基于手機內置傳感器的無外源信號室內定位方案

張硯炳，沈嘉琪，岳岱安，唐 曦，3

(1.華東師范大學地理系，上海 200241；2.華東師范大學軟件學院，上海 200062；3.華東師范大學地理信息科學教育部重點實驗室，上海 200241）

基于手機內置傳感器的無外源信號室內定位方案

張硯炳1，沈嘉琪1，岳岱安2，唐 曦1，3

(1.華東師范大學地理系，上海 200241；2.華東師范大學軟件學院，上海 200062；3.華東師范大學地理信息科學教育部重點實驗室，上海 200241）

一、引 言

室內定位導航需求日漸凸顯，但在室內環境下，由于建筑的復雜結構和遮蔽性，GPS等外源信號易受干擾，傳統GPS定位方式無法完全實現室內定位[1-2]。而后續研究者所提出的基于WiFi、藍牙、RFID等室內定位技術[3-5]均通過接收點的RSSI數值及相應定位輔助算法來確定信號接收點的位置，但由于本身的局限性，此類技術仍無法擺脫對外部信號的依賴。信號源等基礎設施成本較大，并且需要定期維護，一旦某一組件發生故障，可能就無法正常定位；且由于信號跳變問題，定位的高精度化也存在許多難題。因此，研究一種不需要外部信號源的室內定位方式是解決此類問題的可選方案。對此，有學者曾提出WiFi與慣導系統相結合的室內定位導航優化方式[6-7]，或探討基于慣導系統原理的無信號源室內定位技術的理論可行性。然而，仍缺少成熟有效且簡便易行的方案將慣導系統應用于室內定位導航。在此背景下，本文設計了一種基于慣導系統原理和智能手機內置低分辨率傳感器(不借助外部信號）的室內定位技術，無須額外硬件，低成本，易普及。

二、模型構建與誤差修正

采用目前智能手機平臺中較為普及的Android 4.0系統作為研發環境，設計流程如圖1所示：①通過Android平臺的API讀加速度傳感器和方向傳感器相關參數；②對傳感器的原始數值進行誤差修正；③通過慣導模型計算設備位移值并顯示在手機屏幕地圖上。

圖1 設計流程圖

1.模型構建

通過手機傳感器組件獲得的三軸加速度、方向偏轉等參數，是基于手機坐標系的相對數值，無法直接應用于地理坐標計算，因此需要進行三維坐標轉換。考慮到三維坐標轉換的計算量大[8]，而手機CPU浮點運算速度較慢這一現狀，將問題簡化為二維坐標的轉換。故只需知道手機在水平面上的旋轉角度θ即可。設地理坐標系為n，手機坐標系為b，坐標轉換矩陣為c，可得到如下坐標轉換公式

經此轉換矩陣可將手機坐標系中的加速度值轉換為地理坐標系中的坐標值。對所獲得加速度的數值在時間上進行二次積分，可得到位移量。

x方向的位移量

2.誤差修正

加速度傳感器在獲取數據時，存在固定誤差，使得加速度計數值與真實值之間存在一定偏差。如圖2所示為靜止時的三軸加速度值，可以明顯發現：當設備處于靜止狀態時，加速度傳感器存在著固定偏差(不同設備的及不同軸的偏差不盡相同，需對各軸數據進行均值），且在一定范圍區間內波動。為了降低偏差，可在多次試驗后，記錄下傳感器的加速度偏差值a1，以及運動過程中傳感器測得的加速度值a2，并通過公式a＝a2-a1得出實際的加速度值。

圖2 靜止時獲得的三軸加速度值

目前手機中搭載的微機電傳感器(micro-electro-mechanical systems，MEMS）精度較低[9]，且由于傳感器組件的噪聲、人行走時的自然抖動和數據的跳變，手機中MEMS加速度傳感器測得的數據存在較大誤差。為了使數據能夠滿足室內定位的精度需求，先后設計使用卡爾曼濾波算法、平滑濾波算法及停止甄別算法進行修正處理，減少加速度積分過程中產生的累計誤差。

