CN108195379A - 一种基于WiFi接收信号强度梯度值的室内导航方法 - Google Patents

Abstract

本发明公开了一种基于WiFi接收信号强度梯度值的室内导航方法，根据手机采集到的Wifi接收信号强度值计算其梯度数据，对梯度数据进行二值化处理；针对方向检测中单用传感器数据误差较大，创新性地使用卡尔曼滤波对加速度计、磁力计获取的绝对方向和陀螺仪积分获得的相对方向进行融合，提高了方向的精确度；本方法主要分为两个部分，第一部分是引领者部分，引领者采集指定路径上的Wifi和步态数据，数据采集完成后打包上传到服务器；第二部分是跟随者部分，待导航用户将相应数据下载到自身手机上，根据实时采集的信息与下载数据进行匹配，找到实时对应的数据位置，从而输出下一个时刻的导航提示；本发明方法实现了精确的室内定位及导航，操作简单且成本低。

Description

一种基于WiFi接收信号强度梯度值的室内导航方法

技术领域

本发明属于移动计算领域，涉及一种基于WiFi接收信号强度梯度值的室内导航方法。

背景技术

近年以来，移动互联网技术日益发展成熟，移动智能终端快速普及。对于移动用户而言，信息的即时有效，以及地点准确的重要性就越来越凸显。这样，就使得基于位置的服务(Location Based Service，LBS)获得了十分广阔的应用场景和市场空间。基于位置的服务(LBS)能够对人体进行实时定位和导航，也具有对物体的实时跟踪和即时定位的功能，可以使得人们的生活更加便利。在服务机器人自主导航，商品运送路径跟踪，汽车出行导航和个人定位导航等诸多领域都有相当广泛的应用。在日常生活中，通过智能手机或者平板电脑等智能移动终端得到位置信息，已成为不可或缺的生活方式，在需要得知自身位置的情形中，不必随身配备特殊的定位设备，只是启动手机中的软件，就能获得用户的位置，并且得到相应的服务，比如搜寻附近好友，推送商场内的促销信息，以及会场的签到服务等。另外，个人娱乐领域需求的快速增长，也逐渐成为导航技术的发展的动力和挑战。这就使得导航技术，特别是精确的位置服务技术受到了国内外的广泛关注。

定位导航技术通常要考虑室内环境和室外环境两种情形。在室外环境中，全球定位系统(Global Positioning System,GPS)，由于其可以提供精确到米级的定位服务，已经获得大量运用。而网络辅助全球卫星定位系统(Assisted Global Positioning System,A-GPS)和蜂窝网定位系统也可以提供满足各种应用场景中不同精度需求的定位信息。其中，全球卫星定位系统(GPS)因其具有快速获取的特点和较高的定位精度等优点，全球覆盖率已经在98％以上，在室外定位中应用非常普遍，已经可以满足人们在室外环境中获取位置信息的需求。但是，在室内环境中，由于卫星信号几乎无法穿过建筑物的阻挡，会导致参与定位的卫星不足，或者信号很弱，GPS接收机无法完成位置计算，使得定位精度急剧下降。而网络辅助全球卫星定位系统(Assisted Global Positioning System,A-GPS)和蜂窝网定位系统在室内环境中也难以达到令人满意的效果。这样，就需要考虑采取其他的技术方案来实现室内定位导航的功能。因此，对现有的室内基础设施，以及移动智能终端的充分利用，在获得高精度定位导航效果的同时维持可以接受的成本，满足用户定位需求，已成为国内外室内定位导航技术领域的前沿方向和热点课题。

发明内容

本发明目的在于针对现有的室内定位方法存在操作复杂、成本高且精度低的问题，提供一种基于WiFi接收信号强度梯度值的室内导航方法，该方法基于基于移动终端，主要分为两个部分，第一部分是引领者部分，该部分主要是有一个人作为引领者先采集指定路径上的数据，等到数据采集完成后将打包上传到服务器上；第二部分是跟随者部分，该部分是需要使用导航功能的人将相应数据下载到自身手机上，DTW算法将用户数据和数据库数据进行实时匹配，计算出用户的位置，并且提示用户要如何走到目的地。

本发明的目的是通过以下技术方案来实现的：一种基于WiFi接收信号强度梯度值的室内导航方法，包括以下步骤：

(1)获取用户WiFi接收信号强度数据：通过手机实时采集路径上的WiFi数据，假设采集到的在某一条路径上某个AP的WiFi信号强度时间序列为：

W＝{w₁,w₂,w₃,…,w_n}

其中，n为采样次数，w_i＝{mac_i,rssi_i}，mac_i为第i个采样时刻该AP的MAC地址，rssi_i为为第i个采样时刻该AP的WiFi接收信号强度值；

