CN109612458A - 利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法 - Google Patents

Abstract

本发明公开了一种利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，通过气压传感器和加速度传感器，可以在山区路线环境下实现对移动用户的位置追踪。该方法通过手机的气压传感器监测到用户的海拔高度，通过地图路线匹配，可以获取用户可能所在的位置集合A；由于可能的位置不止一个，需要通过其他手段排除错误的位置，方法是利用加速度传感器计算用户从上个已知位置后的移动距离，以此获得另一个可能位置集合B，对这两个位置集合进行概率分析，获得概率最大的位置就是用户当前的真实位置。该方法可以替代传统的GPS技术实现室外山区定位，在达到同样定位精度的情况下极大的降低了能耗。

Description

利用手机气压和加速度传感器在山区环境实现用户位置追踪 的方法

技术领域

本发明涉及一种利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，属于定位技术领域。

背景技术

在当今飞速发展的基于位置的应用领域，利用智能手机进行定位占据着很重要的地位。目前，绝大多数的定位技术都需要一定的基础设施的支持，如蜂窝网络，Wi-Fi无线网络和全球定位系统(GPS)。而这些技术各有各的优缺点，在精度、使用场景、能耗上都有限制。在定位技术领域中，室外定位和室外位置追踪场景下，如何降低移动定位设备的能耗，是一个很热门的问题，因为目前常用的GPS定位技术在持续定位时的能耗过高，限制了应用场景。

目前，公知的定位技术有如下几类：

第一类：基于GPS、GSM定位

GPS是比较通用的定位技术，他通过卫星定位手机在地球上的经度纬度及高度信息，精度能够达到5米以内，但是其最大问题是持续定位时能耗过高，由于移动设备本身电池容量较小，过高的能量消耗限制了基于轨迹追踪的应用发展，如行人导航，旅游导览等。

基于GSM的定位技术不管在室内室外的情况，精度都很低，虽然能耗表现比GPS定位技术好，但过低的精度限制了应用场景，很多对精度要求高的应用都无法使用；

第二类：基于WI-FI指纹信号

基于WI-FI的定位技术主要是这样工作的，用户在不同位置手机检测到周围的WI-FI信号强度是不同的，如果预先在室内的每个位置都采集一下WI-FI的信号强度，得到WI-FI信号强度和对应位置的二元组，存储到一个数据库中。当一个新的用户要定位时，只要检测一下当前周围的WI-FI信号强度，然后与数据库中的做对比，找到最接近的，这个最接近的WI-FI信号所对应的位置就是该用户的当前位置。这种技术的缺点在于它需要在环境中部署大量的Wi-Fi热点，并且需要一个指纹数据采集过程，那就是预先到每个位置采集一下数据，存储到数据库中，这样的工作量是巨大的；还有个缺点就是WI-FI信号强度受到周围环境的影响较大，同一地点不同时候的WI-FI信号强度可能变化，影响定位精度。

第三类：通过手机传感器辅助定位技术

该类技术利用用户手机的感知能力辅助定位，通过手机自带传感器获得的数据可以大致追踪用户的运动路径，如走了多少步，有没有上下楼等可以通过手机的加速度传感器获得加速度数据，再依赖行为识别技术进行识别；传统的方案主要使用加速度传感器来做位移估算，但这种识别方法精度不是很好，现有的技术都是需要在用户途径位置安装一些校准装置，称为校准点，校准点会发出一些特殊的信号，用户的手机可以检测到这样的信号，从而校准自己的位置；这样该技术的实现就要预先在道路附近部署大量的校准点，耗费大量人力物力，而且后期需要较多的维护工作，并不经济实用。

目前主要是利用以上几类技术进行室外用户定位；但通过气压和加速度传感器相结合的在山区路段上实现低能耗的定位方法还没有相关报道。

发明内容

发明目的为了克服现有技术中存在的不足，尤其是能耗过高的问题，本发明提供一种利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，该方法只需要手机的气压和加速度传感器，在极大降低能耗的情况下提供高精度的定位服务。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，包括以下步骤：

