基于智能手机的地磁与PDR定位算法

近年来室内定位技术成为国内外研究的热点,形成了多种室内定位技术共存的局面,其中WiFi、蓝牙、超宽带等无线网络定位技术应用较广,但是这些定位技术都依赖于基础设施,定位成本较高。此处使用室内地磁信号,无需部署任何基础设施即可定位,并利用手机端MEMS传感器实现行人不同运动模式下的步频探测与航向估计。针对地磁信号具有低辨识度的缺点以及PDR的误差累积问题,利用粒子滤波算法融合地磁与PDR定位结果,有效提高了系统的稳定性,保证了定位精度。实验表明,粒子融合定位方法能够消除PDR的漂移,并且平均定位精度达到1.38 m,定位误差在1.5 m内达到80%以上,具有较强的实用性。     

一种融合WiFi/地磁/PDR的室内定位方法

提出了一种改进的粒子滤波方法，利用室内常见的WiFi信号、地磁源并结合智能手机廉价传感器进行室内定位。WiFi室内定位错误匹配情况较少，地磁指纹室内定位具有较强的抗干扰能力，本文利用两者的优点并结合PDR提供连续的位置信息。与传统的粒子滤波相比，采用MD-DTW（多维动态时间规整算法）对粒子定权并提出分段粒子定权的方法对粒子序列长度进行约束，能有效加快粒子滤波收敛速度。仿真试验表明利用改进的粒子滤波进行定位结果可达1 m，有较强的实用性。     

WiFi-PDR室内组合定位的无迹卡尔曼滤波算法

针对当前室内定位的应用需求和亟待解决的关键问题,结合城市室内环境下广泛存在的WiFi无线信号以及智能手机传感器信息,提出了一种WiFi无线信号联合行人航迹推算(PDR)的室内定位方法。该方法采用无迹卡尔曼滤波(UKF)算法对WiFi和PDR定位信息进行融合处理,有效克服了WiFi单点定位精度低和PDR存在累计误差的问题。针对融合算法中WiFi指纹匹配计算量大的问题,用k-means聚类算法对WiFi指纹库进行聚类处理,降低了指纹匹配算法的计算量,提高了算法的实时性。通过在华为P6-U06智能手机平台上实际测试,在时间效率上经过聚类处理后系统定位耗时有很大程度的改善,平均降幅为51%,其中最大降幅达到64%,最小的也达到了36%;在定位精度上,当室内人员为行走状态时WiFi定位平均误差为7.76m,PDR定位平均误差为4.57m,UKF滤波融合后平均定位误差下降到1.24m。     

PDR算法对地磁室内定位精度的提升研究

利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位，而且基于地磁场的定位无需布设任何额外设施，因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题，本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法，并开发了地磁室内导航系统，以智能手机为硬件平台构建磁力计传感器模型，建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内，产生的平均定位误差为1.13 m，最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%；与单一地磁指纹匹配算法相比，定位精度提高了57%。试验证明，本文提出的融合算法对提高室内定位精度具有显著的作用。     

基于互补滤波融合WiFi和PDR的行人室内定位

提出了一种基于互补滤波融合WiFi和PDR的行人室内定位方法。首先改善WiFi位置指纹定位的KNN算法，通过阈值的设定，排除相似度高但实际上不可能的点，获取动态K值；然后通过行人航位推算（PDR）初始化算法，动态轨迹概率计算，确定PDR初始位置；最后在改进的WiFi和PDR的定位基础上，基于互补滤波原理，根据WiFi和PDR定位的不同特性，利用各自的定位优点，使用WiFi定位修正PDR的定位结果，通过相应权重参数的调整，输出最终融合定位结果。试验过程中，选取3种不同的室内环境区域，试验结果证明了该算法可大大提高室内定位的精度和稳定性。     

稀疏地磁点位辅助PDR室内定位研究

针对室内定位中仅使用PDR定位时出现的误差较大,以及PDR地磁组合定位实时匹配中存在的处理运算量大、实时性差、地磁采集耗时长,过于浪费人力、物力、财力等问题,文中提出通过稀疏的地磁点位辅助PDR进行室内定位,采集地磁时仅采集具有代表性地方的地磁定位,其余地方仅使用PDR定位,当在室内行走时行进到事先采集好的关键点时对P...     

