CC BY
149
Алалуев Роман Владимирович, канд. техн. наук, доц., [email protected], Россия, Тула, Тульский государственный университет
THE ADAPTIVE DIGITAL SYSTEM OF THE VESSEL HEAVING MEASURING
Yu. V. Ivanov, R. V. Alaluev
The construction pattern, the mathematical model, the operation algorithms and the variants of the digital realization of the measuring system of the vessel heaving, which parameters are changing automatically depending on the tossing main frequency, are given. It's shown that the usage of the adaptive measuring system allows to raise the precision of the determination of the vessel heaving.
Key words: accelerometer, heaving, self-adjustment of the system parameters.
Ivanov Yuri Vladimirovich, doctor of technical sciences, professor, [email protected], Russia, