CN109115205A - 一种基于地磁传感器阵列的室内指纹定位方法及*** - Google Patents

Abstract

本发明涉及一种基于地磁传感器阵列的室内指纹定位方法及***，定位方法包括以下步骤：1、网格初始化；2、通过地磁传感器阵列在网格的采样点采集指纹数据；3、保存位置指纹存储至指纹数据库，完成地磁基准图构建；4、待测点通过地磁阵列采集地磁信息，依次计算其与指纹数据库中每一个采样位置的概率表征指纹之间的指纹相似度；5、在地磁基准图中挑选出最优匹配指纹，得到位置估计。与现有技术相比，本发明基于移动众包的室内定位方法无须人工勘测，通过大量普通用户实现实时、鲁棒、精确的室内定位，大大提升了***工作效率以及稳定性，有利于推进室内定位技术的有效应用。

Description

一种基于地磁传感器阵列的室内指纹定位方法及***

技术领域

本发明涉及无线定位技术领域，尤其是涉及一种基于地磁传感器阵列的室内指纹定位方法及***。

背景技术

随着无线定位技术的普及，“基于位置的服务”(Location Based Service，简称LBS)正向我们展现出广阔的市场前景。随着智能手机普及程度越来越广泛，计算能力越来越强，智能手机上所集成的传感器种类也越来越丰富，多种多样的物理环境特征都被用来实现室内定位，包括GSM、FM、声音和磁场等。利用地磁场受室内建筑结构及家具的干扰、扭曲造成的影响，J.Chung、M.Donahoe等人于2011年设计了利用地磁场特征定位的方法，不仅定位精度达到1m左右，而且能够判断用户方向。然而其代价是需要依赖于专用的硬件设备，且需要在每一个位置的每一个方向上进行磁场指纹的勘探，时间以及花费代价巨大，不利于市场推广。

基于指纹匹配原理的定位***有个共同的局限：需要依赖前期离线的专用设备现场勘探来构建指纹数据库。人工勘测构建指纹数据库的环节需要专业人士持专用设备对场地反复执行，代价高昂，耗时巨大。此外由于室内环境复杂多变，指纹数据库还需要定时更新，人工勘测需要反复执行。C.Wu、Z.Yang等人2012年提出了基于WIFI的WILL无线指纹定位方法，其思想是将人工勘测的任务通过众多智能手机用户自动地完成，但是该***需利用无线信号衰减性聚类成不同的虚拟房间形成逻辑平面图会造成巨大的距离估算误差。

综上所述，传统的室内地磁定位***具有一定的局限性，已不能满足日益增长的室内定位需求，需要一种更高效、精准的技术来进行定位、导航的应用。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于地磁传感器阵列的室内指纹定位方法及***。

本发明的目的可以通过以下技术方案来实现：

一种基于地磁传感器阵列的室内指纹定位方法，该方法包括以下步骤：

S1：对待定位区域进行网格初始化。

S2：利用众包方式对室内多个采样点进行数据采集，包括当前物理位置、地磁信息和位置方向，并对采集的数据利用限幅滤波法或中位值滤波法对采集的数据进行预处理。

S3：将众包采集到的数据传输至服务器进行聚类、筛选、均值化及限幅处理。

S4：服务器对处理后的数据按指定形式构建单条指纹。

S5：对待定位区域完成所有指纹的构建后保持至指纹数据库，采用插值法获取地磁基准图，且地磁基准图接受来自众包的指纹更新。

S6：用户端利用地磁传感器阵列对待测点进行实时的地磁信息采集和位置方向采集，并向服务器发出定位请求。

S7：服务器接收用户端采集的地磁信息，并将接收的地磁信息与地磁基准图里保存的信息进行匹配，获取最佳匹配指纹信息，将最佳匹配指纹信息所对应的空间坐标信息发送至用户端。

S8：用户端根据接收的空间坐标信息更新待测点的实时位置，完成定位。

优选地，将采样点采集的地磁数据作为输入，采用确定性分类器将接收的地磁信息与地磁基准图里保存的信息进行匹配，获取最佳指纹信息，进而获取最佳指纹信息对应的估计定位坐标。

优选地，将指纹每一个维度上的地磁矢量的概率参数作为输入，采用概率型分类器将接收的地磁信息与地磁基准图里保存的信息进行匹配，获取最佳指纹信息，进而获取最佳指纹信息对应的估计定位坐标。

