基于生成模型的地磁室内高精度定位算法研究

doi:10.11959/j.issn.1000-436x.2023104

通信学报 ›› 2023, Vol. 44 ›› Issue (6): 211-222.doi: 10.11959/j.issn.1000-436x.2023104

基于生成模型的地磁室内高精度定位算法研究

马帅¹^,²^,³, 裴科³, 祁华艳³, 李航⁴, 曹雯⁵, 王洪梅³, 熊海良⁶, 李世银³

¹ 深地科学与工程云龙湖实验室，江苏徐州 221116
² 鹏城实验室，广东深圳 518172
³ 中国矿业大学信息与控制工程学院，江苏徐州 221116
⁴ 深圳市大数据研究院，广东深圳 518172
⁵ 长安大学电子与控制工程学院，陕西西安 710064
⁶ 山东大学信息科学与工程学院，山东济南 250100

修回日期:2023-04-12 出版日期:2023-06-01 发布日期:2023-06-01
作者简介:马帅（1986- ），男，山东日照人，博士，鹏城实验室副研究员，主要研究方向为语义通信和通信定位一体化等
裴科（1998- ），男，江苏宿迁人，中国矿业大学硕士生，主要研究方向为室内地磁定位
祁华艳（1999- ），女，安徽凤阳人，中国矿业大学硕士生，主要研究方向为室内定位
李航（1985- ），男，河北承德人，博士，深圳市大数据研究院副研究员，主要研究方向为定位技术和无线通信
曹雯（1987- ），女，陕西宝鸡人，博士，长安大学副教授，主要研究方向为智能交通信息处理和多源信息融合等
王洪梅（1983- ），女，山东诸城人，博士，中国矿业大学副教授，主要研究方向为无线通信
熊海良（1981- ），男，湖南双峰人，博士，山东大学副教授，主要研究方向为导航与定位、智能感知、智能决策等
李世银（1971- ），男，四川犍为人，博士，中国矿业大学教授、博士生导师，主要研究方向为煤矿信息化和移动目标定位
基金资助:
陕西省自然科学基础研究计划基金资助项目(2023-JC-YB-510);深地科学与工程云龙湖实验室基金资助项目(109023005);中央高校基本科研业务费专项资金资助项目(300102322103);山东省自然科学基金资助项目(ZR2022LZH005);青岛市科技惠民示范引导专项基金资助项目(22-3-7-CSPZ-2-nsh)

Research on geomagnetic indoor high-precision positioning algorithm based on generative model

Shuai MA¹^,²^,³, Ke PEI³, Huayan QI³, Hang LI⁴, Wen CAO⁵, Hongmei WANG³, Hailiang XIONG⁶, Shiyin LI³

¹ Yunlong Lake Laboratory of Deep Underground Science and Engineering, Xuzhou 221116, China
² Peng Cheng Laboratory, Shenzhen 518172, China
³ School of Information and Control Engineering, China University of Mining and Technology, Xuzhou 221116, China
⁴ Shenzhen Research Institute of Big Data, Shenzhen 518172, China
⁵ College of Electronics and Control Engineering, Chang’an University, Xi’an 710064, China
⁶ School of Information Science and Engineering, Shandong University, Jinan 250100, China

Revised:2023-04-12 Online:2023-06-01 Published:2023-06-01
Supported by:
The Natural Science Basic Research Program Foundation of Shaanxi Province(2023-JC-YB-510);Yunlong Lake Laboratory of Deep Underground Science and Engineering Project(109023005);The Fundamental Research Funds for the Central Universities(300102322103);The Natural Science Foundation of Shandong Province(ZR2022LZH005);Qingdao Science and Technology Demonstration and Guidance Project for Benefiting the People(22-3-7-CSPZ-2-nsh)

摘要/Abstract

摘要：

针对目前构建精细的地磁指纹库需要耗费大量人力成本的瓶颈，提出了条件变分自动编码器和条件对抗生成网络2种生成模型，能够在收集少量数据样本的基础上，对给定位置进行伪标签指纹的生成。同时，针对单点地磁指纹定位精度低的问题，设计了一种基于注意力机制的卷积神经网络-门控循环单元的地磁序列定位算法，能够有效利用指纹的空间和时间特性，实现精准定位。此外，还设计并搭建了实时、便携的移动端数据采集和定位系统。通过实际测试表明，利用所提模型可有效构建可用的地磁指纹库，所提算法平均误差可达0.16 m。