基于粒子滤波的PDR/地磁指纹室内定位

针对行人航位推算（PDR）定位存在误差累积和地磁指纹不唯一导致的误匹配问题,本文改进了基于粒子滤波的PDR/地磁指纹室内定位方法。在PDR定位过程中利用地图信息控制粒子权重更新,得到较为准确的位置信息后,利用动态时间规整（DTW）算法在PDR推算位置基础上进行快速序列匹配,获取最优位置估计。试验结果表明,融合定位方法有效解决了行人位置穿墙问题,最大定位误差小于1.5 m,53.33%概率定位精度1 m。     

基于移动智能终端的PDR/iBeacon融合室内定位

针对单传感器室内定位存在累积误差大、连续性差的问题，本文顾及行人航迹推算(PDR)与低功耗蓝牙信标(BLE Beacon)良好的互补性，研究了基于移动智能终端的融合PDR/iBeacon的室内定位算法：首先，采用电子罗盘和陀螺仪互补修正航向角法降低了PDR的累积误差，其次结合离线指纹库并利用加权K近邻法实现了iBeacon指纹定位，最后基于扩展卡尔曼滤波器(EKF)实现了PDR/iBeacon融合定位。两组实测结果表明，相较于传统的PDR,电子罗盘和陀螺仪互补修正航向角方法有效地抑制了航向误差的累积。室内行人航程为39和60 m时，融合PDR/iBeacon定位的平均误差分别为0.560、1.802 m,相比改进的PDR和iBeacon指纹定位精度提高了11.81%、25.53%和26.66%、11.75%。融合PDR/iBeacon的室内定位能降低PDR的误差累积和iBeacon定位的波动性，满足用户室内定位的需求。     

基于WiFi室内定位的AP综合选择策略分析

随着WiFi技术的快速发展与普及应用,利用WiFi进行室内定位已成为当前室内定位领域研究的热点。目前室内AP布置已经非常密集,WiFi信号无处不在。但是室内AP布设存在不均匀、冗余及遮挡现象,这严重影响了WiFi室内定位的精度,同时也增加了计算过程中的复杂度。本文针对AP的选择问题提出了一种综合AP选择策略。该策略融合了方差过滤、最大平均值及互信息方法,考虑了AP信号波动性、信号区域性和AP相关性。试验结果表明:采用AP综合选择方法实现AP组合的最优化,通过WKNN定位算法对定位性能进行评估,发现AP综合选择方法定位精度明显改善,定位平均误差为0.6292m,标准差为0.2483m,与最大平均值和信息增益算法结果相比平均误差均减少0.4m以上。     

PDR+BLE融合的室内实时定位方法

由于导航卫星信号在室内被遮挡,室内定位技术逐渐成为泛在导航定位领域的研究热点。行人航迹推算(PDR)和低功耗蓝牙(BLE)定位是惯性定位和射频信号定位的常用定位手段,PDR定位连续稳定但存在累积误差,BLE定位无误差累积但定位精度较差。为此,本文面向室内复杂环境行人自主定位需求,对PDR和BLE的实时融合定位展开了研究。首先针对PDR误差累积问题,提出了BLE临近校正PDR的改进算法;然后针对BLE定位粗差大的的问题,提出了基于扩展卡尔曼滤波(EKF)的自适应抗差PDR+BLE融合定位算法。试验结果表明,相比传统算法,BLE临近校正PDR算法定位精度提高了19%,基于EKF的自适应抗差融合定位精度提高了21%,定位精度和稳定性都有显著提升,在室内定位领域中具有较高的适用性和可扩展性。     

地磁室内定位基准图数据采集系统设计

近年来,地磁作为室内定位基准已经成为热点研究领域。本文深入研究了地磁室内定位技术,并通过大量试验,分析了室内磁性材料及电子设备对磁场的干扰,进一步探究了室内磁场特性,证明了磁场信息作为定位依据的可行性;利用Arduino IDE研发了智能地磁数据采集平台,该平台搭载多种传感器,如HMC5983磁传感器和惯性导航传感器等,采集一定密度的室内地磁数据,利用克里金法对该地磁数据进行差值处理,生成2 cm间隔大小的栅格地磁图,作为室内定位基准图保存在数据库中。     

室内空间用户行为的智能手机识别

针对地磁匹配中经常会出现相似点,造成定位偏差较大的问题,该文提出利用智能手机识别用户室内行为方式的方法,为地磁匹配算法提供筛选条件。开发了智能手机传感器数据采集工具,获取用户在室内环境下的行为数据。原始数据首先利用一阶低通滤波和平滑滤波算法进行去噪处理,再经过数据分割和特征提取后,应用于行为识别过程。行为识别模型的建立主要使用两种方法,K最近邻算法和隐式马尔可夫模型,并研究了两种方法的不足以及改进途径。通过针对识别准确度的对比实验,在输入最合适的数据的条件下,隐式马尔可夫模型的准确度略优于K最近邻算法。两种方法的识别准确率均在95%以上,能够有效地提高地磁定位精度。利用室内用户行为数据辅助地磁室内定位,很好地改善了地磁数据单一、定位精度较低的问题。     

