基于動(dòng)態(tài)加權(quán)的多源融合定位算法

吉福龍

【摘 要】針對(duì)單一信號(hào)源的室內(nèi)定位方法難以獲取到穩(wěn)定和高精度定位結(jié)果的問(wèn)題，提出一種多源信息融合定位的方法，來(lái)得到高可用的定位結(jié)果；該方法首先對(duì)WIFI指紋定位、藍(lán)牙三邊測(cè)量定位和RFID近鄰法定位進(jìn)行動(dòng)態(tài)加權(quán)，得到絕對(duì)位置；然后與行人航跡推算得到的位置用卡爾曼濾波融合得到最后的定位結(jié)果。實(shí)驗(yàn)表明，該算法對(duì)定位效果改善明顯，定位精度達(dá)到亞米級(jí)。

【關(guān)鍵詞】室內(nèi)定位；WIFI；藍(lán)牙；RFID；卡爾曼濾波

中圖分類(lèi)號(hào)： TP391.41 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2018）21-0222-002

DOI：10.19694/j.cnki.issn2095-2457.2018.21.102

【Abstract】The indoor positioning method for a single signal source is difficult to obtain stable and high-precision positioning results.A multi-source information fusion positioning method is proposed to obtain highly available positioning results.The method first dynamically weights WIFI fingerprint positioning， Bluetooth trilateration positioning and RFID neighbor positioning，and obtains an absolute position.Then，the wireless positioning position and the position calculated by the pedestrian track are combined by Kalman filter to obtain the final positioning result.Experiments show that this algorithm improves the positioning effect obviously，and the positioning accuracy reaches the sub-meter level.

【Key words】Indoor positioning；WIFI；Bluetooth；RFID；Kalman filter

0 引言

隨著定位技術(shù)的飛速發(fā)展，位置服務(wù)（LBS）已經(jīng)成為人們?nèi)粘９ぷ鳌⑸钏仨毜囊豁?xiàng)基本服務(wù)需求。然而，GPS信號(hào)無(wú)法有效穿透建筑物，隨著室內(nèi)建筑物逐漸向大型化、復(fù)雜化發(fā)展，人們對(duì)于高精度室內(nèi)定位的要求也愈發(fā)迫切[1]。

室內(nèi)定位技術(shù)相比于室外定位技術(shù)起步較晚，該領(lǐng)域還有許多空白，但人們對(duì)于室內(nèi)定位技術(shù)的關(guān)注從未中斷。目前，國(guó)內(nèi)外研究相繼提出了藍(lán)牙、紅外線(xiàn)、RFID、WLAN、超寬帶、超聲波等室內(nèi)定位技術(shù)，但是不同的室內(nèi)定位技術(shù)均存在著一些局限性，并沒(méi)有一種普適化技術(shù)能滿(mǎn)足當(dāng)前所有的室內(nèi)定位服務(wù)需求[2]。WIFI指紋的定位方法容易受到多徑干擾的影響，僅僅依靠WIFI指紋定位很難得到令人滿(mǎn)意的效果；基于RFID射頻識(shí)別的定位技術(shù)，射頻標(biāo)簽傳輸距離近，布設(shè)密度大小難以規(guī)范化；藍(lán)牙信號(hào)作用距離短，定位精度較高，但藍(lán)牙信號(hào)波動(dòng)性較大；行人航跡推算技術(shù)（PDR）盡管短時(shí)間內(nèi)具有較高精度且能實(shí)現(xiàn)連續(xù)定位，但是該定位方法隨著時(shí)間變化容易產(chǎn)生累積誤差，而且該方法對(duì)運(yùn)動(dòng)模型的準(zhǔn)確性要求很高[3]。

針對(duì)以上單一室內(nèi)定位方法的不足，本文提出基于WIFI、藍(lán)牙、RFID與慣性導(dǎo)航動(dòng)態(tài)加權(quán)融合的定位算法，通過(guò)對(duì)多種定位方式進(jìn)行優(yōu)勢(shì)互補(bǔ)，來(lái)達(dá)到高精度的定位效果。

