鹽城師范學(xué)院畢業(yè)設(shè)計(jì)畢業(yè)設(shè)計(jì)基于地磁指紋的室內(nèi)定位系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)學(xué)生姓名學(xué)院專業(yè)班級(jí)學(xué)號(hào)指導(dǎo)教師2016年05月30日PAGEIV基于地磁指紋的室內(nèi)定位系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)摘要當(dāng)前，人們對(duì)定位服務(wù)的要求越來(lái)越高，其中基于手機(jī)中地磁傳感器的室內(nèi)指紋定位技術(shù)受到研究人員的廣泛關(guān)注。然而，目前大多數(shù)基于手機(jī)移動(dòng)定位的方法精度不夠理想，同時(shí)還需要限定手機(jī)移動(dòng)的方向，這使得它們的魯棒性和實(shí)用性較差。本文設(shè)計(jì)了一個(gè)基于啟發(fā)式粒子濾波的室內(nèi)定位系統(tǒng)Maloc。首先，采用動(dòng)態(tài)步長(zhǎng)估算算法來(lái)最小化動(dòng)作上的誤差并提高粒子濾波的穩(wěn)定性。然后，結(jié)合磁強(qiáng)指紋模型和已有的幅值指紋模型設(shè)計(jì)了混合型測(cè)量模型，來(lái)改善系統(tǒng)性能，避免不同型號(hào)手機(jī)磁力計(jì)的校準(zhǔn)問(wèn)題。最后，提出重采樣模型實(shí)現(xiàn)啟發(fā)式粒子重采樣，改進(jìn)了傳統(tǒng)的粒子濾波算法精度。同時(shí)，針對(duì)運(yùn)動(dòng)估計(jì)中存在的問(wèn)題，本系統(tǒng)提出一個(gè)定位錯(cuò)誤檢測(cè)機(jī)制來(lái)解決“KidnappedRobotProblem”。實(shí)驗(yàn)結(jié)果表明，本系統(tǒng)可以實(shí)現(xiàn)精度為0.8-1.2m內(nèi)的室內(nèi)定位?！娟P(guān)鍵詞】室內(nèi)定位；地磁；粒子濾波；指紋定位

DesignandImplementationofIndoorLocalizationsystembasedonMagneticFingerprintingAbstractAtpresent,peopleareincreasinglydemandinginthequalityoflocation-basedservices.Amongthem,theindoorfingerprintlocalizationtechnologybasedonthegeomagneticsensorinthemobilephoneiswidelyconcernedbyresearchers.However,mostofthecurrentmethodsbasedonmobilephoneaccuracyisnotidealandalsoneedtodefinethedirectionofmobilephone,whichmakesthemlessrobustandpractical.Inthispaper,anindoorlocalizationsystembasedonheuristicparticlefilterisdesigned,Maloc.Insideit,severalinnovationsaremadeonthemotionmodel,themeasurementmodelandtheresamplingmodeltoenhancethetraditionalparticlefilter.Theparticlefilterisaugmentedwithadynamicsteplengthestimationalgorithmtominimizeerrorsinmotionestimationandimprovetherobustnessofparticlefilter.Ahybridmeasurementmodelisusedwhichcombinesanewmagneticfingerprintingmodelandtheexistingmagnitudefingerprintingmodeltoimprovethesystemperformanceandavoidcalibratingdifferentsmartphonemagnetometers.Aheuristicparticleresamplingalgorithmisproposedtoimprovetheaccuracyofthetraditionalparticlefilteralgorithm.Inaddition,aimingattheproblemofmotionestimation,alocalizationfailuredetectionmethodispresentedtoaddressthe“KidnappedRobotProblem”.OurexperimentalstudiesshowthatMalocachievesalocalizationaccuracyof0.8-1.2monaverageinalargebuilding.[Keywords]IndoorLocalization,Magnetic,ParticleFilter,Smartphone

