双源信号下多元尺度融合室内位置测算方法.pdf
《双源信号下多元尺度融合室内位置测算方法.pdf》由会员分享,可在线阅读,更多相关《双源信号下多元尺度融合室内位置测算方法.pdf(10页珍藏版)》请在咨信网上搜索。
1、第 45 卷 第 1 期2024 年 1 月仪器仪表学报Chinese Journal of Scientific InstrumentVol.45 No.1Jan.2024DOI:10.19650/ki.cjsi.J2312118收稿日期:2023-11-05 Received Date:2023-11-05基金项目:国家自然科学基金(61702228)、江苏省自然基金(BK20170198)、中国高校产学研创新基金(2021ITA10003)项目资助双源信号下多元尺度融合室内位置测算方法陈 潇,秦宁宁,宋书林(江南大学物联网技术应用教育部工程研究中心 无锡 214122)摘 要:针对大型多
2、接入点场景的指纹定位中存在的定位点区域归属误判、离群点干扰的问题,提出一种双源信号下多元尺度融合室内位置测算方法。指纹在线定位阶段,利用 PDR 信号的时空信息,将定位点归属分区内的参考点数量进行扩展,缓解邻界区域误判带来的负效益;此外,利用多元距离与卡方距离代替传统欧氏距离,结合空间域物理距离尺度,实现多元尺度下的近邻筛选,有效克服离群点干扰;引入 K 值动态适配,并基于此进行 Wi-Fi 与 PDR 预定位的动态链接式融合,进一步提高定位算法的准确性。实验结果表明,在引入双源信号的相同条件下,相比其他多元尺度与动态 K 值算法,所提方案综合性能较优,平均定位精度优于其他算法 6.6%23.
3、1%。关键词:室内定位;指纹定位;行人航位推算;加权 K 近邻定位中图分类号:TN96 TH89 文献标识码:A 国家标准学科分类代码:510.40Indoor position estimation method with multi-scale fusion under dual-source signalsChen Xiao,Qin Ningning,Song Shulin(Engineering Research Center of Internet of Things Technology Applications Ministry of Education,Jiangnan Uni
4、versity,Wuxi 214122,China)Abstract:In response to the issues of misjudgment of location area attribution and interference from outliers in fingerprint-based positioning of a large number of access points scenes,a multi-scale signal fusion indoor positioning algorithm is proposed,which incorporates d
5、ual-source signals.During the fingerprint online positioning phase,the spatiotemporal information of PDR signals is utilized to expand the number of reference points belonging to the location area,thereby alleviating the negative effects caused by misclassification in neighboring areas.Additionally,
6、multiple distances and chi-square distances are used instead of the traditional Euclidean distance,in combination with spatial domain physical distance scales,to implement nearest neighbor selection at multiple scales.In this way,the interference from outliers is overcome effectively.We introduce a
