CN106093843A - 一种基于地磁辅助WiFi的智能手机用户室内定位方法 - Google Patents

Abstract

本发明涉及一种基于地磁辅助WiFi的智能手机用户室内定位方法，包括离线阶段和在线阶段，离线数据采集阶段包括：根据建筑物平面地图把待定位区域划分成小的网格；通过智能手机对待定为区域进行数据采集：智能手机用户拿着手机在每个网格中心采集WiFi信号强度和地磁强度数据一段时间；对每个网格采集的数据求平均值，构建离线指纹库并存储在手机中；在线定位阶段中，包括：位置初始化，计算每个指纹的权重，选择权重最大的k个指纹，以他们位置的加权作为初始化位置：手持智能手机来回旋转，初始化传感器；更新Rss权重和地磁权重；更新权重；估计位置。本发明仅通过智能手机即可达到较高的室内定位精度。

Description

一种基于地磁辅助WiFi的智能手机用户室内定位方法

技术领域

本发明属于移动终端应用领域，针对利用智能手机获得地磁场信息与WiFi信号强度信息来对用户进行高精度室内定位问题。

背景技术

随着无线通信技术的日益发展和成熟，基于位置的服务(Location BasedService,LBS)需求也越来越多。而可以提供较准确位置服务的全球定位系统(GPS)由于建筑物的遮挡等原因不能够应用于室内定位。人员的室内定位技术主要指无线定位，根据室内无线定位技术主要分为两种：一种是基于测距的方法，根据信号传播模型确定人与发射源之间的距离，通过几何关系变换确定人员位置；另一种是非测距方法，把接收到的无线信号强度组作为一个与位置关联的指纹，根据模式匹配的原理应用指纹法进行匹配定位。第一种方法都需要额外建立硬件环境，而且受非视距、多径影响较为严重，因此在环境复杂时定位效果不佳，难以推广和应用。而第二种方法也需要额外的搭建硬件环境，但是，随着无线局域网(WiFi)的逐渐普及以及广范围内密集部署，这种额外搭建硬件设备的需要也越来越小，而且基于位置指纹的定位方法受非视距和多径的影响小，因此这种方法更适合于实际应用。而且随着智能终端的不断发展，智能手机集成多种传感器(磁力计、加速度计、陀螺仪等)且功能越来越强大，这都为利用智能手机实现用户准确定位提供了可能。

虽然利用WiFi信号强度来进行室内定位是目前最可行的方法之一，但是由于某些地方，如楼道、厕所、无线信号非常微弱的地方，这种方法将会失效。而地磁场作为地球的固有资源，是一个矢量场，具有全天时、全天候以及全地域的特征。在建筑结构及材料确定的情况下，室内地磁场非常稳定，因此利用地磁场信息来辅助WiFi可以达到高精度、无死角室内定位。

很多研究者已经提出了关于如何利用地磁信息来进行室内定位的研究，但仍有问题没有处理地很好，首先地磁场强度非常微弱(大约只有几十uT)，其次对于指纹法来说，利用单一地磁场强度作为指纹来区分不同位置的分辨率太低。虽然三轴磁力计可以获得三维的地磁场强度数据，但是通过磁力计获得的三个数据会随着传感器坐标系的变化而变化，由于这些因素制约了地磁场在室内定位的应用。

发明内容

本发明涉及一种基于地磁辅助WiFi的智能手机用户室内定位方法，利用室内无处不在的地磁场信息来辅助WiFi信号强度，不依赖于外部架设额外的设备，智能手机用户仅通过手机就可以在部署无线局域网的环境中获取自身位置。本发明的技术方案如下：

一种基于地磁辅助WiFi的智能手机用户室内定位方法，包括离线阶段和在线阶段，设为离线指纹库中的指纹，

离线数据采集阶段包括以下步骤：

1)根据建筑物平面地图把待定位区域划分成小的网格；

2)通过智能手机对待定为区域进行数据采集：智能手机用户拿着手机在每个网格中心采集WiFi信号强度和地磁强度数据一段时间；

3)对每个网格采集的数据求平均值，构建离线指纹库并存储在手机中；每个离线指纹存储为其中为离线指纹的位置，为该离线指纹的地磁场强度进行坐标变化后得到绝对坐标系下的平均值，离线指纹库中的指纹为在网格中心RP接收到的n个WiFi信号，即的信号强度的平均值；

在线定位阶段中，包括以下步骤：

1)位置初始化，智能手机中的定位系统获得第一组WiFi信号强度数据计算R₀与离线指纹库中每个指纹的欧式距离并计算每个指纹的权重：

$w_i=\frac{1/d_i}{\Σ1/d_i};$

选择权重最大的k个指纹，以他们位置的加权作为初始化位置：

$\left[\begin{array}{c}{x}_0\\ y_0\end{array}\right]=\left[\begin{array}{c}\underset{i=1}{\overset{k}{\Σ}}{w}_i\·x_i^f\\ \underset{i=1}{\overset{k}{\Σ}}{w}_i\·y_i^f\end{array}\right];$