1 相關(guān)背景

1.1 WIFI指紋定位技術(shù)

由于WIFI信號(hào)受室內(nèi)環(huán)境等多方面的影響，導(dǎo)致WIFI信號(hào)在同一地點(diǎn)不同時(shí)間采集到的RSSI不同。這種RSSI的時(shí)變特性，導(dǎo)致傳統(tǒng)的路徑損耗模型定位誤差較大，而采用指紋法可以有效地減小多徑和陰影衰落的干擾。指紋定位法分為兩個(gè)階段，離線(xiàn)階段和在線(xiàn)階段。離線(xiàn)階段采集不同位置的WIFI信號(hào)數(shù)據(jù)，建立指紋數(shù)據(jù)庫(kù)，在現(xiàn)階段通過(guò)匹配算法進(jìn)行匹配，一般的方法主要是最鄰近法、K鄰近法及WKNN算法。本文中主要采用相對(duì)定位效果較好的WKNN算法。

1.2 藍(lán)牙三邊測(cè)量定位技術(shù)

藍(lán)牙三邊測(cè)量定位是基于信號(hào)路徑損耗模型，解算待測(cè)點(diǎn)與參考信標(biāo)節(jié)點(diǎn)間的距離，通過(guò)測(cè)定到三個(gè)參考信標(biāo)的距離，根據(jù)畢達(dá)哥拉斯定理，由三個(gè)節(jié)點(diǎn)作圓的交點(diǎn)作為待測(cè)點(diǎn)的位置?？紤]信號(hào)強(qiáng)度易受干擾，一般用最小二乘的多邊測(cè)量法減少波動(dòng)。而為了得到高精度的定位結(jié)果，還需要引入信標(biāo)節(jié)點(diǎn)的空間布局關(guān)系，對(duì)實(shí)時(shí)獲取的參考信標(biāo)節(jié)點(diǎn)進(jìn)行篩選來(lái)得到高精度位置。

1.3 RFID鄰近法定位技術(shù)

RFID定位的基本原理是，通過(guò)一組固定的閱讀器讀取目標(biāo)RFID標(biāo)簽的特征信息（如身份ID、接收信號(hào)強(qiáng)度等）。RFID閱讀器讀取標(biāo)簽的范圍因閱讀器的天線(xiàn)類(lèi)型決定，通常作用范圍較小。使用有向天線(xiàn)的RFID閱讀器只能覆蓋特定的區(qū)域，超出范圍的信號(hào)就無(wú)法讀取，因而通常采用近鄰法來(lái)實(shí)現(xiàn)RFID的定位，以覆蓋區(qū)域中心點(diǎn)作為RFID標(biāo)簽的位置。

1.4 行人航跡推算技術(shù)

行人航跡推算技術(shù)在短時(shí)間內(nèi)能夠得到較高精度定位效果想，相對(duì)無(wú)線(xiàn)定位點(diǎn)的散亂，行人航跡推算技術(shù)能提供連續(xù)的定位點(diǎn)，讓定位結(jié)果連續(xù)化。行人航跡推算主要基于步伐檢測(cè)和步長(zhǎng)估計(jì)算法實(shí)現(xiàn)，通過(guò)對(duì)加速計(jì)、陀螺儀和磁力計(jì)等慣性傳感器獲取的數(shù)據(jù)采集和建模，得到行人當(dāng)前行進(jìn)的步長(zhǎng)和運(yùn)動(dòng)的方向，推算出下一時(shí)刻行人位置。

2 動(dòng)態(tài)加權(quán)多源融合定位算法

通過(guò)對(duì)以上相關(guān)技術(shù)的分析，本文提出一種多源融合定位算法，通過(guò)對(duì)WKNN的WIFI指紋定位、優(yōu)化的藍(lán)牙三邊定位和RFID近鄰法定位結(jié)果的動(dòng)態(tài)加權(quán)，得到初始位置信息，繼而用PDR得到連續(xù)的定位點(diǎn)，再結(jié)合加權(quán)定位點(diǎn)修正，利用Kalman濾波融合，得到穩(wěn)定和高精度的定位結(jié)果。

