CN105676172B - 簇式磁场定位的方法、装置和系统 - Google Patents
簇式磁场定位的方法、装置和系统 Download PDFInfo
- Publication number
- CN105676172B CN105676172B CN201610016705.1A CN201610016705A CN105676172B CN 105676172 B CN105676172 B CN 105676172B CN 201610016705 A CN201610016705 A CN 201610016705A CN 105676172 B CN105676172 B CN 105676172B
- Authority
- CN
- China
- Prior art keywords
- signal
- target
- magnetic field
- positioning
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000002245 particle Substances 0.000 claims description 28
- 238000009826 distribution Methods 0.000 claims description 26
- 208000018989 iridogoniodysgenesis Diseases 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 11
- 230000004807 localization Effects 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 5
- 230000005389 magnetism Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005358 geomagnetic field Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/522—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves
- G01S13/524—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves based upon the phase or frequency shift resulting from movement of objects, with reference to the transmitted signals, e.g. coherent MTi
- G01S13/534—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves based upon the phase or frequency shift resulting from movement of objects, with reference to the transmitted signals, e.g. coherent MTi based upon amplitude or phase shift resulting from movement of objects, with reference to the surrounding clutter echo signal, e.g. non coherent MTi, clutter referenced MTi, externally coherent MTi
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Abstract
本发明公开了一种簇式磁场定位的方法，包括：获取无线信号和磁场信号；根据所述无线信号对目标进行第一次定位；在第一次定位的范围内，根据所述磁场信号对所述目标进行第二次定位。另外，本发明公开了一种簇式磁场定位的装置及系统。由此，本发明通过无线信号对目标进行第一次粗定位，然后在第一次定位的范围内对目标进行精确定位，减小了计算量，降低了计算的复杂程度，并提高了定位的精度。
Description
技术领域
本发明涉及室内定位的技术领域，特别涉及簇式磁场定位的方法、装置和系统。
背景技术
研究证明，大型室内空间由于建筑材料和建筑结构的不同，产生了大量的磁场，这些磁场和地磁场一起构成了一个复杂的磁场图。因为建筑所用材料和建筑结构是常规的，因此建筑内的磁场图有着自己独特的规律，其所形成的室内磁场也相对稳定。这种稳定的磁场被用来进行室内定位。例如申请号为201310350209.6和201410277471.7的中国发明专利申请描述了定位技术以及定位和制图技术。利用磁场完成定位的关键是准确地辨别出磁场的特征，其所采用的技术一般基于Kalman滤波器或者是粒子滤波器。但是这两种算法的复杂度高，在室内面积较大时，所需要计算的数据较多，需要很长的计算时间，因此实时定位就很难实现。另外，在室内面积较大时，在不同的区域会出现类似的特征，这常常会导致定位的错误，而发生诸如机器人被绑架(kidnapped robot problem)等问题。另外，对于基于Kalman滤波或者粒子滤波的定位方法，需要给定目标一个初始位置，这个初始位置也需要从磁场定位外的其它技术手段获得，因此使用很不方便。