目錄摘要 IAbstract II目錄 III1選題背景及意義 11.1研究背景 11.2研究目的 11.3研究?jī)?nèi)容 21.4本文貢獻(xiàn)和組織結(jié)構(gòu) 22相關(guān)工作 32.1國(guó)內(nèi)外研究現(xiàn)狀 32.2磁信號(hào)定位的可行性 32.3磁場(chǎng)定位基本思想 42.4粒子濾波技術(shù) 53Maloc系統(tǒng) 63.1Maloc的整體結(jié)構(gòu) 73.2運(yùn)動(dòng)模型 93.2.1計(jì)算步數(shù) 93.2.2動(dòng)態(tài)步長(zhǎng)估計(jì) 103.2.3航向變化 103.3磁測(cè)模型 113.3.1混合型磁測(cè)模型 113.3.2指紋數(shù)據(jù)庫(kù)構(gòu)建 123.4重采樣模型 133.4.1啟發(fā)式自適應(yīng)重采樣算法 133.4.2航向偏移 143.5定位故障檢測(cè) 154實(shí)驗(yàn) 164.1步數(shù)誤差影響 174.2啟發(fā)式重采樣算法的性能 184.3不同類(lèi)型觀測(cè)值的影響 184.4定位質(zhì)量估計(jì)的性能 194.5基于自適應(yīng)重采樣算法的聚集度評(píng)估 204.6Maloc的總體性能 205總結(jié) 22參考文獻(xiàn) 23致謝 26第27頁(yè)，共26頁(yè)1選題背景及意義本章簡(jiǎn)要介紹提出該選題的原因，以及主要研究的內(nèi)容和論文的結(jié)構(gòu)。1.1研究背景現(xiàn)有的Wi-Fi指紋識(shí)別方法利用了廣泛存在的Wi-Fi這一基礎(chǔ)設(shè)施，不需要任何專門(mén)的硬件或額外的基礎(chǔ)設(shè)施支持。然而，在實(shí)際定位時(shí)，設(shè)備需要頻繁的進(jìn)行Wi-Fi掃描，耗電十分嚴(yán)重。此外，Wi-Fi指紋定位的有效性取決于很多因素，比如Wi-Fi接入點(diǎn)的數(shù)量配置、空間性、以及無(wú)線環(huán)境的時(shí)間穩(wěn)定性[1]。隨著智能手機(jī)的廣泛普及，基于手機(jī)地磁傳感器的指紋識(shí)別方法受到研究人員的關(guān)注[2-4]。這類(lèi)定位方法的基本理論是：在室內(nèi)環(huán)境中，磁場(chǎng)由自然環(huán)境和人為環(huán)境（例如：鋼筋混凝土結(jié)構(gòu)和電力系統(tǒng)）雙重因素的組成，其特征表現(xiàn)為起伏不定且不均勻。利用了這種起伏現(xiàn)象，通過(guò)讀取磁場(chǎng)的三維向量(X軸，Y軸和Z軸)可以根據(jù)磁場(chǎng)指紋進(jìn)行定位。雖然基于磁場(chǎng)指紋的定位方式與Wi-Fi指紋定位類(lèi)似，但是具有更多的優(yōu)點(diǎn)[4-8]:（1）它獨(dú)立于Wi-Fi基礎(chǔ)設(shè)施；（2）比Wi-Fi更可靠；（3）磁場(chǎng)的改變具有十分重大的意義，可以用于精確定位；（4）能量消耗更少。1.2研究目的地磁傳感器讀數(shù)與手機(jī)位置有關(guān)，需要采集一個(gè)位置上[6,9]所有方向的磁讀數(shù)才能精確定位，這導(dǎo)致了收集指紋的成本高昂。另外，當(dāng)手機(jī)方向或用戶坐標(biāo)系發(fā)生變換[3]時(shí)，采集的數(shù)據(jù)會(huì)發(fā)生偏差，這也就導(dǎo)致了定位精度不高?，F(xiàn)有的研究[2,3,9]大都致力于采用粒子濾波方法來(lái)解決上述問(wèn)題，其基本原理是使用隨機(jī)樣本（即參照系，例如：用戶的位置和方向）來(lái)表示用戶的狀態(tài)，然后根據(jù)磁性指紋及其空間相關(guān)性，利用粒子濾波算法通過(guò)遞歸方式重新采樣粒子，以達(dá)到準(zhǔn)確定位的目的。粒子濾波的性能主要依賴于：（1）運(yùn)動(dòng)估計(jì)；（2）指紋測(cè)量和磁性指紋定位模型；（3）重采樣。目前的基于磁場(chǎng)的粒子濾波定位方法有以下三個(gè)問(wèn)題：一是，粒子濾波過(guò)程容易受到外界因素的影響，而基于手機(jī)中內(nèi)置的傳感器則更易被干擾。例如，用戶走動(dòng)幅度不是很明顯時(shí)，無(wú)法有效濾波；現(xiàn)有的大多數(shù)粒子濾波定位算法[2,3,9]大都要求用戶行走方向和手機(jī)方向一致，否則就會(huì)出現(xiàn)較大偏差。因此，需要設(shè)計(jì)一個(gè)動(dòng)態(tài)的運(yùn)動(dòng)模型來(lái)減小這些干擾。二是，地磁傳感器讀數(shù)與手機(jī)位置有關(guān)，需要采集一個(gè)位置上[6,9]所有方向的磁讀數(shù)才能精確定位，這導(dǎo)致了收集指紋的成本高昂。此外，不同的智能手機(jī)的磁傳感器必須在使用前進(jìn)行精確校準(zhǔn)，否則會(huì)導(dǎo)致硬件同步誤差等。因此，需要有一個(gè)更合適的磁測(cè)模型和磁力指紋模型。三是，由于粒子濾波的計(jì)算開(kāi)銷(xiāo)與粒子數(shù)成正比，當(dāng)大量的用戶同時(shí)運(yùn)行定位算法時(shí)，服務(wù)器上的計(jì)算開(kāi)銷(xiāo)會(huì)非常高。因此，需要在滿足定位質(zhì)量的前提下，盡可能的減少粒子數(shù)，讓其實(shí)現(xiàn)自適應(yīng)的采樣。另外，因?yàn)楝F(xiàn)有的粒子濾波方法來(lái)源于著名的“KidnappedRobotProblem”[12]，這使得運(yùn)動(dòng)估計(jì)方法容易出錯(cuò)[10,11]。所以，即便定位已經(jīng)失敗，系統(tǒng)可能還無(wú)法及時(shí)的反饋出來(lái)。因此，系統(tǒng)需要一個(gè)快速的故障檢測(cè)機(jī)制來(lái)監(jiān)控它。1.3研究?jī)?nèi)容為解決上述問(wèn)題，本文設(shè)計(jì)了一個(gè)基于地磁指紋識(shí)別的室內(nèi)定位系統(tǒng)Maloc，包括運(yùn)動(dòng)識(shí)別、磁測(cè)校準(zhǔn)和能量?jī)?yōu)化三個(gè)部分。為提高系統(tǒng)的普適性，本文進(jìn)行了定位故障檢測(cè)。本文的具體工作如下：（1）為了提高系統(tǒng)的精確度，確保不受步數(shù)誤差的影響達(dá)到最小化估計(jì)誤差的目的。本文提出了一個(gè)運(yùn)動(dòng)模型，用來(lái)解決定位時(shí)，用戶步數(shù)、步長(zhǎng)和行走方向上的誤差。（2）為提高系統(tǒng)的校準(zhǔn)度和擴(kuò)展系統(tǒng)的普適性，本文提出了一個(gè)混合測(cè)量模式。該模型提取地磁向量中的水平部分和垂直部分，并結(jié)合磁指紋的梯度相關(guān)性，避免了不同的手機(jī)地磁傳感器的校準(zhǔn)問(wèn)題。（3）為減小系統(tǒng)能耗，本文提出了一個(gè)自適應(yīng)的重采樣模型。具體來(lái)說(shuō)，就是采用了啟發(fā)式采樣來(lái)調(diào)整粒子數(shù)目，以達(dá)到自適應(yīng)粒子濾波的目的。最后，本文進(jìn)一步基于粒子聚集度提出定位故障檢測(cè)機(jī)制。該機(jī)制能夠發(fā)現(xiàn)93.5%的定位錯(cuò)誤可以減半計(jì)算開(kāi)銷(xiāo)。實(shí)驗(yàn)結(jié)果表明本系統(tǒng)的定位精度為0.8-1.2m米，并且它比基于Wi-Fi的指紋定位方法更節(jié)能。1.4本文貢獻(xiàn)和組織結(jié)構(gòu)本文設(shè)計(jì)了一種啟發(fā)式粒子濾波來(lái)改善系統(tǒng)性能和增強(qiáng)系統(tǒng)的魯棒性，其貢獻(xiàn)如下：（1）提出了一個(gè)動(dòng)態(tài)步長(zhǎng)估計(jì)方法，以補(bǔ)償用戶的真正步長(zhǎng)的不確定性。（2）提出了一個(gè)啟發(fā)式粒子重新采樣機(jī)制，來(lái)解決用戶方向偏移的問(wèn)題。（3）提出了一個(gè)混合計(jì)量模式，不需要限制手機(jī)本身的方向和避免了不同手機(jī)磁場(chǎng)傳感器的校準(zhǔn)。本文的組織結(jié)構(gòu)如下。第1部分講述了選題的背景。第2部分介紹了相關(guān)工作，并且證實(shí)了磁場(chǎng)定位的可行性。第3部分介紹了整個(gè)Maloc系統(tǒng)，分別介紹運(yùn)動(dòng)模型、磁測(cè)模型以及自適應(yīng)重采樣算法和定位故障檢測(cè)算法。第4部分為實(shí)驗(yàn)部分，第5節(jié)總結(jié)全文。2相關(guān)工作本章簡(jiǎn)要介紹了國(guó)內(nèi)外研究現(xiàn)狀，本定位系統(tǒng)所使用的粒子濾波技術(shù)以及磁傳感器的特性。2.1國(guó)內(nèi)外研究現(xiàn)狀當(dāng)前許多定位方法大都建立在特殊的基礎(chǔ)設(shè)施之上，例如紅外[13]，聲學(xué)[14]和藍(lán)牙[15]等。顯然，部署這些基礎(chǔ)設(shè)施通常成本是非常高昂的。另一方面，一些系統(tǒng)利用現(xiàn)有的且廣泛使用的基礎(chǔ)設(shè)施，如GSM[21]，無(wú)線網(wǎng)絡(luò)和頻率調(diào)制（FrequencyModulation,FM）。其中，基于Wi-Fi的指紋識(shí)別系統(tǒng)成為目前的研究熱點(diǎn)?；赪i-Fi的定位方法是使用Wi-Fi接入點(diǎn)（AP）的接收信號(hào)強(qiáng)度（ReceivedSignalStrength,RSS）來(lái)確認(rèn)接收器的位置[16]。al[18]首先實(shí)現(xiàn)了基于Wi-Fi指紋識(shí)別，其定位精度是3-5米。ssef[19]進(jìn)一步將定位精度提升至2米。然而，上述方法往往要求預(yù)先知道AP的具體位置，同時(shí)由于多徑效應(yīng)的影響，RSS對(duì)環(huán)境非常敏感，會(huì)隨著時(shí)間的變化而變化，限制了定位精度。因此，Se[1]進(jìn)行跨層設(shè)計(jì)，利用物理層將定位的準(zhǔn)確度提高到了1m，但是定位過(guò)程需要消耗大量的能耗。e等人[20]使用的FM信號(hào)雖然比上述方法節(jié)能，但其定位過(guò)程只能在室溫條件下才能實(shí)現(xiàn)。為了更加方便快捷的實(shí)現(xiàn)定位，本文采用手機(jī)中的磁傳感器獲取磁信號(hào)進(jìn)行定位，其定位過(guò)程使用粒子濾波技術(shù)。2.2磁信號(hào)定位的可行性室內(nèi)磁場(chǎng)是結(jié)合地磁場(chǎng)和環(huán)境磁場(chǎng)的組合磁場(chǎng)。圖1顯示了一個(gè)室內(nèi)磁場(chǎng)圖譜，該圖譜是連續(xù)監(jiān)測(cè)一個(gè)月所得到的?？梢钥闯?，磁場(chǎng)隨著時(shí)間的推移相當(dāng)穩(wěn)定，而隨著位置變化顯著改變。進(jìn)一步，本文研究了智能手機(jī)在不同高度時(shí)的磁場(chǎng)值，如圖2所示。手機(jī)高度分別為0.5m、1m、1.5m。實(shí)驗(yàn)結(jié)果顯示，手機(jī)高度對(duì)磁場(chǎng)值影響不大。此外，其他行人或者區(qū)域內(nèi)已有的物體被移動(dòng)后造成的磁場(chǎng)變化是非常有限的[4-7]，因此本文使用手機(jī)的磁力計(jì)進(jìn)行定位是可行的。圖2由不同高度的智能手機(jī)抓獲的磁場(chǎng)數(shù)圖1室內(nèi)磁場(chǎng)圖譜圖2由不同高度的智能手機(jī)抓獲的磁場(chǎng)數(shù)圖1室內(nèi)磁場(chǎng)圖譜2.3磁場(chǎng)定位基本思想首先，由智能手機(jī)的磁力計(jì)測(cè)量獲取包括了地磁場(chǎng)和環(huán)境磁場(chǎng)的室內(nèi)磁場(chǎng)值。然后，將旋轉(zhuǎn)角度（旋轉(zhuǎn)角為x，y，z軸的旋角ψ，θ，φ）獲得。當(dāng)沒(méi)有噪聲時(shí)，和的表達(dá)式分別為：（2-1）（2-2）其中Rz(ψ)，Ry(θ)的Rx(φ)是相應(yīng)的旋轉(zhuǎn)矩陣。當(dāng)有噪音時(shí)，Hard-iron[26]（V）和Soft-iron[26]（W）后，的表達(dá)式為（2-3）V是偏移矢量，W是一個(gè)變形矩陣。當(dāng)智能電話在固定位置被轉(zhuǎn)動(dòng)時(shí)，噪音導(dǎo)致磁性讀數(shù)的軌跡是一個(gè)橢圓形，如圖3所示。校準(zhǔn)噪聲后，軌跡接近于球體。校準(zhǔn)磁力儀主要是為了找到V和W。如校準(zhǔn)方法[26-29]所述。不同的智能手機(jī)具有不同類(lèi)型的磁力儀，它們?cè)诿舾卸壬鲜遣煌?。即使同一?lèi)型的智能手機(jī)在相同的位置也可能讀取到不同磁值。圖4顯示了由兩個(gè)GalaxyNexus的智能手機(jī)沿著50米長(zhǎng)的走廊捕捉的磁性值。它們?cè)谙嗤奈恢貌▌?dòng)，但是曲線的梯度保持相當(dāng)恒定。這表明，可以用指紋代替原始指紋值的梯度，以避免校準(zhǔn)不同的磁力。圖3磁讀數(shù)與最佳橢圓體擬合軌跡重疊圖3磁讀數(shù)與最佳橢圓體擬合軌跡重疊圖4由兩個(gè)智能手機(jī)以及一個(gè)50米長(zhǎng)的走廊拍攝2.4粒子濾波技術(shù)粒子濾波技術(shù)指的是通過(guò)尋找一組在狀態(tài)空間中傳播的隨機(jī)樣本來(lái)近似的表示概率密度函數(shù)，用樣本均值代替積分運(yùn)算，進(jìn)而獲得系統(tǒng)狀態(tài)的最小方差估計(jì)的過(guò)程。在定位方面，該技術(shù)一般需要使用磁場(chǎng)信號(hào)值作為粒子狀態(tài)的參數(shù)?；诹Ｗ訛V波的磁場(chǎng)定位的基本思想如下：1:GenerateNrandomparticlesfromaninitialarea.

