基于地磁指紋的室內定位綜述

羅輝，殷鋒，袁平

（1.四川大學計算機學院，成都610065；2.西南大學計算機科學與技術學院，成都610041；3.重慶大學數學與信息工程學院，重慶400044）

0 引言

基于指紋的定位技術是當前室內定位技術領域的重要研究課題。室內定位主要分為兩種：基于測距和基于指紋。基于指紋技術的優勢在于不需要部署特別的基礎設備，且具有較高的定位精度。尤其是近些年來智能手機的普及，智能手機上的磁力傳感器、加速度傳感器等設備為基于指紋的研究打開了新的研究方向。

目前。基于指紋的定位技術主要包括基于地磁指紋和基于Wi-Fi 指紋[4,6]兩種。Wi-Fi 指紋技術在室內無線局域網（WLAN）下的應用已經成為室內定位研究的熱點。但由于接入點（Aps）發出的信號可能移動或功率調整等原因而改變，導致Wi-Fi 指紋存在不穩定的情況。Wi-Fi 指紋的采集需要能夠收集CSI[5]信道信息的特殊設備。相比之下，地磁指紋的采集只需要普通的智能手機且地磁是天然形成的，地磁指紋庫相比Wi-Fi 指紋庫具有更好的穩定性，且不依賴其他特殊的基礎設備。然而，基于指紋庫的定位技術均存在指紋庫構建困難的難題。

1 理論基礎

基于指紋的定位技術的核心思想：將不易測量的位置信息轉化成能夠實際測量的其他信號信息如：地磁信號、FM 信號[8]、Wi-Fi 信號，等等。這種思想主要基于以下兩個假設：

（1）信號信息與地理位置相關。在理想的情況下，如果信號信息之間的區分度夠高，那么每一個特定的地理位置都能用一個唯一的信號信息來表示。從而信號信息能夠轉化成位置指紋，當收集到足夠的位置指紋就能形成位置指紋庫。

（2）位置指紋的相似度和地理之間的距離存在正相關的關系。當兩者的地理位置越近，其位置指紋的相似度越高。在實際的指紋采集過程中，不可能采集完全充足的位置指紋，在對錨節點定位時，需要借助信標節點來估測錨節點的位置。

基于指紋的定位技術通常包含兩個階段：離線訓練階段和在線定位階段。離線訓練階段：在工作環境下，人工標記某些特定的位置，并給這些位置插入語義標簽。利用終端設備在特定的位置周圍采集位置信號信息，將所有采集到位置信息形成指紋后儲存到指紋庫中。在線定位階段：利用終端采集當前位置的信號信息形成指紋后，上傳到服務器端。服務器端通過指紋相似度的匹配算法，與指紋庫中的每一條指紋進行相似度的匹配最終估算出當前位置的大概位置，并向給移動終端回傳結果。

基于地磁信號的定位技術[7]是指利用地磁場在不同地理位置表現出不同的地磁特征從而可以關聯到具體的地理位置上的方案。一般的，其定位原理如下：首先需要建立地磁特征指紋數據庫，將定位區域每個位置的地磁特征獲取到，然后建立地磁特征和地理位置的映射關系，存儲到數據庫中。然后，在定位使用階段，利用帶有地磁計或者其他地磁測量設備的運動物體在運動的過程中不斷的測量自身所在位置的地磁信號特征，與數據庫中的地磁指紋庫進行匹配，依照某種匹配策略尋找到最優匹配結果，其對應的具體的地理位置即為定位系統評估出來的定位點。

2 發展現狀

2015 年，Zhang 等人提出了基于地磁和眾包（Crowdsource）思想的室內導航系統GROPING。GROPING 主要解決了以下幾個在地磁定位中的難題：

（1）指紋庫構建

傳統基于指紋的定位系統需要耗費大量人力去定點采集，采集過程要求高且操作限制多，為了解決指紋庫建立難的問題，GROPING 采取了“眾包”的思想，能夠讓所有用戶都參與到指紋庫的構建工作中，每個人既是定位功能的主體使用者，也是定位系統的主體構建者，達到簡化指紋庫采集和更新過程，降低指紋庫構建難度。