步骤1，初始概率：给定初始位置，假设该初始位置的误差服从正态分布，且误差范围在0-10米，根据地图匹配，获得用户初始位置在初始点的概率，即初始概率；

步骤2，数据收集：在用户移动过程中，通过智能手机内置的气压传感器采集手机所处位置的气压值，采得的气压值组成手机的气压变化轨迹；同理，通过智能手机内置的加速度传感器采集用户移动过程中的加速度读数，获得移动的加速度变化轨迹；

步骤3，数据预处理：利用低通滤波器进行滤波，去除高频噪音，再利用平滑算法对加速度变化轨迹和气压变化轨迹进行平滑处理；

步骤4，去除气压噪音，对步骤3得到的平滑的气压变化轨迹去除气压噪音，得到最终的的气压变化曲线；

步骤5，位置计算：根据步骤4得到的气压变化曲线得到用户当前位置获得该气压值的概率，此概率记为气压观察值概率；根据步骤3得到加速度变化轨迹，获取位置状态转换概率，通过位置状态转换概率、气压观察值概率以及步骤1得到的初始概率建立用户轨迹概率优化模型：

其中，B为所有气压的观察值序列，L为位置状态集合，P为气压观察值的分布函数的参数，E为状态转移概率矩阵，∏为初始概率，S表示可能的位置状态总数。

求解该用户轨迹概率优化模型得到用户最大概率的位置，该位置就是用户的定位位置结果。

优选的：所述步骤1中初始概率的获取方法，首先从GPS获取一个位置样本，或者用户手动标记一个初始的位置，然后以该位置为中心，在平面图上以定长半径画圆，用户的实际位置在这个圆圈里的路线上的任意点都有可能，假设位置误差服从正太分布，最后，该圆圈覆盖的路段中的每个位置点，计算每个点在正太分布中的概率，该概率就是用户初始位置在该点的概率，即初始概率。

优选的：所述步骤3中的数据预处理方法具体如下：

步骤31，过滤离群点，方法是计算相邻两个节点读数的变化值，如果某个点与前一点的变化值比前10秒内平均变化值的5倍还大，认为该点为离群点，将其丢弃；

步骤32，利用低通滤波过滤高频数据，低通滤波公式如下：

Υ(n)＝βX(n)+(1-β)Υ(n-1) (1)

其中，X(n)是第n个传感器读数，Y(n)是滤波输出，β是过滤系数f是截止频率，对于气压数据β＝0.5，对于加速度数据β＝0.6；

步骤33，对数据曲线进行平滑，气压数据为每5秒一个窗口取均值平滑，加速度数据为每1秒一个窗口取平均值做平滑。

优选的：所述步骤4中去除气压噪音具体算法，首先从中央气象台气象预报获得今后一定时间内的气压天气预报，具体格式为每小时一个气压读数；其次，利用三次指数曲线拟合方对一定时间内的气压读数进行曲线拟合，得到一个平滑的气压变化曲线；最后，用实际测得的气压变化曲线减去拟合得到的气压变化曲线，获得最终的气压变化曲线。

优选的：所述步骤5中气压观察值概率的计算方法：气压观察值误差的概率服从如下正太分布：

其中，b_err表示误差值，σ_b是正太分布的标准差，所以气压观察值的分布函数是N(Δb_s,σ_b ²)，Δb_s表示用户垂直方向运动导致的气压差值，将得到的气压变化曲线中的气压观察值导入公式(3)得到用户当前位置获得该气压值的概率，记得到此时的气压观察值概率。

优选的：所述步骤5中位置状态转换概率指用户从一个位置移动到另一个位置的转移概率，其计算方法：

如果用户所在的路段是阶梯路段，而非平路，则用户从一个位置移动到另一个位置的概率转移假设服从泊松分布，其位置状态转换概率计算公式为：

其中，i,j分布代表位置状态i和位置状态j，n_i,j是用户从位置i移动到位置j之间的楼梯数目，n是用户实际步数；

如果用户所在路段非阶梯路段，而是带有坡度的平滑路段，则用户从一个位置移动到另一个位置的概率转移假设服从正太分布，其位置状态转换概率计算公式为：

其中，i,j分布代表位置状态i和位置状态j，d₀是用户在平路上的平均步长，d_i,j是位置i和位置j之间的距离，n是用户的实际步数，用户的实际步长服从正太分布，分布函数为f_step(θ)。

