APP下载

基于粒子滤波融合Wi-Fi和PDR的室内定位研究

2020-05-21汪振陆奎

电脑知识与技术 2020年9期
关键词:粒子滤波室内定位卡尔曼滤波

汪振 陆奎

摘要:提出一种基于粒子滤波的Wi-Fi和PDR的室内定位方法。首先对Wi-Fi指纹数据进行卡尔曼滤波,改善权重KNN提升分类精度;然后通过行人航位推算(PDR)根据加速度传感器数据和方向角数据计算出每步的步长以及步速,从而推算出路径;最后在改进的Wi-Fi和PDR的定位基础上,使用粒子滤波将两者结果进行融合。试验过程中,使用采集两个教室的环境数据,试验结果证明了该算法能提升定位精度。

关键词:室内定位;Wi-Fi指纹;粒子滤波;卡尔曼滤波;行人航位推算(PDR)

中图分类号:TP181文献标识码:A

文章编号:1009-3044(2020)09-0039-01

1 引言

随着时代的发展,使用智能手机的用户逐渐变多,并且商场等大型的室内环境中部署了大量Wi-Fi,这使得室内环境下使用Wi-Fi进行定位成为研究热门。目前,Wi-Fi的定位主要分为两类:基于位置指纹的方法和基于信号传播模型的方法。基于位置指纹的方法应用最为广泛[1],Wi-Fi位置指纹主要是在某个位置采集所有Wi-Fi接人点的接收信号强度CRSSI),每个接人点又具有唯一的介质访问控制(MAC)地址。但是室内环境中存在大量的障碍物会引起信号多径衰减问题,也会影响Wi-Fi信号的覆盖范围,从而导致接收信号强度(RSSI)会出现偏差。这些问题使得在室内环境中基于RSSI的定位精度和穩定性都比较差,无法满足用户在室内的需求。

通过智能设备中的多个传感器采集数据,使用行人航位推算( PDR)[2]方法可以实现连续无缝的定位。但是PDR也有明显的缺点,即存在误差累积问题,无法长时间的定位。综上所述,本文提出一种基于粒子滤波[4][5]的Wi-Fi和PDR的室内定位方法。

2 本文算法

本文算法首先是对原始的Wi-Fi数据进行卡尔曼滤波[3],设存放原始数据的元胞数组为rawdatacell,Q和R分别为过程噪声协方差和观测噪声协方差,计算卡尔曼增益以及最优估计的协方差,最后滤波后的数据。将经过卡尔曼滤波的数据输入到改进的权重KNN,计算出定位路径Resultl。

PDR部分算法,输入原始的加速度数据(rawdata_accl)和原始的方向角( rawdata_attitude)去除重力加速度的影响,进行峰值检测,计算峰值(pks),通过峰值计算出步数(stepnum),计算出每步迈出的时间( Time)和速度(velocity),计算出步长(step-size)。因此PDR算法得到定位路径Result2。

该算法最重要的部分是将由改进权重KNN得到的Resultl和PDR得到的结果Result2通过粒子滤波算法进行融合,消除PDR部分的累积误差,提高定位精度。本文提出的算法通过粒子滤波方法将Wi-Fi指纹定位和PDR结果进行预测、更新权重、重采样等改善粒子多样性缺失问题,计算量少,可以使用在小型数据中,同时消除PDR的累积误差,提升了Wi-Fi定位的连续性和稳定性,提高融合定位的定位精度。

3 实验与分析

本文的实验数据采用:在浙江大学城市学院五楼534,532两个教室采集的Wi-Fi数据以及加速度传感器数据和方向角数据;数据规格:Wi-Fi原始数据2*8ceU,加速度数据和方向角数据2*388cell。本文中计算出步数为8步。本文采用的评估方式是融合滤波之后得到的路径与真实路径之间计算距离( Distance)。

根据采集的数据进行实验,最终单独使用Wi-Fi数据的定位误差为1.8米,而融合定位得到定位误差为0.55米,定位精度有较大的提升,因此本文提出的方法是有效。下图1为真实路径、Wi-Fi指纹定位路径以及本文提出的方法路径之间进行对比。

由图中看出,wifi指纹定位路径以及PDR路径进行粒子滤波融合在室内环境中定位有较大的提升,融合之后的路径更接近真实路径。因此,本文提出的方法能够有效地降低定位误差。

4 总结

在室内环境中使用Wi-Fi数据,本文提出一种基于粒子滤波融合Wi-Fi和PDR的定位算法,能有效提高定位精度。在未来工作中,打算使用文本的方式对Wi-Fi的信号强度RSSI特征进行提取,进而提高定位精度以及定位时间。

参考文献:

[1]吴泽泰,蔡仁钦,徐书燕,等.基于K近邻法的WiFi定位研究与改进[Jl.计算机工程,2017,43(3):289-293.

[2]王旭凤.基于惯性导航的室内定位系统的研究[D].长春:吉林大学,2015.

[3]李庆党,张义龙.基于卡尔曼滤波和互补滤波的改进型姿态解算方法[J].青岛科技大学学报(自然科学版),2019,40(6):85-89,98.

[4]常坤.基于粒子滤波算法的地磁室内定位实现[D].北京:北京建筑大学,2016.

[5]苏君.基于融合粒子滤波的室内定位方法设计[Dl.南京:东南大学,2018.

【通联编辑:梁书】

作者简介:汪振(1993-),男,安徽阜阳人,硕士生,主要研究方向为室内定位。

猜你喜欢

粒子滤波室内定位卡尔曼滤波
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
基于智能粒子滤波的多传感器信息融合算法
基于重采样粒子滤波的目标跟踪算法研究
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于粒子滤波的OFDM载波频偏和信道联合估计
基于自适应卡尔曼滤波的新船舶试航系统