2:foreachstepdo

3:Estimateland?θ.

4:foreachparticledo

5:UpdatepositionandheadingbymotionmodelasEquation(3-3)and(3-4).

6:EvaluatetheweightofparticlesbymeasurementmodelasEquation(3-6).

7:endfor

8:DecidetheamountofparticlesforeachresamplingmethodNdandNh.(N=Nd+Nh)

9:ResampleNdparticlesfromoldparticlesaccordingtothedistributionoftheirweights.

10:ResampleNhparticlesbyourheuristicmethod.

11:Normalizetheweights.

12:Predicttheuser’sstatebyEquation(10).

13:Estimatethequalityoflocalization.

14:ifdetectlocalizationfailedthen

15:Runrecoverprocedure.

16:endif

17:ResizeparticlenumbersN.18:endfor注：表達(dá)式（3-3）為；（3-4）為；（3-6）為。在粒子濾波定位研究領(lǐng)域，Haverinen[2]等使用粒子濾波器在建筑物的走廊內(nèi)進(jìn)行定位，但要求用戶的方向必須與走廊保持一致。Chung[6]等提出了一種基于磁場(chǎng)的粒子濾波算法方法，它需要測(cè)量所有方向的地磁讀數(shù)，可以達(dá)到4.7米的精度，然而該系統(tǒng)的實(shí)現(xiàn)成本相當(dāng)高。目前，由于智能手機(jī)的普及，研究人員開(kāi)始關(guān)注使用手機(jī)磁力計(jì)。Subbu[4]提出了基于手機(jī)的磁性模型，實(shí)現(xiàn)了小范圍的室內(nèi)定位，但該系統(tǒng)被限制在一維環(huán)境，如走廊等。Bilke[9]提出了一種二維環(huán)境下的定位系統(tǒng)，其平均定位誤差為4米，但它的實(shí)現(xiàn)成本非常高。文獻(xiàn)[3]設(shè)計(jì)的定位系統(tǒng)可以在二維環(huán)境中運(yùn)行，并且通過(guò)坐標(biāo)變化，避免了測(cè)量所有方向數(shù)據(jù)。然而，它放大了矩陣變化時(shí)方位估計(jì)誤差，定位導(dǎo)致極易出錯(cuò)。在文獻(xiàn)[2,3,9]中提出的粒子濾波定位技術(shù)通常需要智能手機(jī)的方向與用戶方向保持一致。同時(shí)，文獻(xiàn)[23,24]中的定位系統(tǒng)使用了加速度傳感器，它們?cè)谟脩艉较蛲扑銜r(shí)，傳感器上的誤差會(huì)在定位計(jì)算時(shí)被成倍放大。為此，本文提出了啟發(fā)式粒子濾波技術(shù)并設(shè)計(jì)了相應(yīng)的定位系統(tǒng)，它包含了動(dòng)態(tài)步長(zhǎng)估計(jì)模型、混合磁測(cè)模型和啟發(fā)式重采樣模型，解決上述問(wèn)題。進(jìn)一步，本文在提高精確度和速度的同時(shí)，通過(guò)定位故障檢測(cè)提高了系統(tǒng)的容錯(cuò)性。3Maloc系統(tǒng)本文設(shè)計(jì)了一個(gè)基于地磁信號(hào)的室內(nèi)定位系統(tǒng)Maloc，該系統(tǒng)使用了啟發(fā)式粒子濾波技術(shù)。具體來(lái)說(shuō)，本文首先提出了一個(gè)運(yùn)動(dòng)模型用于動(dòng)態(tài)地計(jì)算用戶的步長(zhǎng)和識(shí)別用戶的行走方向，然后，設(shè)計(jì)了一個(gè)混合磁測(cè)模型用于精確識(shí)別指紋。為提高系統(tǒng)的定位速度，本文進(jìn)一步提出啟發(fā)式粒子重采樣，以實(shí)時(shí)調(diào)整粒子數(shù)量，在不影響定位效果的前提下，提高運(yùn)行速度。為進(jìn)一步提高了系統(tǒng)的容錯(cuò)性，本文對(duì)系統(tǒng)進(jìn)行了定位故障的檢測(cè)。3.1Maloc的整體結(jié)構(gòu)Maloc被建立在一個(gè)啟發(fā)式的粒子過(guò)濾器上，使用一組粒子來(lái)預(yù)測(cè)后續(xù)粒子的分布。用戶狀態(tài)以用戶的位置和方向來(lái)表示。粒子包含了用戶的狀態(tài)和權(quán)重，其用戶狀態(tài)表達(dá)式為（3-1）其中，x，y代表該用戶的位置，θ是用戶的方向。相應(yīng)的，粒子的表達(dá)式為（3-2）其中是粒子的權(quán)重。權(quán)重大意味著它更接近真實(shí)狀態(tài)，并用來(lái)表示用戶狀態(tài)的后續(xù)粒子分布。該系統(tǒng)主要包含三個(gè)基本組成部分：運(yùn)動(dòng)模型，磁測(cè)模型和重采樣模型。該系統(tǒng)的準(zhǔn)確度完全取決于三種模型的構(gòu)建。其中，運(yùn)動(dòng)模型通過(guò)慣性傳感器預(yù)估用戶運(yùn)動(dòng)來(lái)更新每個(gè)粒子的狀態(tài)；磁測(cè)模型重新評(píng)估粒子的權(quán)重；重采樣模型用殘存粒子更新系統(tǒng)態(tài)作為后續(xù)粒子。由于這三個(gè)過(guò)程形成遞歸操作，預(yù)測(cè)狀況將會(huì)越來(lái)越接近真實(shí)狀態(tài)。下面簡(jiǎn)要闡述上述三種模型。運(yùn)動(dòng)模型基于用戶方向和用戶位置，本文構(gòu)建了運(yùn)動(dòng)模型，表達(dá)式為（3-3）（3-4）其中是步長(zhǎng)，是用戶連續(xù)兩個(gè)步驟之間的航向變化，和是高斯噪聲。不同于已有的研究[2,3,9,17,30]，步驟長(zhǎng)度在Maloc中不是常數(shù)，而是在定位中被動(dòng)態(tài)估計(jì)。不同用戶的步長(zhǎng)是不同的，甚至同一用戶的步長(zhǎng)也可以是不同的。不準(zhǔn)確的步長(zhǎng)度估計(jì)會(huì)導(dǎo)致較大的定位誤差，從而導(dǎo)致定位失敗。系統(tǒng)提供了一個(gè)動(dòng)態(tài)的步長(zhǎng)估計(jì)算法來(lái)有效地解決這些不確定性。該算法也使得步數(shù)的錯(cuò)誤在Maloc中是可容忍的。是智能手機(jī)的陀螺儀傳感器的參數(shù)變化值。通過(guò)和來(lái)放大粒子的差異。磁測(cè)模型本文使用地磁指紋作為主要的測(cè)量數(shù)據(jù)，用字母z表示。P（z|s）為z在狀態(tài)s上的概率，這取決于在該位置上磁場(chǎng)變化的強(qiáng)度和采集指紋之間的時(shí)間差。當(dāng)P（z|s）比較難獲取時(shí)，高斯分布[2,3,9]將被使用，如等式（3-5）：（3-5）其中n是z的維數(shù)，V是協(xié)方差，obv(s)是一個(gè)函數(shù)，用于獲取當(dāng)前狀態(tài)(s)在指紋數(shù)據(jù)庫(kù)中的測(cè)量值。obv(s)將返回最接近送地理位置的指紋。本文設(shè)計(jì)了一種分層數(shù)據(jù)結(jié)構(gòu)。系統(tǒng)根據(jù)其地理位置將指紋數(shù)據(jù)庫(kù)的數(shù)據(jù)分割到一個(gè)網(wǎng)格中。然后，就可以建立一個(gè)哈希函數(shù)映射到該組指紋網(wǎng)格中。同時(shí)，系統(tǒng)擁有一個(gè)時(shí)間復(fù)雜度為O(1)的方法grid(s)，它可以在短時(shí)間內(nèi)發(fā)現(xiàn)網(wǎng)格中s的狀態(tài)。因此，系統(tǒng)首先需要找到在數(shù)據(jù)庫(kù)中最近狀態(tài)s的指紋，建立起對(duì)應(yīng)的網(wǎng)格，然后找到在這個(gè)網(wǎng)格中最接近的指紋。總時(shí)間復(fù)雜度為O(m)+O(1)其中m是一個(gè)網(wǎng)格的大小。與K-D樹(shù)相比，它更容易維護(hù)?？紤]到緩存，數(shù)據(jù)結(jié)構(gòu)將比K-D樹(shù)更有效。