（2）虛擬地圖生成

首先利用用戶智能手機上的陀螺儀和加速度計來采取初始的地磁指紋序列段。GROPING 利用不同軌跡之間的重疊縫合在一起。當采集足夠的軌跡后，覆蓋整個地板，相互重疊，就能得到整個虛擬平面地圖。然而，不同用戶的步行速度不同，地磁指紋序列段存在時間偏差，因此，我們使用DTW 算法[9]計算相似度。GROPING 的虛擬地圖的生成從某個單一的軌跡開始，

（3）指紋匹配定位算法

指紋匹配實際上是一個分類的過程。GROPING通過傳感器采集的數據與指紋庫中的數據進行比對，返回相似度最高的指紋。GROPING 主要使用了蒙特卡洛算法（Monte Carlo Localization）[10]來進行位置估計。GROPING 的定位精度達到了5m 左右。

2016 年，Bai 等人提出了基于的Wi-Fi 和地磁指紋的室內定位系統WMLoc[11]。WMLoc 整合了Wi-Fi信息和地磁信息。在離線訓練階段，WMLoc 在用戶的當前位置利用智能手機的傳感器手機地磁信息（主要是地磁南北方向）和Wi-Fi 的RSSI 值。之后對地磁數據和Wi-Fi 數據進行數據預處理，之后存儲到指紋數據庫中。在實時位置檢測階段，WMLoc 將用戶實時收集到的數據與紋數據庫的數據進行比對。WMLoc 主要使用人工神經網絡算法（Artificial Neural Network Algorithm）來結合磁場數據和Wi-Fi 數據。WMLoc 利用回溯算法（Back Tracing Algorithm）以及已知建筑平面圖來實時對用戶的位置進行追蹤。實驗結果表明：WMLoc 的定位精度能達到2.6m。

2018 年，Namkyoung Lee 等人提出了基于深度學習的精確室內定位AMID[13]。AMID 首次使用深度神經網絡來進行地磁指紋序列分類和匹配。AMID 通過在平面的特定位置上插入地磁路標。AMID 提取地磁指紋序列的特征，包括地磁指紋序列之間的重疊部分等信息，之后，利用深度神經網絡對地磁路標附近的地磁指紋序列進行分類。AMID 通過地磁路標附近的地磁指紋序列和用戶實際測量的地磁指紋序列匹配來估算用戶的實際位置。實驗證明：AMID 適用于一維場景和二維場景的室內定位。AMID 在走廊的定位精度能達到0.8m，在中庭的定位精度能達到2.3m。

3 實際產品

2012 年，IndoorAtlas 是由芬蘭奧盧大學（University of Oulu）開發的室內定位導航的App。

IndoorAtlas 的工作原理如下：IndoorAtlas 主要由API、Location Service 和Maps 組成。應用程序通過IndoorAtlas API 與Location Service 進行通信。IndoorAtlas 通過IndoorAtlas API 將采集的傳感器數據傳給Location Service，Maps 是存儲了地磁指紋數據的數據庫，Location Service 與由Maps 相連，由Location Service 計算用戶的當前位置，并將當前位置回傳給應用程序。實驗證明：在現在建筑中，IndoorAtlas 的定位精度能夠達到0.1m-2m。

4 結語

本文詳細介紹了幾種基于地磁的室內定位系統以及一個實際的產品IndoorAtlas。從上述的資料中我們可以看出基于地磁指紋的定位的通常包含以下兩個核心階段：地磁指紋庫的構建和地磁指紋序列的匹配。由于地磁的天然性和穩定性，地磁指紋將在室內定位領域具有廣泛的應用場景。目前對地磁指紋室內定位的研究的文章較多，但仍有諸多問題等待學者研究和解決。如：指紋庫構建和更新、高精度的實時定位等問題。