專利名稱：基于多種傳感器的手機(jī)室內(nèi)定位裝置及方法
技術(shù)領(lǐng)域：
本發(fā)明屬于移動(dòng)通信技術(shù)領(lǐng)域，涉及手機(jī)定位技木，特別是一種基于多種傳感器的手機(jī)室內(nèi)定位裝置及方法，可應(yīng)用于室內(nèi)場(chǎng)景類別的定位。
背景技術(shù)：
定位技術(shù)在軍事、生產(chǎn)及日常生活中有著重要的作用，隨著手機(jī)的普遍使用，利用手機(jī)進(jìn)行精確定位成為手機(jī)中越來越常用的應(yīng)用和研究方向。定位主要分為室內(nèi)定位和室外定位，而定位的結(jié)果主要分為物理位置和邏輯位置。物理位置是指定位結(jié)果為經(jīng)緯度，而邏輯位置指的是當(dāng)前所在的場(chǎng)景，例如商店、咖啡館等。目前，針對(duì)室內(nèi)定位，為提高場(chǎng)景識(shí)別精確度同時(shí)降低設(shè)備能耗，廣泛采用的技術(shù)有=Wi-Fi技木，ZigBee技術(shù)、射頻識(shí)別技術(shù)和藍(lán)牙技術(shù)等。上述技術(shù)雖然能較好的實(shí)現(xiàn)室內(nèi)定位，但對(duì)室內(nèi)環(huán)境的基礎(chǔ)設(shè)施要求較高且只能結(jié)果多為物理位置，不能高精確度、低能耗地提供邏輯位置。 為了能對(duì)邏輯位置進(jìn)行定位，Hong Lu等人在MobiSys 2009會(huì)議上發(fā)表的“SoundSense:Scalaole Sound Sensing for People-Centric Applications on MobilePhones”中提出在手機(jī)中開發(fā)ー個(gè)單純用聲音傳感器進(jìn)行識(shí)別的應(yīng)用，利用一系列時(shí)域和頻域信號(hào)來對(duì)提取的聲音進(jìn)行表述，根據(jù)不同的聲音可以知道當(dāng)前大概環(huán)境。但其不足是SoundSense主要是用來發(fā)現(xiàn)聲音事件,它能很好的識(shí)別聲音事件，但僅僅根據(jù)聲音對(duì)當(dāng)前環(huán)境進(jìn)行判斷會(huì)有很大的誤導(dǎo)性，因?yàn)橥坏攸c(diǎn)的聲音特征在不同時(shí)間不一定是ー樣的，因此在對(duì)環(huán)境的識(shí)別上精確度不高。Martin Azizyan 等人在 MobiCom2009 會(huì)議上發(fā)表的 “SurroundSense:MobiIePhone Localization via Ambience Fingerprinting”中提出利用多種傳感器,收集聲、光、顏色以及人的運(yùn)動(dòng)軌跡等信息進(jìn)行室內(nèi)定位。該方法首先利用傳感器自動(dòng)記錄當(dāng)前環(huán)境中的聲、光、顔色和加速度信息，經(jīng)預(yù)處理后與利用GSM獲得的手機(jī)當(dāng)前的經(jīng)緯度信息一起傳送至遠(yuǎn)端服務(wù)器。服務(wù)器根據(jù)GSM定位將150m范圍內(nèi)的室內(nèi)場(chǎng)景作為候選，再根據(jù)聲、光、顔色、加速度信息進(jìn)行精確的室內(nèi)定位。由于這種方法需要在GSM部署密集的地區(qū)使用，對(duì)于GSM部署稀疏的地區(qū)定位精度較低。并且，由于GSM定位誤差高達(dá)100m，這也使得定位精度較低。此外，將預(yù)處理信息傳送至后端服務(wù)器的過程中極易受到干擾而使傳輸中斷或者信息丟失，傳送信息的過程也會(huì)大量消耗手機(jī)的能耗。