基于低成本INSRFID的室內(nèi)定位技術(shù)

1、 MACROBUTTON MTEditEquationSection2 Equation Chapter 1 Section 1 SEQ MTEqn r h * MERGEFORMAT SEQ MTSec r 1 h * MERGEFORMAT SEQ MTChap r 1 h * MERGEFORMAT 基于低成本INS/RFID的室內(nèi)定位技術(shù)艾明曦，時(shí)偉*(中南大學(xué)航空航天學(xué)院，長(zhǎng)沙 410083)摘要：在個(gè)人導(dǎo)航和基于位置服務(wù)（LBS）領(lǐng)域，如何實(shí)現(xiàn)低成本、高可靠性、高精度、連續(xù)的室內(nèi)定位仍是研究的熱點(diǎn)。然而依靠單一技術(shù)的室內(nèi)定位結(jié)果很難滿足上述定位要求。文章用粒子濾波（PF）對(duì)INS和

2、RFID技術(shù)進(jìn)行融合。對(duì)低精度INS使用行人航跡推算算法（PDR），其中步數(shù)和步長(zhǎng)由峰值檢測(cè)和Weinberg算法分別測(cè)算；根據(jù)位置信息對(duì)RFID使用加權(quán)KNN算法。仿真結(jié)果表明：組合定位糾正了INS的累計(jì)誤差和漂移，實(shí)現(xiàn)了自主可靠的連續(xù)定位，提高了定位精度，極大程度上優(yōu)化了系統(tǒng)性能。關(guān)鍵字：峰值檢測(cè)；Weinberg算法；加權(quán)KNN算法；粒子濾波融合Indoor Positioning Technology Based on Low-cost INS/RFIDAI Ming-xi，SHI Wei(School of Aeronautics and Astronautics, Central

3、South University, Changsha 410083, China)Abstract：In the field of personal navigation and location-based services (LBS), how to achieve low-cost, high reliability, high accuracy, continuous indoor positioning is still a hot topic. However, relying on a single technology, indoor positioning results a

4、re difficult to meet the positioning requirements. This paper fuses INS and RFID through PF. PDR algorithm is used in low-precision INS in which the number of steps and the size of steps can be estimated by Peak detection and Weinberg algorithm. Weighted KNN algorithm is used in RFID according to po

5、sition information. Simulation results show that integrated position mode not only corrects the accumulated error and drift of INS, but also achieves independent, reliable and continuous position information. Positioning accuracy is better than single model and the system performance optimizes great

6、ly.Key words: Peak detection; Weinberg algorithm; Weighted KNN algorithm; PF0 引言隨著導(dǎo)航定位需求的日益增長(zhǎng)，各種導(dǎo)航定位技術(shù)不斷成熟，并廣泛應(yīng)用于人們的日常生活1。然而技術(shù)成熟，運(yùn)用廣泛的全球衛(wèi)星定位系統(tǒng)在遇到動(dòng)態(tài)環(huán)境和遮擋物時(shí)會(huì)導(dǎo)致功能失效，出現(xiàn)定位盲區(qū)，不能滿足移動(dòng)人員的連續(xù)定位需求，致使很多與室內(nèi)定位有關(guān)的緊急搜救、人員跟蹤定位、商業(yè)服務(wù)等無(wú)法正常開(kāi)展2。為了彌補(bǔ)室內(nèi)定位的缺陷，多種室內(nèi)定位技術(shù)應(yīng)運(yùn)而生，主要包括：輔助GPS定位技術(shù)(AssistedGPS，A-GPS)、短距離無(wú)線通訊定位技術(shù)、慣性系統(tǒng)定位技