现有技术中，除了磁场定位外，由于RFID(Radio Frequency Identification，无线射频识别)技术的普遍应用，因此发明了各种基于RFID的定位技术。例如，公开号为CN102509059 A的中国专利文献中提出了一种利用RFID进行室内定位的方法。该方法在RFID技术的基础上内嵌超宽带信号发射模块。目标通过发射RF信号和阅读器交换信息，然后阅读器发出定位指令。目标收到定位指令后，发射超宽带信号。阅读器和多个接收天线相连接，每个天线接收到超宽带信号后，采用仿真技术，模拟信号从天线发射，最高能量聚集点就是目标位置。再例如申请号为201410201147.7的中国专利申请，其敷设固定节点以及在服务器中标注固定节点处的磁场信息(包括强度和方位)和固定节点的位置信息。当移动节点接收到固定节点的磁场信息(包括强度和方位)和位置信息后，通过接收上述服务器中所标注的固定节点的磁场信息和位置信息修正自己的位置信息。这里固定节点的磁场信息是固定的。这些技术解决了特定环境中的定位问题。但是当RFID节点大量应用时，会发生节点碰撞、阅读器碰撞以及节点和阅读器碰撞等种种信号碰撞问题，造成RFID定位的失败。
另外，现有技术中还存在利用IRID(红外识别)和WiFi等进行定位的技术。但是它们尚不能满足人们对定位精度的更高要求。
发明内容
针对现有技术存在的问题，本发明的目的是提供一种复杂度低、计算量小、精度高的室内定位装置与方法。
根据本发明的一个方面，提供了一种簇式磁场定位的的方法，该方法包括：
获取无线信号和磁场信号；
根据所述无线信号对目标进行第一次定位；
在第一次定位的范围内，根据所述磁场信号对所述目标进行第二次定位。
根据本发明的又一个方面，提供了一种簇式磁场定位的的装置，该装置包括：
用于接收无线信号的接收器；
用于获取磁场信号的磁传感器；
用于根据获取的无线信号强度，对目标进行第一次定位的定位装置；
用于根据在第一次定位确定的范围以及接收的磁场信号对所述目标进行第二次定位的预测更新装置。
根据本发明的另一个方面，提供了一种簇式磁场定位的的系统，该系统包括：
上述的用于室内定位的装置；
用于发射无线信号的信号发射器。
由此，本发明可以通过RFID信号、IRID信号、WIFI信号、蓝牙信号等无线信号对将待定位的目标所在的空间分割成一个个小空间，形成一个个族(Cluster)，以将目标进行第一次粗定位，然后在第一次定位的范围内对目标进行精确定位，减小了采用粒子滤波定位时的面积和数据，同时也避免了机器人被绑架问题，从而减小了计算量，降低了计算的复杂程度，并提高了定位的精度。
附图说明
图1为本发明一实施方式的用于簇式磁场定位的方法流程示意图；
图2为图1中对目标进行第二次定位的流程示意图；
图3为本发明另一实施方式的簇式磁场定位的方法流程示意图；
图4(a)为本发明一实施方式的RF发射器在室内分布的示意图；
图4(b)为图4(a)中Tag5的信号强度的分布情况示意图；
图5(a)为目标根据RFID信号和磁场信号定位的仿真结果示意图；
图5(b)为目标根据磁场信号定位的仿真结果示意图；
图6(a)为目标根据RFID、磁场信号定位和仅仅根据磁场信号定位产生的误差对比示意图；
图6(b)为目标根据RFID、磁场信号定位和仅仅根据磁场信号定位所需的时间对比示意图；
图7为本发明一实施方式的簇式磁场定位的装置功能模块示意图；
图8为本发明一实施方式的簇式磁场定位的系统功能模块示意图。
具体实施方式
下面结合附图对本发明的实施方式作进一步详细的说明。
图1示意性地显示了本发明一实施方式的簇式磁场定位的方法流程图。如图1所示，该方法包括：
S101：获取无线信号和磁场信号。
在本实施方式中，可以通过目标(例如推着推车的机器人)自身携带的电磁信号检测单元检测RF/IR发射器发射的信号和通过目标自身携带的磁场(例如地磁)信号检测器(例如可以采用PNI Sensor Corporation公司的MicroMag3三轴磁力计来测量室内的磁场)检测其当前位置的地磁场信息。
S102：根据所述无线信号对目标进行第一次定位。在本实施方式中，该第一次定位是根据邻近算法来确定的。邻近算法(Nearest Neighbor)是定位算法中最易理解、实现简单的一种算法。该算法一般只提供目标的相对位置信息。
通常，在系统在定位区域的许多地方布置好RF/IR发射器，且这些发射器的位置坐标是已知的。因此，当目标移动到某个发射器附近时，接收器就会接收到相应电子标签的无线射频信号，便可得知目标的大致位置。如果目标同时接收到来自几个发射器的信号，可通过比较接收信号的强度值来确定目标的位置。上述邻近算法定位易于实现，对硬件的要求也不高，因此在一些对定位精度需求不高的场合，使用该算法是非常适合的。本实施方式中就是采用将接收到的信号强度进行比较，取信号强度最大的信号发射器所辐射的信号范围为当前目标位置的粗定位区域。
S103：在第一次定位的范围内，根据所述磁场信号对所述目标进行第二次定位。
在本实施方式中，上述用于室内定位的方法尤其适用于室内的全局定位。
图2为图1中对目标进行第二次定位的流程示意图。如图2所示，该流程包括：
S201：该第二次定位是根据所述磁场信号的强度，预测目标的第二位置。
在本实施方式中，预测目标的位置可以采用粒子滤波算法实现。粒子滤波算法中的贝叶斯估计一般由两个阶段组成，即预测和更新。算法的最终目的是求取更新后的值，也就是目标状态的后验概率密度。所以粒子滤波的最终目的也是求取目标状态的后验概率密度。
下面进行贝叶斯估计分析：假设离散系统在t时刻的状态转移方程和观测方程可以表示为：
其中，xt表示所述目标在t时刻的X坐标(可以根据地图，预先标定。然后根据目标的特征，寻找目标在地图中的位置。这种标定和寻找的方法类似于GPS的方法)和位置状态，
yt表示所述目标在t时刻由观测函数计算得到的Y坐标和位置状态，
ft为关于状态xt-1在t时刻的状态转移方程函数，
vt是测量噪声，
