基于位置的服務(wù)可以為用戶提供周邊環(huán)境信息查詢,、定位或者跟蹤特殊目標(biāo),、路徑導(dǎo)航等服務(wù)，具有很好的實(shí)用價(jià)值和應(yīng)用前景,。GPS是當(dāng)前使用最廣泛的室外定位系統(tǒng),，但是由于遮擋等原因，不能在建筑物內(nèi)或地下空間使用,，因此在室內(nèi)環(huán)境中需要由其他定位系統(tǒng)來獲取目標(biāo)位置信息,。
    在目前的室內(nèi)定位系統(tǒng)中，大多是基于無線信號(hào)的定位,，包括基于RSS(Receive Signal Strength),、AOA(Angle-Of-Arrival）、TOA(Time-Of-Arrival),、TDOA(Time-Difference-Of-Arrival)[1-2]等定位技術(shù),其中基于RSS的定位具有方法簡(jiǎn)單,、成本低等優(yōu)點(diǎn)。通過接收到的錨節(jié)點(diǎn)信號(hào)強(qiáng)度信息,，以電波傳播經(jīng)驗(yàn)公式反演出距離信息,，再利用數(shù)值的或擬合的方法即可得出被測(cè)目標(biāo)的位置信息,。但是由于室內(nèi)環(huán)境的復(fù)雜性，室內(nèi)電波傳播具有較強(qiáng)的時(shí)變特性,，指紋法定位[3-6]較傳統(tǒng)的基于電波傳播模型的定位能更準(zhǔn)確地獲取目標(biāo)的空間位置,，因而被廣泛應(yīng)用于室內(nèi)定位系統(tǒng)中。指紋法的定位精度受離線階段建立的指紋庫(kù)的精細(xì)程度影響很大,，高精細(xì)度指紋庫(kù)的建立耗時(shí)費(fèi)力,，阻礙了指紋法的實(shí)際應(yīng)用。利用加速度計(jì),、磁強(qiáng)計(jì),、陀螺儀等運(yùn)動(dòng)傳感器能夠精確地測(cè)得物體的運(yùn)動(dòng)信息[7]，通過這些信息可以得到載體的航向和距離,，再根據(jù)初始位置信息推算其位置,，以實(shí)現(xiàn)載體的慣性導(dǎo)航。在嵌入式設(shè)備中通常使用MEMS傳感器來獲取相應(yīng)的數(shù)據(jù),，但這些傳感器存在較大的固有誤差和隨機(jī)測(cè)量誤差等,，長(zhǎng)時(shí)間的誤差積累會(huì)導(dǎo)致導(dǎo)航精度的下降，因此不適于長(zhǎng)期單獨(dú)工作,。
    本文將基于RSS指紋的無線定位方法與基于運(yùn)動(dòng)傳感器的航跡推算方法相結(jié)合,，融合兩種方法的定位信息，提高了系統(tǒng)整體定位精度,；同時(shí)減少了指紋法中離線階段的指紋庫(kù)采集量,，也解決了單純慣導(dǎo)累計(jì)誤差大的問題；設(shè)計(jì)并實(shí)現(xiàn)了具有一定實(shí)用價(jià)值的室內(nèi)定位系統(tǒng),。
1 指紋法無線定位
    指紋法的實(shí)施主要有兩個(gè)階段：離線指紋庫(kù)建立階段和在線定位階段,。指紋法定位原理如圖1所示。在離線階段,，對(duì)一些標(biāo)定位置進(jìn)行RSS信息的采集，建立樣本點(diǎn)RSS指紋數(shù)據(jù)庫(kù),。在線實(shí)時(shí)定位階段,，根據(jù)目標(biāo)節(jié)點(diǎn)獲取到的RSS信息，通過一定的算法與指紋庫(kù)中的指紋信息進(jìn)行匹配,，匹配成功后即可獲得目標(biāo)節(jié)點(diǎn)的位置估計(jì),。指紋庫(kù)的匹配算法有很多類型，其中直接計(jì)算指紋距離的方法簡(jiǎn)單且易于實(shí)現(xiàn),。將獲取的目標(biāo)節(jié)點(diǎn)RSS信息與指紋庫(kù)中的各樣本點(diǎn)信息進(jìn)行比對(duì),，計(jì)算其與每個(gè)樣本點(diǎn)的歐式距離，直接選取距離最小的樣本點(diǎn)位置即可作為對(duì)目標(biāo)節(jié)點(diǎn)位置的估計(jì),。但由于指紋庫(kù)中樣本點(diǎn)的數(shù)量通常比較稀少,，各樣本點(diǎn)之間的距離很大，所以這種簡(jiǎn)單的匹配方法得出的結(jié)果精度較差。為提高定位的精度,，可以選取匹配距離最小的3個(gè)樣本點(diǎn)坐標(biāo),，以目標(biāo)節(jié)點(diǎn)RSS信息與樣本點(diǎn)RSS信息的歐式距離作為權(quán)值進(jìn)行加權(quán)質(zhì)心計(jì)算，將其結(jié)果作為估計(jì)的目標(biāo)位置坐標(biāo),。