7、術(shù)（Inertial Navigation System ，INS）3,4。A-GPS在GPS的基礎(chǔ)上進(jìn)行了改進(jìn)和輔助，但其定位效果很大程度上依賴于GPS信號(hào)。短距離無(wú)線通訊定位技術(shù)如射頻識(shí)別技術(shù)（Radio Frequency Identification，RFID)，因參考標(biāo)簽與閱讀器的不同布置，射頻信號(hào)存在不同程度的干涉、衍射和多路徑效應(yīng)，提供的位置信息絕對(duì)但離散。INS定位是一種相對(duì)定位方式，需要與絕對(duì)定位相結(jié)合才能發(fā)揮作用，且傳感器需要較長(zhǎng)的初始化時(shí)間，初始化本身也存在誤差，加上導(dǎo)航過(guò)程中的漂移、偏差、噪聲都會(huì)造成誤差積累，影響定位效果。因此實(shí)現(xiàn)低成本、高精度、高可靠性、連續(xù)的室內(nèi)定

8、位具有非常重要的現(xiàn)實(shí)意義。最優(yōu)估計(jì)理論的各種濾波技術(shù)不但可以平滑軌跡、減少噪聲，還能夠?qū)?shù)據(jù)進(jìn)行融合?？柭鼮V波（kalman filtering, KF）在軌跡跟蹤中廣泛應(yīng)用，但其基于線性系統(tǒng)進(jìn)行假設(shè)，在實(shí)際定位中很難滿足。擴(kuò)展卡爾曼濾波(extended kalman filtering, EKF),無(wú)跡卡爾曼濾波(unscented kalman filtering, UKF)等最優(yōu)估計(jì)理論都可以應(yīng)用到室內(nèi)組合定位中，它們將非線性系統(tǒng)線性化，但是在處理非線性系統(tǒng)時(shí)依舊難以保證良好的濾波效果。粒子濾波(Particle Filering, PF)的出現(xiàn)很好地解決了這類問(wèn)題。粒子濾波是一種基

9、于蒙特卡洛仿真的近似貝葉斯濾波算法，它是一種基于蒙特卡洛仿真的近似貝葉斯濾波算法，其核心思想是用一些離散隨機(jī)采樣點(diǎn)來(lái)近似隨機(jī)變量的概率密度函數(shù)5。針對(duì)單一定位技術(shù)無(wú)法滿足室內(nèi)定位高精度、高可靠性、連續(xù)的問(wèn)題，本文用PF對(duì)INS和RFID的定位信息進(jìn)行融合，低精度INS的定位信息由行人航跡推算算法（Pedestrians dead reckoning，PDR）獲得，其中步數(shù)和步長(zhǎng)由峰值檢測(cè)和Weinberg算法分別測(cè)算；RFID的定位信息由加權(quán)KNN算法獲得。仿真結(jié)果表明INS/RFID組合定位由于采用了兩種定位技術(shù)，定位系統(tǒng)更加安全可靠，定位軌跡結(jié)合了INS連續(xù)相對(duì)定位和RFID離散絕對(duì)定位的

10、特點(diǎn)，實(shí)現(xiàn)了自主連續(xù)定位，用PF對(duì)INS/RFID的非線性系統(tǒng)進(jìn)行濾波融合，相對(duì)其它融合技術(shù)其精度較高。 1室內(nèi)定位方案1.1基于INS的室內(nèi)定位算法INS采用慣性傳感器定位，隨著微機(jī)電系統(tǒng)（Microelectro Mechanical Systems ，MEMS）的出現(xiàn)，慣性傳感器更加集成化、低成本化。它自主性強(qiáng)，不受外界環(huán)境干擾影響，三軸加速度計(jì)和陀螺儀分別可以測(cè)算出位置與方向6。1.1.1步數(shù)檢測(cè)與步長(zhǎng)估計(jì)低精度、低成本MEMS傳感器存在不可避免的噪聲、漂移和斜變，采用公式（1）的方法測(cè)算位移更為簡(jiǎn)單、準(zhǔn)確。定位人員行走時(shí)，手持MEMS慣性傳感器，傳感器坐標(biāo)與人體行走坐標(biāo)系會(huì)產(chǎn)生偏移，

