一種基于智能手機的行人航位推算室內定位方法

徐龍陽

摘要：智能手機內嵌多種慣性傳感器，可以實現行人的位置推算。該文利用加速度計實現行人步數的有效檢測，同時利用自適應步長算法估計行人的步長，最后將陀螺儀、磁力計計算的方向角進行加權融合，最終得到行人室內位置的精確估計。實驗表明，該定位方法的定位誤差精度在1～4m范圍內，滿足定位需求。

關鍵詞：智能手機；行人航位推算；室內定位

中圖分類號： TP391 文獻標識碼：A 文章編號：1009-3044（2017）36-0198-02

Abstract： A variety of inertial sensors are embedded in smartphones to estimate the position of pedestrians. In this paper， the accelerometer is used to detect the number of pedestrians effectively. At the same time， the step size of the pedestrian is estimated by using the adaptive step algorithm. Finally， the gyro and the magnetometer are weighted by the direction angle to get the accurate estimation of the pedestrian indoor position. Experiments show that the positioning accuracy of the positioning method in the range of 1 ～ 4m， to meet the positioning needs.

Key words： smart phone； pedestrian dead reckoning； indoor positioning

1 概述

隨著微電子技術等技術的發展，如今的智能手機內嵌多種慣性傳感器如加速度計、磁力計、陀螺儀、磁力計、氣壓計等，鑒于智能手機與人類日常活動密切相關，這些傳感器為室內行人位置推算提供了基礎支持[1]。

行人航位推算方法（Pedestrian Dead Reckoning，PDR）[2]，通過對行人的步數檢測、步長估計、方向計算，在已知初始位置的情況下，可以推算行人在任意時刻的位置。通過加速度計采集的數據形成的波形圖可以實現步數的有效估計，具體的步數檢測方法有閾值判定法、波峰-波谷法、步頻估計法等。行人的步長估計國內外學者提出眾多有效的估計方法，如定長法，將行人的步長看作是固定的，該方法雖然簡單，但誤差較大。經驗法根據經驗公式來計算步長，該方法計算精度有所提高，但依然有較大誤差。自適應步長估計法是目前計算精度最好的方法，該方法將行人行走過程中的步長看作是動態的，利用自適應估計方法動態計算行人每一步的步長，因此計算精度有較大的提高。智能手機內嵌的陀螺儀、磁力計可以分別計算出行人行走的方向角，由于單一傳感器受環境干擾以及自身精度的影響，存在較大計算誤差，因此本文提出將陀螺儀、磁力計計算出的方法角進行加權融合，二者相互佐證，有效降低單一傳感器帶來的測量誤差，從而獲得行人行走方向的精確估計。

2 行人航位推算

室內環境中，在行人初始位置確定的情況下，任意時刻的位置坐標信息可由行人移動距離和移動方向計算得到[3]：

2.1 步數檢測

行人在行走過程中，左右腿交替運動，呈現周期的特點。加速度計采集的原始數據波形圖的波峰、波谷正好對應行人抬腿、腳落地動作，因此一個波峰、一個波谷對應行人一個步伐完整周期。目前，步數檢測方法有波峰-波谷法、閾值檢測法、自適應計算等。

人實際行走過程中，會有不規則的抖動等運動狀態帶來干擾波峰、波谷，計算準確的步數，必須要識別這些非有效步數，否則會帶來步數檢測結果的較大誤差。本文通過閾值檢測法來計算行人的步數。對波峰值、波谷值、步時等值設置三個閾值[θ]、[φ]、[λ]，即當波峰、波谷值超過閾值，即可視為非有效步。人正常步數持續時間也是有周期性的規律，當步時小于或大于閾值，該步為非有效步。通過波峰、波谷閾值，步時閾值組成一個二維有效步的判定方法，使得的步數錯誤估計算有效降低。

