基于多源传感器室内快速定位方法与系统与流程

本发明涉及地理信息系统、大地测量工程技术领域，特别涉及一种基于多源传感器的高精度室内智能定位与导航技术。

背景技术：

随着信息技术的发展以及人类活动的进程一体化，位置服务信息(Location Based Service，LBS)占据了越来越重要的位置。人类活动进程一体化也得到满足，例如宾馆不仅可以解决住宿的问题，还可以完成饮食、娱乐、交友、工作、会议，甚至旅游。一些公共场所，如机场、写字楼、仓库、地下停车场甚至监狱和军事训练基地也都需要准确的定位、导航信息。精确的室内定位导航信息能够为普通百姓带来行程方便，提高生活质量。同时，地理信息系统以及移动通讯的发展，对人员、车辆、事件等移动目标的定位更有迫切的需求。

随着移动互联网的发展，手机成为了用户生活的一个主要载体，借助手机平台来提供LBS已经成为现代地理信息产业的重要组成部分。人们借助于手机的LBS可以随时、随地为手机携带者提供实时的位置信息，使他们的生产、生活变得更加方便。目前，根据定位条件和用户所处环境，基于手机LBS的定位方式有：辅助全球导航卫星技术(Assisted Global Navigation Satellite Service，A-GNSS)，无线定位技术如无线宽带(Wireless Fidelity，WIFI)、蓝牙(Beacon)、zigbee、无线射频识别(Radio Frequency Identification，RFID)、超宽带无线定位(Ultra Wideband，UWB)以及多传感器研究行人航位推算技术(Pedestrian Dead Reckoning，PDR)。

A-GNSS定位原理：终端向定位平台发起请求，定位平台向终端发送辅助GNSS定位信息，终端测量伪距，并提交给定位平台，平台计算终端的位置。具体由多种方法混合定位，其中常用的有结合GNSS卫星信号和码分多址(Code Division Multiple Access，CDMA)网络信号混合定位，即在终端能够接收到GPS卫星信号时采用GNSS定位方式，当终端在室内或者接受卫星信号不好的环境时采用CDMA基站接收的辅助GNSS卫星信号实现辅助定位，满足室内室外的全覆盖定位。定位精度达到5-50米，一次定位时间一般需要几秒到几十秒。

无线定位技术的基本定位原理是，采用测算节点之间连接信号强度的方法，利用无线信号的空间传输衰减模型估算出节点间传输距离。由于多径、绕射、障碍物等因素，无线电传播路径损耗与理论值相比有较大变化，不同的信号受其影响的程度亦不尽相同，产生的定位效果也有所区别。如在个别的大型办公区、大型超市、火车站、医院等室内环境下，采用辅助设施WIFI实现精度为2-10m的定位，在一些出入口或者厂房等小区域内Beacon、zigbee、RFID能实现小于1m的定位精度，目前系统复杂的、价格不菲的UWB估计网络覆盖内的定位，结果达到亚米的精度。

为确定行人的行进轨迹，将微型的测量单元(Inertial Measurement Unit，IMU)绑定于人身体的腿部，或者基于脚底、背部的穿戴IMU，其基本原理是：根据输出的加速度矢量经过两次积分得到位移矢量，陀螺仪输出的角速度值一次积分得到方向变化，方向变化值加上前一次的方向即为当前航向。已知当前的位移矢量和航向，结合初始位置和方向，即可得到当前的导航信息。由于各传感器信号存在噪声，定位误差会随着积分不断累积和传递，致使定位结果在很短的时间内失去应用的价值。

在室内、城市、峡谷或其他具有封闭性或遮挡性的环境下，卫星信号的可用性和有效性不能保证，基于辅助全球导航卫星系统的位置服务显得无能为力，并且部分公共场所尚未布设无线网络系统。