11、但至少有一個(gè)軸具有周期性明顯的加速度變化，所以對(duì)三軸和加速度進(jìn)行處理。先對(duì)三軸和加速度進(jìn)行低通濾波處理降噪，如圖（1）所示，再對(duì)步數(shù)和步長(zhǎng)進(jìn)行檢測(cè)。 （1）其中，為偏航角未改變的連續(xù)時(shí)間內(nèi)航跡；相應(yīng)的步數(shù)；為步長(zhǎng)。圖1 三軸和加速度變化曲線步數(shù)由峰值檢測(cè)得到，原理如圖（2）所示，根據(jù)訓(xùn)練結(jié)果對(duì)和加速度信號(hào)設(shè)置閾值篩選出符合的條件的和加速度峰值，進(jìn)行步數(shù)累計(jì)，圓點(diǎn)為檢測(cè)到的步數(shù)結(jié)果。步長(zhǎng)由Weinberg算法得到，因?yàn)榕c其余兩種動(dòng)態(tài)估計(jì)步長(zhǎng)方法：Scarlet算法，Kim算法比較，Weinberg算法精度較高7，見(jiàn)表（1）： （2）其中是一步中最大的加速度，是練習(xí)中獲得的常數(shù)，為確定值對(duì)不同路徑

12、進(jìn)行了20次行走實(shí)驗(yàn)，可得的均值為0.479305。圖2 峰值檢測(cè)表1 不同步長(zhǎng)算法的誤差估計(jì)步長(zhǎng)算法誤差估計(jì)平均值/（m）標(biāo)準(zhǔn)偏差值Weinberg0.0378420.097646Scarlet0.0435510.108419Kim0.0674330.1628641.1.2航跡推算算法得到步數(shù)和步長(zhǎng)后，就可以針對(duì)低精度慣性傳感器采用PDR算法8-12，即已知當(dāng)前時(shí)刻的位置和角度可以遞推出下一時(shí)刻的位置，原理如圖（3）所示，其初始位置可由GPS或RFID定位獲得。圖3航跡推算算法原理示意圖（3） 1.2基于RFID的室內(nèi)定位算法RFID技術(shù)在導(dǎo)航定位中廣泛使用。相比于其它短距離無(wú)線通訊定位技術(shù)

13、，它不僅可以遠(yuǎn)距離、快速、穩(wěn)定地處理數(shù)據(jù)，而且成本低廉，安全性強(qiáng)13。它主要由數(shù)據(jù)處理終端（PC），標(biāo)簽（Tag）和閱讀器（Reader）組成。RFID定位算法中，運(yùn)用RSS定位是最常用的方法，因?yàn)橄噍^于時(shí)間和角度等信息，它更易于獲取。這里采用位置指紋識(shí)別算法中的加權(quán)KNN算法，其定位過(guò)程包含兩個(gè)階段14：（1）離線階段：合理布置參考標(biāo)簽和閱讀器。假設(shè)二維空間內(nèi)有個(gè)參考標(biāo)簽，個(gè)閱讀器，每個(gè)位置的參考標(biāo)簽就會(huì)被檢測(cè)到個(gè)RSS值，記作,結(jié)合物理地址對(duì)其建立指紋庫(kù)。（2）在線階段：即定位階段，通過(guò)公式（4）將所測(cè)的RSS矢量與指紋庫(kù)內(nèi)數(shù)據(jù)相匹配得出距離最近鄰的 個(gè)位置。（4）再取出前 個(gè)距離最小的位

14、置，則加權(quán)K近鄰算法估計(jì)的位置可以表示如下，其中：(5)2、INS/RFID融合算法假設(shè)有如下的非線性系統(tǒng)：(6) 式中為非線性系統(tǒng)轉(zhuǎn)移函數(shù)，為觀測(cè)非線性函數(shù)，為被估矢量，為觀測(cè)矢量，為系統(tǒng)噪聲，為觀測(cè)噪聲。已知先驗(yàn)概率分布：。假設(shè)下列條件成立：被估矢量的一階馬爾科夫過(guò)程為：（7）觀測(cè)獨(dú)立，即：（8） 根據(jù)貝葉斯理論有：（9） 根據(jù)（7）（9），的后驗(yàn)概率密度可以表示為： （10）式中：為先驗(yàn)概率密度，可以表示為：（11）為似然函數(shù)，根據(jù)觀測(cè)模型定義。前面時(shí)刻和當(dāng)前時(shí)刻的條件概率密度為。由于后驗(yàn)概率密度很難甚至不可能用連續(xù)的函數(shù)得到解析的表達(dá)，因此采用蒙特卡洛樣本，即粒子來(lái)近似描述。讓每個(gè)例子