2.2 步長估計

不同的人、不同的時刻行人的步長是動態變化的，將行人步長看作是固定，必然會帶來較大的估計誤差。國內為學者提出一些經驗公式來計算步長，該方法計算精度雖有所提高，但依然有估計誤差。動態的自適應步長估計是目前較主流的步長計算方法[4]，本文選擇與步長計算相關的步頻和加速度方差來進行建模。根據人體運動學理論，當行人正常行走時，步長與步頻呈近似線性關系，因此步長模型為：

2.3 方向計算

三軸陀螺儀獲取的是手機在x、y、z軸上的角速度數據[wRCSx，t]、[wRCSy，t] 、[wRCSz，t]，對角速度進行積分可以分別計算出繞三個軸旋轉的角度。我們需要z軸上旋轉的角度作為行人行走的方向角，因此需要將角速度投影到絕對坐標系下的Z軸上再進行積分，過程如下[5]：

3 實驗

3.1 實驗設置

在本文中，我們使用的數據集來自2015年在日本大阪舉行的“UbiComp/ISWC 2015 PDRhallenge”競賽。實驗區域平面圖（18m*17.5m）如圖5所示，包括四個直角，四條邊，圓點是行人起始的位置，順時針行走，再回到起始的位置結束。

3.2 結果及分析

圖2、圖3分別是智能手機采集的兩個人ID_01、ID_02的傳感器數據，通過只用陀螺儀、磁力計和提出的加權融合方法分別估算行人行走的軌跡與真實行人移動軌跡對比。圖2、圖3可以看出提出的加權融合方法得到行人行走的軌跡更接近行人真實的移動軌跡。

上述定位結果提出的方法定位誤差都明顯低于單獨用陀螺儀、磁力計方法得到的定位誤差，表明提出的加權融合方法計算的方向角能夠有效降低單一傳感器帶來的誤差，從而提高了定位精度。

4 結束語

本文利用加速度計采集的數據，通過對波峰、波谷、步時設置閾值，有效檢測行人行走過程中的有效步數，減少行人隨意性行走、無規則抖動帶來的非正常步帶來的影響。通過提出一種自適應步長估計方法，將行人行走過程的步長看作動態，精確估計出行人每一步的步長。方向估計通過對陀螺儀、磁力計計算的方向角進行加權融合，有效降低單一傳感器帶來的誤差，從而提高了定位精度。

參考文獻：

[1] 席瑞， 李玉軍， 侯孟書. 室內定位方法綜述[J]. 計算機科學， 2016， 43（4）：1-6.

[2] 周瑞， 羅磊， 李志強，等. 一種基于智能手機傳感器的行人室內定位算法[J]. 計算機工程， 2016， 42（11）：22-26.

[3] 胡安冬， 王堅， 高井祥. 一種基于地圖匹配輔助行人航位推算的室內定位方法[J]. 測繪科學技術學報， 2014（5）：529-532.

[4] 黃承愷. 多傳感器信息融合算法在室內定位中的應用[D]. 北京郵電大學， 2015.

[5] 洪皓， 武剛， 陳飛翔，等. 基于智能手機傳感器的室內行人三維定位算法[J]. 測繪科學， 2016， 41（7）：47-52.

[6] Hsu H H， Peng W J， Shih T K， et al. Smartphone Indoor Localization with Accelerometer and Gyroscope[C]// International Conference on Network-Based Information Systems. IEEE， 2015：465-469.

[7] Li F， Zhao C， Ding G， et al. A reliable and accurate indoor localization method using phone inertial sensors[C]// ACM Conference on Ubiquitous Computing. ACM， 2012：421-430.

[8] 李由. 基于MEMS慣性傳感器、WiFi、磁場特征的移動智能終端室內行人導航算法[D]. 武漢大學， 2015.

[9] Qian J， Ma J， Ying R， et al. An improved indoor localization method using smartphone inertial sensors[C]// International Conference on Indoor Positioning and Indoor Navigation. IEEE， 2014：1-7.