关键词: 深度学习, 地磁定位, 生成模型, 地磁序列

Abstract:

Aiming at the current bottleneck of constructing a fine geomagnetic fingerprint library that required a lot of labor costs, two generative models called the conditional variational autoencoder and the conditional confrontational generative network were proposed, which could collect a small number of data samples for a given location, and generate pseudo-label fingerprints.At the same time, in order to solve the problem of low positioning accuracy of single-point geomagnetic fingerprints, a geomagnetic sequence positioning algorithm based on attention mechanism of convolutional neural network-gated recurrent unit was designed, which could effectively use the spatial and temporal characteristics of fingerprints to achieve precise positioning.In addition, a real-time, portable mobile terminal data collection and positioning system was also designed and built.The actual test shows that the proposed model can effectively construct the available geomagnetic fingerprint database, and the average error of the proposed algorithm can reach 0.16 m.

Key words: deep learning, geomagnetic positioning, generative model, geomagnetic sequence

中图分类号:

TN92

马帅, 裴科, 祁华艳, 李航, 曹雯, 王洪梅, 熊海良, 李世银. 基于生成模型的地磁室内高精度定位算法研究[J]. 通信学报, 2023, 44(6): 211-222.

Shuai MA, Ke PEI, Huayan QI, Hang LI, Wen CAO, Hongmei WANG, Hailiang XIONG, Shiyin LI. Research on geomagnetic indoor high-precision positioning algorithm based on generative model[J]. Journal on Communications, 2023, 44(6): 211-222.

