[论文解读] Accurate Indoor Localization Using Acoustic Direction Finding via Smart Phones

Wenchao Huang, Yan Xiong+5 more|arXiv (Cornell University)|Jun 7, 2013

Indoor and Outdoor Localization Technologies参考文献 24被引用 4

一句话总结

Swadloon 提出了一种基于智能手机的室内定位系统，利用手机晃动引起的多普勒频移实现声学波束成形，结合惯性传感器数据与相位/频率偏移测量，在无需专用硬件的情况下实现亚米级精度。其在32米范围内实现2.1°的平均波束成形误差，定位误差平均为0.5米，支持实时跟踪，51米行走路径中误差低于0.4米。

ABSTRACT

We propose and implement a novel indoor localization scheme, Swadloon, built upon an accurate acoustic direction finding. Swadloon leverages sensors of the smartphone without the requirement of any specialized devices. The scheme Swadloon does not rely on any fingerprints and is very easy to use: a user only needs to shake the phone for a short duration before walking and localization. Our Swadloon design exploits a key observation: the relative shift and velocity of the phone-shaking movement corresponds to the subtle phase and frequency shift of the Doppler effects experienced in the received acoustic signal by the phone. A novel method is designed to derive the direction from the phone to the acoustic source by combining the velocity calculated from the subtle Doppler shift with the one from the inertial sensors of the phone. Then a real-time precise localization and tracking is enabled by using a few anchor speakers with known locations. Major challenges in implementing Swadloon are to measure the frequency shift precisely and to estimate the shaking velocity accurately when the speed of phone-shaking is low and changes arbitrarily. We propose rigorous methods to address these challenges, then design and deploy Swadloon in several floors of an indoor building each with area about 2000m^2. Our extensive experiments show that the mean error of direction finding is around 2.1 degree when the acoustic source is within the range of 32m. For indoor localization, the 90-percentile errors are under 0.92m, while the maximum error is 1.73m and the mean is about 0.5m. For real-time tracking, the errors are within 0.4m for walks of 51m.

研究动机与目标

• 仅使用智能手机传感器和现有扬声器，实现精准室内定位，避免依赖GPS、Wi-Fi指纹匹配或专用硬件。
• 解决在低速且变化的晃动速度下，利用声信号多普勒频移测量实现精确波束成形的挑战。
• 开发一种低成本、可扩展的室内定位系统，支持低基础设施依赖、无时间同步或通信开销的实时跟踪。
• 通过鲁棒的信号处理技术，克服惯性传感器数据噪声以及低速运动场景下微弱频率偏移检测的难题。

提出的方法

• 利用手机晃动引起的多普勒效应，测量来自锚点扬声器的接收声信号中的相位与频率偏移。
• 将多普勒频移测得的速度估计值与惯性传感器数据（加速度计与陀螺仪）融合，提升波束入射方向估计的准确性。
• 采用相位锁定环（PLL）精确测量接收声信号中的微弱相位与频率偏移，即使在低晃动速度下亦可实现。
• 采用基于三角测量的定位方法，依赖两个或更多已知位置锚点扬声器的精确角度测量，避免对绝对方向的依赖。
• 通过线性回归方法校正系统性位置误差：利用一半数据学习模型，并将该模型应用于另一半数据，从而提升定位精度。
• 通过仅处理20%的声学样本（每0.25秒处理0.05秒）优化实时跟踪，显著降低CPU负载，同时保持高精度。

实验结果

研究问题

• RQ1 能否仅使用智能手机传感器与现成扬声器，在无需专用硬件或基础设施的情况下实现精准室内定位？
• RQ2 如何以足够精度测量低振幅、任意手机晃动产生的多普勒频移，以实现波束成形？
• RQ3 在噪声环境下，惯性传感器数据与声学多普勒频移测量的融合在多大程度上可提升波束入射方向估计的准确性？
• RQ4 锚点扬声器的数量与布局在真实室内环境中对定位精度与鲁棒性有何影响？
• RQ5 能否在保持高定位精度的同时，以极低计算开销维持实时跟踪？

主要发现

• 当声源在32米范围内时，波束成形的平均误差为2.1°，90%的误差低于2.06°。
• 对于静态室内定位，第90百分位误差为0.92米，第95百分位为1.08米，最大误差为1.73米，平均误差为0.50米。
• 在线性回归校正系统性误差后，复杂办公室环境中第90百分位误差降至0.82米，第100百分位降至1.56米。
• 实时跟踪在51米行走路径中误差保持在0.4米以内，平均误差为0.29米，标准差为0.34米，处理20%样本时仍保持稳定。
• 即使初始位置误差高达1米，经过51米行走后，最终跟踪误差仍控制在2米以内，表明对初始化误差具有强鲁棒性。
• 将样本处理量减少至10%时，平均误差上升至1.02米，但CPU使用率显著降低，使系统可部署于性能较弱的设备。