2)手持智能手机来回旋转，初始化传感器；

3)更新Rss权重：当获得一个在线指纹R＝[R¹,R²,...,Rⁿ]，分别计算R与离线指纹库中每一个离线指纹的欧氏距离并计算Rss权重：

$w_i^{Rss}=\frac{1/d_i^{Rss}}{\Σ1/d_i^{Rss}};$

4)地磁数据坐标变换：在获得在线指纹R时，也会获得三轴磁力计数据Mag＝[Mag_x,Mag_y,Mag_z]和三轴角度计数据φ＝[α,β,γ]，利用φ对Mag进行坐标变换：

$\left[\begin{array}{c}{{\mathrm{Mag}}^{\′}}_x\\ {{\mathrm{Mag}}^{\′}}_y\\ {{\mathrm{Mag}}^{\′}}_z\end{array}\right]={(R_y\·R_x\·R_z)}^{-1}\left[\begin{array}{c}{\mathrm{Mag}}_x\\ {\mathrm{Mag}}_y\\ {\mathrm{Mag}}_z\end{array}\right],$

其中R_x，R_y和R_z分别传感器坐标系相对于绝对坐标系的旋转矩阵：

$R_z=\left[\begin{array}{ccc}cos\mathrm{\α}& -sin\mathrm{\α}& 0\\ sin\mathrm{\α}& \cos \mathrm{\α}& 0\\ 0& 0& 1\end{array}\right],R_x=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \mathrm{\β}& -sin\mathrm{\β}\\ 0& \sin \mathrm{\β}& \cos \mathrm{\β}\end{array}\right],R_z=\left[\begin{array}{ccc}cos\mathrm{\γ}& 0& -sin\mathrm{\γ}\\ 0& 1& 0\\ sin\mathrm{\γ}& 0& \cos \mathrm{\γ}\end{array}\right];$

5)更新地磁权重，分别计算Mag'＝[Mag'_x,Mag'_y,Mag'_z]与指纹库中所有指纹的Mag_i的欧氏距离并计算地磁权重：

$w_i^{Mag}=\frac{1/d_i^{Mag}}{\Σ1/d_i^{Mag}};$

6)更新权重：

$w_i=w_i^{Rss}\·w_i^{Mag};$

7)加权计算位置，选择权重最大的k个指纹，以他们的位置的加权作为估计位置。

本发明的定位系统已经在智能手机中实现，开发运行在Android系统的APP，利用手机自带的WiFi模块获得接收信号强度，利用磁力计获得地磁强度数据，利用角度传感器来获得智能手机沿着绝对坐标系旋转的角度。为判断本发明定位系统的精度与鲁棒性，雇佣了五个人手持安卓智能手机在一个室内环境中进行定位实验，定位区域被划分为1m乘1m的网格，每名志愿者随机走动约500米，本发明的平均定位误差大约在1.5m左右，而在只使用接收的WiFi信号强度时，定位精度智能达到2到3m，由此可见，基于地磁辅助WiFi进行室内定位可以达到较高的精度。

附图说明

图1为智能手机传感器坐标轴示意图。

图2为系统的离线阶段流程框图。

图3为系统的在线阶段流程框图。

具体实施方式

下面结合附图对本发明的一种基于地磁辅助WiFi的智能手机用户室内定位方法做进一步的描述。

智能手机作为一种随身携带的电子设备，自带磁力计、加速度计以及陀螺仪等多种传感器。本发明通过智能手机自带的磁力计来获得地磁场强度数据，通过智能手机自带的WiFi模块来获得WiFi信号强度，并结合角度传感器数据增加地磁信息分量，通过地磁信息辅助WiFi进行智能手机用户的高精度室内定位。

手机传感器坐标如图1所示，以用户手持智能手机于胸前，手机y轴指向运动方向且屏幕向上为具体实例进行说明，手机内的磁力计以及角度计以大约25Hz的速度获取数据，而WiFi模块的采样速率由手机自身决定，大约为1Hz左右。离线阶段待定为区域网格大小可以在0.6m到1m之间，每个指纹采集的时间保证地磁强度数据在100组以上即可，离线阶段流程如图2所示。本发明的定位方法根据这些数据实时地估计用户位置并显示，在线阶段如图3所示，步骤如下：

在线定位阶段中，包括以下步骤：

1)位置初始化，智能手机中的定位系统获得第一组WiFi信号强度数据计算R₀与指纹库中每个指纹的欧式距离并计算每个指纹的权重：

$w_i=\frac{1/d_i}{\Σ1/d_i}.$

选择权重最大的3到5个指纹，以他们位置的加权作为初始化位置：

$\left[\begin{array}{c}{x}_0\\ y_0\end{array}\right]=\left[\begin{array}{c}\underset{i=1}{\overset{k}{\Σ}}{w}_i\·x_i^f\\ \underset{i=1}{\overset{k}{\Σ}}{w}_i\·y_i^f\end{array}\right].$

