一种UWB与PDR融合的行人室内定位方法

仪玉杰，黄智刚，苏 雨

一种UWB与PDR融合的行人室内定位方法

仪玉杰，黄智刚，苏 雨

（北京航空航天大学 电子信息工程学院，北京 100191）

针对在复杂室内环境下，单纯依靠超宽带技术（UWB）定位结果会严重失真，甚至缺失的问题，提出一种将UWB与行人航迹推算方法（PDR）相结合的方法：基于在人体胸部或者腰部等位置佩戴惯性器件的通常情形，利用惯性器件数据估计行人步长与每步航向，建立UWB与PDR的非线性扩展卡尔曼滤波器；然后通过将UWB相邻时刻间的差值信息更新到卡尔曼滤波器中的观测方差阵中，来自适应地实现定位结果估计。实验结果表明，该算法与单纯依靠UWB技术进行定位的算法相比，能够解决在复杂室内环境下定位解算点可能缺失的问题，并且可较显著地提高在复杂环境下定位系统的鲁棒性和定位精度。

室内定位；超宽带；行人航迹推算；扩展卡尔曼滤波器；自适应观测方差阵

0 引言

随着手机等智能终端的普及，个体获取定位导航服务的便利性大大增加，同时也对基于位置服务各方面的要求不断提高。户外的定位导航服务已经非常普及，全球定位系统（global position system, GPS）的定位精度已经能够达到米级别。但是由于GPS信号在“城市峡谷”之间会发生严重失真，导致定位精度严重降低。因此在建筑楼体林立的定位环境内，需要寻求其他技术手段来实现高楼之间或楼体内部的定位服务。目前，存在的室内定位技术有红外线、蓝牙、惯性导航、无线保真（wireless fidelity, WiFi）、超宽带技术（ultra wide band, UWB）技术等。UWB由于其具有定位精度高、功耗低、有一定信号穿透性等优点而脱颖而出，已成为一个越来越被关注的技术领域。

任何无线电技术不可避免地都有缺陷，UWB技术也不例外。当应用环境比较复杂，有较大障碍物时，UWB测距信号的到达时间信息会发生严重失真，甚至当接收到的独立信息量少于定位解算所需要的数量时，不会有定位解算点，因而会造成定位点缺失。解决这个问题的一般想法是将惯性导航技术与UWB技术相结合。惯性导航具有数据输出稳定连续、不依赖外部环境的优点，这些优点刚好可以与UWB的缺陷形成互补。目前参与融合的惯性导航方法中分为捷联惯性导航和行人航迹推算算法（pedestrian dead reckoning, PDR）。2种方法各有特点，应用于不同的场景。

在惯性导航技术与超宽带技术相结合的方法中，一般的方法是将捷联惯导算法技术与超宽带技术相结合。文献[1-5]就是利用捷联惯导方程作为卡尔曼方程的状态方程进行数据处理；但是这种方法需要处理的数据量比较大，并且需要将测试标签放置在人体脚部，利用人走路时的短暂静止来进行零速修正，对于定位解算在平台端完成的情况，需要传输的信息量大，并且不易实现到某些需要将标签佩戴到非足部位置的情况中。文献[6-7]中从分别佩戴在头部的UWB器件和佩戴在脚部的惯性测量单元(inertial measurement unit, IMU)器件之间的几何角度提出一个距离上界来实现限制滤波器。文献[8]中也是将UWB标签与惯导器件分离，惯导使用零速更新方法提供速度误差观测量，UWB提供位置误差观测量实现扩展卡尔曼数据融合。文献[9]则是基于UWB与PDR二者求解出的解算结果进行松组合。文献[10]中用于组合定位的方法是GPS和PDR，通过提出基于加速度和航向的PDR算法、基于机电信号和航向的PDR算法进行融合。

上述文献中所述方法对于惯导器件在人体的佩戴位置有极强的限制性，必须配置在测试人员足部。对于一些应用场景，将标签佩戴在脚部位置时不科学且不方便；所以本文基于测试人员可以将标签配置在腰部、胸部等主体躯干位置的使用场景下，提出一种新型的利用PDR与UWB技术进行融合的方法：利用PDR推算方程作为状态方程，从惯性数据中估计行人步长和航向参与运算；利用UWB的测距定位方程作为观测方程，建立扩展卡尔曼滤波方程。