7、dynamic adaptation of the K value.Based on this,the dynamic linked fusion between Wi-Fi and PDR pre-positioning is established,which further enhances the accuracy of the positioning algorithm.Experimental results show that,under the same conditions of introducing dual-source signals,the proposed met
8、hod exhibits superior overall performance compared to other multi-scale or dynamic K-value algorithms,with an average positioning accuracy surpassing other algorithms by 6.6%to 23.1%.Keywords:indoor positioning;fingerprint positioning;pedestrian dead reckoning;weighted K-nearest neighbor localizatio
9、n0 引 言 随着科技的迅速发展,全球导航卫星系统(global navigation satellite system,GNSS)已经被广泛应用于室外导航,定位精度也已经到达毫米级,但大型建筑的遮挡与复杂的室内环境,室内定位的精度尚未能满足人们的应用需求1。近年来,在无线通信技术和智能终端应用迅速发展下,室内定位服务(indoor position services,IPS)的应用场景需求不断增加,通过对环境中已有 Wi-Fi、蓝牙、312 仪 器 仪 表 学 报第 4 5 卷可见 光、行 人 航 位 推 算2(pedestrian dead reckoning,PDR)、地磁等信号的探测,
10、已经逐步实现了室内环境下轨迹预测、实时定位等功能3。在无线网络的广泛普及与移动智能终端性能增强的驱动下,室内场景下可以轻易探测到多个 Wi-Fi 接入点(access point,AP)并测量其信号,使得基于 Wi-Fi 接收信号强度(received signal strength,RSS)的指纹定位方法被大多数室内定位系统所采用。确定性指纹定位方法会提前将 RSS 等信号事先采集并存入离线指纹库,并在待定位 阶 段 通 过 加 权 K-最 近 邻(weighted K-nearest neighbor,WKNN)算法将待定点的 RSS 信号与指纹库内已有指纹进行对比,匹配出 K 个最近邻参
11、考点,对它们进行加权平均计算4预测定位坐标。因为确定性指纹定位方法在线定位过程简便高效,所以其成为使用最广泛的指纹匹配定位算法之一。但是,RSS 值受环境参数变化、人员移动等不可控因素的影响,进而出现定位位置跳变等问题。欧氏距离与 Spearman 距离融合改进 WKNN 中最近邻点的筛选尺度5的方法通过增加系统部分运算量,进而提高近邻点集合质量并牺牲少量运算时间以换取精度;文献6 结合不同 AP 的 RSS 值稳定性进行WKNN 的动态 K 值筛选。上述方法以不同方式 对WKNN 算法改进,但改进算法对场景内信号质量依然保持较高需求。有的学者通过引入多种定位算法或信号来弥补单一定位算法的缺陷
12、,赵建国等7训练相关向量机回归模型获取精确初始位置定位,将 PDR 算法的预测结果结合 Wi-Fi 信号进行简单修正。此方法解决了 PDR算法难以获得初始点的问题,但 Wi-Fi 仅为提供信号辅助的功能。文献8 采用随机森林模型处理指纹库数据,将 Wi-Fi 定位作为观测量、PDR 定位作为状态转移量、蓝牙信息作为约束进行粒子滤波定位。上述研究提供了通过多尺度替换单尺度、多源信号代替单源信号9的算法优化思路,但 AP 质量分布不均的场景下 Wi-Fi 最近邻点筛选对尺度敏感、易受离群点干扰,多源信号场景下对信号利用过于单一等问题依然存在。针对以上问题,论文提出了一种基于 PDR和 Wi-Fi
13、双源信号下多元尺度融合室内位置测算方法(indoor position estimation method with multi-scale fusion under dual-source signals,MFDS)。算法通过 PDR 信号的辅助,对在线阶段待定位点进行分区扩展,借此来改善因待定位点分区归属错误而产生的预定位偏移的情况;通过在信号域与空间域的不同尺度下进行近邻筛选,降低在单一信号域空间内最近邻点中出现离群点的概率;通过 PDR 与 Wi-Fi 的动态链接式融合,避免出现单一定位方法下因环境的不可控因素增大误差的情况。1 系统模型1.1 系统参数 1)Wi-Fi 信源参数假设二