图/表 23

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

表1

图11

图12

表2

图13

表3

图14

图15

图16

表4

图17

图18

表5

参考文献 24

[1]	ENGE P , MISRA P . Special issue on global positioning system[J]. Proceedings of the IEEE, 1999,87(1): 3-15.
[2]	CHEN C Y , LAI A I C , WU P Y ,et al. Optimization and evaluation of multidetector deep neural network for high-accuracy Wi-Fi fingerprint positioning[J]. IEEE Internet of Things Journal, 2022,9(16): 15204-15214.
[3]	SUHERYADI A , PUTRA W P , HILMI M A ,et al. Vehicles position tracking in parking lots using K-nearest neighbor and fingerprinting based on RSSI bluetooth[C]// Proceedings of 2021 Sixth International Conference on Informatics and Computing (ICIC). Piscataway:IEEE Press, 2021: 1-6.
[4]	BAE H J , CHOI L . Large-scale indoor positioning using geomagnetic field with deep neural networks[C]// Proceedings of 2019 IEEE International Conference on Communications (ICC). Piscataway:IEEE Press, 2019: 1-6.
[5]	SUN M , WANG Y J , XU S L ,et al. Indoor geomagnetic positioning using the enhanced genetic algorithm-based extreme learning machine[J]. IEEE Transactions on Instrumentation and Measurement, 2021,70: 1-11.
[6]	LIU Y X , LI W , WEI D Y ,et al. Online calibration method of smartphone magnetometer in vehicle geomagnetic matching positioning[C]// Proceedings of 2022 IEEE 12th International Conference on Indoor Positioning and Indoor Navigation (IPIN). Piscataway:IEEE Press, 2022: 1-8.
[7]	TOMAN M , FUREY E , CURRAN K . Real-world efficacy of an infrastructure-free geomagnetic indoor positioning system[C]// Proceedings of 2020 31st Irish Signals and Systems Conference (ISSC). Piscataway:IEEE Press, 2020: 1-8.
[8]	LEE S , CHAE S , HAN D . ILoA:indoor localization using augmented vector of geomagnetic field[J]. IEEE Access, 2020,8: 184242-184255.
[9]	CHEN L N , WU J B , YANG C . MeshMap:a magnetic field-based indoor navigation system with crowdsourcing support[J]. IEEE Access, 2020,8: 39959-39970.
[10]	孙建港, 周诗超, 刘威 ,等. 基于地磁匹配技术的室内定位系统设计[J]. 传感器与微系统, 2022,41(11): 97-100,104.
	SUN J G , ZHOU S C , LIU W ,et al. Design of indoor positioning system based on geomagnetic matching technology[J. Transducer and Microsystem Technologies, 2022,41(11): 97-100,104.
[11]	NJIMA W , CHAFII M , SHUBAIR R M . GAN based data augmentation for indoor localization using labeled and unlabeled data[C]// Proceedings of 2021 International Balkan Conference on Communications and Networking (BalkanCom). Piscataway:IEEE Press, 2021: 36-39.
[12]	汪振, 郑增威, 刘争艳 ,等. 基于集成学习与BP神经网络的室内地磁定位算法[J]. 阜阳师范学院学报(自然科学版), 2020,37(1): 58-63.
	WANG Z , ZHENG Z W , LIU Z Y ,et al. Indoor geomagnetic localization algorithm based on ensemble learning and BP neural network[J. Journal of Fuyang Teachers College (Natural Science), 2020,37(1): 58-63.
[13]	KANG R Q , CAO L M . Smartphone indoor positioning system based on geomagnetic field[C]// Proceedings of Chinese Automation Congress (CAC). Piscataway:IEEE Press, 2018: 1826-1830.
[14]	BAE H J , CHOI L . Large-scale indoor positioning using geomagnetic field with deep neural networks[C]// Proceedings of 2019 IEEE International Conference on Communications (ICC). Piscataway:IEEE Press, 2019: 1-6.
[15]	BHATTARAI B , YADAV R K , GANG H S ,et al. Geomagnetic field based indoor landmark classification using deep learning[J]. IEEE Access, 2019,7: 33943-33956.
[16]	ASHRAF I , KANG M Y , HUR S ,et al. MINLOC:magnetic field patterns-based indoor localization using convolutional neural networks[J]. IEEE Access, 2020,8: 66213-66227.
[17]	杨勇, 崔丽珍, 郭倩倩 ,等. 煤矿井下基于Attention机制的LSTM地磁定位算法[J]. 测绘通报, 2022(1): 72-76,77,78.
	YANG Y , CUI L Z , GUO Q Q ,et al. LSTM geomagnetic positioning algorithm based on Attention mechanism in underground coal mine[J. Bulletin of Surveying and Mapping, 2022(1): 72-76,77,78.
[18]	ABID M , LEFEBVRE G . Improving indoor geomagnetic field fingerprinting using recurrence plot-based convolutional neural networks[J]. Journal of Location Based Services, 2021,15(1): 61-87.
[19]	WANG L Y , LUO H Y , WANG Q ,et al. A hierarchical LSTM-based indoor geomagnetic localization algorithm[J]. IEEE Sensors Journal, 2022,22(2): 1227-1237.
[20]	LEE N , HAN D . Magnetic indoor positioning system using deep neural network[C]// Proceedings of 2017 International Conference on Indoor Positioning and Indoor Navigation (IPIN). Piscataway:IEEE Press, 2017: 1-8.
[21]	丁瑞, 孙幼聪, 孙鹏 ,等. 基于卷积神经网络的地磁室内定位[J]. 电子制作, 2020(15): 36-37,30.
	DING R , SUN Y C , SUN P ,et al. Indoor geomagnetic location based on convolutional neural network[J. Practical Electronics, 2020(15): 36-37,30.
[22]	KINGMA D P , WELLING M . Auto-encoding variational Bayes[J]. arXiv Preprint,arXiv:1312.6114, 2013.
[23]	JANG H J , SHIN J M , CHOI L . Geomagnetic field based indoor localization using recurrent neural networks[C]// Proceedings of IEEE Global Communications Conference. Piscataway:IEEE Press, 2018: 1-6.
[24]	ZHANG M Y , JIA J , CHEN J ,et al. Real-time indoor localization using smartphone magnetic with LSTM networks[J]. Neural Computing and Applications, 2021,33(16): 10093-10110.

