基于动态加权的多源融合定位算法

吉福龙

【摘 要】针对单一信号源的室内定位方法难以获取到稳定和高精度定位结果的问题，提出一种多源信息融合定位的方法，来得到高可用的定位结果；該方法首先对WIFI指纹定位、蓝牙三边测量定位和RFID近邻法定位进行动态加权，得到绝对位置；然后与行人航迹推算得到的位置用卡尔曼滤波融合得到最后的定位结果。实验表明，该算法对定位效果改善明显，定位精度达到亚米级。

【关键词】室内定位；WIFI；蓝牙；RFID；卡尔曼滤波

中图分类号： TP391.41 文献标识码： A 文章编号： 2095-2457（2018）21-0222-002

DOI：10.19694/j.cnki.issn2095-2457.2018.21.102

【Abstract】The indoor positioning method for a single signal source is difficult to obtain stable and high-precision positioning results.A multi-source information fusion positioning method is proposed to obtain highly available positioning results.The method first dynamically weights WIFI fingerprint positioning， Bluetooth trilateration positioning and RFID neighbor positioning，and obtains an absolute position.Then，the wireless positioning position and the position calculated by the pedestrian track are combined by Kalman filter to obtain the final positioning result.Experiments show that this algorithm improves the positioning effect obviously，and the positioning accuracy reaches the sub-meter level.

【Key words】Indoor positioning；WIFI；Bluetooth；RFID；Kalman filter

0 引言

随着定位技术的飞速发展，位置服务（LBS）已经成为人们日常工作、生活所必须的一项基本服务需求。然而，GPS信号无法有效穿透建筑物，随着室内建筑物逐渐向大型化、复杂化发展，人们对于高精度室内定位的要求也愈发迫切[1]。

室内定位技术相比于室外定位技术起步较晚，该领域还有许多空白，但人们对于室内定位技术的关注从未中断。目前，国内外研究相继提出了蓝牙、红外线、RFID、WLAN、超宽带、超声波等室内定位技术，但是不同的室内定位技术均存在着一些局限性，并没有一种普适化技术能满足当前所有的室内定位服务需求[2]。WIFI指纹的定位方法容易受到多径干扰的影响，仅仅依靠WIFI指纹定位很难得到令人满意的效果；基于RFID射频识别的定位技术，射频标签传输距离近，布设密度大小难以规范化；蓝牙信号作用距离短，定位精度较高，但蓝牙信号波动性较大；行人航迹推算技术（PDR）尽管短时间内具有较高精度且能实现连续定位，但是该定位方法随着时间变化容易产生累积误差，而且该方法对运动模型的准确性要求很高[3]。

针对以上单一室内定位方法的不足，本文提出基于WIFI、蓝牙、RFID与惯性导航动态加权融合的定位算法，通过对多种定位方式进行优势互补，来达到高精度的定位效果。

1 相关背景

1.1 WIFI指纹定位技术

由于WIFI信号受室内环境等多方面的影响，导致WIFI信号在同一地点不同时间采集到的RSSI不同。这种RSSI的时变特性，导致传统的路径损耗模型定位误差较大，而采用指纹法可以有效地减小多径和阴影衰落的干扰。指纹定位法分为两个阶段，离线阶段和在线阶段。离线阶段采集不同位置的WIFI信号数据，建立指纹数据库，在现阶段通过匹配算法进行匹配，一般的方法主要是最邻近法、K邻近法及WKNN算法。本文中主要采用相对定位效果较好的WKNN算法。

1.2 蓝牙三边测量定位技术

蓝牙三边测量定位是基于信号路径损耗模型，解算待测点与参考信标节点间的距离，通过测定到三个参考信标的距离，根据毕达哥拉斯定理，由三个节点作圆的交点作为待测点的位置。考虑信号强度易受干扰，一般用最小二乘的多边测量法减少波动。而为了得到高精度的定位结果，还需要引入信标节点的空间布局关系，对实时获取的参考信标节点进行筛选来得到高精度位置。