ht是状态xt在t时刻的观测函数，
zt表示目标在t时刻磁场强度的值，
wt是观测噪声。
在本实施方式中，该状态转移方程函数表明目标当前状态Xt是由它的前一状态Xt-1和噪声决定的。在实际中因为存在取向的问题，该函数是非线性不固定的，可以通过多次测量总结得到。
该观测函数Yt是依据网格地图中信号的强度分布和目标在当前位置检测到的信号结合起来计算得到的。
根据贝叶斯理论，假设已知初始分布函数p(x0|y0)，由于目标的初始位置随机分布，所以初始分布函数为均匀分布函数，再根据查普曼-科尔莫戈罗夫等式和假设系统为一阶马尔科夫过程，可得目标状态预测方程为：
p(xt|z1:t-1)=∫p(xt|xt-1)p(xt-1|z1:t-1)dxt-1 (2)
其中：p(xt|z1:t-1)代表目标在t时刻的后验概率密度分布,
p(xt|xt-1)代表目标在t时刻的先验概率密度函数分布。
S202：根据所述无线信号和磁场信号的强度，将预测的第二位置进行更新。
在本实施方式中，在得到t时刻磁场强度的值zt之后，利用贝叶斯准则对状态预测值进行更新，状态更新方程为：
其中，xt表示移动的目标在t时刻的坐标和位置状态(即目标坐标点和目标朝向)；zt表示该目标在t时刻磁场强度的值；p(x0|y0)表示初始分布函数。
由此可以计算出该目标的后验概率密度(即目标的当前位置)，且此迭代递归关系构成了贝叶斯估计。粒子滤波是依据大数定理采用蒙特卡洛算法来实现贝叶斯估计中的积分运算。其实质是通过粒子的位置和其不同的权重构成的随机离散测度来近似目标的后验概率密度，并且根据算法递推更新离散随机测度。本实施方式中就是利用粒子滤波算法来实现贝叶斯估计中目标后验概率的计算。
在本实施方式中，{vt,t∈N}表示测量噪声，{wt,t∈N}表示观测噪声。在射频发射接收系统中,噪声是指不携带有用信息的电信号。而此类系统中根据噪声的来源可以分为无线电噪声、工业噪声、天电噪声和内部噪声。其中内部噪声是主要噪声来源，也称为起伏噪声，是指信道内部的热噪声和器件噪声以及来自空间的宇宙噪声。这种噪声都是不规则的随机过程。例如在通信系统中，为了理论的分析、计算系统噪声，通常假定系统信道中的热噪声为高斯白噪声。所以在射频接收和发送系统中，我们假设噪声源为随机噪声和高斯白噪声结合的加性噪声。该实施方式中，加入的噪声为射频系统的随机噪声(S～U[S1，S2])和高斯白噪声加上地磁场系统中的高斯白噪声可以直接采用已有的噪声模型(高斯白噪声)来仿真实验。
S203：根据所述磁场信号的强度，对目标的位置进行多次预测和更新。
本实施方式可以通过不断的预测、更新、再预测、再更新，通过这样的训练学习，达到一定的次数以后就终止了。能大幅度提高目标定位的精度。
在本实施方式中，无线信号可以是RFID信号、IRID信号、WIFI信号和蓝牙信号等信号。对它们的定位精度不做特别的要求，目的只是划分定位区域。
在本实施方式中，定位过程分为两个阶段。
第一阶段：根据无线信号的分布和邻近算法来确定移动目标是在某个无线信号(例如RFID/IRID标签的信号)辐射范围内。因为每个RF的信号辐射范围是已知和确定的，所以可以将目标位置的范围缩小在单一RF信号辐射的范围内。
第二阶段：在上述单一RF信号辐射的范围内，再基于磁场波动的粒子滤波算法来确定移动目标的更准确的位置。由此，简化算法的复杂度，减少计算量，提高定位精度。
图3为本发明另一实施方式的簇式磁场定位的方法流程示意图。下面以为手扶推车的机器人(即上述的目标)定位为例。如图3所示，该定位方法包括：
S301：开始(初始化)。
在本实施方式中，初始的粒子均匀分布在室内，粒子的位置为粒子权重为粒子数Ns为200。
在本实施方式中，粒子是算法中的某个点，每个粒子表示目标位置在当前活动范围内位置的一种可能。
S302：推车同时接收RF发射器发射的RSSI信号与磁场强度。
S303：推车首先依据RF发射器发射的RSSI信号强度，由邻近算法确定出其在室内的大致范围，即对推车进行粗定位。
在本实施方式中，该大致范围例如可以是：在被确定的某个RF发射节点的周围多少米；也可以是以该发射节点为中心的圆区域还是其它相关的区域；还可以是某个RF信号的辐射范围等情况。
S304：依据上述所确定的范围，参照某个RF信号的辐射范围内的地磁场分布，运用粒子滤波估计出手扶推车的机器人的相对精确的位置。
在本实施方式中，在上述粗定位所得到的区域内随机采样Ns个粒子，得到一个“新”粒子集合作为对机器人当前位置的概率分布(即机器人在当前范围内位置的可能分布)的估计。
首先，采取重要性采样的方式，即：基于蒙特卡洛法的思想，利用随机采样对目标函数做近似处理。在t时刻，对于集合粒子将每个粒子的状态根据前一步粒子滤波粗定位确定的区域从更新到
其次，计算重要性权重，该重要性权重的算方法见下式：
其中：为目标(即手扶推车的机器人)的真实分布，而为目标建议性的分布。这两种分布是不一样的。建议性分布是靠经验推算得到，所以建议性的分布越逼近真实分布越好。一般的真实分布是靠准确测量得到的。
本实施例可以采用的数据库(该数据库是计算单元中存储的地磁场信号分布图)可以由网格地图的大小相同的3个网格地图组成，分别用，和三个磁场量值表示。这三个磁场量值都是标量，分别为地磁场场强大小、水平分量和垂直分量。而传统的Hx、Hy、Hz不是标量。因为实际中的目标的移动方向是随机的，而Hx、Hy是会随着目标的移动方向改变的，这样Hx、Hy的网格分布就会变动，Hx、Hy的大小会受传感器方向的影响，进而会对后面的定位的精度产生影响。本实施方式，和三个磁场量(其数值是标量)可以减少误差，提高了后续定位的精度。
然后，通过式(5)归一化所述重要性权重
所述
最后，通过式(6)计算目标准确位置：