1 组合定位系统的整体框架

图1所示为基于UWB和PDR技术融合定位系统的整体框架图。PDR部分，通过MEMS器件获得相应的加速度和陀螺仪原始数据，基于这2个部分惯导器件数据估计出行人的步长和航向，然后将步长和航向值输入到PDR推算模型中，也就是卡尔曼滤波器中的状态方程；超宽带部分，通过双向测距获得所有基站与标签的测距时间信息，这些信息作为观测量输入到卡尔曼滤波器中；同时将相邻时刻测距时间的差值信息更新到观测方差阵中，来自适应地表征UWB测距信息的好坏；最后通过非线性卡尔曼滤波器完成定位解算输出。

图1 UWB与PDR融合定位系统框图

2 基于UWB和PDR的卡尔曼模型

2.1 UWB定位系统结构和方程

UWB定位方程组成非线性卡尔曼模型中的观测方程，由于原始的UWB定位方程为非线性的，对其作线性化处理，转化为

2.2 PDR定位方法

行人航迹推算利用惯性传感器的原始数据来估计行人的步长和每一步的方向，从而达到对人员进行定位跟踪的目的。PDR算法一般包括3个部分：步态检测、步长估计和航向计算。行人在行走过程中，由于左右脚一前一后，处于加速和减速的循环状态，因而行人加速度呈现正负值周期性交替变化。步态检测就是根据这种规律来判别行人的步行状态。而步长估计和航向的计算都是基于步态检测，在检测好的每一步中对其时间范围内的加速度和陀螺仪的数据进行处理。其中，步态检测和步长估计都是基于三轴加速度计的原始数据来处理，而方向计算则依赖于陀螺仪的输出。步长参数和方向参数被估计出来后，就可以利用PDR进行坐标计算。PDR的坐标推算模型为

2.2.1 步态检测

文中步态检测方法直接从惯性器件中的加速度数据来判别，从时间和加速度值2个维度来考虑步态是否变化。图2所示为步态检测方法的流程图。

图2 步态检测处理流程

按照数据处理先后顺序，检测流程分为以下3个部分：

图3 行人行走加速度数据曲线

2.2.2 步长估计

对于步长估计，选取式（6）所示的非线性步长估计模型，即

该模型被许多文献所采用，主要是因为其只需要一个参数，比较容易获得统计特征值，使得算法简单易实现。

2.2.3 航向计算

PDR中的航向计算则依赖于航向推算模型，即

2.3 基于UWB和PDR的卡尔曼模型

经过线性化处理的观测方程为

3 实验与结果分析

获得UWB测距数据和MEMS芯片输出的加速度数据和角速度数据后，利用文中提出的融合算法对数据进行处理实现定位解算，定位结果如图5所示。

图4 测试环境示意

图5 不同轨迹测试下的真实轨迹与估计轨迹

从图5中可以看到，跟预期的情况一样，单纯使用UWB信息的解算轨迹虽然有时与真实轨迹贴合比较好，但是某些解算点跳跃跨度大，还有一部分定位点缺失的情况出现。由图6的误差曲线可以看出基于UWB和PDR 2种信息源经过卡尔曼处理的估计曲线能够在所有情况下保持较高的精度，定位结算点跳跃幅度明显减小，完全消除了定位点缺失的情况发生，增强了定位系统的鲁棒性。

图6 不同轨迹测试下的真实轨迹与估计轨迹误差曲线

从表1和表2中可以看到，在2个轨迹测试中，EKF算法完全消除了定位缺失点的问题，平均定位误差比单纯使用UWB的误差要小，衡量定位误差稳定性的标准差指标也比单纯使用UWB的指标值小。

表1 矩形轨迹下UWB定位算法与EKF定位算法测试数据比较

表2 “8”字形轨迹UWB定位算法与EKF定位算法测试数据比较

4 结束语

文中提出了一种在新的应用场景和测试场景下，即惯性器件佩戴在胸部或者腰部，而不是脚部的条件下，将UWB技术与PDR技术进行组合定位的扩展卡尔曼滤波器模型。模型中将UWB相邻时刻的原始数据差值信息更新到卡尔曼方程中的观测方差阵中来自适应地改变UWB信息与PDR信息量在定位结果输出中的比重。经过实际场景的实验测试，可以看出组合定位方法相比于只使用UWB技术的定位方法，能够在定位精度和鲁棒性方面得到明显改善，对于室内定位方向的研究有一定参考价值。

[1] FOXLIN E. Pedestrian tracking with shoe-mounted inertial sensors[J]. IEEE Computer Graphics and Applications, 2005, 25(6): 3-6.