因此，目前需要一种能够摆脱卫星信号的精确定位技术。

技术实现要素：

本发明的目的是提供一种基于多源传感器室内快速定位方法与系统，以解决上述提出的技术问题。

为达到上述目的，本发明提出一种基于多源传感器的快速定位方法，具体技术方案和步骤如下：

(S1)运动特征提取与分类：利用EMD(Empirical Mode Decomposition)和FFT(Fast Fourier Transformation)进行能量频谱分析并通过经典的决策树模型-NBC(Naive Bayes Classifier)进行特征分类，以此构建基于加速计信号的行人运动特征；

(S2)实时行进状态识别：利用模糊最小二乘向量机特征分类确切估计行人的运动模式；

(S3)步态的参数模型估计：根据信号波峰与波谷的时间差和频谱能量变化，计算行人的步频和步长，结合行人本身的身高、体重，初步建立行人的步长估计模型；

(S4)航向估计：基于启发式漂移消除法(Heuristic Drift Elimination，HDE)实现行人航向的可靠性估计。

进一步的，所述(S1)中，构建基于加速计信号提取行人运动特征的算法，具体为：

在利用扩展卡尔曼滤波对加速度计信号进行降噪的基础上，分析验证巴特沃斯低通滤波适合低能量谱信号的降噪，而扩展卡尔曼滤波更适合能量谱变化幅度大的信号降噪；借助于信号能量谱特征区分IMU处于静止或运动状态；借助于信号的时频变化规律和能量变化趋势，利用EMD和FFT进行能量频谱分析，对IMU信号根据运动特征进行分层，并通过经典的决策树模型--(Naive Bayes Classifier，NBC)进行模式识别，再借助于均方根、协方差、偏度、峰值或者过零率等多种时域特征识别参数有效区分慢走、走走停停、正常走、快走、跑和跳等运动类型，最终判断并提取与携带者位置变化紧密相关的信息量。

进一步的，所述(S2)中，基于加速度计和气压计信号确定行人行进状态的特征参数的估计算法，具体为：

利用最小二乘向量机(Least Squares Support Vector Machine，LS-SVM)特征分类确切估计行人的运动模式，确定不同运动模式的特征参数，进一步判断实时的运动方式；借助于气压计信号，基于降低计算复杂度的最大相关最小冗余特征选择算法提取不同梯度下、拥有高精度分类的特征子集，进而推断行人实时运动情形；其中，

LS-SVM是一种能识别行人前进、后退、侧走或者走走停停等状态的方法，此方法概括能力强，容易实现，其基本模型为：

其中，为超平面方程，b、c是实常数，N为样本数，ξk是松弛项；

依据下式拉格朗日函数，得到优化结果：

αk≥0、vk≥0为引入的拉格朗日系数，xk∈Rⁿ是第k个输入样本，yk∈{-1,1}是第k个相应的输出；

上两式中，核函数是主要元素，核参数的选择对于提高模型的泛化能力至关重要，但如果核函数缺乏适当的正则化参数，也将影响LS-SVM的性能。

通过研究线性核函数、多项式核函数、径向基核函数、Sigmoid等核函数和相应的正则化模型与参数，选择各种情况下海量实测数据验证并优化，最终确定径向基作为最优的核函数，其公式为：

其中，δ为核函数宽度。

进一步的，所述(S3)中，建立基于加速度传感器信号估计携带者步态的参数模型：

通过对IMU原始信号降噪处理后，接下来确定与携带者行进情形吻合的分层信号，根据信号波峰与波谷的时间差和频谱能量变化，计算行人的步频和步长，结合行人本身的身高、体重，初步建立行人的步长估计模型为：

Lstep＝a*h+b*f+c*w+s (4)

其中，Lstep为估计的步长，a，b，c为系数，h，f，w为行人的身高、步频和体重，ε为随机噪声。

进一步的，所述(S4)中，基于启发式漂移消除法(HDE)实现行人航向的可靠性估计：

以HDE算法作为理论基础，通过实际数据分析与研究，建立新的航向纠正算法，即：(1)增添了行走路径辨别条件，避免了错误修正；(2)将航向与主导方向的偏差和航向误差的标准偏差带入到卡尔曼滤波(Kalman Filter，KF)中对航向误差进行最优估计，并直接对航向进行纠正；(3)在纠正航向的同时校正四元数，消除航向解算中计算累积误差；新的航向纠正算法更好的消除陀螺仪漂移误差和航向解算中产生的计算累积误差，为实时航向提供可靠的理论与归算数据。