14、维定位区域 内,按照间距 部署 M 个离线指纹信号采集点 RPj,每个采集点处都能探测到 N 个 AP信号,其中 j 1,2,M。论文相关数据参数描述如下:(1)Pj=(xj,yj)表示 RPj的空间域坐标。(2)RSSj=rss1j,rss2j,rssNj 表示 RPj对 N 个非视距接入点 AP 的信号强度测量值。(3)RSS=lrss1,lrss2,lrssN 表示待定位点 TP对 N 个非视距接入点 AP 的信号强度测量值。(4)RPNN=RPNN1,RPNNk,RPNNK 表示近邻筛选后的最近邻参考点 RPNNk的集合。2)PDR 信源参数定位区域 内,用户基于智能终端内置的加速度传
15、感器与陀螺仪获取前进过程中惯性传感器的数据,相关参数描述如下:(1)xt+1yt+1=xt+Ltcos(t)yt+Ltsin(t)表示 PDR 算法预测终端在 t+1时刻的位置表达式。Lt、t分别为t时刻通过加速度传感器数据估算出的步长与通过陀螺仪数据估算的方向角,(xt,yt)为终端在 t 时刻的具体空间坐标。(2)at=a2xt+a2yt+a2zt-g 表示终端在 t 时刻的合加速度,axt、ayt、azt分别为 t 时刻加速度传感器获取的 x、y、z 轴值,g 为重力加速度。(3)SC=T1,Ti,Tstep 表示行人每一步的相关时间数据集合,其中 step 表示行人的总步数,Ti记录第
16、i 步开始时间与结束时间数据。(4)Acc=aextreme1,aextremei,aextremestep 表示行人步行过程中每一步的加速度传感器数据计算的合加速度的峰值谷值集合,其中 aextremei=at max,at min 表示第 i 步中at最大值与最小值的集合。1.2 系统架构分析 论文采用以 Wi-Fi 信号为主、PDR 信号为辅的双源信号定位系统,将双源信号预定位结果动态链接式融合,以提升定位精度。系统分为处理信号的离线阶段和预测定位结果的在线阶段两个部分。1)离线阶段在离线数据采集阶段,首先将实验区域按照固定间距划分出参考点 RP,并在每一个参考点位置采集 Wi-Fi信号
17、强度值 RSSj,将其处理后存入离线指纹库。其次,当实验场景较大,AP、RP 数量较多时,以 RSSj相似度为 第 1 期陈 潇 等:双源信号下多元尺度融合室内位置测算方法313 指标,进行 AP 筛选后,采用聚类方法将 RP 按照聚类结果进行区域划分,以节约在线定位成本。最终,通过沿着某一路线 RP 点行走的方式采集终端的 PDR 信号数据,并根据选取的步频、步长、方向角统计估算方法获取实验场景下的公式参数值。2)在线阶段经典 Wi-Fi 在线阶段的定位流程可以分解为 3 个步骤:(1)区域归属:将待定位点 TP 与聚类中心的进行信号强度比较,将 TP 划入差异最小的一个聚类分区中,由于判别
18、结果易受环境下信号质量的影响,容易产生分区误判的问题。(2)近邻筛选:从区域中筛选出与待定位点 TP 距离最小的近邻点放入集合作为定位的候选节点,容易产生离群点被选入集合影响定位精度的问题。(3)定位预测:结合近邻筛选集合内最近邻参考点RPNNk的信号域、空间域等信息预测 Wi-Fi 定位结果,因为待定位点 TP 信号易受环境影响而变化,容易出现最优最近邻参考点个数(K 值)变化的问题。论文在经典 Wi-Fi 定位算法流程的基础上,提出了一种基于信号域下多距离尺度与空间域下物理距离尺度的多元尺度下的信号融合定位算法,以 PDR 信号进行辅助,通过分区扩展方法降低 TP 分区判断错误后产生的巨大
19、误差,并结合多元尺度的近邻筛选减少离群点、动态适配 K 值,最终将 PDR 定位结果与优化后的 Wi-Fi 定位结果动态链接式融合。系统的架构如图 1 所示。2 PDR 信号分区扩展 智能终端中配备的加速度计、陀螺仪、磁力计等多种传感器,使得 PDR 定位技术具有更加简便的可实现性。论文根据传感器数据将 PDR 带来的时空域信息与 Wi-Fi离线数据的信号域信息相结合,以解决 Wi-Fi 在线定位时,因为 TP 点的信号域数据 RSS 波动而被划入错误分区,导致产生大幅定位误差的问题。2.1 PDR 的时空域信息计算 1)步频统计根据加速度传感器数据计算 at,通常采用中值滤波滤除噪声。由于行