[2] YAO L, WU Y W A, YAO Lei, et al.An integrated IMU and UWB sensor based indoor positioning system[C]//The Institute of Electrical and Electronic Engineers（IEEE）.Proceedings of the 2017 International Conference on Indoor Positioning and Indoor Navigation.Sapporo, Japan：IEEE，2017:1-8.

[3] CORRALES J A, CANDELAS F A, TORRES F.Hybrid tracking of human operators using IMU/UWB data fusion by a Kalman filter[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 20083rd ACM/IEEE International Conference on Human-Robot Interaction (HRI). Amsterdam: 2008:3-6.DOI: 10.1145/ 1349822.1349848.

[4] MARQUES A,TANK B, MEGHANI S K.Accurate UWB and IMU based indoor localization for autonomous robots[C]//The Institute of Electrical and Electronic Engineers（IEEE）.Proceedings of the2017 IEEE 30th Canadian Conference on Electrical and Computer Engineering (CCECE).Windsor,Canada：IEEE,2017:2-4.DOI: 10.1109/ CCECE.2017.7946751.

[5] 汪少初. 基于PDR的定位与跟踪技术研究及系统设计[D]. 天津: 天津大学. 2014: 91-109.

[6] ZAMPELLA F, ANGELIS A D, SKOG I, et al.A constraint approach for UWB and PDR fusion[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 2012 International Conference on Indoor Positioning and Indoor Navigation(IPIN).Sydney, Australia:IEEE, 2012: 2-7.

[7] CHEN Z, MU R, CHEN C H.Implement of cooperative navigation in pedestrian navigation based on distance restraint[C]//The Institute of Electrical and Electronic Engineers(IEEE). Proceedings of the 2016 IEEE Chinese Guidance, Navigation and Control Conference(CGNCC). Nanjing,China:IEEE,2016: 1-4.

[8] 孙璧文,樊启高,武亚恒,等.基于PDR/UWB紧耦合的足绑式行人导航技术[J].传感器与微系统. 2017,36(3): 2-4.

[9] SCZYSLO S, SCHROEDER J, GALLER S, et al.Hybrid localization using UWB and inertial sensors[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the2008 IEEE International Conference on Ultra-Wideband.Hannover, Germany: IEEE,2008:7-15. DOI: 10.1109/ICUWB.2008.4653423.

[10] 陈伟.基于GPS和自包含传感器的行人室内外无缝定位算法研究[D].北京：中国科学技术大学, 2010: 36-54.

A method of pedestrian indoor positioning combined UWB with PDR

YI Yujie, HUANG Zhigang, SU Yu

（School of Electronic and Information Engineering, Beijing University of Aeronautics and Astronautics, Beijing 100191, China）

Aiming at the problem that it is susceptible to serious distortion and even loss for the positioning result by relying solely on UWB technology under complex indoor environments, the paper proposed a method combing UWB with PDR: based on the general case that the inertial device is usually placed on the chest or waist of human’s body, the step length and orientation of every step of the pedestrian were estimated by using data of the inertial equipment to establish the nonlinear extended Kalman filter (EKF) of UWB and PDR; and the positioning estimates were realized adaptively by updating the difference of adjacent time of UWB into the covariance matrix of the measurement equation of EKF. Experimental result showed that, compared with the positioning method solely relying on UWB, the propsoed method could avoid the loss of calculated positioning points under complex indoor environments, and efficiently improve the accuracy and robustness of the positioning system in a complex environment.

indoor positioning; ultra wide band；pedestrian dead reckoning; extended Kalman filter; adaptive measuring covariance matrix

P228

A

2095-4999(2019)03-0038-06

2018-11-02

仪玉杰（1992—），男，山西运城人，硕士生，研究方向为室内定位与导航。

仪玉杰，黄智刚，苏雨.一种UWB与PDR融合的行人室内定位方法[J].导航定位学报,2019,7(3):38-43.（YI Yujie,HUANG Zhigang,SU Yu.A method of pedestrian indoor positioning combined UWB with PDR[J].Journal of Navigation and Positioning,2019,7(3):38-43.）

10.16547/j.cnki.10-1096.20190307.