0 引言

    目前,，國內(nèi)外已有不少對室內(nèi)定位的研究,。FOXLIN E^[1]等人提出基于慣性測量單元（Inertial Measurement Unit，IMU）的傳統(tǒng)導(dǎo)航機(jī)制,，通過對加速度進(jìn)行兩次積分得到行走距離,，對陀螺儀積分得到航向變化值,，結(jié)果得到較為精確的定位結(jié)果，然而其高精度性能的基礎(chǔ)是價(jià)格昂貴的IMU,，在行人定位中并不能普及,；LEVI R W和 JUDD T^[2]提出了行人航跡推算(Pedestrian Dead Reckoning，PDR)算法來實(shí)現(xiàn)行人定位,，該算法利用加速度信號(hào)探測用戶行走時(shí)的跨步,，采用有關(guān)模型估計(jì)步長，利用從陀螺儀獲得的方向信息推算出行人的速度,、位置和距離等信息,，其算法簡單，比傳統(tǒng)慣性導(dǎo)航機(jī)制的定位精度更高,。然而,，隨著時(shí)間的增加，傳感器的誤差不斷積累,，使得到達(dá)一定距離后PDR的定位精度急劇下降,；謝宏偉^[3]等人設(shè)計(jì)了一款基于穩(wěn)定性增強(qiáng)粒子濾波磁場匹配算法的手機(jī)室內(nèi)定位系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)了在未知初始方向和位置的情況下的定位,，并達(dá)到1～2 m的定位精度,。但該算法實(shí)現(xiàn)復(fù)雜，計(jì)算速度慢,。

    基于上述原因,，本文提出一種基于粒子濾波的多信息融合室內(nèi)定位方法，通過融合PDR和地磁信息,，實(shí)時(shí)動(dòng)態(tài)補(bǔ)償PDR的定位誤差,，實(shí)現(xiàn)高精度、低成本,、低復(fù)雜度的PDR/地磁融合室內(nèi)定位,。

1 融合定位算法

    PDR算法利用加速度計(jì)、陀螺儀和磁力計(jì)等慣性器件得到行人行走時(shí)的原始數(shù)據(jù),，原始數(shù)據(jù)經(jīng)擴(kuò)展卡爾曼濾波融合得到行人的步頻,、步長以及方向信息。由于慣性器件誤差的積累導(dǎo)致定位誤差不斷增大,，所以本文選用地磁來輔助PDR實(shí)現(xiàn)室內(nèi)定位,，原理框圖如圖1所示。

    地磁定位包含3個(gè)方面：一是導(dǎo)航區(qū)域地磁數(shù)據(jù)庫的建立,；二是載體上磁力計(jì)的實(shí)時(shí)測量,；三是地磁匹配。首先把載體經(jīng)過區(qū)域中某些點(diǎn)的地磁場特征量繪制成基準(zhǔn)圖保存下來,，當(dāng)載體穿越這些區(qū)域時(shí),，將地磁的相似程度作為基準(zhǔn)進(jìn)行匹配,，本文選取粒子濾波算法來完成相似度的匹配。

2 PDR定位原理

    PDR技術(shù)基本思想是通過載體攜帶的加速度傳感器及方向傳感器獲得單位時(shí)間內(nèi)載體的位移及方向,，從而可以根據(jù)上一時(shí)刻載體的位置和方向推算出載體在當(dāng)前時(shí)刻的位置和方向,。若已知初始位置坐標(biāo)為(x₀，y₀),，則第k步的位置坐標(biāo)為：

2.1 步態(tài)檢測

    跨步探測方法有零點(diǎn)探測,、峰值探測、自相關(guān),、步相探測,、零速修正等，具體采取哪種方法與加速度安裝位置有關(guān)^[4],。本文以正常持手機(jī)方式采集數(shù)據(jù),，設(shè)計(jì)一種基于加速度信號(hào)的滑動(dòng)窗口+峰值探測的步頻探測算法。

    步頻探測算法的結(jié)果如圖2所示,，行走過程中的步態(tài)基本都被標(biāo)注出來,，步態(tài)判別準(zhǔn)確率接近100%。

2.2 步長估計(jì)

    PDR算法中步長估計(jì)方法主要有兩種：一是基于慣性導(dǎo)航原理對加速度二次積分,；二是利用人員行進(jìn)特性對其特定動(dòng)作下的行進(jìn)距離進(jìn)行建模^[5],。基于步長模型的方法大多使用低成本慣性器件實(shí)現(xiàn)步長估計(jì),。

    本文PDR算法用建模的方法來確定行人的步長,。假設(shè)在行走過程中加速度的變化與步長成比例，在一個(gè)周期內(nèi),，第k步的步長l_k可以通過下式得到：

其中,，a_pp表示加速度峰值與谷值的差，β是比例因子,，定位之前將得到的訓(xùn)練數(shù)據(jù)經(jīng)最小二乘法擬合得到。

    為了檢測步長估計(jì)算法的性能,，進(jìn)行8次實(shí)驗(yàn)來驗(yàn)證該算法,。每次測試者行走的總長度是20 m，表1是8組數(shù)據(jù)的解算距離及誤差,，表明該步長估計(jì)算法的精度在短距離內(nèi)可以達(dá)到1 m,。