Stephen P. Tarzia 等人在 MobiSys 2011 會(huì)議上發(fā)表的“Indoor Localizationwithout Infrastructure using the Acoustic Background Spectrum，，中，提出 AcousticBackground Spectrum這種聲音特征進(jìn)行室內(nèi)定位，且在真實(shí)環(huán)境中定位的精確度高達(dá)70%。這種定位方法只利用當(dāng)前環(huán)境聲音，將收集到的聲音樣本進(jìn)行分幀、加窗處理后，計(jì)算每ー幀的功率譜，將頻率大于7kHz的行丟棄，將剩余行進(jìn)行排序，將第5%列的抽取出來得到聲音特征，將所得到特征通過簡(jiǎn)單的最近鄰方法與室內(nèi)場(chǎng)景已經(jīng)存在的聲音特征數(shù)據(jù)庫(kù)進(jìn)行比較從而確定當(dāng)前位置。這種系統(tǒng)的不足在于它主要針對(duì)比較安靜的室內(nèi)環(huán)境，較安靜的室內(nèi)環(huán)境的聲音比較平穩(wěn)，因此該聲音特征能很好的描述背景聲音的特征，但是對(duì)于嘈雜的室內(nèi)環(huán)境,定位的精度就會(huì)大大降低，因此局限性較大。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于多種傳感器的手機(jī)室內(nèi)定位裝置及方法，實(shí)現(xiàn)高精度的室內(nèi)定位同時(shí)使能耗降低，并且對(duì)不同室內(nèi)環(huán)境具有普適性。為達(dá)到以上目的，本發(fā)明的基于多種傳感器的手機(jī)室內(nèi)定位的裝置，包括信息收集模塊用于收集環(huán)境的背景聲音、環(huán)境的圖像以及Wi-Fi信號(hào)，將收集到的環(huán)境信息傳送給特征提取模塊；特征提取模塊用于對(duì)收集的環(huán)境背景聲音、 環(huán)境的圖像、Wi-Fi信號(hào)進(jìn)行特征提取，得到背景聲音、圖像、Wi-Fi信號(hào)的樣本集，傳送給分類識(shí)別模塊；分類識(shí)別模塊用于根據(jù)背景聲音、圖像、Wi-Fi信號(hào)的樣本集，進(jìn)行分類識(shí)別，將分類結(jié)果傳送給界面模塊；傳感器控制模塊用于控制麥克風(fēng)、攝像頭以及Wi-Fi，使其能夠按照需求開始或結(jié)束數(shù)據(jù)采集，將控制信息傳送至信息收集模塊；界面模塊用于提供交互界面，產(chǎn)生控制指令傳送至傳感器控制模塊，并最終顯示最終分類識(shí)別結(jié)果。本發(fā)明的基于多種傳感器的手機(jī)室內(nèi)定位的方法，包括(I)利用手機(jī)的麥克風(fēng)、攝像頭及Wi-Fi作為傳感器集合S = {Ss, S1, Sc, SJ，收集預(yù)測(cè)場(chǎng)景集合A= {Ci1,...，a k, . . . , a J中共a類預(yù)測(cè)場(chǎng)景的背景聲音、光照、顔色、Wi-Fi信號(hào)信息，每種預(yù)測(cè)場(chǎng)景收集m次，共收集n = ma組樣本信息，其中Ss，S1, S。，Sw分別代表收集聲音S、光照I、顔色c和Wi-Fi信號(hào)w的傳感器，a k表示預(yù)測(cè)場(chǎng)景集合A中第k個(gè)預(yù)測(cè)場(chǎng)景，k = I, 2, . . . , a ；(2)存儲(chǔ)上述傳感器收集的信息，并對(duì)背景聲音、光照、顔色、Wi-Fi信號(hào)分別進(jìn)行特征提取，得到傳感器Sj的特征向量Xj = {xJ； 1； . . . , xJ；i； ... XJ； J ,其中j = S，I, C, W, Xj- i為特征向量Xj中第i個(gè)特征，i = 1，2，. . .