参数	数值
移动设备尺寸	10 cm×8 cm×8 cm
处理器	树莓派4B
九轴传感器	MPU9250
液晶显示屏	3.3 V/5 V

数据库	样本数量/个	生成模型	平均定位误差/m
GMFD-1	40 000	CGAN	0.25
GMFD-2	40 000	CVAE	0.26
MFD	10 000	—	0.32

参考点间隔/m	参考点数量/个	训练集样本个数/个
0.2	400	40 000
0.4	100	10 000
0.6	49	4 900
0.8	36	3 600
1.0	25	2 500
2.0	9	900

算法	最小误差/m	最大误差/m	方差/m²	均方根误差/m	定位时间/ms
MLP	0.01	1.17	0.032	0.25	0.06
RNN	0.01	1.16	0.017	0.21	0.84
本文算法	0.01	1.13	0.013	0.16	3.54

算法	深度学习算法	定位时间/ms	准确度/m	处理方式
文献[24]	LSTM	0.89	0.21	离线处理
文献[17]	LSTM+Attention	1.39	0.20	离线处理
本文算法	CNN+GRU+Attention	3.54	0.16	在线处理

基于生成模型的地磁室内高精度定位算法研究

Research on geomagnetic indoor high-precision positioning algorithm based on generative model

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 23

参考文献 24

相关文章 15

Metrics

推荐阅读 0

[1]	陈东昱, 陈华, 范丽敏, 付一方, 王舰. 基于深度学习的随机性检验策略研究[J]. 通信学报, 2023, 44(6): 23-33.
[2]	李荣鹏, 汪丙炎, 张宏纲, 赵志峰. 知识增强的语义通信接收端设计[J]. 通信学报, 2023, 44(6): 70-76.
[3]	杨洁, 董标, 付雪, 王禹, 桂冠. 基于轻量化分布式学习的自动调制分类方法[J]. 通信学报, 2022, 43(7): 134-142.
[4]	杨秀璋, 彭国军, 李子川, 吕杨琦, 刘思德, 李晨光. 基于Bert和BiLSTM-CRF的APT攻击实体识别及对齐研究[J]. 通信学报, 2022, 43(6): 58-70.
[5]	廖勇, 王世义. 高速移动环境下基于RM-Net的大规模MIMO CSI反馈算法[J]. 通信学报, 2022, 43(5): 166-176.
[6]	廖育荣, 王海宁, 林存宝, 李阳, 方宇强, 倪淑燕. 基于深度学习的光学遥感图像目标检测研究进展[J]. 通信学报, 2022, 43(5): 190-203.
[7]	赵增华, 童跃凡, 崔佳洋. 基于域自适应的Wi-Fi指纹设备无关室内定位模型[J]. 通信学报, 2022, 43(4): 143-153.
[8]	廖勇, 程港, 李玉杰. 基于深度展开的大规模MIMO系统CSI反馈算法[J]. 通信学报, 2022, 43(12): 77-88.
[9]	段雪源, 付钰, 王坤, 李彬. 基于简单统计特征的LDoS攻击检测方法[J]. 通信学报, 2022, 43(11): 53-64.
[10]	霍俊彦, 邱瑞鹏, 马彦卓, 杨付正. 基于最邻近帧质量增强的视频编码参考帧列表优化算法[J]. 通信学报, 2022, 43(11): 136-147.
[11]	康海燕, 冀源蕊. 基于本地化差分隐私的联邦学习方法研究[J]. 通信学报, 2022, 43(10): 94-105.
[12]	张红霞, 王琪, 王登岳, 王奔. 基于深度学习的区块链蜜罐陷阱合约检测[J]. 通信学报, 2022, 43(1): 194-202.
[13]	晏燕, 丛一鸣, Adnan Mahmood, 盛权政. 基于深度学习的位置大数据统计发布与隐私保护方法[J]. 通信学报, 2022, 43(1): 203-216.
[14]	朱叶, 余宜林, 郭迎春. HRDA-Net：面向真实场景的图像多篡改检测与定位算法[J]. 通信学报, 2022, 43(1): 217-226.
[15]	杨晓元, 毕新亮, 刘佳, 黄思远. 结合图像加密与深度学习的高容量图像隐写算法[J]. 通信学报, 2021, 42(9): 96-105.