优选地，将指纹数据库作为训练集输入到神经网络模型，通过一步正切算法学习隐藏单元的系数以构建神经网络模型，将待测点通过地磁阵列采集的一组地磁信息输入至训练后的神经网络模型模型，与地磁基准图里保存的信息进行匹配，获取最佳指纹信息，进而获取最佳指纹信息对应的估计定位坐标。

一种定位***，该***包括：

用户端：设有地磁传感器阵列模块，用于指纹采集，用户端包括：

离线阶段移动众包用户，用于采集原始采样点的当前物理位置、地磁信息和位置方向数据；

在线阶段定位用户，用于采集待测点的实时指纹数据及地磁信息；

服务器：用于对离线阶段移动众包用户采集的数据进行保存及获取地磁基准图，并根据地磁基准图对待测点采集的实时指纹进行匹配，所述的服务器设有用于存储地磁基准图的数据库。

优选地，所述的地磁传感器阵列模块包括布置在不同方向上的多个地磁传感器。

优选地，所述的地磁传感器的个数至少为三个。

与现有技术相比，本发明具有以下优点：

一、本发明基于地磁传感器阵列的室内指纹定位方法利用存储在指纹数据库的地磁基准图与待定位点进行匹配，根据匹配的特征点确定待定位用户端的位置信息，方法方便快捷，定位精度高；

二、本发明基于移动众包的室内定位方法无须人工勘测，可通过大量普通用户实现实时、鲁棒、精确的室内定位，相比于WIFI指纹定位、RFID等传统室内定位方法，大大提升了***工作效率以及稳定性，有利于推进室内定位技术的有效应用；

三、本发明***以多个地磁传感器形成一个传感器阵列，利用地磁信号在不同位置之间、相同位置不同方向的地磁场畸变是不同的，将空间特定位置上的地磁信号特征作为该位置的指纹，建立位置与指纹的关系数据库，为室内用户提供7*24小时精准的定位服务，且可在一些地下管廊定位导航、地下车库判别方向等方面实现较明显的应用。

附图说明

图1为地磁传感器阵列矢量示意图；

图2为本发明一种基于地磁传感器阵列的室内指纹定位方法的原理框图；

图3为基于本发明利用地磁传感器阵列采集的指纹矢量示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

本发明以多个地磁传感器模块形成一个传感器阵列，利用地磁信号在不同位置之间、相同位置不同方向的地磁场畸变是不同的，将空间特定位置上的地磁信号特征作为该位置的指纹，建立位置与指纹的关系数据库，为室内用户提供7*24小时精准的定位服务，且在一些地下管廊定位导航、地下车库判别方向等方面作用明显。

结合图1、图2内容，下面通过具体实施例对本发明作详细说明。

实施例1

一种基于地磁传感器阵列的室内指纹定位方法，具体包括以下步骤：

步骤1：根据定位精度的要求，对需要定位的区域进行划分网格，一般按照1米的定位精度划分网格大小为边长2m的正方形网格，并将单元网格的地理位置存储至指纹数据库。

步骤2：通过地磁传感器阵列进行指纹采集，4个传感器采集频率为5Hz，在每个采样点采集10组指纹，取各个传感器的地磁强度平均值保存在指纹数据库中，指纹数据库中保存的该位置的指纹形式为：F＝{(||m1||，||m2||，||m3||，||m4||，地理位置)，||mi||为地磁传感器采集的地磁场场强，最终完成一个采样点的指纹采集。

步骤3：将采集到的数据传输到服务器中，服务器将10组数据取平均值存储到相应位置的指纹数据库中。

步骤4：服务器中将移动众包用户上传的地磁数据进行K-Means聚类，完成地磁基准图的构建。

步骤5：通过地磁传感器阵列获取待测点的地磁矢量信息，与上述地磁基准图进行匹配，得到待定位点的位置，具体包括：

根据未知地点获取的地磁矢量信息与地磁基准图里聚类的簇保存的计算欧式距离，选择距离最小的簇；

根据最小簇内的网格数量，计算待定位点的地磁矢量与簇内所有指纹向量进行计算，筛选出最小的K条指纹；

根据这K条指纹数据，这K条指纹所代表的物理位置的几何平均值为最终定位结果。

充分利用移动众包用户采集数据量大且能够进行数据处理的优点，同时兼顾众包用户设备差异性、数据不稳定性。所述步骤4中，服务器建立地磁基准图阶段，对指纹数据库中保存的地磁指纹数据进行K-Means聚类，其目的是把数据集中在某些方面相似的数据成员进行分类组织，K-Means聚类算法在目标函数达到最优或到达最大的迭代次数便输出最终聚类结果。目标函数采用欧式距离度量，目标函数一般为最小化对象到其簇质心的距离的平方和，如下式所示：