2.3 方向估計(jì)

    對于行人行走時(shí)方向角測量，普遍采用低成本陀螺儀,、加速度計(jì)和磁力計(jì)等實(shí)現(xiàn),。陀螺儀的零點(diǎn)存在溫度漂移，加速度計(jì)會(huì)受到載體震動(dòng)的影響,，磁力計(jì)會(huì)被外部磁場干擾,。因此,，為了得到可靠、準(zhǔn)確的方向角,，必須利用濾波器融合不同傳感器的數(shù)據(jù),、濾除不必要的干擾^[6]。本文選取擴(kuò)展卡爾曼濾波器實(shí)現(xiàn)融合算法,。

    圖3是由擴(kuò)展卡爾曼濾波器得到的行人方向角,，由于誤差的存在，由擴(kuò)展卡爾曼濾波得到的方向角與參考方向還是存在一定的偏差,，最大誤差接近30°,。

3 地磁定位

    地磁定位的關(guān)鍵是地磁匹配算法，地磁匹配是指利用地磁圖進(jìn)行導(dǎo)航定位的過程,。首先把載體經(jīng)過區(qū)域中某些點(diǎn)的地磁場特征量繪制成地磁匹配參考圖或稱基準(zhǔn)圖保存在載體計(jì)算機(jī)中,，當(dāng)載體穿越這些區(qū)域時(shí)，將地磁的相似程度作為基準(zhǔn)進(jìn)行匹配,，認(rèn)為最佳匹配點(diǎn)就是行人的位置^[7],。

3.1 地磁基準(zhǔn)數(shù)據(jù)庫的建立

    克里金插值法是一種最優(yōu)、線性和無偏的估計(jì)方法,，是應(yīng)用最廣泛的空間內(nèi)插方法之一,，能最大程度地利用所給的信息，具有很高的插值精度^[8],。圖4是經(jīng)克里金插值后的室內(nèi)地磁基準(zhǔn)圖,。

3.2 粒子濾波

    粒子濾波是一種使用有限數(shù)量粒子來表示狀態(tài)的后驗(yàn)分布的非參數(shù)化濾波算法。在粒子濾波算法中,，狀態(tài)的后驗(yàn)分布采樣點(diǎn)被稱為粒子,，每個(gè)粒子都表示對當(dāng)前狀態(tài)的假設(shè)，通過粒子的權(quán)重來衡量該粒子所表示狀態(tài)的可能性大小,，如果一個(gè)區(qū)域內(nèi)的粒子非常密集,，表示實(shí)際狀態(tài)在該區(qū)域的概率非常大^[9]。

    粒子濾波主要由狀態(tài)方程,、觀測方程以及重采樣等部分組成,。本文的狀態(tài)方程如式(3)所示：

式中，n表示觀測值z的維度,，本文用磁場向量的模值作為觀測值,，所以n=1；V是協(xié)方差,；obss表示由地磁匹配得到的當(dāng)前位置對應(yīng)的地磁值,；z表示當(dāng)前位置地磁的觀測值。

    PDR算法可以計(jì)算行人的步長,，然而,，由于慣性器件的累積誤差使得步長的誤差較大,。本文通過設(shè)定步長初始值并由粒子權(quán)重不斷修正的方式來得到動(dòng)態(tài)步長。正常人行走的步長范圍為0.5 m~0.7 m,，假設(shè)步長的初始值l₀=0.6 m,，則步長計(jì)算如式(5)所示：

3.3 重采樣

    在粒子濾波中存在粒子退化的問題，粒子權(quán)值的方差隨著時(shí)間增大,，狀態(tài)空間中的有效粒子數(shù)較少,，隨著無效采樣粒子數(shù)目的增加，使得大量的計(jì)算浪費(fèi)在對估計(jì)后驗(yàn)濾波概率分布幾乎不起作用的粒子上,，使得估計(jì)性能下降,，粒子群逐漸發(fā)散^[11]。

    重采樣方法可以有效解決粒子退化問題^[12],。當(dāng)有效粒子數(shù)小于某一閾值時(shí),，便對粒子進(jìn)行重采樣。重采樣的思想就是舍棄權(quán)重小的粒子,，將權(quán)重大的粒子復(fù)制幾次得到新粒子,，用這些新粒子代替舍棄掉的粒子，至于每個(gè)粒子復(fù)制幾次完全由粒子的權(quán)重決定,。

