基于高校場景的多時空信息融合室內定位技術的研究與應用

摘 要：室內環境相比于室外環境更加復雜，目前尚無一種通用的室內定位技術可以同時滿足具體使用場景下精確性、穩態性、實時性和經濟性的定位需求。本研究立足于高校智慧校園定位場景的需求，提出了一種優化的融合地圖信息和粒子濾波（Particle Filter，PF）的行人慣性導航（Pedestrian Dead Reckoning，PDR）定位方法。該針對補償傳統行人慣性導航系統中的累積誤差，引入長廊模式進行定位校準，為智慧校園提供了一種低成本而有效的室內定位解決方案。實驗結果表明，相對于傳統定位本方案的穩定性和準確性有明顯提高，同時降低了運算量，能夠滿足高校智慧校園的使用需求。

關鍵詞：室內定位；高校場景；行人慣性導航；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

相對準確的定位信息，可以大大提高校園生活的便利性以及學校的管理水平，這是智慧校園發展的重要方向［1］。以北斗衛星導航系統、全球定位系統（Global Position System，GPS）為代表的衛星導航系統已經發展得相對完善，基本能滿足人們對于室外導航的基本需求，但在運用到室內環境時仍存在衛星信號弱、干擾多導致的定位不準確問題。室內環境相比于室外環境更加復雜，通用的室內定位技術目前尚無法完全滿足實際應用需求，如何綜合實際場景需求以及現場情況等多方面因素定制最適合的定位系統受到了研究人員的關注［2］。

1 室內定位技術分析

室內定位研究的熱點有很多。其中，慣性導航技術一直應用于GPS中［3］，它的部署成本相對較低，有著較高的穩健性，但是準確性受到傳感器的制約，誤差積累導致的整體漂移現象明顯。基于WiFi的位置指紋定位技術也一直是研究熱點，其在經濟性和定位準確性方面有較大優勢，但容易受到室內環境變化的影響，呈現出一定的動態性和隨機性。由于有明確的使用場景，可以通過環境信息對誤差進行優化［4］。粒子濾波是蒙特卡洛（Monte Carlo）方法的非線性濾波算法，通過隨機采樣的粒子表達概率密度分布，實現對待求參數概率密度函數的近似最優估計。

2 室內定位多系統融合方案設計與實現

近年來，智慧校園基礎建設在各高校快速推進，越來越多的高校完成了校園無線網絡全覆蓋，為室內定位提供無處不在的信號參照源。同時，伴隨智能手機計算性能的提升，以及手機傳感器數據精確性的提升，先使用粒子濾波技術來融合行人慣性導航技術和位置指紋定位技術的優點，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定位服務成為可能［6］。

2.1 位置指紋庫與粒子初始化

本研究采用接收信號強度指示（Received Signal Strength Indicator，RSSI）作為位置指紋特征建立離線指紋庫。在離線數據采集階段，每個采集點信號使用多次測量的均值進行記錄，形成一個高維地址數據矩陣Md。

依據相關文獻研究［7］，粒子濾波算法的粒子數在100處趨于收斂，故本方案設置粒子數為100，初始時每個粒子權重相同。

2.2 下一位置預測

初始化后開始對粒子下一位置進行預測。

預測位置使用行人慣性導航技術，通過手機內置加速度傳感器對行走步數和步長進行估計，結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個階段。

（1）步態檢測階段：利用人行走時加速度正弦波的周期性，通過波峰與波谷個數來計算每步用時Δtd。由于傳感器震動會產生部分噪聲，需要設置閾值進行過濾。

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

（3）航向估計階段：使用手機傳感器，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更新后續方向。

（4）位置推算階段：基于步長估計階段和航向估計階段得到的參數，依據已有的當前位置、運動間隔時間、運動速度和運動方向預測粒子下一位置。位置更新的運動模型公式為：

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為預測點的坐標位置，v和Δt為到預測運動速度和時間。

2.3 權重更新

使用位置指紋定位技術進行預測點權重計算，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行權重更新。

權重公式為：

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

其，中μx和μy是地圖標記點坐標，x和y是預測點和標記點觀測坐標。

2.4 重采樣

使用Resampling Wheel方案［10］將所得粒子位置權重與圓環的弧長進行正比映射，通過隨機旋轉抽取，使粒子逐步向后驗證概率高的區域聚集，最終收斂到精確的位置信息。

3 高校場景分析與優化

在高校智慧校園使用場景中，尤其是在室內定位場景中，明確的狹長公共長廊區域占據很大面積。在實驗中發現，在連續移動過程中，行人慣性導航技術的誤差主要出現在航向角，積累的誤差最終導致預測位置的準確性大幅降低。長期實際觀察發現，行人在長廊中移動時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，那么這段位置就可以使用地圖信息進行定位修正［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，即可認為行人在長廊中行走。設長廊中間點的連線為航道參考線Υ，形成日常人員移動的基準路徑點，l為虛擬預測線，Tl1和Tl2為閾值，i為當前定位點，d為定位點到Υ的垂直距離。若同時滿足：

