一種UWB與PDR融合的行人室內定位方法

儀玉杰，黃智剛，蘇 雨

一種UWB與PDR融合的行人室內定位方法

儀玉杰，黃智剛，蘇 雨

（北京航空航天大學 電子信息工程學院，北京 100191）

針對在復雜室內環境下，單純依靠超寬帶技術（UWB）定位結果會嚴重失真，甚至缺失的問題，提出一種將UWB與行人航跡推算方法（PDR）相結合的方法：基于在人體胸部或者腰部等位置佩戴慣性器件的通常情形，利用慣性器件數據估計行人步長與每步航向，建立UWB與PDR的非線性擴展卡爾曼濾波器；然后通過將UWB相鄰時刻間的差值信息更新到卡爾曼濾波器中的觀測方差陣中，來自適應地實現定位結果估計。實驗結果表明，該算法與單純依靠UWB技術進行定位的算法相比，能夠解決在復雜室內環境下定位解算點可能缺失的問題，并且可較顯著地提高在復雜環境下定位系統的魯棒性和定位精度。

室內定位；超寬帶；行人航跡推算；擴展卡爾曼濾波器；自適應觀測方差陣

0 引言

隨著手機等智能終端的普及，個體獲取定位導航服務的便利性大大增加，同時也對基于位置服務各方面的要求不斷提高。戶外的定位導航服務已經非常普及，全球定位系統（global position system, GPS）的定位精度已經能夠達到米級別。但是由于GPS信號在“城市峽谷”之間會發生嚴重失真，導致定位精度嚴重降低。因此在建筑樓體林立的定位環境內，需要尋求其他技術手段來實現高樓之間或樓體內部的定位服務。目前，存在的室內定位技術有紅外線、藍牙、慣性導航、無線保真（wireless fidelity, WiFi）、超寬帶技術（ultra wide band, UWB）技術等。UWB由于其具有定位精度高、功耗低、有一定信號穿透性等優點而脫穎而出，已成為一個越來越被關注的技術領域。

任何無線電技術不可避免地都有缺陷，UWB技術也不例外。當應用環境比較復雜，有較大障礙物時，UWB測距信號的到達時間信息會發生嚴重失真，甚至當接收到的獨立信息量少于定位解算所需要的數量時，不會有定位解算點，因而會造成定位點缺失。解決這個問題的一般想法是將慣性導航技術與UWB技術相結合。慣性導航具有數據輸出穩定連續、不依賴外部環境的優點，這些優點剛好可以與UWB的缺陷形成互補。目前參與融合的慣性導航方法中分為捷聯慣性導航和行人航跡推算算法（pedestrian dead reckoning, PDR）。2種方法各有特點，應用于不同的場景。

在慣性導航技術與超寬帶技術相結合的方法中，一般的方法是將捷聯慣導算法技術與超寬帶技術相結合。文獻[1-5]就是利用捷聯慣導方程作為卡爾曼方程的狀態方程進行數據處理；但是這種方法需要處理的數據量比較大，并且需要將測試標簽放置在人體腳部，利用人走路時的短暫靜止來進行零速修正，對于定位解算在平臺端完成的情況，需要傳輸的信息量大，并且不易實現到某些需要將標簽佩戴到非足部位置的情況中。文獻[6-7]中從分別佩戴在頭部的UWB器件和佩戴在腳部的慣性測量單元(inertial measurement unit, IMU)器件之間的幾何角度提出一個距離上界來實現限制濾波器。文獻[8]中也是將UWB標簽與慣導器件分離，慣導使用零速更新方法提供速度誤差觀測量，UWB提供位置誤差觀測量實現擴展卡爾曼數據融合。文獻[9]則是基于UWB與PDR二者求解出的解算結果進行松組合。文獻[10]中用于組合定位的方法是GPS和PDR，通過提出基于加速度和航向的PDR算法、基于機電信號和航向的PDR算法進行融合。

上述文獻中所述方法對于慣導器件在人體的佩戴位置有極強的限制性，必須配置在測試人員足部。對于一些應用場景，將標簽佩戴在腳部位置時不科學且不方便；所以本文基于測試人員可以將標簽配置在腰部、胸部等主體軀干位置的使用場景下，提出一種新型的利用PDR與UWB技術進行融合的方法：利用PDR推算方程作為狀態方程，從慣性數據中估計行人步長和航向參與運算；利用UWB的測距定位方程作為觀測方程，建立擴展卡爾曼濾波方程。

