基于粒子滤波的PDR/地磁指纹室内定位

doi:10.13474/j.cnki.11-2246.2021.0005

测绘通报 ›› 2021, Vol. 0 ›› Issue (1): 24-28.doi: 10.13474/j.cnki.11-2246.2021.0005

• 智能终端导航与位置服务 • 上一篇下一篇

基于粒子滤波的PDR/地磁指纹室内定位

王安义, 欧雪

西安科技大学通信与信息工程学院, 陕西西安 710054

收稿日期:2020-08-24 发布日期:2021-02-08
作者简介:王安义(1969-),男,博士,教授,主要研究方向为无线电通信技术。E-mail:1874080174@qq.com
基金资助:
国家重点研发计划项目（2018YFC0808301）

PDR/geomagnetic fingerprint indoor positioning method based on particle filter

WANG Anyi, OU Xue

College of Communication and Information Engineering, Xi'an University of Science and Technology, Xi'an, 710054, China

Received:2020-08-24 Published:2021-02-08

摘要/Abstract

摘要： 针对行人航位推算（PDR）定位存在误差累积和地磁指纹不唯一导致的误匹配问题，本文改进了基于粒子滤波的PDR/地磁指纹室内定位方法。在PDR定位过程中利用地图信息控制粒子权重更新，得到较为准确的位置信息后，利用动态时间规整（DTW）算法在PDR推算位置基础上进行快速序列匹配，获取最优位置估计。试验结果表明，融合定位方法有效解决了行人位置穿墙问题，最大定位误差小于1.5 m，53.33%概率定位精度1 m。

关键词: 室内定位, 行人航位推算, 地磁指纹定位, 粒子滤波, PDR

Abstract: Aiming at the problem of error accumulation in PDR positioning and mismatching caused by non-unique geomagnetic fingerprint, this paper combines PDR with geomagnetic fingerprint to conduct indoor positioning research, and proposes a PDR/ geomagnetic fingerprint indoor positioning method based on particle filter. In the PDR positioning process, the map information is used to control the updating of particle weight to obtain more accurate position information. Then, dynamic time structuring algorithm is used to perform rapid sequence matching on the basis of PDR calculated position to obtain the optimal position estimation. The experimental results show that the fusion positioning method can effectively solve the problem of pedestrians’ position passing through the wall. The maximum positioning error is less than 1.5 m, and the positioning accuracy is 1 m with a 53.33% probability.

Key words: indoor positioning, pedestrian dead reckoning, geomagnetic fingerprint positioning, particle filter, PDR

中图分类号:

P228

王安义, 欧雪. 基于粒子滤波的PDR/地磁指纹室内定位[J]. 测绘通报, 2021, 0(1): 24-28.

WANG Anyi, OU Xue. PDR/geomagnetic fingerprint indoor positioning method based on particle filter[J]. Bulletin of Surveying and Mapping, 2021, 0(1): 24-28.

参考文献

[1] 史云飞, 郝永生, 刘德亮, 等. 室内无线定位算法研究现状与发展趋势[J]. 电讯技术, 2018, 58(10):1230-1236.
[2] 吴雅琴, 杨硕, 师兰兰. 基于位置指纹与PDR融合的室内定位算法研究[J]. 矿业科学学报, 2019,4(5):448-454.
[3] 王杨, 赵红东. 室内定位技术综述及发展前景展望[J]. 测控技术, 2016, 35(7):1-3.
[4] 周家鹏, 汪云甲, 李昕, 等. 地磁室内定位技术研究[J]. 测绘通报, 2019(1):18-22.
[5] 李思民, 蔡成林, 王亚娜, 等. 基于地磁指纹和PDR融合的手机室内定位系统[J]. 传感技术学报, 2018, 31(1):36-42.
[6] 于鹏, 韦照川, 蔡成林, 等. 基于PDR和地磁融合的室内定位算法[J]. 桂林电子科技大学学报, 2018, 38(4):273-278.
[7] 宋镖, 程磊, 周明达, 等. 基于惯导辅助地磁的手机室内定位系统设计[J]. 传感技术学报, 2015, 28(8):1249-1254.
[8] 黄鹤, 仇凯悦, 李维, 等. 基于粒子滤波联合算法的地磁室内定位[J]. 西南交通大学学报, 2019, 54(3):604-610.
[9] XIE H W, GU T, TAO X P, et al. A reliability-augmented particle filter for magnetic fingerprinting based indoor localization on smartphone[J]. IEEE Transactions on Mobile Computing, 2016, 15(8):1877-1892.
[10] WANG A Y, OU X, WANG B. Improved step detection and step length estimation based on pedestrian dead reckoning[C]//Proceedings of 2019 IEEE International Symposium on Electromagnetic Compatibility (ISEMC). New Orleans:IEEE, 2019.
[11] 黄小平, 王岩, 缪鹏程. 目标定位跟踪原理及应用-MATLAB仿真[M]. 北京:电子工业出版社, 2018.
[12] 谢仕民, 李邦清, 李文耀, 等. 地磁匹配技术及其基本匹配算法仿真研究[J]. 航天控制, 2008, 26(5):55-59.
[13] 郭云飞, 汪金花, 吴兵, 等. 井下地磁定位的匹配算法分析和优化[J]. 传感技术学报, 2018, 31(9):1377-1382.
[14] 林政树. 基于地磁的室内地图创建与存储研究[D]. 广州:华南理工大学, 2017.
[15] 周鲜明, 冉烽均, 黄永红, 等. 基于KNN运动模式识别的改进PDR室内定位[J]. 地理空间信息, 2019, 17(1):25-28.