    由于指紋庫(kù)樣本點(diǎn)數(shù)量有限,，且在現(xiàn)實(shí)場(chǎng)景中無線電波的傳播受環(huán)境變化影響很大，測(cè)得的RSS值會(huì)有較大的波動(dòng),，因此通過指紋法作加權(quán)質(zhì)心估計(jì)的目標(biāo)位置仍然不會(huì)有太高的精度,。
2 基于運(yùn)動(dòng)傳感器的慣性導(dǎo)航和定位
　利用MEMS運(yùn)動(dòng)傳感器提供的地磁方向、旋轉(zhuǎn)速率,、加速度等傳感數(shù)據(jù),，通過航跡推算算法可以估計(jì)運(yùn)動(dòng)的方向和距離，從而估計(jì)出目標(biāo)的實(shí)時(shí)位置,。
　測(cè)量磁傳感器的磁場(chǎng)強(qiáng)度,，通過與地磁方向的比較計(jì)算，可以得出目標(biāo)的運(yùn)動(dòng)航偏角,，但單純的磁傳感器存在高頻抖動(dòng)和測(cè)量誤差等問題,，會(huì)導(dǎo)致航偏角出現(xiàn)偏差；利用陀螺儀測(cè)得的角速度數(shù)據(jù)通過積分也可以得到航偏角,，但陀螺儀存在低頻的指向漂移等問題,，也會(huì)導(dǎo)致航偏角指向不準(zhǔn)。因此為減小磁傳感器的抖動(dòng)誤差以及陀螺儀指向漂移的問題,，通常采用卡爾曼濾波或互補(bǔ)濾波器[8-9]的方法對(duì)傳感數(shù)據(jù)進(jìn)行處理,。這兩種方法中，前者收斂速度慢,，對(duì)處理器的性能有較高的要求,，并且實(shí)現(xiàn)復(fù)雜度高，而后者結(jié)構(gòu)簡(jiǎn)單,，相對(duì)更易于實(shí)現(xiàn),，因此本文采用互補(bǔ)濾波器融合兩種方法測(cè)得的數(shù)據(jù)，減小了航偏角的最終誤差,?；パa(bǔ)濾波器的結(jié)構(gòu)如圖2所示。首先,，磁力傳感器的數(shù)據(jù)通過低通濾波器濾除高頻的抖動(dòng)噪聲,，然后通過計(jì)算得到估計(jì)的航偏角；陀螺儀的數(shù)據(jù)經(jīng)過積分,，并通過高通濾波器濾除低頻的漂移噪聲,，得到估計(jì)的航偏角,。最后將得到的這兩組數(shù)據(jù)加權(quán)求和得到最終的航偏角。

    獲得載體的運(yùn)動(dòng)方向后,，再通過加速度傳感器可以測(cè)得系統(tǒng)的總體加速度,，由于加速度傳感器容易受運(yùn)動(dòng)影響產(chǎn)生高頻抖動(dòng)，故在應(yīng)用前需對(duì)數(shù)據(jù)進(jìn)行低通濾波,。將總體加速度在運(yùn)動(dòng)方向上進(jìn)行投影即可得到載體實(shí)際運(yùn)動(dòng)的加速度,。最后將加速度信息對(duì)時(shí)間進(jìn)行二次積分即可得到載體在運(yùn)動(dòng)方向上的距離。由于常用的MEMS傳感器存在較大的固有誤差和隨機(jī)測(cè)量誤差等,，因此長(zhǎng)時(shí)間積分會(huì)導(dǎo)致較大的累積位置誤差,。
3 兩種方法融合的定位系統(tǒng)設(shè)計(jì)
    為解決單純的指紋法或慣性導(dǎo)航精度偏低的問題，可以將無線定位和慣性導(dǎo)航的信息進(jìn)行融合,，以更小的代價(jià)獲取更高的定位性能,，其定位原理如圖3所示。利用運(yùn)動(dòng)傳感器獲得的地磁方向,、旋轉(zhuǎn)速率,、加速度等傳感數(shù)據(jù)，通過航跡推算算法可以估計(jì)運(yùn)動(dòng)的方向和距離,?；赗SS指紋的定位方法利用與錨節(jié)點(diǎn)通信的RSS信息，在指紋庫(kù)中進(jìn)行匹配,，匹配成功后可以估計(jì)目標(biāo)的位置信息,。以室內(nèi)二維平面定位為例，由預(yù)先設(shè)定的初始位置對(duì)航跡推算系統(tǒng)的起始位置進(jìn)行初始化,，在載體運(yùn)動(dòng)過程中,，當(dāng)獲取到兩種方式的定位估計(jì)值之后，利用信賴度對(duì)其結(jié)果進(jìn)行加權(quán)融合,，得到最終的聯(lián)合定位位置,。