20、人行走时手机不可避免地会产生小幅抖动,因此会产生伪波峰10影响步频判定。针对此问题,论文采用改进的峰值检测法进行步频检测,根据“峰值-零点-谷值-零点-峰值”的步频循环规律计步,具体步骤如下所示:步骤(1)对每一个峰值与谷值分别进行阈值判断筛选,剔除低于峰值阈值的峰值加速度或高于谷值阈值的谷值加速度。图 1 双源信号下多元尺度融合室内位置测算方法Fig.1 Indoor position estimation method with Multi-scale fusion under dual-source signals步骤(2)从第 1 个加速度峰值开始搜索,相邻峰值之间存在谷值则记为一步,
21、记录这一步的起点为第 1 个峰值左侧的第 1 个零点,终点为第 2 个峰值左侧第 1 个零点,记录步频时间数据 Ti、加速度信息 aextremei。步骤(3)继续遍历直至最后一个加速度峰值,总步数记为 step,将所有 Ti、aextremei存入 SC、Acc。2)步长估计论文采取 Weinberg11提出的非线性模型进行步长估计,通过获取行人步行过程中的步频 SC与加速度观测值 Acc,采用统计分析方法对行人步长建立数学模型,如式(1)所示。Lt=k4at max-at min(1)式中:k 为模型系数,需根据设备、测试人员等因素进行实验确定。3)方向角估计考虑到四元数法12计算量小、可
22、以规避万向节锁问题等优势,论文采用四元数法进行方向角 t估算,如式(2)所示。t=acrtan2(q0q1+q2q3)1-2(q12+q22)(2)式中:q0、q1、q2、q3为四元数,通过陀螺仪读数实时更新。314 仪 器 仪 表 学 报第 4 5 卷2.2 改进的在线分区扩展方法 当待定位点 TP 处于分区边缘时,相邻分区信号特征差异性较小,会出现将待定位点 TP 划入临近分区的情况,导致 Wi-Fi 定位出现大幅偏差。若仅通过引入 PDR定位,借助上一次定位位置预测本次定位位置的方式,可以在一定程度上优化 Wi-Fi 定位结果。但是由于 PDR连续定位与对起始定位位置敏感的特性,单次定位
23、偏移带来的定位误差并未消除,并且在一定时间内仍会累计影响后续定位结果。为了解决此问题,论文提出了 PDR 信号的改进在线分区扩展方法,通过将 PDR 信号引入 Wi-Fi 的定位过程,借助时空域信息进行在线分区扩展,降低 Wi-Fi 定位出现大幅偏差的可能性。具体步骤如下所示:步骤1)计算在线待定位点 TP与聚类中心之间的信号域欧氏距离,将 TP 划入信号域欧氏距离最小的一个分区,分区内参考点的集合记为 CRPplus,集合内的参考点符号记为 RPcpj;步骤 2)基于前两个时刻的定位结果(xt-1,yt-1)、(xt-2,yt-2),通过式(3)计算出当前时刻行人预测前进角t:t=arcco
24、s(xt-1-xt-2)(xt-1-xt-2)2+(yt-1-yt-2)2(3)步骤 3)根据式(4),计算预测前进角 t与当前时刻方向角 t的差值,若满足条件 t-t,则搜索系数a=1;若不满足上述条件,则表示预测前进角与当前时刻方向角有所偏差,取a=2 小幅扩大搜索范围。遍历 RP,满足半径范围则 RPj CRPplus,如下所示:(xj-xt-1)2+(yj-yt-1)2 aLt+2(4)其中,a 为搜索系数,为误差常数,为 RP 点采样间距。3 多元尺度的近邻筛选 虽然在经典的 Wi-Fi 定位中,简便易解的欧氏距离对线性空间的衡量具有先天优势,但对于非线性的信号空间下的距离测算,却难
25、以确保每个 RP 信号域位置与空间域位置的准确性与相关性。因此,论文采用多元尺度并行处理,以空间域信息与信号域信息相结合,排除野值点的干扰,进一步增加筛选可信度。3.1 双信号域尺度数据的初处理 兰氏距离 LD 敏感于零值附近的变化,可以有效辨识与 TP 信号强度之间差异性较小的 RPj,信号域下计算公式如式(5)所示。LDj=ni=1lrssi-rssijlrssi+rssij(5)余弦距离 CD 常被用于高维空间向量间方向的判断,在信号域内可以用于判别 RPj与 TP 之间 AP 信号源的相似度,计算公式如式(6)所示。CDj=ni=1(lrssirssij)ni=1(lrssi)2ni=
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 信号 多元 尺度 融合 室内 位置 测算 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。