15、除了自身值之外還有一個(gè)權(quán)值。粒子濾波的基本思想是利用一系列帶權(quán)值的例子加權(quán)求和來(lái)近似描述后驗(yàn)概率密度，即可通過(guò)下式用觀測(cè)量直接估計(jì)狀態(tài)的后驗(yàn)概率密度（posterior probability density function, pdf）: （12） 其中為第個(gè)采樣點(diǎn)，為例子權(quán)重。粒子濾波最大的突破在于它可以處理非線性，非高斯問(wèn)題，粒子濾波器的類型有很多種15，這里采用采樣-重采樣（Sequential-Importance-Resampling, SIR）濾波器，具體步驟如下：Step1：初始化：根據(jù)初始pdf采樣個(gè)粒子樣本 。Step2：預(yù)測(cè)采樣：對(duì)于每個(gè)粒子樣本，由轉(zhuǎn)換pdf得到新的樣本

16、點(diǎn)。Step3：重要性采樣：對(duì)新的樣本點(diǎn)計(jì)算權(quán)值：。Step4：標(biāo)準(zhǔn)化和重采樣：將權(quán)重進(jìn)行標(biāo)準(zhǔn)化處理，在重采樣過(guò)程中低權(quán)值粒子被淘汰，高權(quán)值粒子被保留，最后所有粒子權(quán)值相同。定位時(shí)，在兩個(gè)RFID采樣點(diǎn)之間可以由INS的算法測(cè)算航跡。因?yàn)楹桔E信息非線性，用粒子濾波可由以下公式表示：（13）其中，服從正態(tài)分布， 服從正態(tài)分布，假設(shè)RFID估計(jì)位置圍繞真實(shí)位置服從高斯分布，權(quán)值由如下公式計(jì)算： (14) 根據(jù)公式（13），（14）可以將INS和RFID數(shù)據(jù)進(jìn)行融合。3仿真、結(jié)果及分析定位實(shí)驗(yàn)使用3DM-S10A/BMEMS系統(tǒng)，如圖（4）所示。其主要性能指標(biāo)見(jiàn)表（2）。手持MEMS傳感器，使其坐標(biāo)

17、軸方向與人體行走坐標(biāo)軸方向基本一致。所測(cè)三軸加速度如圖（5）所示?？晒浪悴介L(zhǎng)測(cè)算約為0.75m。圖4微型航姿參考系統(tǒng)3DM-S10A/B表2 微型航姿參考系統(tǒng)3DM-S10A/B主要性能指標(biāo)參數(shù)數(shù)值單位靜態(tài)誤差（偏航角） 0.5動(dòng)態(tài)誤差（偏航角） 2加速度軸穩(wěn)定性 0.003( 2g)g陀螺儀穩(wěn)定性 0.2 (for 300/sec）/sec圖5 三軸加速度變化曲線教室作為仿真環(huán)境，如圖（6）所示，RSS衰減系數(shù)n為3，閱讀器布置在教室的4個(gè)頂點(diǎn)處，坐標(biāo)分別為（0m,0m）、（10m,0m）、（10m,10m）以及（0m,10m），參考標(biāo)簽如圖均勻布置，建立離線指紋庫(kù)，見(jiàn)表3。行人理想軌跡如圖

