没有合适的资源?快使用搜索试试~ 我知道了~
室内定位系统中的传感器融合方法
⃝⃝可在www.sciencedirect.com在线获取ScienceDirectICT Express 2(2016)71www.elsevier.com/locate/icte基于Wi-Fi的室内定位系统传感器融合方法Dongsoo Han,Suk-hoonJung,Sangjae Lee韩国科学技术高等研究院计算机科学系,291 Daehak-ro,Yuseong-gu,Daejeon 305-701,大韩民国接收日期:2016年2月29日;接受日期:2016年2016年5月13日在线发布摘要本文提出了一种基于Wi-Fi的室内定位系统的传感器融合方法,称为KAist室内定位系统(KAILOS),该系统是为实现利用众包指纹的全球室内定位系统(GIPS)而开发的。KAILOS通过为GIPS收集建筑物的室内地图和指纹DB,支持在建筑物中部署室内定位系统。因此,KAILOS提供了一种基于传感器融合的方法,为志愿者开发他们的建筑物的室内定位系统。KAILOS已在网上提供给公众使用。此外,还可以使用KAILOS开发各种基于位置的应用程序c2016韩国通信信息科学研究所。出版社:Elsevier B.V. 这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4. 0/)。1. 介绍KAist室内定位系统(KAILOS)具有各种独特的功能,使其区别于其他室内定位系统。这些特征之一是其用于提供精确定位服务的定位算法[1]。开发了扩展的维特比算法以通过使用历史数据来跟踪用户,所述历史数据包括Wi-Fi指纹、磁性指纹和来自惯性传感器(诸如三轴加速度计、陀螺仪、罗盘和气压计)的感测数据。扩展的Viterbi算法将来自各种智能手机传感器的读数整合到其概率框架中,以实现更准确的定位。此外,该算法使用了一种新的Wi-Fi指纹识别方案,称为信号波动矩阵(SFM),从稀疏收集的指纹数据中提取优化的性能。在本文中,我们简要介绍了部署的过程中,室内定位系统使用KAILOS。该系统提供了方法、工具和界面来注册室内地图、构建无线电地图、可视化信号分布等。在KAILOS的众多方法和工具中,我们特别关注其传感器融合方法,该方法旨在将各种传感器结合起来,以及SFM方法,以进一步*通讯作者。电子邮件地址:dshan@kaist.ac.kr(D. Han),sh. kaist.ac.kr(S.-H. Jung),summit@kaist.ac.kr(S. Lee)。同行评审由韩国通信信息科学研究所负责。这篇论文已经由教授处理金善宇提高基于Wi-Fi的室内定位的性能。该技术已被集成在维特 比 跟 踪 框 架 , 其 建 设 是 基 于 隐 马 尔 可 夫 模 型(HMM)。KAILOS的有效性通过将Wi-Fi和传感器信号集成到扩展的Viterbi跟踪算法中进行评估。在使用KAIST的N1大楼的第七层作为实验设置进行的实验中,发现这大大提高了室内定位的性能。2. 凯洛斯2.1. 用于部署室内定位系统的工具KAILOS包含各种方法和工具,使志愿者能够登记任何建筑物的室内和无线电地图。这些工具可在KAILOS网站(http://kailos.io)上查阅。描述KAILOS用户界面的选定网页如图1所示。一旦建筑物的室内地图被注册,建筑物的Wi-Fi和磁性指纹可以通过使用逐点手动校准[2],步行测量[1]或无参考校准[3]收集并输入到KAILOS中。构建无线电地图的能力是KAILOS与其他室内定位系统的另一个区别。它支持各种无线电地图构建方法,包括一种新的基于无监督学习的无参考校准方法[3]。方法自动将http://dx.doi.org/10.1016/j.icte.2016.04.0022405-9595/c2016韩国通信信息科学研究所。Elsevier B. V.的出版服务。这是CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4. 0/)。72D. Han等/ ICT Express 2(2016)71(a) 室内地图建设。(b)指纹图绘制。Fig. 1. 室内定位系统的部署过程。在没有位置信息的情况下收集的众包指纹的位置。由于无参考校准方法不需要参与者的任何明确努力或来自GPS和惯性传感器的额外信息用于校准目的,因此它可以有效地用于构建世界各地建筑物的无线电地图。