1.3 RFID邻近法定位技术

RFID定位的基本原理是，通过一组固定的阅读器读取目标RFID标签的特征信息（如身份ID、接收信号强度等）。RFID阅读器读取标签的范围因阅读器的天线类型决定，通常作用范围较小。使用有向天线的RFID阅读器只能覆盖特定的区域，超出范围的信号就无法读取，因而通常采用近邻法来实现RFID的定位，以覆盖区域中心点作为RFID标签的位置。

1.4 行人航迹推算技术

行人航迹推算技术在短时间内能够得到较高精度定位效果想，相对无线定位点的散乱，行人航迹推算技术能提供连续的定位点，让定位结果连续化。行人航迹推算主要基于步伐检测和步长估计算法实现，通过对加速计、陀螺仪和磁力计等惯性传感器获取的数据采集和建模，得到行人当前行进的步长和运动的方向，推算出下一时刻行人位置。

2 动态加权多源融合定位算法

通过对以上相关技术的分析，本文提出一种多源融合定位算法，通过对WKNN的WIFI指纹定位、优化的蓝牙三边定位和RFID近邻法定位结果的动态加权，得到初始位置信息，继而用PDR得到连续的定位点，再结合加权定位点修正，利用Kalman滤波融合，得到稳定和高精度的定位结果。

2.1 动态加权定位

信号接收的差异以及信号源部署位置的不同，使得各定位点的解算频次也不一样，为保证定位实时性，需要对获取的定位点进行动态加权，各类定位点解算结果通过回调的机制进行传递，加权过程为动态递推的过程，即当得到一个蓝牙定位点时，以当前点与蓝牙定位点进行加权，得到一个WIFI点时，则以WIFI定位点与当前点进行加权，RFID定位点以同样的方式进行。在对无线定位进行加权融合的过程中，需要为不同类型的定位结果赋予不同的权重，具体权重值由各定位算法信号可用性以及精度水平统一决定。

2.2 卡尔曼滤波融合

在获得最终的定位结果后，对航迹推算结果和无线定位加权结果，为进一步得到高精度的定位，需要进行自适应加权，本文采用卡尔曼滤波算法[4]融合得到最终的定位结果。依据行人航跡推算模型作为系统的时间更新模型，系统状态量随时间的更新可表示为行走的位移在x轴和y轴上的分量值，与原系统状态量分别求和得到新的状态量，其中系统的噪声为航迹推算运动的过程噪声，满足高斯分布。以无线加权定位结果作为位置观测量，航迹推算中的步长和航向作为另外两个观测量，得到如下观测方程：

3 实验分析

为了验证融合定位算法对定位精度的提升，基于安卓手机进行了定位精度验证实验，通过采集同一个点不同定位方式得到的多组定位结果，对误差统计分析的结果如下图所示。

统计分析时考虑WIFI误差相对较大及RFID覆盖区域有限，曲线图主要描述蓝牙定位、蓝牙+WIFI定位及三者融合定位的误差分布情况。可以看出，蓝牙+WIFI定位效果提升明显，但仍有波动，进一步引入RFID定位后，整体定位精度明显提升，保持在亚米级水平。

4 总结

本文基于常用的室内定位技术研究，通过发掘不同室内定位技术的优势和不足，提出一种基于动态加权的多源融合室内定位技术，对蓝牙、WIFI、RFID和PDR等多种定位信息进行融合，实验结果表明，多源融合定位明显改善了定位效果。

【参考文献】

[1]周启臻，邢建春，李决龙，杨启亮.一种多元信息融合的室内定位方法[J].微型机与用，2016，35（22）

[2]阮陵，张翎，许越，郑星雨.室内定位：分类、方法与应用综述[J].地理信息世界，2015，22（02）：8-14+30.

[3]张胜军，林若琳.浅谈室内定位技术现状[J].测绘与空间地理信息，2018，41（07）：128-131.

[4]Welch G， Bishop G. An Introduction to the Kalman Filter[M]. University of North Carolina at Chapel Hill， 2001.