由于不同的智能手機(jī)磁讀數(shù)是不同的，本文用等式(3-6)來(lái)評(píng)價(jià)每個(gè)粒子，而不是用貝葉斯過(guò)濾模型，或者直接用來(lái)表示粒子。公式(3-6)這種表達(dá)方式使得Maloc更穩(wěn)定，同時(shí)又避免了校準(zhǔn)磁讀數(shù)的問(wèn)題。(3-6)（3）重采樣模型在啟發(fā)式重采樣模型中，首先重采樣本身就是為了擺脫低權(quán)重粒子，保留接近真實(shí)狀態(tài)的粒子。在這項(xiàng)工作中，本文利用離散概率分布根據(jù)權(quán)重（即傳統(tǒng)的重采樣方法）從舊粒子中重新取樣。當(dāng)然，環(huán)境是存在噪聲（例如，手機(jī)正在通話）的，粒子就會(huì)產(chǎn)生誤差，導(dǎo)致定位故障。為了解決這個(gè)問(wèn)題，系統(tǒng)結(jié)合了啟發(fā)式重采樣與傳統(tǒng)重采。利用當(dāng)前狀態(tài)的權(quán)重為當(dāng)前粒子群的權(quán)重賦上均值，如等式（3-7）所示：（3-7）粒子濾波算法比Wi-Fi指紋定位圖譜映射的開(kāi)銷(xiāo)大得多。因?yàn)樵诹Ｗ訛V波中有許多粒子在當(dāng)前狀態(tài)是相似的，造成了大量的計(jì)算浪費(fèi)，所以在定位精度已經(jīng)很高的情況下，系統(tǒng)并不需要太多粒子。因此，Maloc會(huì)在每一次迭代時(shí)，會(huì)根據(jù)當(dāng)前狀態(tài)重置粒子數(shù)，實(shí)現(xiàn)自適應(yīng)采樣?？梢钥吹绞牵?dāng)前粒子來(lái)源于上一輪定位粒子。也就是說(shuō)，即使大多數(shù)粒子接近真實(shí)狀態(tài)，但存在一個(gè)錯(cuò)誤粒子，定位就可能失敗。為了更好地解決這個(gè)問(wèn)題，在下文中，根據(jù)目前的定位精度提出了一個(gè)定位故障檢測(cè)系統(tǒng)。在定位故障時(shí)Maloc運(yùn)行一個(gè)恢復(fù)的過(guò)程，以保證系統(tǒng)的高可用性。3.2運(yùn)動(dòng)模型在本節(jié)中，介紹了計(jì)步參數(shù)、動(dòng)態(tài)步長(zhǎng)估計(jì)和航向變化估算的方法。通過(guò)動(dòng)態(tài)步估計(jì)提高粒子過(guò)濾器的穩(wěn)健性。3.2.1計(jì)算步數(shù)系統(tǒng)使用智能手機(jī)上的加速計(jì)來(lái)獲取步數(shù)。由于智能手機(jī)可以在任何方向上被用戶使用，加速度傳感器僅顯示讀數(shù)的幅值，這就意味著過(guò)濾器還要進(jìn)一步處理該數(shù)據(jù)。如圖5所示，本文利用智能手機(jī)采集了不同情況下的加速度數(shù)據(jù)，分別為拿在手上、放在襯衫口袋里、放在褲子口袋里。實(shí)驗(yàn)結(jié)果表明計(jì)數(shù)器的峰值和谷值無(wú)法判斷用戶是否走步。目前有許多步數(shù)計(jì)算方法[25,31]，本文采用一種低開(kāi)銷(xiāo)的計(jì)步算法，其主要思想是通過(guò)設(shè)置4個(gè)閥值：來(lái)過(guò)濾錯(cuò)誤事件，保證步數(shù)計(jì)算的準(zhǔn)確度。其中，是相鄰的波峰和波谷間加速方差的上下邊界，是相鄰波峰與波谷時(shí)間間隔的上下邊界。圖5在不同位置由智能手機(jī)拍攝的加速度讀數(shù)的大小圖5在不同位置由智能手機(jī)拍攝的加速度讀數(shù)的大小3.2.2動(dòng)態(tài)步長(zhǎng)估計(jì)估計(jì)用戶步長(zhǎng)的精確程度對(duì)定位精度有很大的影響，簡(jiǎn)單地步長(zhǎng)估計(jì)可以為每個(gè)用戶設(shè)置一個(gè)恒定的步長(zhǎng)。然而，因?yàn)槊總€(gè)人的步長(zhǎng)都是不同的，甚至同一用戶的步長(zhǎng)也會(huì)發(fā)生改變，因此本文設(shè)計(jì)了一種動(dòng)態(tài)的步長(zhǎng)估計(jì)算法。當(dāng)粒子通過(guò)運(yùn)動(dòng)模型更新時(shí)，每個(gè)粒子演變到下一輪的粒子都會(huì)生成不同的步長(zhǎng)。所以，平均的長(zhǎng)度為。然而，重采樣之后，所有的粒子會(huì)被重新評(píng)估。具有較高權(quán)重的粒子更接近真實(shí)狀態(tài)，這種粒子的步長(zhǎng)也更加接近真正的步長(zhǎng)。所以，加權(quán)平均后步長(zhǎng)的表達(dá)式為（3-8）其中Nd是從舊粒子中的采樣粒子數(shù)。如果粒子濾波定位結(jié)果準(zhǔn)確，將趨向于真正的步長(zhǎng)。當(dāng)然，如果粒子濾波不能準(zhǔn)確定位，則表示所計(jì)算的值是有誤差的。為此，本文設(shè)計(jì)了一個(gè)動(dòng)態(tài)的步長(zhǎng)估計(jì)算法。除了使用作為一個(gè)步長(zhǎng)，算法定義了一個(gè)隊(duì)列Q來(lái)緩存的歷史數(shù)據(jù)。然后，將它們的均值作為下一輪定位的步長(zhǎng)。考慮到當(dāng)用戶的航向發(fā)生變化時(shí)，其步長(zhǎng)可能會(huì)產(chǎn)生一些變化，導(dǎo)致步長(zhǎng)估計(jì)不正確，算法不會(huì)把該部分放到上述隊(duì)列中。因此，本文算法保證了定位過(guò)程的準(zhǔn)確收斂。與文獻(xiàn)[23,25]中的步長(zhǎng)估計(jì)方法相比，該算法可以實(shí)時(shí)更新步長(zhǎng)，而且不依賴于檢測(cè)的精度。3.2.3航向變化在識(shí)別航向（用戶行走方向）變化的過(guò)程中，由于用戶的行走方向不同于手機(jī)方向，所以即使指南針傳感器在室內(nèi)環(huán)境中在精確，也很難被正確識(shí)別。而且在定位過(guò)程中用戶可能會(huì)受到其他任務(wù)操作的干擾，導(dǎo)致定位失敗。因此要識(shí)別航向的變化，存在兩個(gè)問(wèn)題要解決：（1）估計(jì)在任意方向上兩個(gè)連續(xù)步驟之間，手機(jī)方向的變化；（2）消除航向變化引起的誤差。由此，可以考慮使用智能手機(jī)上的指南針和陀螺儀兩個(gè)傳感器解決估計(jì)兩個(gè)相鄰步驟間方向變化的問(wèn)題。如圖6所示，本文首先比較了指南針和陀螺儀在方位變化估計(jì)上的性能。在實(shí)驗(yàn)過(guò)程中，用戶沿著直線行走，然后經(jīng)過(guò)一個(gè)直角。實(shí)驗(yàn)記錄了指南針和陀螺儀兩個(gè)傳感器的數(shù)據(jù)變化。結(jié)果表明，指南針在室內(nèi)環(huán)境中明顯不能正常工作。因此，本文使用陀螺儀來(lái)解決航向變化問(wèn)題。智能手機(jī)上的陀螺儀能夠測(cè)量手機(jī)周?chē)膞，y和z軸的角度變化。但由于手機(jī)的方向是未知的，系統(tǒng)不能直接由此獲得用戶行走方向的變化。所以，本文又利用手機(jī)的重力傳感器，獲得了重力方向的角度變化（重力方向的角度變化與x，y和z軸的角度變化是一致的），然后通過(guò)矩陣變化就可以計(jì)算出用戶行走方向上的變化。雖然誤差會(huì)存在，但誤差在一步內(nèi)是很小的，甚至可以忽略。因?yàn)閷?shí)際過(guò)程中，每一個(gè)粒子本身就會(huì)增加了高斯噪音來(lái)保證它的獨(dú)立性。圖6指南針和陀螺儀沿走廊行走和轉(zhuǎn)90度角時(shí)捕獲的角度的變化。圖6指南針和陀螺儀沿走廊行走和轉(zhuǎn)90度角時(shí)捕獲的角度的變化。3.3磁測(cè)模型磁測(cè)模型是基于智能手機(jī)采集到的磁場(chǎng)觀測(cè)值來(lái)估計(jì)粒子，并以此生成地磁指紋數(shù)據(jù)庫(kù)。3.3.1混合型磁測(cè)模型上文中提到的磁力計(jì)讀數(shù)由三維矢量，分別表示沿手機(jī)的x，y和z軸的磁值。一般來(lái)說(shuō)，基于有三種觀測(cè)方法。第一種，直接采用作為觀察Z[2,3,6,9]。這種方法需要收集當(dāng)前位置上各個(gè)方向的磁場(chǎng)讀數(shù)，這將導(dǎo)致樣本空間變大，不僅增加了成本，同時(shí)也降低了精度。第二種，采用的幅值B作為觀測(cè)值[2,4]。B是旋轉(zhuǎn)不變的標(biāo)量而且相對(duì)穩(wěn)定。然而，這樣的話每個(gè)指紋上的元素都將從三個(gè)下降到一個(gè)的，大大減少了每個(gè)指紋的唯一性。