，n，n為收集的樣本信息組數(shù)；(3)根據(jù)上述特征向量Xj,構(gòu)成傳感器も的訓(xùn)練樣本集Oj = {(Xj,!,...Y1), ，)ち，其中(X^yi)表示訓(xùn)練樣本集O」.中第i個(gè)訓(xùn)練樣本，i =1，2，. . .，n，n為收集的樣本信息組數(shù)，Yi為第i個(gè)特征Xii對(duì)應(yīng)的真實(shí)場(chǎng)景，Yi G A ；(4)利用傳感器も的訓(xùn)練樣本集も訓(xùn)練綜合弱分類器集合H :4a)初始化設(shè)置最大迭代次數(shù)T，對(duì)第i個(gè)訓(xùn)練樣本賦予權(quán)值分布/'(/) = 1，其
中i = 1，2，. . .，n，令預(yù)測(cè)場(chǎng)景為a k的條件下第一次迭代時(shí)第i個(gè)訓(xùn)練樣本的權(quán)向量為M =AW/( -l)，其中k = 1， ，a，a為預(yù)測(cè)場(chǎng)景的類別數(shù)目；4b)在第t次迭代中，利用權(quán)值分布和權(quán)向量通過AdaBoosting. M2算法,對(duì)姆種傳感器も的訓(xùn)練樣本集Oj，分別求出第i個(gè)特征Xii的預(yù)測(cè)弱分類器huUu，a k)和預(yù)測(cè)弱分類器的錯(cuò)誤率eい，以及第i個(gè)訓(xùn)練樣本(Xii，yi)的真實(shí)弱分類器hu (Xpyi)；4c)將第i個(gè)特征Xii的權(quán)向量(更新為<4 =<ダ糾，
其中P為中間變量，表示預(yù)測(cè)場(chǎng)景為a k的條件下第t次迭代時(shí)第i
tJ
個(gè)特征Xj，i的權(quán)向量，其中k = 1，. . .，是第i個(gè)訓(xùn)練樣本(Xj，i, Ji)的真實(shí)弱分類器，hyUj」，a k)是第i個(gè)特征x」，i預(yù)測(cè)弱分類器,其中j = S，1，C，w, t = 1，2，. . . T,
i= 1，2，…，η ;4d)對(duì)于不同傳感器5」的訓(xùn)練樣本訓(xùn)練出的預(yù)測(cè)弱分類器ak)，將其中錯(cuò)誤率最小的預(yù)測(cè)弱分類器放入綜合弱分類器集合H中，作為第t次迭代過程中第i個(gè)特征\"的綜合弱分類器ht(Xj，i，ak)，對(duì)應(yīng)的綜合最小錯(cuò)誤率為St= etJ；4e)重新執(zhí)行步驟4b) _4d)，直至執(zhí)行完T次迭代，得到T個(gè)綜合弱分類器的集合H — Ih1 (Xj； i ak)，h2(Xj’i，a k)，· · · ht (Xj’i，a k), hT (xJ； i, a k)}；(5)收集當(dāng)前場(chǎng)景的背景聲音、光照、顏色、Wi-Fi信號(hào)信息進(jìn)行存儲(chǔ)，并從這些信息中提取出當(dāng)前場(chǎng)景的特征向量χ = {xs, X1, Xe xw}，其中Xs, X1, Xe Xw分別表示聲音、光照、顏色和Wi-Fi信號(hào)的特征；(6)根據(jù)當(dāng)前場(chǎng)景的特征向量X和上述綜合弱分類集合H = {hi (xJ； i； a k), h2 (xJ； i；
a k)}，得到當(dāng)前場(chǎng)景的測(cè)試弱分類器
權(quán)利要求