基于位置融合的WiFi室内定位新策略

基于接收信号强度（RSS）的WiFi室内定位技术由于其成本低、易部署的特点成为近年来的一个研究热点。基于RSS的WiFi室内定位由于受到室内环境复杂、动态变化性强的特性,位置估计精度和可靠度较低,因此本文提出了一种新的位置融合定位策略进一步改善基于RSS的WiFi室内定位的精度。新的位置估计策略融合三种AP选取策略的位置估计结果,试验结果表明,新提出的位置融合定位策略能够提高位置估计的精度,同时保证定位结果的可靠性,其整体定位性能更优。      

一种基于智能手机的室内地磁定位系统

研究分析了手机传感器和室内地磁场的性质后,针对室内定位问题提出了一种基于客户端 服务器架构的定位系统.因智能手机大多搭载了能够收集地磁信号的三轴磁通门传感器,提出了两种构建位置指纹的方法:将地磁传感器的数据水平化,或是结合方向信息和地磁数据构建混合位置指纹,并通过将定位区域划分为网格的方式构建定位基准图.针对两种位置指纹设计了基于欧几里得距离的匹配算法.最后,在Android平台部署应用并进行实验,分别对比了两种位置指纹的定位准确度、地磁匹配速度,实验结果表明系统能够达到1 m的定位精度.      

一种基于全向指纹库的WiFi室内定位方法

WiFi室内定位技术是导航与位置服务领域的研究热点。室内环境下WiFi信号衰减受人体遮蔽影响较大,本文考虑了用户朝向引起的信号强度差异,提出了一种基于全向指纹库的WiFi室内定位方法。试验结果表明,该方法定位精度高于基于方向识别的指纹定位方法,当K取4时,平均定位误差为1.44 m,定位精度优于1 m的置信概率为54%,优于2 m的置信概率为88%。     

WiFi指纹定位的一种新组合算法

探讨AP选取策略和贝叶斯位置估计算法对基于RSS的WiFi室内定位技术位置估计精度的影响。国内外学者分别对AP选取算法和贝叶斯位置估计算法进行了大量的研究。为了进一步深入研究不同算法的优劣性,利用组合优化的思想对不同算法进行组合,通过找出最优算法组合从而提升WiFi室内定位系统的性能。基于互信息最小化的AP选取策略和考虑AP相关性的贝叶斯位置估计算法,提出一种新的WiFi指纹定位组合算法。实验分析表明:新算法具有良好的实用性和定位性能。     

Indoor localization for pedestrians with real-time capability using multi-sensor smartphones

ABSTRACT

The localization of persons or objects usually refers to a position determined in a spatial reference system. Outdoors, this is usually accomplished with Global Navigation Satellite Systems (GNSS). However, the automatic positioning of people in GNSS-free environments, especially inside of buildings (indoors) poses a huge challenge. Indoors, satellite signals are attenuated, shielded or reflected by building components (e.g. walls or ceilings). For selected applications, the automatic indoor positioning is possible based on different technologies (e.g. WiFi, RFID, or UWB). However, a standard solution is still not available. Many indoor positioning systems are only suitable for specific applications or are deployed under certain conditions, e.g. additional infrastructures or sensor technologies. Smartphones, as popular cost-effective multi-sensor systems, is a promising indoor localization platform for the mass-market and is increasingly coming into focus. Today’s devices are equipped with a variety of sensors that can be used for indoor positioning. In this contribution, an approach to smartphone-based pedestrian indoor localization is presented. The novelty of this approach refers to a holistic, real-time pedestrian localization inside of buildings based on multi-sensor smartphones and easy-to-install local positioning systems. For this purpose, the barometric altitude is estimated in order to derive the floor on which the user is located. The 2D position is determined subsequently using the principle of pedestrian dead reckoning based on user's movements extracted from the smartphone sensors. In order to minimize the strong error accumulation in the localization caused by various sensor errors, additional information is integrated into the position estimation. The building model is used to identify permissible (e.g. rooms, passageways) and impermissible (e.g. walls) building areas for the pedestrian. Several technologies contributing to higher precision and robustness are also included. For the fusion of different linear and non-linear data, an advanced algorithm based on the Sequential Monte Carlo method is presented.