在大型的室內(nèi)環(huán)境，粒子過(guò)濾器可能需要更多的時(shí)間來(lái)收斂到正確的位置。第三種，提取的水平分量和垂直分量作為觀測(cè)值[7]。智能手機(jī)上的重力感應(yīng)器提供了重力的方向（即垂直方向）。借此，系統(tǒng)可以提取的垂直部分和水平部分構(gòu)造一個(gè)新的觀察值（名為HV指紋）。圖7顯示了室內(nèi)區(qū)域中和磁場(chǎng)圖。這比幅值指紋更獨(dú)特，這種指紋模型使粒子濾波器更快地收斂到正確的位置。該指紋模式在參考文獻(xiàn)[7]中提到過(guò)，但是沒(méi)有實(shí)際的基于磁指紋識(shí)別的室內(nèi)定位系統(tǒng)。因?yàn)槠渲写嬖谝粋€(gè)問(wèn)題，當(dāng)用戶移動(dòng)時(shí)，噪音被引入重力傳感器的精確度就會(huì)受到影響，甚至定位失敗。綜合考慮，本系統(tǒng)將幅值B和結(jié)合使用設(shè)計(jì)成一種混合計(jì)量模式。HV指紋具有更完美的唯一性，它使粒子濾波更快地收斂到正確的位置。但是，它并不像幅值那樣穩(wěn)定。因此，當(dāng)定位開(kāi)始時(shí)，系統(tǒng)使用HV指紋加速M(fèi)aloc時(shí)的收斂，然后將其切換到磁幅值指紋進(jìn)行“跟蹤”。在實(shí)際運(yùn)用過(guò)程中，如果讓手機(jī)自己校準(zhǔn)磁力的偏移，代價(jià)是非常高昂的。所以，本文使用兩個(gè)連續(xù)的步驟間指紋值的變化（梯度）來(lái)代替使用指紋本身，以避免校準(zhǔn)不同的磁力。如之前所提到的，它在垂直方向的磁場(chǎng)變化和沿著時(shí)間的變化不大靈敏。這也是使用公式（3-6）來(lái)評(píng)價(jià)粒子的原因之一。另外一個(gè)是，雖然使用貝葉斯過(guò)濾器模型來(lái)評(píng)估粒子會(huì)使粒子濾波收斂得更快速并且有利于揭露失敗的定位，但這也使粒子濾波本身變得對(duì)噪聲非常敏感，定位容易失敗。在一個(gè)非常大的室內(nèi)環(huán)境中，這些指紋模型或計(jì)量模型可能不適用于定位，因?yàn)榱Ｗ舆^(guò)濾器將需要更多的粒子和更長(zhǎng)的時(shí)間才能收斂，這招致較高的計(jì)算開(kāi)銷(xiāo)降低了可用性。為了解決這個(gè)問(wèn)題，制作了一個(gè)簡(jiǎn)單的粗粒定位方法[3,6]（與15m~30m或房間級(jí)精度），這種方法只是在初始階段縮小了搜索空間。3.3.2指紋數(shù)據(jù)庫(kù)構(gòu)建在本文中，使用了眾包形式來(lái)實(shí)現(xiàn)快速，廉價(jià)的磁場(chǎng)指紋的采集。這種方法從IndoorAtlas[34]得那到的啟發(fā)。如圖8所示，數(shù)據(jù)收集器需要沿著這些路線覆蓋一個(gè)區(qū)域。在每一行，設(shè)置了起點(diǎn)、航向方向和路徑長(zhǎng)度。然后，以慢速的、恒定的速度沿著這條路徑步行。在這個(gè)過(guò)程中，應(yīng)用程序?qū)⒂涗浻芍悄苁謾C(jī)上的磁傳感器捕獲的數(shù)據(jù)。每一個(gè)磁場(chǎng)指紋將以的形式被存儲(chǔ)。然后，從中計(jì)算出它的幅值。假設(shè)數(shù)據(jù)收集器工作在一個(gè)恒定的速度下。每個(gè)磁性指紋都可以很容易的映射到它的位置。為了避免出現(xiàn)較大的映射錯(cuò)誤，每行不應(yīng)該太長(zhǎng)。每行都收集相對(duì)密集的磁場(chǎng)指紋，例如一個(gè)指紋長(zhǎng)0.1米；在實(shí)驗(yàn)中，兩條線之間的距離是約0.6米。然后，通過(guò)插值填充這塊區(qū)域的指紋。最后，獲得一個(gè)個(gè)規(guī)模為0.1米×0.1米磁場(chǎng)指紋。圖8指紋采集方式（左）與指紋采集APP界面圖8指紋采集方式（左）與指紋采集APP界面圖7在16.3米x5.4米室內(nèi)面積內(nèi)磁場(chǎng)地圖水平分量（左）和垂直分量（右）3.4重采樣模型本章節(jié)中，介紹了一種自適應(yīng)的啟發(fā)式重采樣算法，該算法能實(shí)現(xiàn)實(shí)時(shí)更新粒子數(shù)目，提高運(yùn)行效率的同時(shí)，還能幫助解決航向偏移的問(wèn)題。3.4.1啟發(fā)式自適應(yīng)重采樣算法與Wi-Fi指紋定位相比，Maloc的計(jì)算開(kāi)銷(xiāo)是相當(dāng)高的。由于粒子濾波器的計(jì)算開(kāi)銷(xiāo)與粒子數(shù)目成正比，最直接的方法就是減少粒子數(shù)。然而，當(dāng)粒子數(shù)減少時(shí)，粒子過(guò)濾器的穩(wěn)定性將會(huì)被弱化。因此可以在計(jì)算開(kāi)銷(xiāo)和粒子過(guò)濾器性能之間進(jìn)行折衷，即動(dòng)態(tài)地調(diào)整粒子數(shù)目，以達(dá)到自適應(yīng)粒子濾波。在文獻(xiàn)中有兩個(gè)主要的自適應(yīng)采樣算法。一種方法是基于似然的自適應(yīng)采樣[10]。但是，這種方法在對(duì)稱環(huán)境或者在高似然性環(huán)境中將失效，因?yàn)樵谠S多不同的狀態(tài)可能有同樣的觀測(cè)值。因此，它不適用于地磁定位系統(tǒng)。另一個(gè)是KLD-Sampling(基于交叉熵值的適應(yīng)性采樣)[32]。它引入了Kullback-Leibler距離(KL-Distance)來(lái)確定樣本大小。KL-Distance首先需要一個(gè)后驗(yàn)粒子群，由當(dāng)前粒子群通過(guò)一個(gè)離散的、分段的常數(shù)分布（如離散密度樹(shù)或多維直方圖）產(chǎn)生，然后基于前后兩批粒子群計(jì)算出它們之間的距離。所以，當(dāng)大多數(shù)粒子都集中在一個(gè)特定區(qū)域時(shí)，KL-Distance是很小的，用少量的粒子就能覆蓋。反之，如果粒子分布在一個(gè)較大的地區(qū)，KL-Distance也將變大，那么就需要更多的粒子來(lái)覆蓋這些區(qū)域。KL-Distance和本文的聚集度頗為相似。然而，計(jì)算KL-Distance遠(yuǎn)遠(yuǎn)比計(jì)算聚集度復(fù)雜多。更重要的是，聚集度在質(zhì)量評(píng)估階段已經(jīng)可獲得了。因此，本文在這里提出了一種新的自適應(yīng)采樣算法。當(dāng)聚集度超過(guò)閾值，并且智能手機(jī)的航向變化也低于閾值，那么就降低樣本規(guī)模。隨機(jī)減少個(gè)粒子，時(shí)間復(fù)雜度為（3-9）其中是控制降低率的參數(shù)。原有粒子數(shù)不能小于最少粒子數(shù)。當(dāng)聚集度低于閾值或智能手機(jī)的航向變化超過(guò)閾值，那么就需要增加粒子數(shù)。用傳統(tǒng)重采樣算法采樣獲得，用啟發(fā)式采樣算法采樣獲得。和都正比于當(dāng)前粒子數(shù)，目的是為了平穩(wěn)地增加粒子。（3-10）（3-11）（3-12）其中和參數(shù)來(lái)控制粒子增長(zhǎng)的速率。系統(tǒng)也為和設(shè)置了一個(gè)下邊界。這是因?yàn)?，?dāng)需要增加粒子時(shí)，如果N太小，增加率也將非常低，這不利于快速定位。3.4.2航向偏移航向偏移引起的誤差對(duì)傳統(tǒng)的粒子濾波算法具有很大的影響。例如，當(dāng)走路的時(shí)候用戶接聽(tīng)電話，用戶的航向保持不變，但手機(jī)的方向可能會(huì)被改180度。這種行為扭轉(zhuǎn)所有粒子的方向，定位誤差會(huì)變得更大，從而導(dǎo)致定位失敗。因此，直接去檢測(cè)手機(jī)方向的變化是不明智的。所以，提出了一個(gè)啟發(fā)式重采樣算法來(lái)解決這個(gè)問(wèn)題，靈感來(lái)自于隨機(jī)粒子濾波[12]，其中當(dāng)粒子總體權(quán)重下降時(shí)，它會(huì)隨機(jī)取樣新粒子而不是只從舊粒子中再采樣。如何產(chǎn)生新的粒子，以及有多少粒子都與這一步中手機(jī)方向的變化有關(guān)。本系統(tǒng)定義了以下規(guī)則。其中，新的粒子的數(shù)目與成正比，為了在Maloc中實(shí)現(xiàn)它，本文提出了以下公式（3-9）：（3-13）其中p是控制靈敏度（通常為參數(shù)從[0.5，0.85]中選擇），N是粒子的總數(shù)量。