1.一種基于多種傳感器的手機(jī)室內(nèi)定位的裝置，其特征在于，包含 信息收集模塊(10):用于收集環(huán)境的背景噪音、環(huán)境的圖像以及Wi-Fi信號(hào)，將收集到的環(huán)境信息傳送給特征提取模塊(20)； 特征提取模塊(20):用于對(duì)收集的環(huán)境背景噪音、環(huán)境的圖像、Wi-Fi信號(hào)進(jìn)行特征提取，得到背景噪音、圖像、Wi-Fi信號(hào)的樣本集，傳送給分類識(shí)別模塊(30)； 分類識(shí)別模塊(30):用于對(duì)背景噪音、圖像、Wi-Fi信號(hào)的樣本集，進(jìn)行訓(xùn)練、分類識(shí)另IJ，將分類結(jié)果傳送給界面模塊(50)； 傳感器控制模塊(40):用于控制麥克風(fēng)、攝像頭以及Wi-Fi，使其能夠按照需求開始或結(jié)束數(shù)據(jù)采集，將控制信息傳送至信息收集模塊(10)； 界面模塊(50):用于提供交互界面，產(chǎn)生控制指令傳送至傳感器控制模塊(40)，并最終顯示最終分類識(shí)別結(jié)果。
2.根據(jù)權(quán)利要求I所述的一種基于多種傳感器的手機(jī)室內(nèi)定位的裝置，其特征在于，信息收集模塊(10)包括 聲音采集子模塊(101):用于收集環(huán)境噪音，將音頻傳送至音頻特征提取模塊(201)； 圖像采集子模塊(102):用于收集環(huán)境地板圖像，將圖像傳送至圖像特征提取模塊(202)； Wi-Fi信號(hào)采集子模塊(103):用于搜索Wi-Fi信號(hào)，每五秒記錄一次Wi-Fi接入點(diǎn)AP的MAC地址，傳送至Wi-Fi信號(hào)特征提取模塊(203)。
3.根據(jù)權(quán)利要求I所述的一種基于多種傳感器的手機(jī)室內(nèi)定位的裝置，其特征在于，特征提取模塊(20)包括 音頻特征提取子模塊(201):用于將音頻采樣點(diǎn)幅值區(qū)間的比率作為特征值，傳送給分類識(shí)別模塊(30)； 圖像特征提取子模塊(202):用于將圖像轉(zhuǎn)化為HSL模式，提取顏色和亮度的特征值，傳送給分類識(shí)別模塊(30)； Wi-Fi信號(hào)特征提取子模塊(203):用于計(jì)算Wi-Fi接入點(diǎn)AP的MAC地址的特征值，傳送給分類識(shí)別模塊(30)。
4.一種基于多種傳感器的手機(jī)室內(nèi)定位方法，包括以下步驟 (1)利用手機(jī)的麥克風(fēng)、攝像頭及Wi-Fi作為傳感器集合S= {Ss, S1, Sc, SJ，收集預(yù)測(cè)場(chǎng)景集合A= { a 1； . . . , a k, . . . , a J中共a類預(yù)測(cè)場(chǎng)景的背景噪音、光照、顏色、Wi-Fi信號(hào)信息，每種預(yù)測(cè)場(chǎng)景收集m次，共收集n = ma組樣本信息，其中Ss，S1, S。，Sw分別代表收集聲音S、光照I、顏色c和Wi-Fi信號(hào)w的傳感器，a k表示預(yù)測(cè)場(chǎng)景集合A中第k個(gè)預(yù)測(cè)場(chǎng) (2)存儲(chǔ)上述傳感器收集的信息，并對(duì)背景噪音、光照、顏色、Wi-Fi信號(hào)分別進(jìn)行特征提取，得到傳感器Sj的特征向量Xj = {xJ； 1； . . .，XJ； i, . . . Xj-J ,其中j = S，I, C，W, Xji為特征向量Xj中第i個(gè)特征，i = I, 2,. . . , n, n為收集的樣本信息組數(shù)； (3)根據(jù)上述特征向量Xj,構(gòu)成傳感器Sj的訓(xùn)練樣本集Oj= Kxil, Y1),, (xJ；i；Yi),, (Xj，n, yn)}，其中(Xj，^ Yi)表示訓(xùn)練樣本集Oj中第i個(gè)訓(xùn)練樣本，i = 1,2,... ,n,n為收集的樣本信息組數(shù)，Yi為第i個(gè)特征Xy對(duì)應(yīng)的真實(shí)場(chǎng)景，Yi G A ； (4)利用傳感器S」的訓(xùn)練樣本集Op訓(xùn)練綜合弱分類器集合H4a)初始化設(shè)置最大迭代次數(shù)T，對(duì)第i個(gè)訓(xùn)練樣本賦予權(quán)值分布
