一种基于智能手机的行人航位推算室内定位方法

徐龙阳

摘要：智能手机内嵌多种惯性传感器，可以实现行人的位置推算。该文利用加速度计实现行人步数的有效检测，同时利用自适应步长算法估计行人的步长，最后将陀螺仪、磁力计计算的方向角进行加权融合，最终得到行人室内位置的精确估计。实验表明，该定位方法的定位误差精度在1～4m范围内，满足定位需求。

关键词：智能手机；行人航位推算；室内定位

中图分类号： TP391 文献标识码：A 文章编号：1009-3044（2017）36-0198-02

Abstract： A variety of inertial sensors are embedded in smartphones to estimate the position of pedestrians. In this paper， the accelerometer is used to detect the number of pedestrians effectively. At the same time， the step size of the pedestrian is estimated by using the adaptive step algorithm. Finally， the gyro and the magnetometer are weighted by the direction angle to get the accurate estimation of the pedestrian indoor position. Experiments show that the positioning accuracy of the positioning method in the range of 1 ～ 4m， to meet the positioning needs.

Key words： smart phone； pedestrian dead reckoning； indoor positioning

1 概述

随着微电子技术等技术的发展，如今的智能手机内嵌多种惯性传感器如加速度计、磁力计、陀螺仪、磁力计、气压计等，鉴于智能手机与人类日常活动密切相关，这些传感器为室内行人位置推算提供了基础支持[1]。

行人航位推算方法（Pedestrian Dead Reckoning，PDR）[2]，通过对行人的步数检测、步长估计、方向计算，在已知初始位置的情况下，可以推算行人在任意时刻的位置。通过加速度计采集的数据形成的波形图可以实现步数的有效估计，具体的步数检测方法有阈值判定法、波峰-波谷法、步频估计法等。行人的步长估计国内外学者提出众多有效的估计方法，如定长法，将行人的步长看作是固定的，该方法虽然简单，但误差较大。经验法根据经验公式来计算步长，该方法计算精度有所提高，但依然有较大误差。自适应步长估计法是目前计算精度最好的方法，该方法将行人行走过程中的步长看作是动态的，利用自适应估计方法动态计算行人每一步的步长，因此计算精度有较大的提高。智能手机内嵌的陀螺仪、磁力计可以分别计算出行人行走的方向角，由于单一传感器受环境干扰以及自身精度的影响，存在较大计算误差，因此本文提出将陀螺仪、磁力计计算出的方法角进行加权融合，二者相互佐證，有效降低单一传感器带来的测量误差，从而获得行人行走方向的精确估计。

2 行人航位推算

室内环境中，在行人初始位置确定的情况下，任意时刻的位置坐标信息可由行人移动距离和移动方向计算得到[3]：

2.1 步数检测

行人在行走过程中，左右腿交替运动，呈现周期的特点。加速度计采集的原始数据波形图的波峰、波谷正好对应行人抬腿、脚落地动作，因此一个波峰、一个波谷对应行人一个步伐完整周期。目前，步数检测方法有波峰-波谷法、阈值检测法、自适应计算等。

人实际行走过程中，会有不规则的抖动等运动状态带来干扰波峰、波谷，计算准确的步数，必须要识别这些非有效步数，否则会带来步数检测结果的较大误差。本文通过阈值检测法来计算行人的步数。对波峰值、波谷值、步时等值设置三个阈值[θ]、[φ]、[λ]，即当波峰、波谷值超过阈值，即可视为非有效步。人正常步数持续时间也是有周期性的规律，当步时小于或大于阈值，该步为非有效步。通过波峰、波谷阈值，步时阈值组成一个二维有效步的判定方法，使得的步数错误估计算有效降低。

2.2 步长估计

不同的人、不同的时刻行人的步长是动态变化的，将行人步长看作是固定，必然会带来较大的估计误差。国内为学者提出一些经验公式来计算步长，该方法计算精度虽有所提高，但依然有估计误差。动态的自适应步长估计是目前较主流的步长计算方法[4]，本文选择与步长计算相关的步频和加速度方差来进行建模。根据人体运动学理论，当行人正常行走时，步长与步频呈近似线性关系，因此步长模型为：

2.3 方向计算

三轴陀螺仪获取的是手机在x、y、z轴上的角速度数据[wRCSx，t]、[wRCSy，t] 、[wRCSz，t]，对角速度进行积分可以分别计算出绕三个轴旋转的角度。我们需要z轴上旋转的角度作为行人行走的方向角，因此需要将角速度投影到绝对坐标系下的Z轴上再进行积分，过程如下[5]：

3 实验

3.1 实验设置

在本文中，我们使用的数据集来自2015年在日本大阪举行的“UbiComp/ISWC 2015 PDRhallenge”竞赛。实验区域平面图（18m*17.5m）如图5所示，包括四个直角，四条边，圆点是行人起始的位置，顺时针行走，再回到起始的位置结束。

3.2 结果及分析

图2、图3分别是智能手机采集的两个人ID_01、ID_02的传感器数据，通过只用陀螺仪、磁力计和提出的加权融合方法分别估算行人行走的轨迹与真实行人移动轨迹对比。图2、图3可以看出提出的加权融合方法得到行人行走的轨迹更接近行人真实的移动轨迹。

上述定位结果提出的方法定位误差都明显低于单独用陀螺仪、磁力计方法得到的定位误差，表明提出的加权融合方法计算的方向角能够有效降低单一传感器带来的误差，从而提高了定位精度。

4 结束语

本文利用加速度计采集的数据，通过对波峰、波谷、步时设置阈值，有效检测行人行走过程中的有效步数，减少行人随意性行走、无规则抖动带来的非正常步带来的影响。通过提出一种自适应步长估计方法，将行人行走过程的步长看作动态，精确估计出行人每一步的步长。方向估计通过对陀螺仪、磁力计计算的方向角进行加权融合，有效降低单一传感器带来的误差，从而提高了定位精度。

参考文献：

[1] 席瑞， 李玉军， 侯孟书. 室内定位方法综述[J]. 计算机科学， 2016， 43（4）：1-6.

[2] 周瑞， 罗磊， 李志强，等. 一种基于智能手机传感器的行人室内定位算法[J]. 计算机工程， 2016， 42（11）：22-26.

[3] 胡安冬， 王坚， 高井祥. 一种基于地图匹配辅助行人航位推算的室内定位方法[J]. 测绘科学技术学报， 2014（5）：529-532.

[4] 黃承恺. 多传感器信息融合算法在室内定位中的应用[D]. 北京邮电大学， 2015.

[5] 洪皓， 武刚， 陈飞翔，等. 基于智能手机传感器的室内行人三维定位算法[J]. 测绘科学， 2016， 41（7）：47-52.

[6] Hsu H H， Peng W J， Shih T K， et al. Smartphone Indoor Localization with Accelerometer and Gyroscope[C]// International Conference on Network-Based Information Systems. IEEE， 2015：465-469.

[7] Li F， Zhao C， Ding G， et al. A reliable and accurate indoor localization method using phone inertial sensors[C]// ACM Conference on Ubiquitous Computing. ACM， 2012：421-430.

[8] 李由. 基于MEMS惯性传感器、WiFi、磁场特征的移动智能终端室内行人导航算法[D]. 武汉大学， 2015.

[9] Qian J， Ma J， Ying R， et al. An improved indoor localization method using smartphone inertial sensors[C]// International Conference on Indoor Positioning and Indoor Navigation. IEEE， 2014：1-7.