利用实验信号反复剖析和比较各轴信号的规律性，推断行人航向的主导轴向，比较欧拉角法、四元数法和方向余弦法等航向估计法的特性，在多传感器信号融合处理时，利用前0.3s-3s的点位数据判断抖动数据或者零漂引起的误差后，实现HDE对航向进行纠正，最终实现在直线为100m的距离内角度偏差在1.5°之内，达到行人行进方向的高精度估计。

进一步的，所述(S4)中，上述方法还包括：通过磁力传感器及其他辅助手段进行进一步高精度定位：

结合磁力传感器提供的基准方向、加速度传感器计算的步态和陀螺仪确定的航向，从而得到行人的行进轨迹。虽然随着误差的积累其轨迹偏离实际路线会越来越大，但是借助于目前辅助室内定位设施(如WIFI)，在信号较好的情况下实现2m以内的高精度定位，并将它作为IMU定位的可靠起算坐标；或者通过与已有的电子地图匹配，充分借助室内平面图上特征点准确的位置信息，实现大型室内(50m*50m)2-5m的高精度定位。

在上述方法基础上，本发明专利提出了一种基于多源传感器的室内快速定位系统，该系统包括：

(a)加速度传感器：用于识别运动模式、识别实时运动状态以及估计步态的参数模型；

(b)气压传感器：用于实现高度测量，比如楼层高、台阶高；

(c)陀螺仪传感器：用于实现航向估计；

(d)磁力传感器：用于提供的基准方向。

(e)IMU信号单元：用于信号收集和传递。

本发明的技术效果：

本发明通过对行人物理行为的分类，识别出行人行进模式，确定步长，利用多源传感器，包括加速度传感器、气压传感器、陀螺仪传感器、磁力传感器与IMU信号单元，推算行人运动方向，实现了高精度的室内快速定位，为智能导航系统的可靠性应用提供有益参考。

本发明具有广泛适用性和可推广性，除常用手机等移动终端外，凡具有加速度计、陀螺仪、磁力计等基本元件的装置，搭载IMU单元后，均可按照本专利的相关方法和技术高效、快速地实现高精度的室内定位。

附图说明

图1是本发明的基本流程图。

图2是实施例中的系统设置结构图。

具体实施方式

下面结合附图和具体实施例，对本发明的具体实施方式作进一步详细描述。

实施例：

以手机为载体、基于其内嵌多源传感器实现室内快速定位的方法，基本流程如图1所示，具体包括以下步骤：

(a)基于加速计信号提取行人运动特征信息

手机携带方式和运动模式均具有一定的随机性。首先从手机携带来说，可能处于携带者的手中、裤兜、上衣兜、挎包等不同位置；从携带者运动来说，有静止、原地运动和前进等；速度有正常行走、慢走、快走、慢跑、快跑甚至小步移动等；在运动的过程中手机状态会发生变化，如手机从兜中取出并查看信息或者打电话等。

通过对行人各种物理行为与手机内嵌传感器信号的变化研究发现其存在较强的耦合性。首先将IMU信号单元固定于手机上，使IMU和手机传感器信号在运动的时频域内达到一致，在成功利用巴特沃斯低通滤波、扩展卡尔曼滤波(Extended Kalman Filter，EKF)对陀螺仪信号进行降噪的基础上，借助于信号能量谱特征区分IMU处于静止或运动状态。在此基础上，拟借助于信号的时频变化规律和能量变化趋势，利用EMD和FFT进行能量频谱分析，对IMU信号根据运动特征进行分层，并通过经典的决策树模型----NBC进行模式识别，再借助于均方根、协方差、偏度、峰值或者过零率等时域特征识别方法有效区分分慢走、走走停停、正常走、快走、跑和跳等运动类型，最终判断并提取与携带者位置变化紧密相关的信息量。