Tl1＞∑nj=1［（xi-j-x）2+（yi-j-y）2］（5）

Tl2＞∑nj=0di（6）

即可認定進入長廊模式。在長廊模式下，使用航道參考線對預測點進行優化。

手機陀螺儀傳感器Z軸的數據可以相當準確地判斷行人行進的動作狀態。如果處于直線行走狀態，Z軸數據波動較小，相對平穩；如果出現突然的奇異點，通常是發生了拐彎或轉向等大角度轉變的情況，結合地圖上特定位置的標記（教室門口、長廊拐彎處等），確定長廊開始結束位置。

4 實驗結果及分析

本研究采用某型號手機及其集成的傳感器作為實驗平臺，在安徽中醫藥高等專科學校第二教學樓二層進行結果驗證。全層南北寬41m、東西長71m，主要由7間大型階梯教室以及環繞一圈的長廊構成，總計9臺AP（Access Point，無線接入點）設備（每間階梯教室1臺，教學樓兩側大廳出入口各1臺）。

在實驗過程中，實驗員平拿手機從A點開始經過B點到達C點結束，整段路徑長為75m。采用如下3種方案進行室內定位實驗。

方案一：使用手機自帶的傳感器，使用標準行人慣性導航方案進行室內定位，軌跡圖如圖1（a）所示。方案二：結合地圖信息的粒子過濾技術的行人慣性導航技術定位優化，軌跡圖如圖1（b）所示。方案三：結合使用場景和地圖信息的粒子過濾技術的行人慣性導航技術優化定位，軌跡圖如圖1（c）所示。對比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），可以直觀地發現，使用行人慣性導航進行室內定位，步長、步速的計算是準確的，但由于手機傳感器輸出的航向角度誤差會隨著移動累計，呈現出明顯的定位漂移現象，導致定位結果逐漸脫離真實的運動軌跡。

方案二結合行人慣性導航技術和位置指紋定位技術進行定位點的預測，結合地圖信息增加了約束過濾條件。觀察圖1（b）可知，航向角度的累計誤差得到了抑制，穿越墻壁或不可達位置的錯誤粒子得到了修正，路徑漂移現象得到了改善，定位精度得到了提高，特別是可以得到相對準確的功能區域目標。

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，在長廊區域快速尋找到符合邏輯的軌跡路線進行參照修正，定位點航向角度累計誤差被修正，同時融合陀螺儀Z軸奇異點的判斷，定位精度大幅度提高。

結語

本研究介紹了一種在高校校園室內定位特定使用場景、融合地圖信息與粒子過濾技術的行人慣性導航方案。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，顯著提高了定位數據的穩定性和準確性。下一步，還需要針對智慧校園的使用場景，挖掘更多場景信息作為約束條件，進一步降低定位的計算復雜度，提升定位的準確度。

參考文獻：

［1］陳銳志，郭光毅，陳亮，等.室內高精度定位技術研究應用現狀與發展趨勢［J］.武漢大學學報（信息科學版），2023，48（10）：15911600.

［2］錢志鴻，孫大洋，VICTOR L.無線網絡定位綜述［J］.計算機學報，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.基于精確時間測量的無線網絡室內定位系統研究［J］.計算機學報，2022，45（3）：567584.

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

［6］付瀟.面向智能移動終端的多源信息融合定位關鍵技術研究［D］.北京：北京郵電大學，2020.

［7］趙文曄，高井祥，李增科，等.地圖匹配輔助的KFPF室內定位算法模型［J］.武漢大學學報（信息科學版），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定位方法研究［J］.計算機學報，2019，42（2）：109120.

［10］肖理慶，邵曉根，石天明，等.利用改進粒子群算法整定PID參數［J］.計算機應用，2010，30（6）：15471549.

［11］陳銳志，錢隆，牛曉光，等.基于數據與模型雙驅動的音頻/慣性傳感器耦合定位方法［J］.測繪學報，2022，51（7）：11601171.

基金項目：安徽中醫藥高等專科學校2022校級自然科學項目（項目編號：ZRKXY202202）

*通信作者：孫超（1986— ），男，漢族，安徽合肥人，碩士研究生，高級工程師，研究方向為物聯網與室內定位。

作者簡介：楊正（1982— ），男，漢族，安徽蕪湖人，碩士研究生，高級工程師，研究方向為無線通信網絡；王緯（1981— ），男，漢族，安徽蕪湖人，碩士研究生，中級工程師，研究方向為物聯網。