2014，54（12）：16561662.

［6］付瀟.面向智能移動(dòng)終端的多源信息融合定位關(guān)鍵技術(shù)研究［D］.北京：北京郵電大學(xué)，2020.

［7］趙文曄，高井祥，李增科，等.地圖匹配輔助的KFPF室內(nèi)定位算法模型［J］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2018，43（5）：806812.

［8］JIMENEZ A R，SECO F，PRIETO C，et al.A comparison of Pedestrian DeadReckoning algorithms using a lowcost MEMS IMU［C］//2009 IEEE International Symposium on Intelligent Signal Processing.Budapest，Hungary.IEEE，2009：3742.

［9］李方敏，張韜，劉凱，等.基于距離測量和位置指紋的室內(nèi)定位方法研究［J］.計(jì)算機(jī)學(xué)報(bào)，2019，42（2）：109120.

［10］肖理慶，邵曉根，石天明，等.利用改進(jìn)粒子群算法整定PID參數(shù)［J］.計(jì)算機(jī)應(yīng)用，2010，30（6）：15471549.

［11］陳銳志，錢隆，牛曉光，等.基于數(shù)據(jù)與模型雙驅(qū)動(dòng)的音頻/慣性傳感器耦合定位方法［J］.測繪學(xué)報(bào)，2022，51（7）：11601171.

基金項(xiàng)目：安徽中醫(yī)藥高等專科學(xué)校2022校級(jí)自然科學(xué)項(xiàng)目（項(xiàng)目編號(hào)：ZRKXY202202）

*通信作者：孫超（1986— ），男，漢族，安徽合肥人，碩士研究生，高級(jí)工程師，研究方向?yàn)槲锫?lián)網(wǎng)與室內(nèi)定位。

作者簡介：楊正（1982— ），男，漢族，安徽蕪湖人，碩士研究生，高級(jí)工程師，研究方向?yàn)闊o線通信網(wǎng)絡(luò)；王緯（1981— ），男，漢族，安徽蕪湖人，碩士研究生，中級(jí)工程師，研究方向?yàn)槲锫?lián)網(wǎng)。