在本实施方式中，是粒子滤波算法固有的步骤，最终的目的就是通过带有权重的粒子累加去估计目标的位置。
S305：判断手扶推车的机器人是否行走。
在本实施方式中，可以通过运动状态传感器所采集的推车的运动状态来判断手扶推车的机器人是否行走。
当推车还行走时，跳转至S302。
当推车静止时，跳转至S306：结束。
图4～图6描述了实验人员在实验室内行走时的定位情况示意图。
图4(a)为本发明一实施方式的RF发射器在室内分布的示意图。如图4(a)所示，在10m*10m的室内，均匀布置了6个RF发射器(对应于图中，分别为Tag1、2、3、4、5、6)。
图4(b)为图4(a)中标签5的信号强度的分布情况示意图。如图4(b)所示，RF发射器所发射信号的强度分布不是随着距发射器的距离而线性递减的，而是在发射器周围的一定范围内呈现一定状态进行分布的，具体信号分布情况可以参考图4(b)。其他标签(Tag1、2、3、4和6)设置点的信号强度分布和标签5类似。为了验证本实施方式所提出算法的可行性，在本实施方式中采用MicroMag3磁传感器芯片测量得到的真实室内地磁场分布数据。该磁传感器芯片可以分别同时测得水平面上纵向、横向和重力三个方向上的磁场值，即HX、HY、HZ。采用RF接收器检测标签发出的信号。
首先实地测量了室内10m*10m范围内的地磁场数据和RF发射器的tag信号分布数据。其中，每隔0.5m测量一组数据取平均值，一共测得441组数据作为参考数据库，并导入数据处理单元，作为下面数据分析所用。
图5(a)为对目标根据RFID信号和磁场信号定位的仿真结果示意图。图5(b)为目标根据磁场信号定位的仿真结果示意图。
如图5(a)和图5(b)所示，当图3所述的目标(手扶推车的机器人)在上述室内随机行走两步后，其定位仿真图中的“星”代表根据上述实施方式中步骤S302-305的算法估计的目标所在的位置。“圈”(黑色)代表移动目标实际所处的位置。“十字”是粒子分布的情况。二者对比可以明显的看出，图5(a)中的“星”和“圈”基本已经重合，“十字”分布在“星”和“圈”的附近。图5(b)中的“星”处于“圈”的右边且与其有一段距离。虽然有些“十字”分布在“星”和“圈”的附近，但还有很多分布在远离它们的四周。这表明图5(a)中的基于RFID信号和磁场信号的定位精度比图5(b)中的仅仅基于磁场信号的定位精度要高。且图5(a)较图5(b)的定位方法更精确地确定移动目标的在室内的位置，提高了粒子的利用率和收敛性。
图6(a)为目标根据RFID、磁场信号定位和仅仅根据磁场信号定位产生的误差对比示意图。图6(b)为目标根据RFID、磁场信号定位和仅仅根据磁场信号定位所需的时间对比示意图。
在本实施方式中，经过10次仿真，均是在目标步行2次后结束定位。如图6(a)所示，上部的一根折线代表了仅仅根据磁场信号定位产生的误差，其定位平均距离误差在3.3m左右。下面的一根折线代表了根据RFID、磁场信号定位产生的误差，其定位平均距离误差在0.7m左右。
图6(b)为目标根据RFID、磁场信号定位和仅仅根据磁场信号定位所需的时间对比示意图。
在本实施方式中，经过10次仿真，均是在目标步行2次后结束定位。如图6(b)所示，上面的一根折线代表了仅仅根据磁场信号定位时每次迭代完所需的时间，其运行时间在2.4s左右。下面的一根折线代表了根据RFID、磁场信号定位时每次迭代完所需的时间，其运行时间在1.8s左右。
从上述数据可见，本发明的实施方式采取的方法不仅可以大大提高目标定位的精度，而且可以缩小定位所需的时间。
在本实施方式中，无需布置很多个RF信号发射器，还可改善现有技术中单纯利用RFID信号定位中信号碰撞问题。另外，可以将室内区域划分为多个更小的区域，可以更加快速地通过磁场进行较为准确的定位。需要说明的是，也可以利用WiFi节点的位置将室内的区域进行划分。因此，WiFi、IRID、蓝牙以及其它技术也可以应用于本发明中。
图7为本发明一实施方式的簇式磁场定位的装置功能模块示意图。如图7所示，用于室内定位的装置10可以包括：信号接收器11、定位装置12、磁传感器13、和预测更新装置14。其中：
信号接收器11用于获取无线信号。
在本实施方式中，磁传感器例如可以采用PNI Sensor Corporation公司的MicroMag3三轴磁力计来测量室内的磁场信号。
定位装置12是根据获取的无线信号强度，对目标进行第一次定位的定位装置。
磁传感器13用于获取磁场信号。
预测更新装置14用于根据在第一次定位确定的范围以及接收的磁场信号对所述目标进行第二次定位。
在本实施方式中，预测更新装置14可以包括：预测装置141和更新装置142。其中：
预测装置141用于根据磁传感器获取的磁场信号，预测目标的第二位置。更新装置142用于根据预测的第二位置和磁传感器获取的磁场信号，将预测的第二位置进行更新。图8为本发明一实施方式的用于室内定位的系统功能模块示意图。如图8所示，用于室内定位的系统100可以包括上述的用于室内定位的装置10和信号发射器20。其中：
信号发射器30用于发射无线信号。无线信号可以是RFID信号、IRID信号、WIFI信号和蓝牙信号等。
本发明实施例中可以通过硬件处理器(hardware processor)和各单元来实现相关功能模块的各项功能。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (9)
1.一种簇式磁场定位的方法，包括：
获取无线信号和磁场信号；
根据接收的无线信号对目标进行第一次定位；
在第一次定位的范围内，根据所述磁场信号对所述目标进行第二次定位；
其中，所述根据接收的无线信号对目标进行第一次定位包括：
将各个信号接收器接收到的无线信号的强度进行比较，取信号强度最大的信号发射器所辐射的信号范围为第一次定位的范围；