算法的实现过程为：

1、随机选择k个初始质心；

2、如果没有满足聚类算法终止条件，则继续执行步骤3，否则转至步骤5；

3、计算每个非质心点p到k个质心的欧几里德距离，将p指派给距离最近的质心；

4、根据上一步的k个质心及其对应的非质心点集，重新计算新的质心点，然后转到步骤2；

5、输出聚类结果，算法可以执行多次，使用散点图比较不同的聚类结果。

所述聚类结果将地磁基准图分为几簇，该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。

本实施例的地磁指纹定位方法采用了确定型分类器中的K近邻算法，通过计算地磁基准图与待定位点之间的距离，根据距离的大小确定待定位终端的位置信息，方便快捷，定位精度高。

本发明还涉及一种定位***，用于实现上述方法，该***包括：

用户端：用于采集指纹，用户端设有地磁传感器阵列模块，用户端包括离线阶段移动众包用户和在线阶段定位用户，离线阶段移动众包用户采集原始采样点的当前物理位置、地磁信息和位置方向数据；在线阶段定位用户采集待测点的实时指纹数据及地磁信息。

服务器：用于对离线阶段移动众包用户采集的数据进行保存及获取地磁基准图，并根据地磁基准图对待测点采集的实时指纹进行匹配，服务器设有用于存储地磁基准图的数据库。

如图3所示，本发明利用同一位置地磁强度具有明显的方向性，磁场强度与其地理位置相关，同时其磁场信号具有差异性，并且差异性与随位置的不同而变化，因此地磁传感器阵列进行指纹库的构建符合指纹定位的两个基础假设：(1)无线信号特征与地理位置相关。(2)不同指纹间的相似度程度与其所处的空间物理距离具有强相关性。

本发明地磁传感器阵列模块由多于3个地磁传感器构成，不同的地磁传感器位于同一采集平面，其采集方向不同，同一位置的地磁矢量具有方向性，通过地磁传感器阵列采集指纹信息。如图1所示。4个地磁传感器位于同一平面，其采集方向分别位于0°、90°、180°、270°，4个传感器相距5cm，目的是使其尽可能的位于同一地理位置。

指纹采集工作常常要花费巨大的人力和物力，而且采集时一般需要在固定的参考位置点进行停留测试数据。基于移动众包的地磁指纹采集技术根据每个人的获取信息的能力，每个人作为实际的信息提供者，通过地磁传感器阵列采集终端实时的了解各种信息，采集当前场景下地磁数据以及位置信息，上传在服务器中。服务器根据众包用户提供的数据完成相关滤波处理后，保存到地磁基准图中，完成一个移动众包用户的信息采集工作。

本发明所采取的技术方案丰富了指纹定位的技术，拓展地磁信息的可定位性，为多源信息融合提供了解决思路，大大提升了室内定位市场前景。

实施例2

一种基于地磁传感器阵列的室内指纹定位方法，具体包括以下步骤：

步骤1：对定位区域进行单元网格划分，根据不同定位精度的要求，进行相应的网格划分，精度低的环境下，将一个房间、卫生间划分为一个网格；精度高的区域，1m的正方形划分一个网格；合理选择网格的采样点。

步骤2：通过地磁传感器阵列在网格的采样点采集指纹数据，在每个采样点采集50组数据。

步骤3：将每一个采样位置对应的一组指纹记录中每一个方向的地磁矢量单独进行概率建模，将计算出的概率参数(例如高斯模型的参数)作为指纹记录。采集周期内接收到的地磁传感器阵列信号强度的均值与方差(μ，δ)，将其作为相应单元网格的位置指纹存储至指纹数据库中。

步骤4：待测点通过地磁阵列采集一组地磁矢量，依次计算其与指纹数据库中每一个采样位置的概率表征指纹之间的指纹相似度。

步骤5：计算指纹数据库中与待测点最为相似(概率乘积最大)的K条采样指纹记录，返回该K个采样指纹所对应的K个采样位置的平均值(几何质心)作为待测点的位置估计。

本实施例采用概率模型，即记录指纹每一个维度上的地磁矢量的概率参数，计算指纹相似度采用概率来度量。本实例从目标环境中获得了更为丰富的地磁信号特征，进而提高了***的定位精度，该方法的代价是在每个采样点需要更多的采样次数。