1 組合定位系統的整體框架

圖1所示為基于UWB和PDR技術融合定位系統的整體框架圖。PDR部分，通過MEMS器件獲得相應的加速度和陀螺儀原始數據，基于這2個部分慣導器件數據估計出行人的步長和航向，然后將步長和航向值輸入到PDR推算模型中，也就是卡爾曼濾波器中的狀態方程；超寬帶部分，通過雙向測距獲得所有基站與標簽的測距時間信息，這些信息作為觀測量輸入到卡爾曼濾波器中；同時將相鄰時刻測距時間的差值信息更新到觀測方差陣中，來自適應地表征UWB測距信息的好壞；最后通過非線性卡爾曼濾波器完成定位解算輸出。

圖1 UWB與PDR融合定位系統框圖

2 基于UWB和PDR的卡爾曼模型

2.1 UWB定位系統結構和方程

UWB定位方程組成非線性卡爾曼模型中的觀測方程，由于原始的UWB定位方程為非線性的，對其作線性化處理，轉化為

2.2 PDR定位方法

行人航跡推算利用慣性傳感器的原始數據來估計行人的步長和每一步的方向，從而達到對人員進行定位跟蹤的目的。PDR算法一般包括3個部分：步態檢測、步長估計和航向計算。行人在行走過程中，由于左右腳一前一后，處于加速和減速的循環狀態，因而行人加速度呈現正負值周期性交替變化。步態檢測就是根據這種規律來判別行人的步行狀態。而步長估計和航向的計算都是基于步態檢測，在檢測好的每一步中對其時間范圍內的加速度和陀螺儀的數據進行處理。其中，步態檢測和步長估計都是基于三軸加速度計的原始數據來處理，而方向計算則依賴于陀螺儀的輸出。步長參數和方向參數被估計出來后，就可以利用PDR進行坐標計算。PDR的坐標推算模型為

2.2.1 步態檢測

文中步態檢測方法直接從慣性器件中的加速度數據來判別，從時間和加速度值2個維度來考慮步態是否變化。圖2所示為步態檢測方法的流程圖。

圖2 步態檢測處理流程

按照數據處理先后順序，檢測流程分為以下3個部分：

圖3 行人行走加速度數據曲線

2.2.2 步長估計

對于步長估計，選取式（6）所示的非線性步長估計模型，即

該模型被許多文獻所采用，主要是因為其只需要一個參數，比較容易獲得統計特征值，使得算法簡單易實現。

2.2.3 航向計算

PDR中的航向計算則依賴于航向推算模型，即

2.3 基于UWB和PDR的卡爾曼模型

經過線性化處理的觀測方程為

3 實驗與結果分析

獲得UWB測距數據和MEMS芯片輸出的加速度數據和角速度數據后，利用文中提出的融合算法對數據進行處理實現定位解算，定位結果如圖5所示。

圖4 測試環境示意

圖5 不同軌跡測試下的真實軌跡與估計軌跡

從圖5中可以看到，跟預期的情況一樣，單純使用UWB信息的解算軌跡雖然有時與真實軌跡貼合比較好，但是某些解算點跳躍跨度大，還有一部分定位點缺失的情況出現。由圖6的誤差曲線可以看出基于UWB和PDR 2種信息源經過卡爾曼處理的估計曲線能夠在所有情況下保持較高的精度，定位結算點跳躍幅度明顯減小，完全消除了定位點缺失的情況發生，增強了定位系統的魯棒性。

圖6 不同軌跡測試下的真實軌跡與估計軌跡誤差曲線

從表1和表2中可以看到，在2個軌跡測試中，EKF算法完全消除了定位缺失點的問題，平均定位誤差比單純使用UWB的誤差要小，衡量定位誤差穩定性的標準差指標也比單純使用UWB的指標值小。

表1 矩形軌跡下UWB定位算法與EKF定位算法測試數據比較

表2 “8”字形軌跡UWB定位算法與EKF定位算法測試數據比較

4 結束語

文中提出了一種在新的應用場景和測試場景下，即慣性器件佩戴在胸部或者腰部，而不是腳部的條件下，將UWB技術與PDR技術進行組合定位的擴展卡爾曼濾波器模型。模型中將UWB相鄰時刻的原始數據差值信息更新到卡爾曼方程中的觀測方差陣中來自適應地改變UWB信息與PDR信息量在定位結果輸出中的比重。經過實際場景的實驗測試，可以看出組合定位方法相比于只使用UWB技術的定位方法，能夠在定位精度和魯棒性方面得到明顯改善，對于室內定位方向的研究有一定參考價值。

[1] FOXLIN E. Pedestrian tracking with shoe-mounted inertial sensors[J]. IEEE Computer Graphics and Applications, 2005, 25(6): 3-6.