优选的：使用维特比算法对用户轨迹概率优化模型进行计算，其算法复杂度为O(T×S),其中T是时间或用户轨迹中的位置数目，S为可能的位置状态总数。

本发明相比现有技术，具有以下有益效果：

1)不需要依赖于GPS，在山区路段那些GPS信号弱，误差大的情况下任然可以实现高精度定位。

2)该技术不使用GPS或者GSM等传统的定位方法，而是创新的使用气压计和加速度传感器进行定位，使得定位结果同样精确。

3)该技术仅仅使用气压传感器和加速度传感器进行数据采集，能耗很低，通过改进的算法使得计算复杂度降低，这使得总体的能耗控制在较低水平，与传统的基于GPS的持续定位相比，能耗明显降低。

4)该定位算法和计算过程在用户客户端程序本地进行的，只有客户本地知道自己的楼层位置，保护了隐私。

附图说明

图1是初始位置的概率分布图示。

图2是气压曲线拟合图示。

图3是气压误差去除图示。

图4是数据预处理图示。

图5是系统运行的总体框架。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，如图1-5，所示，包括以下步骤：

步骤1，初始概率：给定初始位置，假设该初始位置的误差服从正态分布，且误差范围在0-10米，根据地图匹配，获得用户初始位置在初始点的概率，即初始概率。

所述步骤1中初始概率的获取方法，首先从GPS获取一个位置样本，或者用户手动标记一个初始位置。然后以该位置为中心，在平面图上以10米为半径画圆，用户的实际位置在这个圆圈里的路线上的任意点都有可能，如图2所示，假设位置误差服从正太分布。最后，该圆圈覆盖的路段中的每个位置点，计算每个点在正太分布中的概率，该概率就是用户初始位置在该点的概率。

步骤2，数据收集：在用户移动过程中，通过智能手机内置的气压传感器采集手机所处位置的气压值，采得的气压值组成手机的气压变化轨迹。同理，通过智能手机内置的加速度传感器采集用户移动过程中的加速度读数，获得移动的加速度变化轨迹。

所述步骤2中的数据收集是通过智能手机开发的APP访问手机传感器进行收集的。

步骤3，数据预处理：利用低通滤波器进行滤波，去除高频噪音，再利用平滑算法对加速度曲线和气压曲线进行平滑。

所述步骤3中的数据预处理方法，首先是过滤离群点，方法是计算相邻两个节点读数的变化值，如果某个点与前一点的变化值比前10秒内平均变化值的5倍还大，认为该点为离群点，将其丢弃。

然后利用低通滤波过滤高频数据，低通滤波公式如下：

Υ(n)＝βX(n)+(1-β)Υ(n-) (1)

其中，X(n)是第n个传感器读数，Y(n)是滤波输出，β是过滤系数f是截止频率，对于气压数据β＝0.5，对于加速度数据β＝0.6。

最后对数据曲线进行平滑，气压数据为每5秒一个窗口取均值平滑，加速度数据为每1秒一个窗口取平均值做平滑。

步骤4，去除气压噪音：由于气压随天气变化而变化，直接利用气压读数计算海拔高度会出现较大误差，需要将因天气变化导致的气压变化噪音去除。对步骤3得到的平滑的气压变化轨迹去除气压噪音，得到最终的的气压变化曲线。

所述步骤4中去除气压噪音具体算法，首先从中央气象台气象预报获得今后5小时的气压天气预报，具体格式为每小时一个气压读数；其次，利用三次指数曲线拟合方对五小时的气压读数进行曲线拟合，得到一个平滑的气压变化曲线；最后，用实际测得的气压变化曲线减去拟合得到的气压变化曲线，获得最终的气压变化曲线。

步骤5，位置计算：根据HMM模型，计算用户从初始位置移动后，到达该位置的概率，具体使用如下几个概率来计算，1)初始概率，用户处于某个初始点的概率；2)气压观察值概率，就是用户当前位置获得该气压值的概率。3)位置状态转换概率，即用户从上个位置移动到该位置的概率。有这三种概率值后，根据维特比算法，计算用户当前最有可能的位置，该位置就是用户的定位位置结果。