本实施例还涉及一种用于实现上述方法的定位***，该***与实施例1相同。

实施例3

一种基于地磁传感器阵列的室内指纹定位方法，具体包括以下步骤：

步骤1：根据定位精度的需求，合理划分网格大小，一般取2米的正方形为一个网格。

步骤2：通过地磁传感器阵列在网格的采样点采集指纹数据，在每个采样点采集10组数据。

步骤3：将采样的指纹数据库作为训练集输入到神经网络模型，通过一步正切算法(OSS)来学习隐藏单元的系数，完成神经网络模型的搭建。

步骤4：待测点通过地磁阵列采集一组地磁信息，将其带入训练好的模型即可得到该地磁信息对应的估计坐标。

该实施例的特点在于利用多层感知器架构(MLP)来表征地磁指纹和坐标之间的关系，应用该基于神经网络分类器模型对提高基于移动众包的地磁传感器阵列指纹定位精度有一定的帮助。

本实施例还涉及一种用于实现上述方法的定位***，该***与实施例1相同。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于地磁传感器阵列的室内指纹定位方法，其特征在于，该方法包括以下步骤：

1)对待定位区域进行网格初始化；

2)利用众包方式对室内多个采样点进行数据采集，包括当前物理位置、地磁信息和位置方向，并对采集的数据进行预处理；

3)将众包采集到的数据传输至服务器进行处理；

4)服务器对处理后的数据按指定形式构建单条指纹；

5)对待定位区域完成所有指纹的构建后保持至指纹数据库，获取地磁基准图，所述的地磁基准图接受来自众包的指纹更新；

6)用户端利用地磁传感器阵列对待测点进行实时的地磁信息采集和位置方向采集，并向服务器发出定位请求；

7)服务器接收用户端采集的地磁信息，并将接收的地磁信息与地磁基准图里保存的信息进行匹配，获取最佳匹配指纹信息，将最佳匹配指纹信息所对应的空间坐标信息发送至用户端；

8)用户端根据接收的空间坐标信息更新待测点的实时位置，完成定位。

2.根据权利要求1所述的一种基于地磁传感器阵列的室内指纹定位方法，其特征在于，步骤3)中，将众包采集到的数据传输至服务器依次进行聚类、筛选、均值化及限幅处理。

3.根据权利要求1所述的一种基于地磁传感器阵列的室内指纹定位方法，其特征在于，步骤5)中，采用插值法获取地磁基准图。

4.根据权利要求1所述的一种基于地磁传感器阵列的室内指纹定位方法，其特征在于，步骤7)中，将采样点采集的地磁数据作为输入，采用确定性分类器将接收的地磁信息与地磁基准图里保存的信息进行匹配，获取最佳指纹信息，进而获取最佳指纹信息对应的估计定位坐标。

5.根据权利要求1所述的一种基于地磁传感器阵列的室内指纹定位方法，其特征在于，步骤7)中，将指纹每一个维度上的地磁矢量的概率参数作为输入，采用概率型分类器将接收的地磁信息与地磁基准图里保存的信息进行匹配，获取最佳指纹信息，进而获取最佳指纹信息对应的估计定位坐标。

6.根据权利要求1所述的一种基于地磁传感器阵列的室内指纹定位方法，其特征在于，步骤7)中，将指纹数据库作为训练集输入到神经网络模型，通过一步正切算法学习隐藏单元的系数以构建神经网络模型，将待测点通过地磁阵列采集的一组地磁信息输入至训练后的神经网络模型模型，与地磁基准图里保存的信息进行匹配，获取最佳指纹信息，进而获取最佳指纹信息对应的估计定位坐标。

7.根据权利要求1所述的一种基于地磁传感器阵列的室内指纹定位方法，其特征在于，步骤2)中，采用限幅滤波法或中位值滤波法对采集的数据进行预处理。

8.一种实现如权利要求1-7任一项所述的基于地磁传感器阵列的室内指纹定位方法的定位***，其特征在于，该***包括：

用户端：设有地磁传感器阵列模块，用于指纹采集，用户端包括：

离线阶段移动众包用户，用于采集原始采样点的当前物理位置、地磁信息和位置方向数据；

在线阶段定位用户，用于采集待测点的实时指纹数据及地磁信息；

服务器：用于对离线阶段移动众包用户采集的数据进行保存及获取地磁基准图，并根据地磁基准图对待测点采集的实时指纹进行匹配，所述的服务器设有用于存储地磁基准图的数据库。

9.根据权利要求8所述的一种定位***，其特征在于，所述的地磁传感器阵列模块包括布置在不同方向上的多个地磁传感器。

10.根据权利要求9所述的一种定位***，其特征在于，所述的地磁传感器的个数至少为三个。