大型开放式区域内的室内定位方法与流程

本发明涉及移动计算领域，具体地，涉及一种大型开放式区域内的室内定位方法。

背景技术：

高精度的室内定位系统是基于位置的商业服务(Location Based Services,LBS)的关键技术，LBS系统在现代商业模式中具有很高的价值。LBS系统的应用包括，在机场火车站等区域的导航，在商场和博物馆等场景中的广告推送等，在这些应用当中，用户需要在陌生的场景中知道自己的准确位置，而服务的提供商需要基于用户的位置来提供个性化的服务。

传统的室内定位技术包括WiFi指纹定位技术和航位推测算法定位技术，但这两种技术在大型开放式区域的定位精度都较低。因为在例如火车站，商场和博物馆等场景中，由于多径效应，信道动态条件以及路由器的功率控制技术，无线信号强度波动不可避免，而且WiFi信号扫描所带来的高能耗也是一个制约因素。由于在上述场景当中，用户的可行路径十分复杂，建筑平面图无法用来限制用户的可行路径，传感器的测量误差将会带来定位过程中的累积误差效应，而且手机的任意摆放姿势会给手机传感器带来很大的测量偏差，导致航位推测算法无法对用户定位。

对现有技术进行检索发现，Yuanchao Shu等在2015年IEEE Journal on Selected Areas in Communications发表的Magicol:indoor localization using pervasive magnetic field and opportunistic WiFi sensing(基于普遍存在的磁场和可获得的WiFi信号的室内定位技术)中提出了一种基于普遍磁信号强度和惯性传感器的室内定位系统，这种定位算法采用的是将磁场强度作为指纹，因为在室内环境中磁场强度比无线信号强度更稳定，但是在火车站、商场等场景中，由于用户所携带的金属设备和电子设备，磁场强度仍然会在很多区域产生较大波动，导致该算法在此类场景中无法精确定位。Hongwei Xie等在2015年IEEE Transactions on Mobile Computing上发表的A Reliability-Augmented Particle Filter for Magnetic Fingerprinting Based Indoor Localization on Smartphone(一种在基于磁信号指纹的室内定位系统中的可靠分段粒子滤波算法)中提出了类似的算法，但是该算法在大型开放式区域中，无法用建筑平面图来限制用户的可行路线，从而导致该算法无法克服累积误差效应。

技术实现要素：

针对现有技术中的缺陷，本发明的目的是提出一种在大型开放式区域内的室内定位方法，通过采用磁场强度，改进型粒子滤波算法和蓝牙节点技术，实现用户在此类场景中的精确定位。

根据本发明提供的一种大型开放式区域内的室内定位方法，包括：

步骤1，根据蓝牙信号强度，定位确定用户手机的初始位置，并且在初始位置的定位过程中周期性地校正用户手机的惯性传感器噪声导致的定位累积误差；

步骤2，由所述初始位置，根据用户手机的惯性传感器的输出值估计出用户的行走距离和用户的转动角度，得到用户手机的新位置；

步骤3，在用户手机的新位置的可能范围内采样产生粒子，其中，粒子具有步长属性和转角属性；

步骤4，基于粒子的步长属性、转角属性的分布以及用户手机采集到的磁场强度，联合确定粒子的权重，确定用户的新位置。

优选地，在所述步骤1中，在定位区域内的多个位置分别布置蓝牙节点，将用户手机检测到的蓝牙信号强度换算成用户手机与多个蓝牙节点之间的距离，通过三角定位算法，确定蓝牙节点的定位范围中用户手机的初始位置；其中，在初始位置的定位过程中，当用户手机再次进入蓝牙节点的定位范围中时，通过三角定位算法校正用户手机的位置，从而在定位过程中校正用户手机的惯性传感器噪声带来的定位累积误差。

优选地，所述惯性传感器包括加速度计和陀螺仪；

在所述步骤2中，当用户手机离开蓝牙节点的定位范围后，以多个粒子代表用户手机的可能位置，根据用户手机的加速度计的输出值估计用户的行走距离，并根据用户手机的陀螺仪的输出值估计用户的转动角度，从而确定粒子更新后得到的新粒子的位置，即：

其中，为采样前的第i个粒子的位置坐标，θ_i为采样前的第i个粒子的方向，l_ij为根据采样前的第i个粒子重采样的第j个粒子的步长，为根据采样前的第i个粒子重采样的第j个粒子的位置坐标。