想要在建筑物中部署室内定位系统的志愿者可以从三种校准方法中选择一种,考虑系统的建设成本和准确性。逐点手动校准方法可用于实现高度精确的定位系统,一种特殊的室内空间,如展览和会议中心、折扣店和室内购物中心。尽管无参考校准方法的成本几乎为零,但它可能导致定位系统不太准确该方法适用于具有众包指纹的大型或偏远建筑物。2.2. 用户跟踪和传感器融合的概率框架定位算法的准确性改变了可用数据(如无线电地图[4]、惯性传感器读数、自动跟踪结果[5]和地图匹配)的整合方式这些不同类型数据的融合也是需要解决的关键问题之一[6]。KAILOS在HMM上的扩展Viterbi算法的概率框架中克服了这个问题,该算法用于对室内区域进行建模。在KAILOS中,HMM的拓扑结构是根据室内地图上指定的建筑物的结构(如墙壁和障碍物)自动构建的该拓扑用于估计特定室内空间中的用户移动,并执行地图匹配。同时,传感器数据分为两种类型:第一种类型用于估计绝对位置,第二种类型用于估计用户相对位置的变化。使用Wi-Fi估计用户的绝对位置,磁性指纹,用于计算HMM的发射概率。的跃迁概率然后,使用HMM的发射和转移概率来在HMM的概率框架中融合两种类型的传感器数据,以提供精确的轨迹跟踪和用户定位。2.2.1. 信号波动矩阵传统上,无线电地图以接收信号强度(RSS)的直方图、高斯分布或对数正态分布的形式表示来自特定位置处的相应AP的信号的特征[6]。这些策略通常需要在每个位置处的大量样本,以便精确地表示具有RSS分布的信号的特征。在这里,我们提出了一种新的方法来表示使用SFM的指纹的特征。这种方法减少了对大量样本的需求,而这是众包指纹无法满足的该方法忽略了每个位置和AP的RSS分布模式之间的差异,并考虑了位置处两个RSS值之间波动的概率。波动的普遍模式表示在一个二维的SFM。由于可以在任何位置处观察到特定RSS值对的波动,因此即使在每个位置处只有少量样本可用,也可以获得可靠的SFM。图2示出了由SFM和正常直方图表示的无线电地图之间的差异。我们在KAIST N1大楼7楼的实验环境中的每个位置收集了20个样品进行实验。如图2所示,仅由20个样本构建的直方图是不可靠的,因为许多箱是空的。然而,SFM可以克服缺乏训练样本的问题,并继续用频率值填充矩阵中的所有单元格SFM可以看作是一个通用的直方图的RSS值,而不考虑位置和AP。SFM计算在位置l处观测到AP的在线RSSi的概率作为对数奇概率,P(i,j)P( i) P( j)HMM在运行期间使用惯性传感器读数来计算,以估计相对位置的变化的其中,j是在l处训练的AP的平均RSS,P( i,j)是存储在P(i |l)=log、(1)UWBi-Fi指纹o简单地通过Pi计算|L.()∈D. Han等/ ICT Express 2(2016)71-74730.160.140.120.10.080.060.040.020–50RSS(a) 直方图。可持续森林管理。图二.比较基于SFM和直方图的Wi-Fi指纹。SFM,P(i) P( j)是对的期望波动概率[7]。 发射概率P(o|(一)在线I o磁性指纹也可以用一种结构来类似于SFM。然而,我们使用高斯分布的磁指纹,因为波动在一个位置处的磁规范不像Wi-Fi信号那样严格当在在线阶段中磁范数m与o一起被测量时,测量结果P(o,m)的发射概率|l)简单地由P(o)计算|l)×P(m|l)。2.2.2. 惯性传感器数据如果转移概率由设备中的惯性传感器提供,则维特比算法可以使用计算出的发射概率智能手机中的惯性传感器因此,确定性的结果应转换为概率分布在每个位置,并在一定程度上补偿的误差。扩展维特比跟踪算法通过累积距离和航向计算中的误差分布来解决这些问题。误差估计的假设下,跟踪结果相当接近正确的答案。图3示出了计算转移概率的过程。假设如图所示已经执行了从时间t0到t3粗箭头描绘了跟踪结果,而虚线箭头表示惯性传感器在每个时间点提供的距离和航向信息。在时间t0处,从第一位置转变出来的概率分布由灰色圆圈描绘,其中心由惯性传感器读数指示。然而,在惯性传感器读数和跟踪结果之间可能发生失配。由这种失配引起的误差应归因于惯性传感器,并且应在下一个跃迁概率的计算中进行补偿。随着时间的推移,距离和航向计算中的误差逐渐减轻,图三. 转移概率计算和误差补偿。见图4。 传感器融合的扩展Viterbi算法。如图所示。结果,在时间t4处,跟踪算法可以利用由黑圆圈描绘的校正的概率分布。图4是KAILOS定位框架的概览。测量的Wi-Fi信号和磁规范用于计算发射概率,传感器读数用于计算转移概率。