所述步骤5中的中气压观察值误差的概率分布为正太分布：

其中，b_err表示误差值，σ_b是正太分布的标准差，所以气压观察值的分布函数是N(Δb_s,σ_b ²)，其中σ_b是正太分布的标准差，他的值是通过实验数据统计得出的，将得到的气压变化曲线中的气压观察值导入公式(3)得到用户当前位置获得该气压值的概率，记得到此时的气压观察值概率。

所述步骤5中用户从一个位置移动到另一个位置的转移概率计算方法：

首先如果用户所在的路段是阶梯路段，而非平路，则用户从一个位置移动到另一个位置的概率转移假设服从泊松分布，其位置状态转换概率计算公式为：

其中，i,j分布代表位置状态i和位置状态j，n_i,j是用户从位置i移动到位置j之间的楼梯数目，n是用户实际步数。

其次，如果用户所在路段非阶梯路段，而是带有坡度的平滑路段，则用户从一个位置移动到另一个位置的概率转移假设服从正太分布，其位置状态转换概率计算公式为：

其中，i,j分布代表位置状态i和位置状态j，d₀是用户在平路上的平均步长，d_i,j是位置i和位置j之间的距离，n是用户的实际步数，用户的实际步长服从正太分布，分布函数为f_step(θ)。

通过位置状态转换概率、气压观察值概率以及步骤1得到的初始概率建立用户轨迹概率优化模型：

其中，B为所有气压的观察值序列，L为位置状态集合，P为气压观察值的分布函数的参数，E为状态转移概率矩阵，∏为初始概率，S表示可能的位置状态总数。

所述步骤5中用户的轨迹的概率优化问题是典型的HMM模型问题，这里用常用的维特比算法进行求解，要获得这个概率的最大值，使用维特比算法进行计算，其算法复杂度为O(T×S),其中T是时间或用户轨迹中的位置数目，S为可能的位置状态总数。

使用方法：客户端应用程序，它被发布在Android Market或者Apple Store上共用户下载，移动手机用户免费下载并安装该应用程序，打开应用程序后将得山区路段位置追踪服务。客户端功能：为用户提供实时的山区位置信息。

客户端程序的设计和主要工作，

a)每1秒采集2个气压数据和10个加速度数据，运行数据与处理算法，将处理结果存储在文件中；

b)实时利用气压数据，和气象预报数据，运行气压曲线拟合算法，以及气压去燥算法去除气压噪音，将识别结果写入文件；

c)获取用户初始位置；

d)通过气压观察值的概率密度函数，结合初始位置和地图数据，计算气压观察值对应的概率；

e)通过加速度数据，结合地图数据，计算转移矩阵概率；

f)通过地图数据、利用维特比算法计算最优的用户轨迹；

g)输出最优用户轨迹，实现定位。

本发明通过气压传感器和加速度传感器，可以在山区路线环境下实现对移动用户的位置追踪。该方法通过手机的气压传感器监测到用户的海拔高度，通过地图路线匹配，可以获取用户可能所在的位置集合A；由于可能的位置不止一个，需要通过其他手段排除错误的位置，方法是利用加速度传感器计算用户从上个已知位置后的移动距离，以此获得另一个可能位置集合B，对这两个位置集合进行概率分析，获得概率最大的位置就是用户当前的真实位置。该方法可以替代传统的GPS技术实现室外山区定位，在达到同样定位精度的情况下极大的降低了能耗。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，其特征在于，包括以下步骤：

步骤1，初始概率：给定初始位置，假设该初始位置的误差服从正态分布，且误差范围在0-10米，根据地图匹配，获得用户初始位置在初始点的概率，即初始概率；

步骤2，数据收集：在用户移动过程中，通过智能手机内置的气压传感器采集手机所处位置的气压值，采得的气压值组成手机的气压变化轨迹；同理，通过智能手机内置的加速度传感器采集用户移动过程中的加速度读数，获得移动的加速度变化轨迹；