4 實(shí)驗(yàn)結(jié)果及分析

    為了驗(yàn)證本文提出的基于粒子濾波的多信息融合室內(nèi)定位算法的可行性,，在室內(nèi)環(huán)境進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)場地為大學(xué)圖書館四樓413實(shí)驗(yàn)室,。為了提高磁場定位的精度,，采用克里金插值算法對采集到的地磁數(shù)據(jù)進(jìn)行0.5 m間隔的空間插值。設(shè)定初始位置已知,，實(shí)驗(yàn)者手持手機(jī)在實(shí)驗(yàn)室沿指定路徑行走一周,。在行走的過程中，手機(jī)以20 Hz的頻率采集并保存加速度計(jì),、陀螺儀以及磁力計(jì)的原始數(shù)據(jù),，最終由MATLAB軟件仿真出結(jié)果。

    本文對兩種定位算法的結(jié)果進(jìn)行對比：第一種是基于擴(kuò)展卡爾曼濾波的純PDR定位算法,，第二種是基于粒子濾波的多信息融合室內(nèi)定位算法,。圖5是由兩種算法得到的MATLAB仿真圖，由圖5看出基于粒子濾波的融合室內(nèi)定位算法的性能明顯優(yōu)于PDR算法,。由于慣性器件的精度不高,，隨著時(shí)間的增加由擴(kuò)展卡爾曼濾波器得到的方向角誤差不斷增大,，導(dǎo)致由PDR得到的行人軌跡嚴(yán)重偏離實(shí)際軌跡,。由于粒子濾波算法能夠不斷地修正步長和方向角，這就解決了PDR中誤差不斷積累的問題,。所以,，隨著行走距離的增加,，基于粒子濾波的融合室內(nèi)定位算法的精度能夠保持穩(wěn)定。

    本文比較兩條仿真軌跡與參考軌跡的坐標(biāo)數(shù)據(jù),，得到兩種算法的誤差,，如表2所示。

    由表2可知,，本文提出的算法與PDR算法相比,，平均誤差減少了70.5%，均方誤差減少了70.8%,。實(shí)驗(yàn)結(jié)果表明,，本文提出的基于粒子濾波的多信息融合室內(nèi)定位算法可以解決定位誤差累積的問題，有效地提高了定位精度,。

5 結(jié)論

    在室內(nèi)定位技術(shù)中,，針對傳統(tǒng)PDR短距離精度高、長距離累積誤差嚴(yán)重和地磁匹配容易受外界干擾磁場的影響等問題,，本文提出一種基于粒子濾波的多信息融合室內(nèi)定位算法,，該算法通過動(dòng)態(tài)補(bǔ)償步長和方向角誤差有效地抑制了定位結(jié)果的發(fā)散。實(shí)驗(yàn)結(jié)果表明,，該算法的精度能達(dá)到1 m~2 m,，驗(yàn)證了該算法的有效性和可行性。

參考文獻(xiàn)

[1] FOXLIN E.Pedestrian tracking with shoe-mounted inertial sensors[J].IEEE Computer Graphics & Applications,，2005,，25(6)：38-46.

[2] LEVI R W，JUDD T.Dead reckoning navigational system using accelerometer to measure foot impacts:US, US5583776[P].1996.

[3] 謝宏偉.基于智能手機(jī)平臺(tái)的地磁室內(nèi)定位系統(tǒng)[D].南京：南京大學(xué),，2015.

[4] CHEN W,，CHEN R，CHEN X,，et al.Comparison of EMG-based and accelerometer-based speed estimation methods in pedestrian dead reckoning[J].Journal of Navigation,，2011，64(2)：265-280.

[5] TIAN Q L,，SALCIC Z,，WANG I K，et al.A multi-mode dead reckoning system for pedestrian tracking using smartphones[J].IEEE Sensors Journal,，2016,，16(7)：2079-2093.

[6] HUANG C，LIAO Z,，ZHAO L.Synergism of INS and PDR in self-contained pedestrian tracking with a miniature sensor module[J].IEEE Sensors Journal,，2010，10(8)：1349-1359.

[7] CHEN W，F(xiàn)U Z,，CHEN R,，et al.An integrated GPS and multi-sensor pedestrian positioning system for 3D urban navigation[C].In：Proceedings of the Joint Urban Remote Sensing Event 2009，2009：1-6.

[8] 楊增瑞,，段其昌,，毛明軒，等.基于磁場指紋輔助的手機(jī)室內(nèi)定位系統(tǒng)[J].傳感技術(shù)學(xué)報(bào),，2016,，29(9)：1441-1448.

[9] 張聰聰，王新珩,，董育寧.基于地磁場的室內(nèi)定位和地圖構(gòu)建[J].儀器儀表學(xué)報(bào),，2015，36(1)：181-186.

[10] XIE H,，GU T,，TAO X，et al.A reliability-augmented particle filter for magnetic fingerprinting based indoor localization on smartphone[J].IEEE Transactions on Mobile Computing,，2016,，15(8)：1877-1892.

[11] ZHOU B，LI Q,，MAO Q,，et al.Activity sequence-based indoor pedestrian localization using smartphones[J].IEEE Transactions on Human-Machine Systems，2015,，45(5)：562-574.

[12] LU X,，DONG Y，WANG X.A monte carlo localization algorithm for 2-D indoor self-localization based on magnetic field[C].International ICST Conference on Communications and Networking in China.IEEE,，2013：563-568.