新的粒子的位置是隨機(jī)從上一預(yù)測(cè)位置的的r米范圍內(nèi)采樣的。r是一個(gè)恒定值。新粒子的方向也是隨機(jī)從范圍或范圍中取樣。是以上一預(yù)測(cè)位置的航向。啟發(fā)式重采樣算法可以增加粒子的多樣性，這將使得粒子過(guò)濾器更強(qiáng)大，能夠容忍更多的運(yùn)動(dòng)估計(jì)誤差，從而降低定位精度的成本。3.5定位故障檢測(cè)基于本文算法的粒子濾波器在定位過(guò)程中的故障檢測(cè)是非常重要的。因?yàn)樵谕ǔＧ闆r下，只有當(dāng)系統(tǒng)中所有粒子的權(quán)重為零或者系統(tǒng)崩潰，系統(tǒng)才會(huì)意識(shí)到定位失敗。在此期間，系統(tǒng)可能已經(jīng)定位失敗很長(zhǎng)時(shí)間了。情況是這樣的，在重采樣階段，過(guò)多的噪音形成的虛假粒子可能在兩三個(gè)循環(huán)后將真實(shí)狀態(tài)的粒子干掉。而在接下來(lái)的重采樣階段，一些粒子的權(quán)重碰巧大于零，那么系統(tǒng)將運(yùn)行更長(zhǎng)的時(shí)間來(lái)檢測(cè)定位故障。在此期間，定位結(jié)果是任意的[12]，這種現(xiàn)象被稱為“KidnappedRobotProblem”。在Maloc中，這個(gè)問(wèn)題變得更嚴(yán)重，因?yàn)橄到y(tǒng)使用一個(gè)寬松的模型而不是貝葉斯濾波器模型來(lái)評(píng)估粒子，而且啟發(fā)式重采樣方法會(huì)增加粒子的多樣性，這會(huì)導(dǎo)致粒子濾波器的故障需要更多時(shí)間來(lái)揭露。在實(shí)驗(yàn)中，分析了正常的粒子濾波和被“綁架”了的粒子濾波之間的差異，發(fā)現(xiàn)正常情況下粒子將收斂到真實(shí)狀態(tài)的周?chē)?。如圖9所示，在初始階段中的粒子被均勻地初始化。經(jīng)過(guò)一系列的步驟，粒子收斂集中到真實(shí)狀態(tài)的周?chē)?。我們稱這個(gè)區(qū)域的規(guī)模為區(qū)域聚集度。如果運(yùn)動(dòng)模型和測(cè)量模型是精確的，聚集度將始終保持很小。但是，在本系統(tǒng)中運(yùn)動(dòng)估計(jì)或測(cè)量模型中的誤差會(huì)帶來(lái)一定的虛假狀態(tài)粒子。這些虛假粒子可能會(huì)收斂到不同的方向。如果虛假粒子的數(shù)量相對(duì)較少，它們將在下一次的重采樣階段被消滅。如果虛假粒子的數(shù)量過(guò)多，它可能需要很長(zhǎng)時(shí)間才被消滅，或者干脆因?yàn)樘摷倭Ｗ訑?shù)量過(guò)于龐大，直接干掉了真實(shí)粒子。這兩種情況都將導(dǎo)致聚集度擴(kuò)大，尤其是后者。這種擴(kuò)大現(xiàn)象可能隨著更多的重采樣很快消失。因此，使用聚集度來(lái)預(yù)測(cè)當(dāng)前的定位誤差。基于在這個(gè)定位誤差估計(jì)法，可以試探性地檢測(cè)定位故障：如果預(yù)測(cè)誤差e超出了閾值T，則定位可能已經(jīng)失敗。在Maloc中，對(duì)聚集度做了如下定義：以當(dāng)前預(yù)測(cè)的位置為中心，最小半徑r的圓，90%以上的粒子的位置都在這個(gè)圓內(nèi)。在定位過(guò)程中，定位的數(shù)據(jù)將被實(shí)時(shí)記錄在Maloc中，其中包括預(yù)測(cè)結(jié)果，航向變化角與觀測(cè)的值z(mì)。當(dāng)檢測(cè)定位故障時(shí)，系統(tǒng)進(jìn)行數(shù)據(jù)回滾，將定位點(diǎn)回滾到上一狀態(tài)。圖9在不同定位質(zhì)量下的集群程度變化圖9在不同定位質(zhì)量下的集群程度變化4實(shí)驗(yàn)本文對(duì)該系統(tǒng)進(jìn)行了充分的實(shí)驗(yàn)驗(yàn)證，圖10是實(shí)驗(yàn)場(chǎng)所平面圖。實(shí)驗(yàn)涉及到7名志愿者和多種類(lèi)型的智能手機(jī)，包括三星Galaxy，HTC，MOTO。本文主要關(guān)注：Maloc能容忍多少步數(shù)誤差；動(dòng)態(tài)步長(zhǎng)估計(jì)的性能；如何實(shí)現(xiàn)啟發(fā)式采樣算法；不同類(lèi)型觀測(cè)值的影響；如何實(shí)現(xiàn)準(zhǔn)確定位質(zhì)量評(píng)估和定位故障檢測(cè)算法。然后，評(píng)估整體Maloc的性能，包括在不同條件下的整體定位精度，不同行走路徑下的定位精度和相比于基于Wi-Fi指紋定位的能量消耗。圖10實(shí)驗(yàn)建筑平面圖圖10實(shí)驗(yàn)建筑平面圖4.1步數(shù)誤差影響圖11誤計(jì)數(shù)發(fā)生時(shí)兩粒子濾波定位結(jié)果圖12不同的初始步長(zhǎng)的兩個(gè)粒子過(guò)濾器的性能本文首先評(píng)估步數(shù)誤差所帶來(lái)的影響。圖11顯示在傳統(tǒng)粒子濾波(PF)和本文的啟發(fā)式粒子濾波(AugPF)計(jì)步數(shù)錯(cuò)誤時(shí)出現(xiàn)的定位誤差。在該實(shí)驗(yàn)中，志愿者大約走了300步，用戶的步長(zhǎng)約0.6~0.65m。當(dāng)誤計(jì)步數(shù)達(dá)到10步時(shí)，由啟發(fā)式粒子過(guò)濾器測(cè)得的平均步長(zhǎng)是0.68米。當(dāng)誤計(jì)步數(shù)上升到50步時(shí)，其平均步長(zhǎng)會(huì)延長(zhǎng)到0.77米。結(jié)果顯示，啟發(fā)式重采樣方法增加了粒子的多樣性，同時(shí)動(dòng)態(tài)步長(zhǎng)估計(jì)可以彌補(bǔ)誤計(jì)步數(shù)。圖11誤計(jì)數(shù)發(fā)生時(shí)兩粒子濾波定位結(jié)果圖12不同的初始步長(zhǎng)的兩個(gè)粒子過(guò)濾器的性能4.2動(dòng)態(tài)步長(zhǎng)估計(jì)的性能本文采用動(dòng)態(tài)步長(zhǎng)估計(jì)測(cè)試粒子過(guò)濾器的性能。在該實(shí)驗(yàn)中，設(shè)置為0.2，為5。用戶真正的步長(zhǎng)大約是0.6到0.65m。圖12顯示出，當(dāng)將步長(zhǎng)設(shè)置為不同的值（即0.5米，0.6米，0.7米和0.8米）時(shí)，啟發(fā)式粒子濾波（沒(méi)有啟發(fā)式重采樣）與傳統(tǒng)粒子濾波的定位錯(cuò)誤。如該圖所示，當(dāng)設(shè)置的初始步長(zhǎng)值比傳統(tǒng)粒子濾波的真正步長(zhǎng)偏差較大時(shí)，定位精度就變的較差。步長(zhǎng)被設(shè)置為0.8米時(shí)傳統(tǒng)的粒子濾波已經(jīng)無(wú)法定位。初始步長(zhǎng)值對(duì)加入動(dòng)態(tài)步長(zhǎng)估計(jì)后的啟發(fā)式粒子過(guò)濾器無(wú)特殊要求。實(shí)驗(yàn)表明，無(wú)論初始步長(zhǎng)設(shè)置為多少，該定位過(guò)程中平均步長(zhǎng)會(huì)趨于一個(gè)大致固定的值（實(shí)驗(yàn)中為0.7米）。這意味著系統(tǒng)運(yùn)行在一段時(shí)間后，就可以準(zhǔn)確的推斷用戶的平均步長(zhǎng)。當(dāng)然，在系統(tǒng)Maloc中若剛好設(shè)置了平均步長(zhǎng)作為初始值，則動(dòng)態(tài)步長(zhǎng)估計(jì)過(guò)程的運(yùn)行時(shí)間也會(huì)大大減少。4.2啟發(fā)式重采樣算法的性能本文從兩個(gè)方面評(píng)估啟發(fā)式重采樣算法：處理航向變化估算的誤差和處理航向偏移時(shí)的誤差。首先，分別用精確步數(shù)和恒定步長(zhǎng)來(lái)運(yùn)行粒子濾波器100次。傳統(tǒng)的粒子過(guò)濾器四次不能定位。相反，啟發(fā)式重采樣算法粒子濾波器能夠全部正確定位。然后，驗(yàn)證兩個(gè)粒子濾波器在航向偏移發(fā)生時(shí)的處理能力。通過(guò)用戶沿24米走廊一邊行走一邊接聽(tīng)電話的行為，本文比較了傳統(tǒng)的粒子濾波和啟發(fā)式粒子濾波器的定位性能。