维特比跟踪算法结合各种概率来估计最终位置。3. 评价我们进行了实验,以确认该方法的有效性。实验是通过使用KAIST的N1大楼的第七层作为我们的实验设置来比较欧几里德,高斯,直方图和SFM方法的性能图5以CDF图的形式示出了比较的结果如图所示,基于SIM的方法优于现有的定位方法。概率74D. Han等/ ICT Express 2(2016)7110.80.60.40.200 3 6 9 12 15距离误差(米)图五.使用各种指纹类型的概率定位算法的定位误差的累积分布函数(CDF)。方法,表明SFM能够有效地提高定位精度进行了额外的实验,以测试传感器融合在同一建筑物的同一楼层采用传感器融合方法进行定位,定位精度提高了100%以上。距离的平均当粒子滤波器的粒子合并成一组时,磁力计的去除是提高精度另一方面,Wi-Fi信号在寻找初始位置方面最有效惯性传感器对于检测方向的变化是有效的。4. 结论本文介绍了两种技术:SFM和传感器融合,这两种技术都被证明是非常有效的改善基于Wi-Fi的室内定位系统的定位精度。这些技术现已在KAILOS中提供,这是一个基于众包的全球室内定位系统,我们已在互联网上公开提供。在KAILOS上部署室内定位系统的用户越多,就能越早实现全球室内定位系统。致谢这项工作得到了韩国政府(MSIP)资助的韩国国家研究基金会(NRF)(批准号2015 R1 A2 A1 A10052224)的部分支持,以及韩国国土交通部(MOLIT)在韩国基础设施技术促进局(KAIA)监督的铁路技术研究计划(15 RTRP-B 086931 -02)下的部分支持。引用[1] D. 汉,S.李,S。Kim,Kailos:Kaist室内定位系统,in:Proc.Int.Conf. Indoor Positioning and Indoor Navigation,2014,pp. 615-619[2] D. 汉,S. 荣格,M。李,G.尹,建立一个实用的基于Wi-Fi的室内导航系统,IEEE普适计算。13(2)(2014)72-79。[3] S. 荣格湾,澳-地穆恩角,澳-地Han,无线网络中众包室内定位的无监督学习,IEEE Trans.Mob。Comput. PP(2015)pp. 一比一[4] Y. 文,X.Tian、X.Wang,S.Lu,RSS的基本限制基 于 指 纹 识 别 的 室 内 定 位 , 在 : Proc.IEEE Int.Conf.ComputerCommunications,2015,pp. 2479-2487[5] D. Dardari,P. Closas,P. Djuric,室内跟踪:理论、方法和技术,IEEE Trans. Veh. 64(4)(2015)1263-1278。[6] H. Liu,H. 达拉比山口Banerjee,J.Liu,无线室内定位技术与系统综述,IEEE Trans. 系统曼·赛伯恩C部分应用Rev. 37(6)(2007)1067-1080。[7] A.Y.Zomaya,手册的自然启发和创新计算:将经典模型与新兴技术相结合,Springer,2006年。欧氏高斯分布直方图SFMCDF
下载后可阅读完整内容,剩余1页未读,立即下载
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![.pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- 利用迪杰斯特拉算法的全国交通咨询系统设计与实现
- 全国交通咨询系统C++实现源码解析
- DFT与FFT应用:信号频谱分析实验
- MATLAB图论算法实现:最小费用最大流
- MATLAB常用命令完全指南
- 共创智慧灯杆数据运营公司——抢占5G市场
- 中山农情统计分析系统项目实施与管理策略
- XX省中小学智慧校园建设实施方案
- 中山农情统计分析系统项目实施方案
- MATLAB函数详解:从Text到Size的实用指南
- 考虑速度与加速度限制的工业机器人轨迹规划与实时补偿算法
- Matlab进行统计回归分析:从单因素到双因素方差分析
- 智慧灯杆数据运营公司策划书:抢占5G市场,打造智慧城市新载体
- Photoshop基础与色彩知识:信息时代的PS认证考试全攻略
- Photoshop技能测试:核心概念与操作
- Photoshop试题与答案详解
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)