(1）卡爾曼濾波算法

卡爾曼濾波算法[10-11]是一種自回歸數據最優化處理算法，以最小均方誤差為估計的最佳準則，消除MEMS傳感器數據中的高斯白噪聲。由于手機的數據運算能力有限，就需要對卡爾曼濾波算法進行簡化。通過對卡爾曼濾波算法中的矩陣計算部分進行簡化，達到數據處理和誤差修正的目的。

圖3為采用卡爾曼濾波法處理人行走時加速度數據的前后變化，其中虛線代表原始數據，實線為處理后的數據。由圖3可見，經過卡爾曼濾波能夠有效消除數據中存在的偏差值，使得數據變化更加平緩。

圖3 卡爾曼濾波法前后數據對比

(2）平滑濾波算法

對數據進行平滑濾波處理，使數據更加穩定，能夠有效處理因行走過程中的抖動造成的數據波動問題，從而便于后續運動狀態的判斷。

(3）停止甄別算法

由于設備在停止運動時，加速度傳感器的數值并非為0，因此系統本身無法識別設備是否處于停止狀態；同時此類情況還會顯著增加加速度積分過程中的累計誤差。為了達到室內定位精度，就需要通過數據分析對設備的運動狀態進行判斷。通過試驗發現，人在正常行走過程中會出現近似于簡諧運動的波動曲線，而在停止時加速度數據會逐漸趨于0。因此，首先根據加速度傳感器的固有誤差設定一個閾值，再將加速度傳感器收集的數據以20個為單位進行分組，檢測每組數據中達到該閾值的個數。如果所有超過70%的數值都小于閾值，就可以認為設備處于已經停止的狀態，即可將相應的速度加速度參數重置為0。

三、測 試

本文選擇華東師范大學資源與環境科學學院樓宇進行實地測試。試驗使用帶有相應傳感器的不同型號的多部Android系統智能手機。測試過程中首先量取10 m長的一段距離，并記錄由不同型號手機的傳感器所獲得加速度數據以進行位移推算(各型號手機均在相同的環境下進行了多次采集，最后數據取平均值），結果見表1。從表1中數據可以看出，通過濾波算法的修正，數據可以達到每10 m 1～2 m的誤差值(取平均值為1.8 m）。

表1 不同型號手機試用結果

四、評價與分析

對比目前國際主流的室內定位研究方式，大多是通過外源信號實現的。而其中WiFi網絡的無線定位技術由于普及度高且部署相對簡易、成本較低而備受關注。而與這類定位方式不同，本文方案的優點在于：①通過手機內置的低精度傳感器，不需要依賴外部信號源，不會存在因為信號跳變引起的定位錯誤，在適用性和普及性上具有重要的優勢。②通過通用Android系統的API進行程序開發，無論是開發成本還是使用成本都低于WiFi等依靠外部信號的室內定位方式。

然而，慣性導航技術是20世紀六七十年代用于空間制導的軍工技術。基于慣導系統的室內定位研究仍存在需要解決的問題：①傳感器精度過低。目前手機并沒有將室內定位導航納入考量范圍，因而其使用的傳感器精度都相對較低，對于實現分米級乃至厘米級的高精度室內定位還遠不夠。目前已經出現了高精度意法半導體傳感器[12]，如若手機內置傳感器能夠更新，精度問題也會得到改善。②累計誤差過大。與傳統定位方式相比，累計誤差是基于慣導系統的室內定位方式的主要誤差來源，累計誤差會隨著加速度在時間上的積分而不斷變大。因此，如何有效減小累計誤差是影響該種定位方式普及的關鍵。③多坐標系的相互轉換仍是難點。現階段智能手機的運算能力較弱，無法在短時間內完成復雜大量的計算，這也需要手機芯片運算能力的提升來解決。