步骤3，数据预处理：利用低通滤波器进行滤波，去除高频噪音，再利用平滑算法对加速度变化轨迹和气压变化轨迹进行平滑处理；

步骤4，去除气压噪音，对步骤3得到的平滑的气压变化轨迹去除气压噪音，得到最终的的气压变化曲线；

步骤5，位置计算：根据步骤4得到的气压变化曲线得到用户当前位置获得该气压值的概率，此概率记为气压观察值概率；根据步骤3得到加速度变化轨迹，获取位置状态转换概率，通过位置状态转换概率、气压观察值概率以及步骤1得到的初始概率建立用户轨迹概率优化模型：

其中，B为所有气压的观察值序列，L为位置状态集合，P为气压观察值的分布函数的参数，E为状态转移概率矩阵，∏为初始概率，S表示可能的位置状态总数。

求解该用户轨迹概率优化模型得到用户最大概率的位置，该位置就是用户的定位位置结果。

2.根据权利要求1所述利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，其特征在于：所述步骤1中初始概率的获取方法，首先从GPS获取一个位置样本，或者用户手动标记一个初始的位置，然后以该位置为中心，在平面图上以定长半径画圆，用户的实际位置在这个圆圈里的路线上的任意点都有可能，假设位置误差服从正太分布，最后，该圆圈覆盖的路段中的每个位置点，计算每个点在正太分布中的概率，该概率就是用户初始位置在该点的概率，即初始概率。

3.根据权利要求1所述利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，其特征在于：所述步骤3中的数据预处理方法具体如下：

步骤31，过滤离群点，方法是计算相邻两个节点读数的变化值，如果某个点与前一点的变化值比前10秒内平均变化值的5倍还大，认为该点为离群点，将其丢弃；

步骤32，利用低通滤波过滤高频数据，低通滤波公式如下：

γ(n)＝βX(n)+(1-β)γ(/7-1) (1)

其中，X(n)是第n个传感器读数，Y(n)是滤波输出，β是过滤系数f是截止频率，对于气压数据β＝0.5，对于加速度数据β＝0.6；

步骤33，对数据曲线进行平滑，气压数据为每5秒一个窗口取均值平滑，加速度数据为每1秒一个窗口取平均值做平滑。

4.根据权利要求1所述利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，其特征在于：所述步骤4中去除气压噪音具体算法，首先从中央气象台气象预报获得今后一定时间内的气压天气预报，具体格式为每小时一个气压读数；其次，利用三次指数曲线拟合方对一定时间内的气压读数进行曲线拟合，得到一个平滑的气压变化曲线；最后，用实际测得的气压变化曲线减去拟合得到的气压变化曲线，获得最终的气压变化曲线。

5.根据权利要求1所述利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，其特征在于：所述步骤5中气压观察值概率的计算方法：气压观察值误差的概率服从如下正太分布：

其中，b_err表示误差值，σ_b是正太分布的标准差，所以气压观察值的分布函数是N(Δb_s,σ_b ²)，Δb_s表示用户垂直方向运动导致的气压差值，将得到的气压变化曲线中的气压观察值导入公式(3)得到用户当前位置获得该气压值的概率，记得到此时的气压观察值概率。

6.根据权利要求1所述利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，其特征在于：所述步骤5中位置状态转换概率指用户从一个位置移动到另一个位置的转移概率，其计算方法：

如果用户所在的路段是阶梯路段，而非平路，则用户从一个位置移动到另一个位置的概率转移假设服从泊松分布，其位置状态转换概率计算公式为：

其中，i,j分布代表位置状态i和位置状态j，n_i,j是用户从位置i移动到位置j之间的楼梯数目，n是用户实际步数；

如果用户所在路段非阶梯路段，而是带有坡度的平滑路段，则用户从一个位置移动到另一个位置的概率转移假设服从正太分布，其位置状态转换概率计算公式为：

其中，i,j分布代表位置状态i和位置状态j，d₀是用户在平路上的平均步长，d_i,j是位置i和位置j之间的距离，n是用户的实际步数，用户的实际步长服从正太分布，分布函数为f_step(θ)。

7.根据权利要求1所述利用手机气压和加速度传感器在山区环境实现用户位置追踪的方法，其特征在于：使用维特比算法对用户轨迹概率优化模型进行计算，其算法复杂度为O(T×S),其中T是时间或用户轨迹中的位置数目，S为可能的位置状态总数。