5.根據(jù)權(quán)利要求4所述的基于多種傳感器的手機(jī)室內(nèi)定位的方法，其中所述步驟(2)中對(duì)背景噪音進(jìn)行特征提取，包括如下步驟 2a)刪去每段音頻最初的1000個(gè)采樣壞點(diǎn)； 2b)將最大幅值分為100等分，將每一等分中的采樣點(diǎn)個(gè)數(shù)除于總采樣點(diǎn)個(gè)數(shù)，將采樣點(diǎn)在每個(gè)區(qū)間的幅值比率作為聲音的特征值。
6.根據(jù)權(quán)利要求I所述的基于多種傳感器的手機(jī)室內(nèi)定位的方法，其中所述步驟(2)中對(duì)光照、顏色進(jìn)行特征提取，包括如下步驟2c)采用手機(jī)的攝像頭進(jìn)行采集光和顏色，利用手機(jī)拍下當(dāng)前環(huán)境地板的照片后，將照片轉(zhuǎn)換為色調(diào)-飽和度-亮度HSL格式，即得HSL格式散點(diǎn)圖； 2d)利用k-均值算法將這些散點(diǎn)分簇，將這些簇的簇心和大小作為當(dāng)前場(chǎng)景顏色和光的特征值。
7.根據(jù)權(quán)利要求I所述的基于多種傳感器的手機(jī)室內(nèi)定位的方法，其中所述步驟(2)中對(duì)Wi-Fi信號(hào)的信息進(jìn)行特征提取，包括如下步驟 2e)每五秒記錄一次可接受到的Wi-Fi接入點(diǎn)AP的MAC地址； 2f)計(jì)算每一個(gè)MAC地址占總記錄次數(shù)出現(xiàn)的百分比，將MAC地址的出現(xiàn)概率作為Wi-Fi的特征值。
8.根據(jù)權(quán)利要求I所述的基于多種傳感器的手機(jī)室內(nèi)定位的方法，其中所述步驟4b)中所述的通過AdaBoosting. M2算法求出第i個(gè)特征Xii的預(yù)測(cè)弱分類器ht (xJ；i, a k)和弱分類器的錯(cuò)誤率e ，以及第i個(gè)訓(xùn)練樣本(Xj，i，yi)的真實(shí)弱分類器包括如下步驟 4bl)求出第t次迭代中第i個(gè)訓(xùn)練樣本的權(quán)值分布
全文摘要
一種基于多種傳感器的手機(jī)室內(nèi)定位方法，主要解決現(xiàn)有手機(jī)室內(nèi)定位技術(shù)只能基于無線電定位且定位局限性較大的問題。其實(shí)現(xiàn)步驟為利用麥克風(fēng)、攝像頭及Wi-Fi，收集預(yù)測(cè)場(chǎng)景的背景噪音、光照、顏色、Wi-Fi信號(hào)信息；存儲(chǔ)上述收集的信息，并分別進(jìn)行特征提取，得到特征向量，構(gòu)成訓(xùn)練樣本集；根據(jù)訓(xùn)練樣本集訓(xùn)練綜合弱分類器集合H；收集當(dāng)前場(chǎng)景的背景噪音、光照、顏色、Wi-Fi信號(hào)信息，存儲(chǔ)并進(jìn)行特征提??；根據(jù)綜合弱分類器集合H，利用當(dāng)前場(chǎng)景的特征向量輸出當(dāng)前場(chǎng)景的識(shí)別結(jié)果。本發(fā)明具有精確度高，普適性強(qiáng)且能耗低的優(yōu)點(diǎn)，可用于實(shí)現(xiàn)手機(jī)室內(nèi)場(chǎng)景類別的定位。
文檔編號(hào)H04M1/725GK102821194SQ20121024561
公開日2012年12月12日 申請(qǐng)日期2012年7月17日 優(yōu)先權(quán)日2012年7月17日
發(fā)明者劉惠, 杜軍朝, 李贊, 劉悅韡, 陳文婧 申請(qǐng)人:西安電子科技大學(xué)