2)传感器初始化，手持智能手机来回旋转，初始化传感器。

3)更新Rss权重：当获得一个在线指纹R＝[R¹,R²,...,Rⁿ]，分别计算R与离线指纹库中每一个离线指纹的欧氏距离并计算Rss权重：

$w_i^{Rss}=\frac{1/d_i^{Rss}}{\Σ1/d_i^{Rss}}.$

4)地磁数据坐标变换：在获得在线指纹R时，也会获得三轴磁力计数据Mag＝[Mag_x,Mag_y,Mag_z]和三轴角度计数据φ＝[α,β,γ]，利用φ对Mag进行坐标变换：

$\left[\begin{array}{c}{{\mathrm{Mag}}^{\′}}_x\\ {{\mathrm{Mag}}^{\′}}_y\\ {{\mathrm{Mag}}^{\′}}_z\end{array}\right]={(R_y\·R_x\·R_z)}^{-1}\left[\begin{array}{c}{\mathrm{Mag}}_x\\ {\mathrm{Mag}}_y\\ {\mathrm{Mag}}_z\end{array}\right],$

其中R_x，R_y和R_z分别传感器坐标系相对于绝对坐标系的旋转矩阵：

$R_z=\left[\begin{array}{ccc}cos\mathrm{\α}& -sin\mathrm{\α}& 0\\ sin\mathrm{\α}& \cos \mathrm{\α}& 0\\ 0& 0& 1\end{array}\right],R_x=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \mathrm{\β}& -sin\mathrm{\β}\\ 0& \sin \mathrm{\β}& \cos \mathrm{\β}\end{array}\right],R_z=\left[\begin{array}{ccc}cos\mathrm{\γ}& 0& -sin\mathrm{\γ}\\ 0& 1& 0\\ sin\mathrm{\γ}& 0& \cos \mathrm{\γ}\end{array}\right].$

5)更新地磁权重：分别计算Mag'＝[Mag'_x,Mag'_y,Mag'_z]与指纹库中所有离线指纹的地磁强度的欧氏距离并计算地磁权重：

$w_i^{Mag}=\frac{1/d_i^{Mag}}{\Σ1/d_i^{Mag}}.$

6)更新权重：

$w_i=w_i^{Rss}\·w_i^{Rss}.$

7)加权计算位置，根据经验与实验结果，最大权重点选择的个数不宜太大大约在3到6之间即可，以他们的位置的加权作为估计位置：

$\left[\begin{array}{c}x\\ y\end{array}\right]=\left[\begin{array}{c}\underset{i=1}{\overset{k}{\Σ}}{w}_i\·x_i^f\\ \underset{i=1}{\overset{k}{\Σ}}{w}_i\·y_i^f\end{array}\right].$

8)当智能手机的WiFi模块再次扫描完WiFi信号获得一组接收信号强度时，系统将重复(3)到(7)步估计用户位置。

Claims (1)

1.一种基于地磁辅助WiFi的智能手机用户室内定位方法，包括离线阶段和在线阶段，设为离线指纹库中的指纹，

离线数据采集阶段包括以下步骤：

1)根据建筑物平面地图把待定位区域划分成小的网格；

2)通过智能手机对待定为区域进行数据采集：智能手机用户拿着手机在每个网格中心采集WiFi信号强度和地磁强度数据一段时间；

3)对每个网格采集的数据求平均值，构建离线指纹库并存储在手机中；每个离线指纹存储为 其中为离线指纹的位置，为该离线指纹的地磁场强度进行坐标变化后得到绝对坐标系下的平均值，离线指纹库中的指纹为在网格中心RP接收到的n个WiFi信号，即[]的信号强度的平均值；

在线定位阶段中，包括以下步骤：

1)位置初始化，智能手机中的定位系统获得第一组WiFi信号强度数据计算R₀与离线指纹库中每个指纹的欧式距离并计算每个指纹的权重：

选择权重最大的k个指纹，以他们位置的加权作为初始化位置：

2)手持智能手机来回旋转，初始化传感器；

3)更新Rss权重：当获得一个在线指纹R＝[R¹,R²,...,Rⁿ]，分别计算R与离线指纹库中每一个离线指纹的欧氏距离并计算Rss权重：

4)地磁数据坐标变换：在获得在线指纹R时，也会获得三轴磁力计数据Mag＝[Mag_x,Mag_y,Mag_z]和三轴角度计数据φ＝[α,β,γ]，利用φ对Mag进行坐标变换：

其中R_x，R_y和R_z分别传感器坐标系相对于绝对坐标系的旋转矩阵：

5)更新地磁权重，分别计算Mag'＝[Mag'_x,Mag'_y,Mag'_z]与指纹库中所有指纹的Mag_i的欧氏距离并计算地磁权重：

6)更新权重：

7)加权计算位置，选择权重最大的k个指纹，以他们的位置的加权作为估计位置。