优选地，在所述步骤3中，根据用户的步长l、转角θ的概率分布，确定用户手机的新位置的可能范围，在用户手机的新位置的可能范围内采样产生粒子；

用户的步长l、转角θ的概率分布f(l)、f(θ)分别为：

其中，为预设的人的平均步长，概率分布f(l)的方差为为作为惯性传感器的陀螺仪测量到的转动角度。

优选地，在用户手机的新位置的可能范围内采用改进型粒子滤波算法来采样产生粒子，其中，改进型粒子滤波算法具体为：

在步长l的80％置信区间当中采样产生粒子，长度的采样区间为以为极点、极轴的极坐标下，极径的范围内；

在转角θ的70％置信区间当中采样产生粒子，角度的采样区间为以为极点、极轴的极坐标下，极角的范围内；

其中，表示标准正态分布函数。

优选地，在所述步骤4中，根据粒子的权重，采用加权平均算法确定用户的新位置，其中，每个粒子的权重由以下三个参数w₁、w₂、w₃确定：

粒子步长的归一化概率w₁：

其中，l_i表示第i个粒子的步长，l_k表示粒子集合中第k个粒子的步长，p_k表示粒子集合中的第k个粒子，_V表示当前所有粒子组成的粒子集合；

粒子转动角度的归一化概率w₂：

其中，θ_i表示第i个粒子的转角，θ_k表示粒子集合中第k个粒子的转角；

粒子对应位置在磁场强度数据库中的取值与用户手机实时采集到的磁场强度值的相似度w₃：

其中，s_i表示第i个粒子对应位置在磁场强度数据库中的取值与用户手机实时采集到的磁场强度值的相似度，δ表示当前环境下的磁场强度波动，s_k表示粒子集合中第k个粒子对应位置在磁场强度数据库中的取值与用户手机实时采集到的磁场强度值的相似度；

粒子的权重w为w＝w₁·w₂·w₃。

优选地，用户的步长l、转角θ可以是指人在大型开放式区域内正常行走状态下的步长l、转角θ。

与现有技术相比，本发明具有如下的有益效果：

1、在基于磁场的室内定位系统中，通过设计的改进型粒子滤波算法，使得定位系统可以有效抑制磁场波动带来的定位误差。

2、在应用于大型开放式区域的室内定位系统当中，针对用户可行路径负责的问题，采用蓝牙节点辅助校正定位中的累积误差。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的工作流程图；

图2、图3为本发明步骤3(即第三步)中的采样区间示意图；

图4是本发明具体实施中的定位误差与行走距离的关系图；

图5是本发明应用于不同用户时的误差大小累积分布图。

图5中的H表示身高。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

本发明利用用户携带智能手机上的传感器，结合定位区域中磁场强度和部署在关键位置的蓝牙节点，实现了用户在大型开放式区域的精确室内定位。

传统的基于无线信号定位技术和新兴的基于磁场强度和粒子滤波的室内定位技术应用到诸如火车站，商场和博物馆等场景当中时，存在着如下缺陷：第一，在上述场景中人流量较大，且人员大多会携带金属或电子设备，这使得无线传输信道的状态存在着很大的动态性和随机性，加上无线路由器的自动功率调整机制，使得在上述场景中无线信号和磁场强度会产生较大的波动，从而导致基于它们的室内定位技术在此类场景中无法取得较高的定位精度。

其次，由于在大型开放式区域中，用户的可行路径十分复杂，建筑平面图无法用来限制用户的可行路径。因此在此类场景中，手机惯性传感器的噪声以及无线信号和磁场强度波动引起的定位误差无法通过匹配定位区域中用户的可行路径来消除。在粒子滤波的重采样过程中，由于之前定位的误差未被校正，误差会在重采样的过程中不断累积，导致基于粒子滤波的定位技术在此类场景中无法取得较高的定位精度。

在本发明中，采用以下技术克服上述两点困难：在粒子滤波算法上，本发明设计了一种改进型粒子权重算法，将粒子步长和转动角度的归一化概率与磁信号的相似度协同确定粒子的权重，有效地抑制了磁场波动对于定位精度的影响。在定位范围的关键区域部署蓝牙节点，在蓝牙节点的精确定位范围内通过三角定位法可以校正用户的位置，可以确定用户在定位过程中的起始位置，并且可以周期性地校正在定位过程中的累积误差，使得粒子步长和转动角度的归一化概率可以始终有效地反映用户位置的分布。