(2)求解用户WiFi接收信号强度梯度值d_pq：假设相邻采样时刻扫描到的WiFi接收信号强度值为rssi_p和rssi_q；如果两次扫描中均含有同一个AP，那么根据rssi_p和rssi_q计算WiFi接收信号强度梯度值d_pq；若不存在同一个AP，那么将WiFi接收信号强度梯度值d_pq设置为一个固定的梯度参数G，G＞50，具体式子如下：

(3)二值化用户WiFi接收信号强度梯度值d_pq：根据梯度阈值θ将WiFi接收信号强度梯度值d_pq进行二值化，具体为：

(4)采集用户步态信息：通过对手机中加速度计采集的加速度值进行积分加高斯分布来计算用户的步幅；通过对加速度值进行峰值检测来计算用户的步频；

(5)计算用户行走方向：使用卡尔曼滤波对手机中加速度计、磁力计获取的绝对方向和陀螺仪短时间积分的相对方向进行融合，具体方法：假设加速度计和磁力计测得的绝对方向为φ(k)，陀螺仪测得的相对方向为ω(k)，陀螺仪偏差为a(k)，那么最终方向θ(k)的计算公式如下：

θ(k|k-1)＝φ(k-1|k-1)+[ω(k)-a(k-1|k-1)]T_s

其中，T_s为陀螺仪的积分时间，a(k-1|k-1)为k-1时刻的陀螺仪偏差，φ(k-1|k-1)为k-1时刻的绝对方向，θ(k|k-1)为通过k-1时刻的最终方向θ(k-1)得到的k时刻的最终方向；

将上述公式表示成矩阵形式：

X(k|k-1)＝AX(k-1|k-1)+BU(k)

其中

方差为：

P(k|k-1)＝APA'+Q

Q为系统噪声，

则最终的状态更新方程为：

X(k|k)＝X(k|k-1)+g(k)[S(k)-HX(k|k-1)]

其中g(k)为系统增益，H＝[10]，S(k)＝BQ^-1B^T；

对绝对方向进行校正：将磁力计和加速度计t时刻采集的数据y_original1(t)输入低通滤波器：

y_afterlowpass(t)＝y_afterlowpass(t-1)+a(y_original1(t)-y_afterlowpass(t-1))

其中，y_afterlowpass(t)为t时刻经过低通滤波器后获取的数据，a为低通滤波器参数；

对相对方向进行校正：将陀螺仪采集的数据y_original2(t)输入高通滤波器：

y_{afterhighpass}(t)＝b*(y_{afterhighpass}(t-1)+c(y_original2(t)-y_{afterhighpass}(t-1))

其中，y_{afterhighpass}(t)为t时刻经过高通滤波器后获取的数据，b和c为高通滤波器参数；

则校正后的用户行走方向角度θ为：

θ＝θ₀+(ω+σ)*Ts

其中，θ₀为绝对方向做过校正后的初始方位角，ω为做过校正后的相对方向，σ为高斯噪声。

(6)数据打包上传服务器：手机每一次采集数据时，都会记录数据的采集时间，根据采集时间将wifi数据、步态数据和行走方向数据进行同步存储，并将每一条路径的信息，单独打包上传到服务器上；

(7)用户导航实时匹配：待导航的用户首先从服务器上下载所需路径的信息，然后根据实时采集的WiFi数据、步态数据和行走方向数据采用轻量级的DTW算法与从服务器下载的数据进行实时匹配，找到与从服务器下载的数据对应时刻的信息，从而输出下一步的导航指示。

进一步地，所述步骤1-5中，每条路径首先需要人工采集信息，才能够提供后续导航功能。

进一步地，所述步骤7中，用户可以在路径上的任何位置进入，都可以实现导航功能。

本发明的有益效果：本发明针对当前室内环境中缺乏现实可行的、能进行实时导航的方法这一现状，提出了一个基于WiFi接收信号强度梯度值的室内导航方法，首先根据手机采集到的Wifi接收信号强度值计算其梯度数据，为了减少数据处理的复杂度，进一步地对梯度数据进行二值化处理；针对方向检测中单用传感器数据误差较大，创新性地提出了使用卡尔曼滤波对加速度计、磁力计获取的绝对方向和陀螺仪积分获得的相对方向进行了融合，提高了方向的精确度；本方法主要分为两个部分，第一部分是引领者部分，该部分主要是有一个人作为引领者先采集指定路径上的Wifi和步态数据，等到数据采集完成后将打包上传到服务器上；第二部分是跟随者部分，该部分是需要使用导航功能的人将相应数据下载到自身手机上，然后根据实时采集的信息与下载数据进行匹配，找到实时对应的数据位置，从而输出下一个时刻的导航提示；本发明方法90％精度达到1.3m，能够提供精确的室内导航功能，给用户更好的使用体验。本发明实现了室内定位，操作简单、成本低且精度高，解决了现有的室内定位方法存在操作复杂、成本高且精度低的问题。