所述磁场信号分别用和的磁场量值表示，其中：HX、HY、HZ分别为纵向、横向和重力三个方向上的磁场值。
2.根据权利要求1所述的方法，其中，所述对所述目标进行第二次定位包括：
根据所述磁场信号的强度，至少一次预测所述目标的第二位置；和
根据所述预测的第二次位置和磁场信号的强度，对所预测的第二位置进行至少一次的位置更新。
3.根据权利要求2所述的方法，其中，所述预测所述目标的第二位置的状态预测方程是：
p(xt|z1：t-1)＝∫p(xt|xt-1)p(xt-1|z1：t-1)dxt-1
其中，p(xt|z1:t-1)代表目标在t时刻的后验概率密度分布,
p(xt|xt-1)代表目标在t时刻的先验概率密度函数分布，
其中，t表示时刻，t∈N，
xt表示所述目标在t时刻的X坐标和位置状态，
yt表示所述目标在t时刻由观测函数计算得到的坐标和位置状态，
ft为关于状态xt-1在t时刻的状态转移方程函数，
vt是测量噪声，
ht是状态xt在t时刻的观测函数，
zt表示目标在t时刻磁场强度的值，
wt是观测噪声。
4.根据权利要求2所述的方法，其中，所述对所预测的第二位置进行位置更新的状态更新方程是：
其中，
p(zt|xt)代表重要密度函数，
p(xt|z1:t-1)代表目标在t时刻的后验概率密度分布。
5.根据权利要求4所述的方法，还包括：
A、在所述第一次定位的范围内，采集NS个粒子，获取权重值为的粒子集合其中i＝1,2,3…,NS；
B、获取所述粒子的重要性权重所述其中：
为目标的真实分布，
为目标建议性的分布；
C、归一化所述重要性权重所述
D、计算目标准确位置：所述
6.根据权利要求1-5任一项所述的方法，其中，
所述无线信号包括RFID信号、IRID信号、WIFI信号和蓝牙信号。
7.一种簇式磁场定位的装置，包括：
用于获取无线信号的信号接收器；
用于获取磁场信号的磁传感器；
用于根据获取的无线信号强度，对目标进行第一次定位的定位装置；
用于根据在第一次定位确定的范围以及接收的磁场信号对所述目标进行第二次定位的预测更新装置；
其中，所述定位装置还用于将各个信号接收器接收到的无线信号的强度进行比较，取信号强度最大的信号发射器所辐射的信号范围为第一次定位的范围；
所述磁场信号分别用和的磁场量值表示，其中：HX、HY、HZ分别为纵向、横向和重力三个方向上的磁场值。
8.根据权利要求7所述的装置，其中，所述预测更新装置包括：
用于根据磁传感器获取的磁场信号，预测所述目标的第二位置的预测装置；
用于根据预测的第二位置和磁传感器获取的磁场信号，将预测的第二位置进行更新的更新装置。
9.一种簇式磁场定位的系统，包括：
如权利要求7或8所述的用于室内定位的装置；和
用于发射无线信号的信号发射器。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610016705.1A CN105676172B (zh) | 2016-01-11 | 2016-01-11 | 簇式磁场定位的方法、装置和系统 |
| HK16107711.5A HK1219779A1 (zh) | 2016-01-11 | 2016-07-04 | 簇式磁場定位的方法、裝置和系統 |
| PCT/CN2016/103427 WO2017121168A1 (zh) | 2016-01-11 | 2016-10-26 | 簇式磁场定位的方法、装置和系统 |
| EP16884720.0A EP3404439A4 (en) | 2016-01-11 | 2016-10-26 | METHOD, DEVICE AND SYSTEM FOR GROUP-BASED MAGNETIC POSITIONING |
| US16/032,351 US20180329022A1 (en) | 2016-01-11 | 2018-07-11 | Method, apparatus and system for locating an object using cluster-type magnetic field |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610016705.1A CN105676172B (zh) | 2016-01-11 | 2016-01-11 | 簇式磁场定位的方法、装置和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105676172A CN105676172A (zh) | 2016-06-15 |
| CN105676172B true CN105676172B (zh) | 2019-02-22 |
Family
ID=56299856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610016705.1A Active CN105676172B (zh) | 2016-01-11 | 2016-01-11 | 簇式磁场定位的方法、装置和系统 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20180329022A1 (zh) |
| EP (1) | EP3404439A4 (zh) |
| CN (1) | CN105676172B (zh) |
| HK (1) | HK1219779A1 (zh) |
| WO (1) | WO2017121168A1 (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105676172B (zh) * | 2016-01-11 | 2019-02-22 | 无锡知谷网络科技有限公司 | 簇式磁场定位的方法、装置和系统 |