基于粒子滤波的PDR/地磁指纹室内定位

PDR/geomagnetic fingerprint indoor positioning method based on particle filter

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	周宝定, 杨程景, 顾祉宁, 刘旭. 环境语义信息辅助的室内停车场车辆定位方法[J]. 测绘通报, 2022, 0(6): 6-11,75.
[2]	赵胤植, 邹进贵, 蔡礼贤, 黄格格. 一种顾及电子元件延迟的超宽带室内定位方法[J]. 测绘通报, 2022, 0(4): 1-5,31.
[3]	李景文, 韦晶闪, 周俊芬, 毛佳影, 陆妍玲. 融合UWB+PDR的室内定位方法改进[J]. 测绘通报, 2022, 0(3): 36-40.
[4]	徐国梁, 李圳, 陶钧, 郭靖, 赵齐乐. 复杂环境下智能手机RTK+PDR融合定位[J]. 测绘通报, 2021, 0(12): 44-49,98.
[5]	周宗锟, 姜卫平, 唐健, 王一文, 欧阳文一. LiDAR地图匹配与二维码融合的AGV室内定位与导航[J]. 测绘通报, 2021, 0(1): 9-12,52.
[6]	陆妍玲, 韦俊伶, 刘采玮, 李景文, 姜建武. 融合地磁/WiFi/PDR的自适应粒子滤波室内定位[J]. 测绘通报, 2020, 0(6): 1-6.
[7]	何肖娜, 宋斌斌, 余敏. 融合上下文感知的地标检测辅助WiFi-PDR室内定位[J]. 测绘通报, 2020, 0(6): 7-11,16.
[8]	赵琪, 孙立双, 谢志伟. 基于改进MCNN的密度图在室内定位中的应用[J]. 测绘通报, 2020, 0(6): 12-16.
[9]	王照远, 高井祥, 李增科, 常梦阳. 一种融合WiFi/地磁/PDR的室内定位方法[J]. 测绘通报, 2020, 0(6): 17-21.
[10]	冯木榉, 高迪, 何文涛. 面向低成本车载IMU的安装姿态估计[J]. 测绘通报, 2020, 0(6): 67-70.
[11]	陶晓晓, 卢小平, 代文晨, 余振宝, 张冬梅. 基于环境光修正的行人航迹推算[J]. 测绘通报, 2020, 0(1): 132-135,141.
[12]	张园, 谭兴龙, 赵长胜, 李晓明. 顾及有色噪声的自适应粒子滤波UWB定位算法[J]. 测绘通报, 2019, 0(8): 30-33.
[13]	郭英, 冯茗杨, 孙玉曦, 姬现磊, 刘清华. 一种基于蓝牙室内指纹定位的贝叶斯改进算法[J]. 测绘通报, 2019, 0(5): 1-6.
[14]	朱家松, 程凯, 周宝定, 林伟东. 基于互补滤波融合WiFi和PDR的行人室内定位[J]. 测绘通报, 2019, 0(5): 12-15,34.
[15]	陈鹏, 廖明, 刘武平, 呙维, 宋杨. 融合三边测量和PDR的室内定位关键技术分析及应用[J]. 测绘通报, 2019, 0(2): 17-21.