附图说明

图1是方向检测算法示意图；

图2是本发明室内导航方法流程图；

图3是室内导航精度图；

图4是不同用户导航精度图；

图5是不同手机导航精度图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面结合附图和具体实施例对本发明作进一步详细说明。

本实施例提供的一种基于WiFi接收信号强度梯度值的室内导航方法，包括以下步骤：

(1)获取用户WiFi接收信号强度数据：通过手机实时采集路径上的WiFi数据，假设采集到的在某一条路径上某个AP(接入点)的wifi信号强度时间序列为：

W＝{w₁,w₂,w₃,…,w_n}

其中，n为采样次数，w_i＝{mac_i,rssi_i}，mac_i为第i个采样时刻该AP的MAC地址，rssi_i为为第i个采样时刻该AP的wifi接收信号强度值；

(2)求解用户WiFi接收信号强度梯度值d_pq：假设相邻采样时刻扫描到的wifi接收信号强度值为rssi_p和rssi_q；如果两次扫描中均含有同一个AP，那么根据rssi_p和rssi_q计算WiFi接收信号强度梯度值d_pq；若不存在同一个AP，那么将WiFi接收信号强度梯度值d_pq设置为一个固定的梯度参数G，G＞50，本实施例中，G取100，具体式子如下：

(3)二值化用户WiFi接收信号强度梯度值d_pq：为了减少后续匹配中数据存储和处理时间，这里根据梯度阈值θ将WiFi接收信号强度梯度值d_pq进行二值化(该梯度阈值θ的设定使得d_pq具有较好的区分度，在本实施例中设为6，具体为：

(4)采集用户步态信息：目前，大部分的智能手机中都存在惯性传感单元，该单元主要包含加速度计、陀螺仪、磁力计等。在本方法中，通过对手机中加速度计采集的加速度值进行积分加高斯分布来计算用户的步幅；通过对加速度值进行峰值检测来计算用户的步频；

(5)计算用户行走方向：使用卡尔曼滤波对手机中加速度计、磁力计获取的绝对方向和陀螺仪短时间积分的相对方向进行融合，具体方法：假设加速度计和磁力计测得的绝对方向为φ(k)，陀螺仪测得的相对方向为ω(k)，陀螺仪偏差为a(k)，那么最终方向θ(k)的计算公式如下：

θ(k|k-1)＝φ(k-1|k-1)+[ω(k)-a(k-1|k-1)]T_s

其中，T_s为陀螺仪的积分时间，a(k-1|k-1)为k-1时刻的陀螺仪偏差，φ(k-1|k-1)为k-1时刻的绝对方向，θ(k|k-1)为通过k-1时刻的最终方向θ(k-1)得到的k时刻的最终方向；

将上述公式表示成矩阵形式：

X(k|k-1)＝AX(k-1|k-1)+BU(k)

其中

方差为：

P(k|k-1)＝APA'+Q

Q为系统噪声，

则最终的状态更新方程为：

X(k|k)＝X(k|k-1)+g(k)[S(k)-HX(k|k-1)]

其中g(k)为系统增益，H＝[1 0]，S(k)＝BQ^-1B^T。

对绝对方向进行校正：将磁力计和加速度计t时刻采集的数据y_original1(t)输入低通滤波器：

y_afterlowpass(t)＝y_afterlowpass(t-1)+a(y_original1(t)-y_afterlowpass(t-1))

其中，y_afterlowpass(t)为t时刻经过低通滤波器后获取的数据，a为低通滤波器参数；

对相对方向进行校正：将陀螺仪采集的数据y_original2(t)输入高通滤波器：

y_{afterhighpass}(t)＝b*(y_{afterhighpass}(t-1)+c(y_original2(t)-y_{afterhighpass}(t-1))

其中，y_{afterhighpass}(t)为t时刻经过高通滤波器后获取的数据，b和c为高通滤波器参数；

则校正后的用户行走方向角度θ为：

θ＝θ₀+(ω+σ)*Ts

其中，θ₀为绝对方向做过校正后的初始方位角：ω为做过校正后的相对方向，σ为高斯噪声，本实施例中，a、b、c数值分别为0.25、0.3、0.25。

(6)数据打包上传服务器：手机每一次采集数据时，都会记录数据的采集时间，根据采集时间将wifi数据、步态数据和行走方向数据进行同步存储，并将每一条路径的信息，单独打包上传到服务器上；

(7)用户导航实时匹配：待导航的用户首先从服务器上下载所需路径的信息，然后根据实时采集的wifi数据、步态数据和行走方向数据采用轻量级的DTW算法与从服务器下载的数据进行实时匹配，找到与从服务器下载的数据对应时刻的信息，从而输出下一步的导航指示。