| CN106412826B (zh) * | 2016-09-07 | 2019-09-17 | 清华大学 | 基于多源信息融合的室内定位方法及定位装置 |
| CN106767828A (zh) * | 2016-12-29 | 2017-05-31 | 南京邮电大学 | 一种手机室内定位解决方法 |
| WO2019100404A1 (zh) * | 2017-11-27 | 2019-05-31 | 深圳市沃特沃德股份有限公司 | 视觉扫地机器人及其重定位方法 |
| CN108318857B (zh) * | 2018-02-09 | 2020-04-07 | 电子科技大学 | 基于分数阶傅里叶变换的多个非合作发射源被动定位方法 |
| CN108801275B (zh) * | 2018-06-11 | 2021-11-16 | 西安天图测绘信息技术有限公司 | 基于无线网络和地磁信号的室内移动机器人指纹地图建立方法 |
| CN110609254B (zh) * | 2018-06-15 | 2022-09-27 | 富士通株式会社 | 基于无线信号的动作检测方法、检测装置和电子设备 |
| CN110823221B (zh) * | 2018-08-13 | 2023-06-09 | 哈尔滨海能达科技有限公司 | 一种室内定位系统、方法及装置 |
| US10816343B2 (en) * | 2019-01-25 | 2020-10-27 | Mapsted Corp. | Method and system for deploying crowd-sourced magnetic distortion rejection map |
| CN110095817A (zh) * | 2019-03-19 | 2019-08-06 | 西人马（厦门）科技有限公司 | 可移动目标物定位方法和装置 |
| US11512961B2 (en) * | 2019-07-26 | 2022-11-29 | Mapsted Corp. | Deployment of trained neural network in magnetic fingerprint based indoor navigation |
| CN113390415B (zh) * | 2021-06-04 | 2024-03-01 | 深圳优艾智合机器人科技有限公司 | 机器人的定位方法、定位装置、管理系统和存储介质 |
| CN113835077B (zh) * | 2021-11-23 | 2022-02-11 | 中国空气动力研究与发展中心计算空气动力研究所 | 基于变脉冲重复频率的搜索雷达目标检测方法及系统 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8145448B2 (en) * | 2001-12-03 | 2012-03-27 | Fernando Vincenzini | System and process for charting and displaying the time and position of contestants in a race |
| US7069145B2 (en) * | 2004-05-03 | 2006-06-27 | Sony Ericsson Mobile Communications Ab | Mobile terminals, methods, and program products for generating a magnetic heading based on position |
| US7924218B2 (en) * | 2004-09-03 | 2011-04-12 | American Systems Corp. | System for enhanced detection of a target |
| US8249689B2 (en) * | 2007-02-23 | 2012-08-21 | General Electric Company | Coil arrangement for electromagnetic tracking method and system |
| CN102156983B (zh) * | 2011-03-31 | 2013-03-20 | 上海交通大学 | 基于模式识别与目标跟踪的异常行人位置检测方法 |
| CN102509059B (zh) | 2011-10-28 | 2014-04-16 | 电子科技大学 | 特定环境中基于有源rfid的目标定位方法及其系统 |
| US9151621B2 (en) * | 2012-01-11 | 2015-10-06 | Indooratlas Oy | Indoor magnetic field based location discovery |
| US9161170B2 (en) * | 2012-05-25 | 2015-10-13 | Blackberry Limited | System and method for determining a magnetic field using a mobile device |
| CN104105067B (zh) * | 2013-04-09 | 2017-10-20 | 广东美晨通讯有限公司 | 基于地磁信息的实时定位系统及方法 |
| CN103476118B (zh) * | 2013-09-29 | 2016-03-23 | 哈尔滨工业大学 | 一种用于实时监控的wlan室内位置指纹定位方法 |