18、所示，起始位置為（2m,1.5m），初始航向角為0 rad，終止位置為（2m,6.75m），行走時(shí)，所記錄的4個(gè)閱讀器的RSS值如圖（7）所示。圖6 模擬實(shí)驗(yàn)環(huán)境表3離線指紋庫(kù)序號(hào)位置/ (m)RSS值/(dBm)PxPyAPs#1APs#2AP#3AP#4111-1.5354-25.607-30.143-25.707213-12-26.314-28.709-22.485315-18.225-27.38-27.38-18.205417-22.485-28.709-26.314-12519-25.707-30.143-25.727-1.5154631-12-22.485-28.709-26.31

19、4733-15.829-23.451-26.868-23.4512599-30.143-25.701-1.5153-25.704圖7 行走時(shí)4個(gè)閱讀器的RSS值為了分析PF融合算法的精度，仿真中用UKF和PF分別對(duì)INS和RFID的位置數(shù)據(jù)進(jìn)行融合，原理如圖（8）所示。UKF的參數(shù)設(shè)置為，PF采用Bootstrap/SIR濾波器，重采樣方法采用隨機(jī)重采樣，粒子數(shù)為1000，假設(shè)粒子服從。結(jié)果如圖（9）和圖（10）所示，融合算法的軌跡連續(xù)，糾正了INS的累積誤差和漂移，結(jié)合了INS和RFID技術(shù)的優(yōu)勢(shì)，PF融合后的軌跡比UKF融合后的軌跡更接近真實(shí)位置。圖8 INS/RFID位置融合原理圖9 U

20、KF融合結(jié)果圖10 PF融合結(jié)果為了進(jìn)一步比較兩種算法的優(yōu)劣，采用Monte Carlo作M=100次仿真，同時(shí)為了驗(yàn)證算法的有效性，使用均方根誤差(RMSE)作為位置誤差比較的標(biāo)準(zhǔn)。均方根誤差（RMSE）結(jié)果如圖（11）所示。對(duì)比位置RMSE圖可以得出：由于MEMS慣性傳感器存在航向漂移與速度誤差，所以在行走過(guò)程中，RMSE值隨時(shí)間存在累計(jì)誤差，融合算法可以很好地修正累積誤差；從8s開(kāi)始，當(dāng)INS的位置RMSE大于RFID的位置RMSE時(shí)，UKF和PF的融合RMSE值都低于單模型的RMSE值。終點(diǎn)位置的RMSE值，見(jiàn)表4，INS為0.7101m，RFID為0.6872m，UKF為0.4327

21、m，PF為0.3784m,可見(jiàn)UKF融合算法位置結(jié)果比INS提高了39.09%，比RFID提高了37.06% ，PF融合算法位置結(jié)果比INS提高了46.71%，比RFID提高了44.94%，利用PF融合很方便地解決了非線性問(wèn)題，且精度更高。圖11位置RMSE對(duì)比圖表4終點(diǎn)位置RMSE對(duì)比定位方式INSRFIDUKF融合PF融合RMSE（m）0.71010.68720.43250.3784需要指出的是，在使用粒子濾波時(shí)，需要選擇合適的粒子數(shù)目。如圖（12）是粒子數(shù)目與位置平均誤差的關(guān)系圖，故將仿真粒子數(shù)目設(shè)置為1000。圖12位置RMSE對(duì)比圖4結(jié)論室內(nèi)組合導(dǎo)航技術(shù)是導(dǎo)航研究領(lǐng)域的重要課題。文章

22、研究基于PF的INS/RFID室內(nèi)組合定位技術(shù)，詳細(xì)介紹了INS定位算法和RFID定位算法，并用UKF融合對(duì)比PF融合定位結(jié)果。實(shí)驗(yàn)結(jié)果表明：組合糾正了INS的累計(jì)誤差和漂移，對(duì)低成本傳感器實(shí)現(xiàn)了高精度、連續(xù)的定位，兩種技術(shù)結(jié)合的冗余設(shè)置使得定位過(guò)程更加準(zhǔn)確可靠，粒子濾波善于處理非線性問(wèn)題且定位精度較高。參考文獻(xiàn)：1 劉晶璟. 采用加速度傳感器導(dǎo)航實(shí)現(xiàn)盲區(qū)定位的研究D. 上海交通大學(xué), 2011.2 Do D M, Hyun M H, Choi Y B. RFID-Based Indoor Location Recognition System for Emergency Rescue Eva