根据本发明提供的大型开放式区域内的室内定位方法，包括如下步骤：

第一步，根据部署在定位区域内的多个蓝牙节点，采用三角定位法确定用户的初始位置；第二步，根据用户手机惯性传感器的输出值确定用户的近似位移距离与位移方向；第三步，由于惯性传感器的测量误差，采用改进型粒子滤波算法，在用户新位置的可能范围内采样产生粒子；第四步：基于粒子的两个属性(步长和转角)的分布以及手机采集到的磁场强度，联合确定粒子的权重，采用加权平均算法确定用户的新位置。

所述第一步中，在定位区域内的关键位置布置蓝牙节点，将手机检测到的蓝牙信号强度换算成用户与多个蓝牙节点之间的距离，通过三角定位算法在蓝牙节点的精确定位范围内确定用户的初始位置。在定位过程中，当用户再次进入蓝牙节点精确定位的范围中时，采用上述方法校正用户的位置，从而可以在定位过程中校正手机惯性传感器噪声带来的定位累积误差。

所述第二步中，当用户离开蓝牙节点的精确定位区域后，由于用户位置的不确定性，以多个粒子代表用户的可能位置，根据手机加速度计的输出值估计用户的行走距离和陀螺仪的输出值估计用户的转动角度，从而确定粒子更新后的位置，即

其中为原粒子的位置坐标，θ_i为粒子的方向，l_ij为重采样粒子的步长，为重采样后新粒子的位置坐标。

所述第三步中，由于手机惯性传感器的测量误差，根据步长l和转角θ的概率分布，为人的平均步长，该分布的方差为和为陀螺仪测量到的转动角度，确定用户新位置的可能范围，并按照改进型粒子滤波算法，在该范围内对粒子进行重采样。

所述第三步中，为了应对惯性传感器的误差以及人的步长的波动所带来的位置的不确定性，若用户沿直线行走则需要步长的80％置信区间当中对粒子进行重采样，采样区间为示意图见附图3；若用户在行走过程中转动了方向，则需要在转角的70％置信区间当中对粒子的方向进行重采样，角度的采样区间为因此采样区间成为一个扇形二维区域，该扇形区域见附图3。

所述第四步中，由于在火车站、飞机场和商场等场中，用户所携带的电子设备和金属设备会使得磁场在部分区域当中产生较大的变动，之前的研究中仅采用磁信号的相似度作为粒子权重的相似度作为确定权重的参数，会使得磁场的波动带来较大的定位误差，并且这种误差会随着定位过程的突进不断地累积。因此本发明当中，为了克服磁场的波动带来的定位误差，每个粒子的权重由以下三个参数确定：

(1)粒子步长的归一化概率，

(2)粒子转动角度的归一化概率，

(3)粒子对应位置在磁场强度数据库中的取值与用户实时采集到的磁场强度值的相似度,

由于本发明中采样蓝牙节点精确定位的方式周期性地校正定位过程当中的累积误差，因此参数w₁和参数w₂可以有效地反映用户位置的概率分布，从而达到抑制磁场波动带来的定位误差的目的。粒子的权重由这三个归一化参数的积确定，即w＝w₁·w₂·w₃，对粒子的权重进行归一化后，对粒子的位置进行求加权平均，计算得到用户的新位置。

所述第一步中，由于手机惯性传感器的噪声无法避免，并且在大型开放式区域当中，用户的可行路径十分复杂，建筑平面图无法通过限制用户的可行路径来减少定位误差，因此定位过程中的误差会累积增长。针对上述问题，本发明当中，当用户再次进入蓝牙节点的精确定位范围中时，通过手机接收到的蓝牙节点的信号通过第一步中的定位方法，校正自己所在的位置，从而周期性地矫正了在定位过程中产生的累积误差。

所述第一步中，由于在定位过程中需要不断地进行重采样，粒子的数目会逐步增多，从而导致系统的计算复杂度上升。针对上述问题，在本发明中，当用户再次进入蓝牙节点的精确定位范围中时，通过对位置的校正，从而将偏离的粒子消除，大幅减少了下一阶段定位系统的计算复杂度。