[2] YAO L, WU Y W A, YAO Lei, et al.An integrated IMU and UWB sensor based indoor positioning system[C]//The Institute of Electrical and Electronic Engineers（IEEE）.Proceedings of the 2017 International Conference on Indoor Positioning and Indoor Navigation.Sapporo, Japan：IEEE，2017:1-8.

[3] CORRALES J A, CANDELAS F A, TORRES F.Hybrid tracking of human operators using IMU/UWB data fusion by a Kalman filter[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 20083rd ACM/IEEE International Conference on Human-Robot Interaction (HRI). Amsterdam: 2008:3-6.DOI: 10.1145/ 1349822.1349848.

[4] MARQUES A,TANK B, MEGHANI S K.Accurate UWB and IMU based indoor localization for autonomous robots[C]//The Institute of Electrical and Electronic Engineers（IEEE）.Proceedings of the2017 IEEE 30th Canadian Conference on Electrical and Computer Engineering (CCECE).Windsor,Canada：IEEE,2017:2-4.DOI: 10.1109/ CCECE.2017.7946751.

[5] 汪少初. 基于PDR的定位與跟蹤技術研究及系統設計[D]. 天津: 天津大學. 2014: 91-109.

[6] ZAMPELLA F, ANGELIS A D, SKOG I, et al.A constraint approach for UWB and PDR fusion[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 2012 International Conference on Indoor Positioning and Indoor Navigation(IPIN).Sydney, Australia:IEEE, 2012: 2-7.

[7] CHEN Z, MU R, CHEN C H.Implement of cooperative navigation in pedestrian navigation based on distance restraint[C]//The Institute of Electrical and Electronic Engineers(IEEE). Proceedings of the 2016 IEEE Chinese Guidance, Navigation and Control Conference(CGNCC). Nanjing,China:IEEE,2016: 1-4.

[8] 孫璧文,樊啟高,武亞恒,等.基于PDR/UWB緊耦合的足綁式行人導航技術[J].傳感器與微系統. 2017,36(3): 2-4.

[9] SCZYSLO S, SCHROEDER J, GALLER S, et al.Hybrid localization using UWB and inertial sensors[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the2008 IEEE International Conference on Ultra-Wideband.Hannover, Germany: IEEE,2008:7-15. DOI: 10.1109/ICUWB.2008.4653423.

[10] 陳偉.基于GPS和自包含傳感器的行人室內外無縫定位算法研究[D].北京：中國科學技術大學, 2010: 36-54.

A method of pedestrian indoor positioning combined UWB with PDR

YI Yujie, HUANG Zhigang, SU Yu

（School of Electronic and Information Engineering, Beijing University of Aeronautics and Astronautics, Beijing 100191, China）

Aiming at the problem that it is susceptible to serious distortion and even loss for the positioning result by relying solely on UWB technology under complex indoor environments, the paper proposed a method combing UWB with PDR: based on the general case that the inertial device is usually placed on the chest or waist of human’s body, the step length and orientation of every step of the pedestrian were estimated by using data of the inertial equipment to establish the nonlinear extended Kalman filter (EKF) of UWB and PDR; and the positioning estimates were realized adaptively by updating the difference of adjacent time of UWB into the covariance matrix of the measurement equation of EKF. Experimental result showed that, compared with the positioning method solely relying on UWB, the propsoed method could avoid the loss of calculated positioning points under complex indoor environments, and efficiently improve the accuracy and robustness of the positioning system in a complex environment.

indoor positioning; ultra wide band；pedestrian dead reckoning; extended Kalman filter; adaptive measuring covariance matrix

P228

A

2095-4999(2019)03-0038-06

2018-11-02

儀玉杰（1992—），男，山西運城人，碩士生，研究方向為室內定位與導航。

儀玉杰，黃智剛，蘇雨.一種UWB與PDR融合的行人室內定位方法[J].導航定位學報,2019,7(3):38-43.（YI Yujie,HUANG Zhigang,SU Yu.A method of pedestrian indoor positioning combined UWB with PDR[J].Journal of Navigation and Positioning,2019,7(3):38-43.）

10.16547/j.cnki.10-1096.20190307.