結(jié)果如圖13所示，雖然航向偏移變化對(duì)定位精度只有短暫的影響，但它會(huì)導(dǎo)致傳統(tǒng)的粒子濾波器收斂到錯(cuò)誤的位置，而啟發(fā)式粒子濾波器則沒(méi)有發(fā)生這個(gè)問(wèn)題。4.3不同類(lèi)型觀測(cè)值的影響為了比較使用不同的磁場(chǎng)觀測(cè)值所產(chǎn)生的性能差別。本文在一個(gè)大廳里進(jìn)行實(shí)驗(yàn)，其中傳統(tǒng)的粒子濾波將需要更長(zhǎng)的時(shí)間來(lái)進(jìn)行收斂。圖14顯示了在Maloc中使用三種不同的指紋模型作為觀測(cè)值產(chǎn)生的定位結(jié)果。如圖所示，HV指紋對(duì)用戶的轉(zhuǎn)向動(dòng)作非常敏感，并且收斂的更快。使用磁場(chǎng)幅值是很穩(wěn)定，但是它比HV指紋的收斂速度低很多。上述實(shí)驗(yàn)證明，混合模式更具優(yōu)勢(shì)。圖14用不同類(lèi)型觀測(cè)值的MaLoc的性能圖14用不同類(lèi)型觀測(cè)值的MaLoc的性能圖13航向偏移變化的兩個(gè)粒子濾波的定位結(jié)果4.4定位質(zhì)量估計(jì)的性能本文使用定位質(zhì)量評(píng)價(jià)方法估計(jì)定位誤差并且比較預(yù)測(cè)誤差與真實(shí)錯(cuò)誤。在42840次定位結(jié)果中，真實(shí)誤差和預(yù)測(cè)誤差之間的平均差值約為0.96米。為了評(píng)估定位失敗的檢測(cè)方法，實(shí)驗(yàn)分析了所有的定位失敗案例。為了避免影響自適應(yīng)采樣算法，所有這些實(shí)驗(yàn)都是不改變粒子數(shù)的前提下進(jìn)行的。149例中有138例是由本文的故障檢測(cè)方法檢測(cè)到的（實(shí)驗(yàn)中=7米），實(shí)現(xiàn)92.6％的準(zhǔn)確監(jiān)測(cè)。在收集的194個(gè)成功的定位案例中，誤報(bào)率為8.2％。圖15分別顯示出了兩個(gè)實(shí)驗(yàn)中的真正定位誤差和預(yù)測(cè)定位誤差。實(shí)驗(yàn)2描繪了成功定位，實(shí)驗(yàn)1顯示了定位失敗。圖15真實(shí)的定位誤差和預(yù)測(cè)的定位誤差圖15真實(shí)的定位誤差和預(yù)測(cè)的定位誤差圖16當(dāng)定位時(shí)，粒子數(shù)目的變化4.5基于自適應(yīng)重采樣算法的聚集度評(píng)估實(shí)驗(yàn)在用戶每次行走的最后，系統(tǒng)將調(diào)整粒子數(shù)目。如圖16顯示，當(dāng)用戶沿著第二層走廊走動(dòng)時(shí)的粒子數(shù)變化。這三個(gè)實(shí)驗(yàn)都取得不錯(cuò)的成績(jī)，他們的平均定位精度是0.88米（=1.5），0.89米（=2.0）和0.84米（=2000）。為了測(cè)試基于自適應(yīng)重采樣算法的聚集度是如何有效的，設(shè)計(jì)了另一個(gè)實(shí)驗(yàn)。設(shè)置最大粒子數(shù)從1000至5000，然后看看平均每次迭代時(shí)的變化。如圖17顯示。圖17粒子數(shù)與平均定位錯(cuò)誤圖17粒子數(shù)與平均定位錯(cuò)誤這里存在一個(gè)疑問(wèn)，自適應(yīng)采樣算法和故障檢測(cè)算法是否存在沖突。直觀上認(rèn)為，如果樣本量過(guò)小，聚集度也始終保持非常小。因此，當(dāng)定位失敗時(shí)，聚集度恐怕不會(huì)超過(guò)閾值。然而，在實(shí)驗(yàn)中，發(fā)現(xiàn)事實(shí)并非如此。其預(yù)測(cè)誤差幾乎和Maloc中的粒子數(shù)是一樣的。那是因?yàn)榧词沽Ｗ訑?shù)較小，當(dāng)噪音被加入時(shí)，聚集度就會(huì)增長(zhǎng)。而且這將導(dǎo)致自適應(yīng)采樣算法增加粒子數(shù)。因此，當(dāng)定位質(zhì)量不是很好時(shí)，粒子數(shù)也不會(huì)過(guò)小。在4.5節(jié)中也做了同樣實(shí)驗(yàn)。其中有201處定位故障，188處被檢測(cè)，精度是93.5％。4.6Maloc的總體性能首先，系統(tǒng)在不同的場(chǎng)景里評(píng)估Maloc：大廳里，會(huì)議室，辦公區(qū)（主要是走廊）和圖書(shū)館，實(shí)驗(yàn)顯示了它在大廳里的性能稍差。原因有兩個(gè)，一個(gè)是其他三個(gè)場(chǎng)景的地面布置比大廳相要復(fù)雜，這就帶來(lái)了更多行動(dòng)上的限制，這些限制提高了定位精度。另一個(gè)復(fù)雜的建筑物環(huán)境存在著更為復(fù)雜的電磁環(huán)境，所以像大廳這樣的環(huán)境中，磁場(chǎng)的唯一性變得不明顯。在這個(gè)實(shí)驗(yàn)中，測(cè)試了運(yùn)動(dòng)估算和磁測(cè)量中的噪聲對(duì)定位準(zhǔn)確度和精度影響。系統(tǒng)進(jìn)行了五個(gè)實(shí)驗(yàn)：一個(gè)用戶用五種不同的姿勢(shì)拿著自己的手機(jī)，其中包括：1）把手機(jī)保持和自己的朝向一致；2）把手機(jī)放在自己的上衣口袋里；3）把手機(jī)放在自己的褲子口袋里；4）稍微不停地左右搖晃；5）用手拿著，走路的時(shí)候隨著手臂晃動(dòng)。然后，比較Maloc與基于Wi-Fi指紋定位的結(jié)果。結(jié)果表明，情景一精確度最高，因?yàn)樵谶\(yùn)動(dòng)估計(jì)和磁測(cè)量中干擾最少。其次是，走路時(shí)將手機(jī)放在上衣口袋里、褲子口袋里或搖晃它會(huì)導(dǎo)致準(zhǔn)確度和精密度的降低。其中，基于Wi-Fi指紋定位的定位誤差在2.5m~4.5m，而且平均定位精度為3.5米。當(dāng)拿著手機(jī)時(shí)，Maloc的50％，80%錯(cuò)誤的結(jié)果和平均精度在0.8-1.2m之間。即使在最壞的情況下（即把手機(jī)放在褲子口袋），Maloc的平均定位精度為2.5米，這也是比Wi-Fi指紋好得多。在最后的實(shí)驗(yàn)中，本文對(duì)Maloc評(píng)估能量消耗。用三星GalaxyNexus智能手機(jī)進(jìn)行實(shí)驗(yàn)，并在三個(gè)場(chǎng)景中比較能量消耗：不運(yùn)行什么，只運(yùn)行Maloc的追蹤收集應(yīng)用程序和只運(yùn)行Wi-Fi掃描應(yīng)用程序。為了防止智能手機(jī)進(jìn)入休眠模式，在實(shí)驗(yàn)過(guò)程中保持智能手機(jī)的屏幕亮著。如圖18所示。圖18不同情況下的運(yùn)行時(shí)間圖18不同情況下的運(yùn)行時(shí)間從結(jié)果中觀察到，運(yùn)行Maloc跟蹤收集應(yīng)用程序比運(yùn)行Wi-Fi掃描應(yīng)用程序節(jié)省了約1小時(shí)的電池壽命。因此，本文得出結(jié)論：6小時(shí)內(nèi)Maloc比Wi-Fi掃描節(jié)省約220mA·H的能量。5總結(jié)綜上，本文提出了基于啟發(fā)式粒子濾波的室內(nèi)定位系統(tǒng)Maloc。它利用磁傳感器和慣性傳感器采集數(shù)據(jù)，通過(guò)啟發(fā)式粒子過(guò)濾器進(jìn)行運(yùn)算，不對(duì)用戶使用和手機(jī)方向做任何限制。在該系統(tǒng)中，采用了動(dòng)態(tài)步長(zhǎng)估算算法來(lái)最小化動(dòng)作上的誤差并提高粒子濾波的穩(wěn)定性。然后，結(jié)合磁強(qiáng)指紋模型和已有的幅值指紋模型設(shè)計(jì)了混合型測(cè)量模型，來(lái)改善系統(tǒng)性能，避免不同型號(hào)手機(jī)磁力計(jì)的校準(zhǔn)問(wèn)題。最后，利用重采樣模型實(shí)現(xiàn)啟發(fā)式粒子重采樣，改進(jìn)了傳統(tǒng)的粒子濾波算法精度。同時(shí)，針對(duì)運(yùn)動(dòng)估計(jì)中存在的問(wèn)題，本系統(tǒng)提出一個(gè)定位錯(cuò)誤檢測(cè)機(jī)制來(lái)解決“KidnappedRobotProblem”。實(shí)驗(yàn)結(jié)果表明，本系統(tǒng)可以實(shí)現(xiàn)精度為0.8-1.2m內(nèi)的室內(nèi)定位。