(b)基于加速度计和气压计信号估计携带者实时行进模式特征参数

人们在行进中行走的方式会有不同，如前进、后退、慢走、快跑等，而且在建筑体内行走路线会有上下坡或上下楼梯等。利用模糊最小二乘向量机特征分类确切估计行人的运动模式，确定不同运动模式的特征参数，进一步判断实时的运动方式；借助于内嵌气压计信号，基于降低计算复杂度的最大相关最小冗余特征选择算法提取不同楼梯梯度下、拥有高精度分类的特征子集，进而推断行人实时运动情形。在本实例中，使用LS-SVM较好识别了行人前进、后退、侧走或者走走停停等状态。

(c)建立基于加速度传感器信号估计携带者步态的参数模型，构建适用于不同人群、不同环境下行人步长的推算模型：

通过对IMU原始信号降噪处理后，接下来确定与携带者行进情形吻合的分层信号，根据信号波峰与波谷的时间差和频谱能量变化，计算行人的步频和步长，结合行人本身的身高、体重，初步建立行人的步长估计模型。在查阅有关文献的基础上，本专利初步建立的行人的步长估计模型为:Lstep＝a*h+b*f+c*w+ε。其中，Lstep为估计的步长，a,b,c为系数，h,f,w为行人的身高、步频和体重，ε为随机噪声。

利用年龄在20-28岁、身高在1.72-1.80m、体重为55-75kg范围内的5名男实验者，在正常前进一段距离下，得到每一步的估计精度在5厘米内，平坦地区距离为50m直路线时，实验结果误差在1.5m以内，平坦地区距离为100m的矩形路线时，实验结果误差在3.0m以内。

实际上，成年女士、中老年人、青少年甚至少年，他们行走时产生的步频不同，引起的步长估计方法与上述建立的步长模型存在区别。在每种情况下选择一定数量的实验者，完善已有的模式，建立一系列与行人性别、年龄、身高、体重、步频和频谱能量相关的数值模型。

人群不同，其步态的估计参数或者数值模型会存在较大的差别，在已有估计方法的基础上，结合不同群体，反复分析该群体的步态特点和规律，找出与步态估计有关的参数，完善现有估计携带者步长的参数模型，建立适合该群体的步长估计算法，并自动建立步态指纹库。在行人使用手机时，根据初始3-5s的运动状态，确定正在使用的人群，从而自动调用与之相应的步态模型，实现自动识别功能，在100m的距离内步态测量偏差在3m之内。

(d)基于启发式漂移消除法(HDE)实现行人航向的可靠性估计

新的HDE航向纠正算法能够很好地消除陀螺仪漂移误差和航向解算中产生的计算累积误差，为实时航向提供可靠的理论与归算数据。本实例中，利用实验信号反复剖析和比较随机携带手机各轴信号的规律性，推断行人航向的主导轴向，比较欧拉角法、四元数法和方向余弦法等航向估计法的特性，在多传感器信号融合处理时，利用前0.3s-3s的点位数据判断抖动数据或者零漂引起的误差后，实现HDE对航向进行纠正，最终实现在直线为100m的距离内角度偏差在1.5°之内，达到手机随机携带下行人行进方向的高精度估计。

陀螺仪测得的仅是行人航向的相对变化量，需要结合磁力计测得的基准数据，才能得到行人的实时当地坐标系统下的航向。且随着时间的推移，其陀螺仪累积误差会成倍增大，所以需要陀螺仪、磁力计和加速度计数据多源融合，借助于扩展卡尔曼滤波实现室内高精度定位的功能，从而形成一种基于随身便携手机系统的多源传感器高精度室内智能导航的技术与系统。

在上述方法基础上，一种基于多源传感器的室内快速定位系统，如图2所示，该系统包括：

(a)加速度传感器：用于识别运动模式、识别实时运动状态以及估计步态的参数模型；

(b)气压传感器：用于实现高度测量，比如楼层高、台阶高；

(c)陀螺仪传感器：用于实现航向估计；

(d)磁力传感器：用于提供的基准方向。

(e)IMU信号单元：用于信号收集和传递。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。