2.1 動(dòng)態(tài)加權(quán)定位

信號(hào)接收的差異以及信號(hào)源部署位置的不同，使得各定位點(diǎn)的解算頻次也不一樣，為保證定位實(shí)時(shí)性，需要對(duì)獲取的定位點(diǎn)進(jìn)行動(dòng)態(tài)加權(quán)，各類(lèi)定位點(diǎn)解算結(jié)果通過(guò)回調(diào)的機(jī)制進(jìn)行傳遞，加權(quán)過(guò)程為動(dòng)態(tài)遞推的過(guò)程，即當(dāng)?shù)玫揭粋€(gè)藍(lán)牙定位點(diǎn)時(shí)，以當(dāng)前點(diǎn)與藍(lán)牙定位點(diǎn)進(jìn)行加權(quán)，得到一個(gè)WIFI點(diǎn)時(shí)，則以WIFI定位點(diǎn)與當(dāng)前點(diǎn)進(jìn)行加權(quán)，RFID定位點(diǎn)以同樣的方式進(jìn)行。在對(duì)無(wú)線(xiàn)定位進(jìn)行加權(quán)融合的過(guò)程中，需要為不同類(lèi)型的定位結(jié)果賦予不同的權(quán)重，具體權(quán)重值由各定位算法信號(hào)可用性以及精度水平統(tǒng)一決定。

2.2 卡爾曼濾波融合

在獲得最終的定位結(jié)果后，對(duì)航跡推算結(jié)果和無(wú)線(xiàn)定位加權(quán)結(jié)果，為進(jìn)一步得到高精度的定位，需要進(jìn)行自適應(yīng)加權(quán)，本文采用卡爾曼濾波算法[4]融合得到最終的定位結(jié)果。依據(jù)行人航跡推算模型作為系統(tǒng)的時(shí)間更新模型，系統(tǒng)狀態(tài)量隨時(shí)間的更新可表示為行走的位移在x軸和y軸上的分量值，與原系統(tǒng)狀態(tài)量分別求和得到新的狀態(tài)量，其中系統(tǒng)的噪聲為航跡推算運(yùn)動(dòng)的過(guò)程噪聲，滿(mǎn)足高斯分布。以無(wú)線(xiàn)加權(quán)定位結(jié)果作為位置觀測(cè)量，航跡推算中的步長(zhǎng)和航向作為另外兩個(gè)觀測(cè)量，得到如下觀測(cè)方程：

3 實(shí)驗(yàn)分析

為了驗(yàn)證融合定位算法對(duì)定位精度的提升，基于安卓手機(jī)進(jìn)行了定位精度驗(yàn)證實(shí)驗(yàn)，通過(guò)采集同一個(gè)點(diǎn)不同定位方式得到的多組定位結(jié)果，對(duì)誤差統(tǒng)計(jì)分析的結(jié)果如下圖所示。

統(tǒng)計(jì)分析時(shí)考慮WIFI誤差相對(duì)較大及RFID覆蓋區(qū)域有限，曲線(xiàn)圖主要描述藍(lán)牙定位、藍(lán)牙+WIFI定位及三者融合定位的誤差分布情況?？梢钥闯?，藍(lán)牙+WIFI定位效果提升明顯，但仍有波動(dòng)，進(jìn)一步引入RFID定位后，整體定位精度明顯提升，保持在亞米級(jí)水平。

4 總結(jié)

本文基于常用的室內(nèi)定位技術(shù)研究，通過(guò)發(fā)掘不同室內(nèi)定位技術(shù)的優(yōu)勢(shì)和不足，提出一種基于動(dòng)態(tài)加權(quán)的多源融合室內(nèi)定位技術(shù)，對(duì)藍(lán)牙、WIFI、RFID和PDR等多種定位信息進(jìn)行融合，實(shí)驗(yàn)結(jié)果表明，多源融合定位明顯改善了定位效果。

【參考文獻(xiàn)】

[1]周啟臻，邢建春，李決龍，楊啟亮.一種多元信息融合的室內(nèi)定位方法[J].微型機(jī)與用，2016，35（22）

[2]阮陵，張翎，許越，鄭星雨.室內(nèi)定位：分類(lèi)、方法與應(yīng)用綜述[J].地理信息世界，2015，22（02）：8-14+30.

[3]張勝軍，林若琳.淺談室內(nèi)定位技術(shù)現(xiàn)狀[J].測(cè)繪與空間地理信息，2018，41（07）：128-131.

[4]Welch G， Bishop G. An Introduction to the Kalman Filter[M]. University of North Carolina at Chapel Hill， 2001.