下面对本发明进行更为具体的说明。

在本发明中，有三种角色，一是用户所持智能手机，即用户手机，通过手机上的惯性传感器推测用户可能地行走距离和行走方向，并且实时采集磁场强度。二是磁场强度，在室内环境中，磁场强度随在不同位置呈现出稳定的变化特征，预先采集定位范围中各个位置的磁场强度，用户实时采集的磁场强度与数据库中的磁场强度的相似度可以反映各个粒子的可靠性。三是蓝牙节点，在蓝牙节点的精确定位范围内通过三角定位法可以在定位过程中校正用户的位置。

参见附图1，下面更详细地将本发明的实施过程进行阐述。

第一步，在定位区域内的关键位置布置蓝牙节点，将手机检测到的蓝牙信号强度换算成用户手机所代表的用户与多个蓝牙节点之间的距离，通过三角定位算法在蓝牙节点的精确定位范围内确定用户的初始位置。在定位过程中，当用户再次进入蓝牙节点精确定位的范围中时，采用上述三角定位算法校正用户的位置，从而可以在定位过程中校正手机惯性传感器噪声带来的定位累积误差。

第二步，当用户离开蓝牙节点的精确定位区域后，由于用户位置的不确定性，以多个粒子代表用户的可能位置，根据手机加速度计的输出值估计用户的行走距离和陀螺仪的输出值估计用户的转动角度，从而确定粒子更新后的位置，即其中为原粒子的位置坐标，θ_i为粒子的方向，l_ij为重采样粒子的步长，为重采样后新粒子的位置坐标。

第三步，由于手机惯性传感器的测量误差，根据步长l和转角θ的概率分布，f(l)，和f(θ)，为陀螺仪测量到的转动角度，确定用户新位置的可能范围，并按照改进型粒子滤波算法，在该范围内对粒子进行重采样。为了应对惯性传感器的误差以及人的步长的波动所带来的位置的不确定性，若用户沿直线行走则需要步长的80％置信区间当中对粒子进行重采样；采样区间为若用户在行走过程中转动了方向，则需要在转角的70％置信区间当中对粒子的方向进行重采样，角度的采样区间为

第四步，为了克服磁场的波动带来的定位误差，每个粒子的权重由以下三个参数确定：(1)粒子步长的归一化概率w₁；(2)粒子转动角度的归一化概率w₂；(3)粒子对应位置在磁场强度数据库中的取值与用户实时采集到的磁场强度值的相似度w₃。由于本发明中采样蓝牙节点精确定位的方式周期性地校正定位过程当中的累积误差，因此参数w₁和参数w₂可以有效地反映用户位置的概率分布，从而达到抑制磁场波动带来的定位误差的目的。粒子的权重由这三个归一化参数的积确定，即w＝w₁·w₂·w₃，对粒子的权重进行归一化后，对粒子的位置求加权平均，计算得到用户的新位置。

当用户再次进入蓝牙节点精确定位的范围内时，通过接收到的蓝牙信号通过三角定位法校正用户的位置，再进入第二步依次循环，使得定位误差始终在保持在可接收的范围内。

下面通过一个实例具体地展示系统的工作流程和实际效果。

本实例的实验范围为：交通大学闵行校区图书大楼一楼服务大厅(约1800平方米)。

本实施包括两个实验阶段，第一阶段，磁场强度指纹采集与蓝牙节点布置。采集了整个实验区域的磁场强度，将采集到的磁场强度与位置坐标一一映射。在两个关键位置，服务大厅的门口和转盘拐角处布置蓝牙节点，用于校正用户位置。

第二阶段，模拟用户使用本系统定位的情况，实验按发明内容各个步骤进行。当用户离开蓝牙节点精确定位范围后，按照所述的第二步和第三步，根据惯性传感器估计用户的行走距离与行走方向，在相应的采样区间里对粒子进行重采样。按照所述第四步中的权重计算方法，计算各个粒子的权重，在计算w₃时，是用户采集到的近5个磁场强度值组成观测向量，粒子最近的5个位置在数据库中的5个取值组成粒子向量，粒子向量与观测向量间的欧式距离为w₃计算表达式中的s变量。当用户进入转盘拐角区域时，通过接收到的蓝牙信号对位置进行矫正，之后再从所述第二步循环进行。附图4是实验中定位误差与行走距离的关系，附图5是实验应用于不同用户时的误差大小累积分布图。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。