    在實(shí)際應(yīng)用中，設(shè)指紋法RSS采集周期為T1,，運(yùn)動(dòng)傳感器采集周期為T2,，通常情況下T1>T2，即在一個(gè)RSS采集周期內(nèi)會(huì)有連續(xù)多個(gè)運(yùn)動(dòng)傳感信息,。因此，僅在每個(gè)T1周期時(shí)刻上由式(3)進(jìn)行定位信息的融合,，并將融合的位置作為每輪的初始位置,，在T1時(shí)間間隔內(nèi)由慣性導(dǎo)航推算載體運(yùn)動(dòng)位置。采用以上方法得到的運(yùn)動(dòng)軌跡由于多種測(cè)量誤差的影響會(huì)表現(xiàn)出位置的波動(dòng),，可以通過滑動(dòng)平均等簡(jiǎn)單的方法對(duì)位置信息進(jìn)行濾波,，得到最終的運(yùn)動(dòng)軌跡,。
4 系統(tǒng)搭建及測(cè)試驗(yàn)證
    在測(cè)試中采用由TI公司CC2430芯片構(gòu)成的滿足ZigBee標(biāo)準(zhǔn)的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)，該節(jié)點(diǎn)具備自組織網(wǎng)絡(luò)功能,，并能實(shí)時(shí)獲取與其余節(jié)點(diǎn)通信的接收信號(hào)強(qiáng)度值,，可以實(shí)現(xiàn)指紋法的無線定位。通過在擴(kuò)展接口上連接多種MEMS運(yùn)動(dòng)傳感器模塊,，可以實(shí)時(shí)測(cè)得載體的運(yùn)動(dòng)方向和加速度信息,。對(duì)于這些信息的處理既可以采用集中式的處理也可以由各個(gè)節(jié)點(diǎn)進(jìn)行分布式處理。由于自組織網(wǎng)絡(luò)具有一定的通信能力,，且RSS信息和運(yùn)動(dòng)傳感器信息的數(shù)據(jù)量通常較小,，所以在本文的測(cè)試驗(yàn)證中將這些信息發(fā)送至上位機(jī)進(jìn)行集中演算處理，以避免節(jié)點(diǎn)自身計(jì)算資源不夠,、計(jì)算速度較慢的問題,。
    在指紋法無線定位中，首先需要布置固定位置的錨節(jié)點(diǎn),，并建立可以通信的無線傳感器網(wǎng)絡(luò),，然后在測(cè)試區(qū)域內(nèi)多個(gè)樣本點(diǎn)測(cè)量RSS值，以收集指紋信息建立標(biāo)準(zhǔn)指紋庫(kù),，該指紋庫(kù)存放于上位機(jī)中,。在物體定位跟蹤過程中，將帶有MEMS運(yùn)動(dòng)傳感器的節(jié)點(diǎn)附帶于物體之上,，與載體一同運(yùn)動(dòng),。在運(yùn)動(dòng)中，節(jié)點(diǎn)將實(shí)時(shí)測(cè)得的RSS值和傳感器信息傳送至上位機(jī),，由上位機(jī)使用基于信賴度的聯(lián)合定位算法完成各類信息的計(jì)算和融合,，最終獲得載體的位置信息。
    測(cè)試工作在一間7 m×7.5 m的房間中進(jìn)行,，測(cè)試場(chǎng)景如圖4所示,。其中小圓圈表示錨節(jié)點(diǎn)，星號(hào)表示用于構(gòu)造指紋庫(kù)的樣本點(diǎn)采集位置,，實(shí)線表示被測(cè)目標(biāo)的實(shí)際運(yùn)動(dòng)軌跡,。測(cè)試載體為一平板小車，帶有MEMS傳感器的節(jié)點(diǎn)固定于小車之上,，從位置(0.9 m,2.1 m)開始沿實(shí)線箭頭方向運(yùn)動(dòng),，最終停止于位置(0.9 m,2.5 m)處。

    在測(cè)試過程中,，設(shè)定RSS采集周期T1=2 s,，運(yùn)動(dòng)傳感器采集周期T2=0.1 s，根據(jù)實(shí)驗(yàn)經(jīng)驗(yàn),，設(shè)定指紋法信賴度閾值θ=20,，設(shè)定慣性導(dǎo)航信賴度時(shí)間x=20 s,，閾值ω=0.4。測(cè)試結(jié)果如圖5所示,。其中實(shí)線表示被測(cè)目標(biāo)的實(shí)際運(yùn)動(dòng)軌跡,點(diǎn)劃線表示單純指紋法估計(jì)的軌跡,，點(diǎn)線表示單純慣性導(dǎo)航估計(jì)的軌跡，虛線表示基于信賴度的聯(lián)合定位算法融合定位的最終軌跡,。