參考文獻(xiàn)S.Se,.aic,..r,ad.ia,“uareacigtemalisa:stlcalizatinsigylaerifrmati”inMisys.,,..J.HerienadA.emaie,“Glalirself-lcalizatinasednteamietmaeticfiel”Rticsdtmsystems,l.,.,.,.E.LeGradadS.Tr,“-aismaeticfieldmaigadfsinfrirlcalizati”inMFI.IEEE,,..K..S,.Gzic,ad.Dat,“Lcateme:aetic-fiels-asedirlcalizatinsigsmartes”TIT,l.,.,.,.Aerma,.Frassl,.Diec,.J.Jlia,ad.erts,“aracterizatinfteirmaeticfieldfralicatisinlcal-izatinadmai”inIPI.IEEE,,..J.gadDae,“Irlcatinsesigsige-maetism”inMisys.,,...Li,.Gallae,A.G.Demste,ad.izs,“Hwfeasileistesefmaeticfieldalefrirsitii?”inIPI.IEEE,,..W.Strms,J.Scl,adJ.aet,“aeticfieldiatininanireirmet”inUPILB.IEEE,,..A.ileadJ.Siec,“Usigtemaeticfieldfrirlcalisatinnamilee”inLcti-Bsedervices.Srie,,..D.,.ar,.Dellaert,adS.Tr,“tecarlolcalizati:Eficietsitinestimatinfrmilerts”AAAI/IAAI,l.,.,.S.Tr,D.,.ar,ad.Dellaert,“stmtecarlolcalizatinfrmilerts”Artifcilitelliece,l.,.,.,.S.Tr,.ar,adD.