| US9733361B2 (en) * | 2013-11-06 | 2017-08-15 | Qualcomm Incorporated | Low power positioning techniques for mobile devices |
| CN103630873B (zh) * | 2013-12-02 | 2018-08-17 | 厦门雅迅网络股份有限公司 | 融合地磁场与wifi信号的室内定位方法 |
| CN104020447A (zh) * | 2014-05-27 | 2014-09-03 | 美新半导体（无锡）有限公司 | 一种室内组合定位系统及其定位方法 |
| CN104019813B (zh) * | 2014-06-19 | 2017-01-25 | 无锡知谷网络科技有限公司 | 目标即时定位和构建地图的方法与系统 |
| CN104483658B (zh) * | 2014-12-30 | 2016-08-24 | 杭州云象网络技术有限公司 | 基于Wi-Fi和地磁场的室内定位方法 |
| CN105676172B (zh) * | 2016-01-11 | 2019-02-22 | 无锡知谷网络科技有限公司 | 簇式磁场定位的方法、装置和系统 |
-
2016
- 2016-01-11 CN CN201610016705.1A patent/CN105676172B/zh active Active
- 2016-07-04 HK HK16107711.5A patent/HK1219779A1/zh unknown
- 2016-10-26 WO PCT/CN2016/103427 patent/WO2017121168A1/zh active Application Filing
- 2016-10-26 EP EP16884720.0A patent/EP3404439A4/en not_active Withdrawn
-
2018
- 2018-07-11 US US16/032,351 patent/US20180329022A1/en not_active Abandoned
Also Published As
| Publication number | Publication date |
|---|---|
| EP3404439A4 (en) | 2019-10-02 |
| WO2017121168A1 (zh) | 2017-07-20 |
| CN105676172A (zh) | 2016-06-15 |
| EP3404439A1 (en) | 2018-11-21 |
| US20180329022A1 (en) | 2018-11-15 |
| HK1219779A1 (zh) | 2017-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105676172B (zh) | 簇式磁场定位的方法、装置和系统 | |
| Guo et al. | A survey on fusion-based indoor positioning | |
| CN107923960B (zh) | 用于在空间内定位标签的系统和方法 | |
| US10677883B2 (en) | System and method for automating beacon location map generation using sensor fusion and simultaneous localization and mapping | |
| Xu et al. | Random sampling algorithm in RFID indoor location system | |
| CN112533163A (zh) | 基于NB-IoT改进的融合超宽带和蓝牙的室内定位方法 | |
| Carrasco et al. | Indoor location service in support of a smart manufacturing facility | |
| CN104677350A (zh) | 使用惯性传感器自动生成定位地点签名的方法和系统 | |
| Xuanmin et al. | An improved dynamic prediction fingerprint localization algorithm based on KNN | |
| Lee et al. | A location tracking system using ble beacon exploiting a double-gaussian filter | |
| Faulkner et al. | Smart wall: Passive visible light positioning with ambient light only | |
| Tsang et al. | A bluetooth-based indoor positioning system: a simple and rapid approach | |
| Silva et al. | TrackInFactory: A tight coupling particle filter for industrial vehicle tracking in indoor environments | |