具体地，所述步骤1-5中，每条路径首先需要人工采集信息，才能够提供后续导航功能。

具体地，所述步骤7中，用户可以在路径上的任何位置进入，都可以实现导航功能。

以上所述仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明创造的保护范围之内。

Claims (3)

1.一种基于WiFi接收信号强度梯度值的室内导航方法，其特征在于，包括以下步骤：

(1)获取用户WiFi接收信号强度数据：通过手机实时采集路径上的WiFi数据，假设采集到的在某一条路径上某个AP的WiFi信号强度时间序列为：

W＝{w₁,w₂,w₃,…,w_n}

其中，n为采样次数，w_i＝{mac_i,rssi_i}，mac_i为第i个采样时刻该AP的MAC地址，rssi_i为为第i个采样时刻该AP的WiFi接收信号强度值；

(2)求解用户WiFi接收信号强度梯度值d_pq：假设相邻采样时刻扫描到的WiFi接收信号强度值为rssi_p和rssi_q；如果两次扫描中均含有同一个AP，那么根据rssi_p和rssi_q计算WiFi接收信号强度梯度值d_pq；若不存在同一个AP，那么将WiFi接收信号强度梯度值d_pq设置为一个固定的梯度参数G，G＞50，具体式子如下：

(3)二值化用户WiFi接收信号强度梯度值d_pq：根据梯度阈值θ将WiFi接收信号强度梯度值d_pq进行二值化，具体为：

(4)采集用户步态信息：通过对手机中加速度计采集的加速度值进行积分加高斯分布来计算用户的步幅；通过对加速度值进行峰值检测来计算用户的步频；

(5)计算用户行走方向：使用卡尔曼滤波对手机中加速度计、磁力计获取的绝对方向和陀螺仪短时间积分的相对方向进行融合，具体方法：假设加速度计和磁力计测得的绝对方向为φ(k)，陀螺仪测得的相对方向为ω(k)，陀螺仪偏差为a(k)，那么最终方向θ(k)的计算公式如下：

θ(k|k-1)＝φ(k-1|k-1)+[ω(k)-a(k-1|k-1)]T_s

其中，T_s为陀螺仪的积分时间，a(k-1|k-1)为k-1时刻的陀螺仪偏差，φ(k-1|k-1)为k-1时刻的绝对方向，θ(k|k-1)为通过k-1时刻的最终方向θ(k-1)得到的k时刻的最终方向；

将上述公式表示成矩阵形式：

X(k|k-1)＝AX(k-1|k-1)+BU(k)

其中U(k)＝ω(k)

方差为：

P(k|k-1)＝APA'+Q

Q为系统噪声，

则最终的状态更新方程为：

X(k|k)＝X(k|k-1)+g(k)[S(k)-HX(k|k-1)]

其中g(k)为系统增益，H＝[10]，S(k)＝BQ^-1B^T；

对绝对方向进行校正：将磁力计和加速度计t时刻采集的数据y_original1(t)输入低通滤波器：

y_afterlowpass(t)＝y_afterlowpass(t-1)+a(y_original1(t)-y_afterlowpass(t-1))

其中，y_afterlowpass(t)为t时刻经过低通滤波器后获取的数据，a为低通滤波器参数；

对相对方向进行校正：将陀螺仪采集的数据y_original2(t)输入高通滤波器：

y_{afterhighpass}(t)＝b*(y_{afterhighpass}(t-1)+c(y_original2(t)-y_{afterhighpass}(t-1))

其中，y_{afterhighpass}(t)为t时刻经过高通滤波器后获取的数据，b和c为高通滤波器参数；

则校正后的用户行走方向角度θ为：

θ＝θ₀+(ω+σ)*Ts

其中，θ₀为绝对方向做过校正后的初始方位角，ω为做过校正后的相对方向，σ为高斯噪声。

(6)数据打包上传服务器：手机每一次采集数据时，都会记录数据的采集时间，根据采集时间将wifi数据、步态数据和行走方向数据进行同步存储，并将每一条路径的信息，单独打包上传到服务器上；

(7)用户导航实时匹配：待导航的用户首先从服务器上下载所需路径的信息，然后根据实时采集的WiFi数据、步态数据和行走方向数据采用轻量级的DTW算法与从服务器下载的数据进行实时匹配，找到与从服务器下载的数据对应时刻的信息，从而输出下一步的导航指示。

2.根据权利要求1所述的方法，其特征在于，所述步骤1-5中，每条路径首先需要人工采集信息，才能够提供后续导航功能。

3.根据权利要求1所述的方法，其特征在于，所述步骤7中，用户可以在路径上的任何位置进入，都可以实现导航功能。