    從測(cè)試結(jié)果可以看出,，單純的指紋法定位由于受電磁波傳播環(huán)境變化的影響，所以軌跡跳動(dòng)很頻繁,，而單純的慣性導(dǎo)航由于測(cè)量誤差的累積導(dǎo)致位置偏移越來越大,，而融合后的定位軌跡精度最高，且隨機(jī)波動(dòng)也較小,。通過對(duì)所有測(cè)試點(diǎn)進(jìn)行的數(shù)值統(tǒng)計(jì),，指紋法的平均定位誤差為1.34 m,慣性導(dǎo)航的平均定位誤差為1.89 m，基于信賴度的聯(lián)合定位算法的平均定位誤差為0.81 m,，驗(yàn)證了該方法對(duì)定位精度提高的有效性,。
參考文獻(xiàn)
[1] GUSTAFSSOR F,GUNNARSSON F.Mobile positioning using wireless networks: Possibilities and fundamental limitations based on available wireless network measurements[J]. IEEE Signal Process.Magazine, 2005,22(4):41-53.
[2] GOLDEN S A, BATEMAN S S. Sensor measurements for WiFi location with emphasis on time-of-arrival ranging[J]. IEEE Transactions on Mobile Computing, 2007,6(10):1185-1198.
[3] YAO Q M, WANG F Y, GAO H, et al. Location estimation in ZigBee network based on fingerprinting[C]. IEEE International Conference on Vehicular Electronics and Safety, ICVES, 2007.
[4] KUSHKI A,PLATANIOTIS K N,VENETSANOPOULOS A N. Kernel-based positioning in wireless local area networks[J].IEEE Transactions on Mobile Computing, 2007,6(6):689-705.
[5] OUTEMZABET S, NERGUIZIAN C. Accuracy enhancement of an indoor ANN-based fingerprinting location system using particle filtering and a low-cost sensor[C].IEEE Vehicular Technology Conference, 2008: 2750-2754.
[6] JI Y M, BIAZ S, PANDEY S, et al. Ariadne: a dynamic indoor signal map construction and localization system[C]. MobiSys 2006-Fourth International Conference on Mobile Systems, Applications and Services, 2006:151-164.
[7] 李澤民,段鳳陽(yáng),李贊平. 基于MEMS傳感器的數(shù)字式航姿系統(tǒng)設(shè)計(jì)[J]. 傳感器與微系統(tǒng), 2012,31(6):94-100.
[8] 梁延德, 程敏, 何福本,等. 基于互補(bǔ)濾波器的四旋翼飛行器姿態(tài)解算[J]. 傳感器與微系統(tǒng), 2011,30(11):56-61.
[9] 郭曉鴻,楊忠,陳喆,等. EKF和互補(bǔ)濾波器在飛行姿態(tài)確定中的應(yīng)用[J]. 傳感器與微系統(tǒng), 2011,30(11):149-152.