| Fadzilla et al. | Localization assessment for asset tracking deployment by comparing an indoor localization system with a possible outdoor localization system | |
| Arsan | Accurate indoor positioning with ultra-wide band sensors | |
| Kiring et al. | Wi-Fi radio map interpolation with sparse and correlated received signal strength measurements for indoor positioning | |
| Chen et al. | Harris hawks optimization algorithm and BP neural network for ultra-wideband indoor positioning | |
| Abd Shukur Ja’afar et al. | Development of real-time monitoring BLE-LoRa positioning system based on RSSI for non-line-of-sight condition | |
| Vladislav et al. | Implementation of indoor positioning methods: virtual hospital case | |
| Luo et al. | Positioning and guiding educational robots by using fingerprints of WiFi and RFID array | |
| KR20220042635A (ko) | 딥 칼만 필터를 이용하는 열차 측위 방법 및 장치 | |
| Hernández et al. | Hierarchical WiFi localization system | |
| Nickel et al. | Analysis and evaluation of a particle filter for Wi-Fi azimuth and position tracking | |
| Díez-González et al. | Analysis of synchronous localization systems for UAVs urban applications | |
| EP3097435A1 (en) | Method for estimating the position of a portable device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1219779 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PP01 | Preservation of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20190906 Granted publication date: 20190222 |
|
| PD01 | Discharge of preservation of patent | ||
| PD01 | Discharge of preservation of patent |
Date of cancellation: 20201221 Granted publication date: 20190222 |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210105 Address after: 7 / F, building 18, 3265 Jinhai Road, Fengxian District, Shanghai Patentee after: Shanghai Yihang Network Technology Co.,Ltd. Address before: 214028 3rd floor, building B1, science and technology business center, Airport Industrial Park, 35 Changjiang South Road, New District, Wuxi City, Jiangsu Province Patentee before: CHIGOO INTERACTIVE TECHNOLOGY Co.,Ltd. |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method, device, and system for cluster magnetic field positioning Effective date of registration: 20230510 Granted publication date: 20190222 Pledgee: Industrial Bank Co.,Ltd. Shanghai West sub branch Pledgor: Shanghai Yihang Network Technology Co.,Ltd. Registration number: Y2023310000180 |
|
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1219779 Country of ref document: HK |