五、結束語

本研究通過對慣導系統的模型簡化，使用手機內置傳感器并設計相關算法修正誤差，實現了一定精度的室內定位功能，取得具有一定可行性的成果方案，但是仍然面臨諸多限制條件。如為了減小空間坐標系的復雜度，而將三維坐標轉換降為二維平面坐標。但實際數據表明，即使能夠有效地解決三維坐標實時轉換的計算問題，手機傳感器也無法達到更高的精度。因此，提升手機內置傳感器硬件的精度水平，是進一步優化室內定位效果的關鍵問題。而在無法改造硬件的情況下，本文所提出的解決方案基于現有手機，具有低成本、易用的優勢。

[1]鄧偉，鄧超，龔健，等.GPS精度檢測系統可行方案設計[J].電子制作，2012(11）：124-125.

[2]謝翔，荊昊，郭際明.室內環境下手機GPS定位精度研究[J].測繪通報，2012(8）：95-98.

[3]MENENDEZ P，CAMPOMANES C，TRAWINSKI K.Topology-based Indoor Localization by Means of WiFi Fingerprinting with a Computational Intelligent Classifier[C]∥Intelligent Systems Design and Applications(ISDA）. [S.l.]：ISDA，2011：1020-1025.

[4]THAPA K，CASE S.An Indoor Positioning Service for Bluetooth Ad Hoc Networks[C]∥The 36th Annual MidwestInstructionandComputingSymposium (MICS）.Duluth MN：MICS，2003：98-103.

[5]TESORIERO R，TEBAR R，GALLUD J A.Improving Location Awareness in Indoor Spaces Using RFID Technology[J].Expert Systems with Applications，2010，37(1）：894-898.

[6]ZHANG R，BANNOURA A，HOFLINGER F，et al.Indoor Localization Using a Smart Phone[C]∥Sensors Applications Symposium(SAS）.[S.l.]：SAS，2013：38-42.

[7]胡天琨，葉建芳.基于手持設備的室內定位系統設計與實現[J].微型機與應用，2012，31(13）：4-6.

[9]徐瑞，朱筱虹，趙金賢.慣性導航標準現狀及標準體系探討[J].測繪科學，2013(1）：1-8.

[8]柯金樸.空間三維坐標轉換原理及實現[J].江西測繪，2008(3）：16-20.

[10]單九生.卡爾曼濾波原理及其因子選取和初值確定[J].江西氣象科技，1998，21(4）：10-13.

[11]陳建新，王榮，章韻.MEMS加速度傳感器的距離測量性能分析[J].電腦與電信，2011(11）：30-32.

[12]周鑫，章從福.意法半導體(ST）發布用于先進消費電子產品的下一代高性能慣性傳感器模塊[J].電子設計工程，2012(11）：178-181.

An Indoor Positioning Solution without External Source Signals Based on Mobile Built-in Sensors

ZHANG Yanbing，SHEN Jiaqi，YUE Daian，TANG Xi

為解決無信號源區域的室內定位問題，設計了一套基于慣導系統原理和智能手機內置低分辨率傳感器(加速度和方向傳感器等基本組件）的室內定位技術。使用卡爾曼濾波算法、平滑濾波算法、停止甄別算法等對傳感器數據進行誤差修正，實現了室內定位每10 m達到1.8 m誤差的精度。最后，針對可用性等問題與傳統有外源信號的室內定位方式進行對比分析。

室內定位；慣導系統；智能手機

P228.4

B

0494-0911(2014）10-0060-03

2013-09-09

張硯炳(1992―），男，山東淄博人，主要從事GIS與室內定位研究。

唐 曦

張硯炳，沈嘉琪，岳岱安，等.基于手機內置傳感器的無外源信號室內定位方案[J].測繪通報，2014(10）：60-62.

10.13474/j.cnki. 11-2246.2014.0329