23、cuation SupportM/ Grid and Pervasive Computing Springer Berlin Heidelberg, 2013:899-906.3 張世哲. 基于慣性傳感器和WiFi的室內(nèi)定位系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)D. 北京郵電大學(xué), 2012. 4 Al-Ammar, Mai /A/, Alhadhrami, Suheer, Al-Salman, Abdulmalik, et al. Comparative Survey of Indoor Positioning Technologies, Techniques, and AlgorithmsC/ Cyberwor

24、lds (CW), 2014 International Conference onIEEE, 2014:245-252.5 余熙, 張?zhí)祢U, 白娟,等. 改進(jìn)的粒子濾波算法J. 計(jì)算機(jī)工程與設(shè)計(jì), 2012,33(10):4009-4014.DOI:10.3969/j.issn.1000-7024.2012.10.070.6 Retscher G. An Intelligent Personal Navigator Integrating GNSS, RFID and INSM/ Geodesy for Planet Earth Springer Berlin Heidelberg, 201

25、2:949-955.7 Do-Xuan T, Tran-Quang V, Bui-Xuan T, et al. Smartphone-based pedestrian dead reckoning and orientation as an indoor positioning systemC/ Advanced Technologies for Communications (ATC), 2014 International Conference on. IEEE, 2014:303 - 308.8 HYPERLINK /search/searchresult.jsp?searchWithi

26、n=p_Authors:.QT.Asano,%20S.QT.&searchWithin=p_Author_Ids:38260015400&newsearch=true Asano, S. HYPERLINK /search/searchresult.jsp?searchWithin=p_Authors:.QT.Wakuda,%20Y.QT.&searchWithin=p_Author_Ids:37563454700&newsearch=true Wakuda, Y. HYPERLINK /search/searchresult.jsp?searchWithin=p_Authors:.QT.Ko

27、shizuka,%20N.QT.&searchWithin=p_Author_Ids:37285410600&newsearch=true Koshizuka, N. and HYPERLINK /search/searchresult.jsp?searchWithin=p_Authors:.QT.Sakamura,%20K.QT.&searchWithin=p_Author_Ids:37294242900&newsearch=true Sakamura, K. Pedestrian dead-reckoning unit for navigation system using mobile

28、deviceC/ HYPERLINK /xpl/mostRecentIssue.jsp?punumber=6365425 Consumer Electronics (GCCE), 2012 IEEE 1st Global Conference on. Oct. 2012, 530-5349 HYPERLINK /search/searchresult.jsp?searchWithin=p_Authors:.QT.Lan,%20K.QT.&newsearch=true Lan, K. HYPERLINK /search/searchresult.jsp?searchWithin=p_Author

29、s:.QT.Shih,%20W.QT.&newsearch=true Shih, W. Using Smart-Phones and Floor Plans for Indoor Location Tracking. HYPERLINK /xpl/RecentIssue.jsp?punumber=6221037 Human-Machine SystemsC. IEEE Transactions on(Volume: PP, Issue: 99).Jan.2014. 1-11.10 HYPERLINK /search/searchresult.jsp?searchWithin=p_Authors

30、:.QT.Fujii,%20M.QT.&newsearch=true Fujii, M. HYPERLINK /search/searchresult.jsp?searchWithin=p_Authors:.QT.Ogawara,%20R.QT.&newsearch=true Ogawara, R. HYPERLINK /search/searchresult.jsp?searchWithin=p_Authors:.QT.Hatano,%20H.QT.&newsearch=true Hatano, H.and HYPERLINK /search/searchresult.jsp?searchWithin=p_Authors:.QT.Watanabe,%20Y.QT.&newsearch=true Watanabe, Y. A study on position tracking system for pedestrian navigation using location and sensor informationC/ HYPERLINK /xpl/mostRecentIssue.jsp?punumber=6678913 ITS Telecommu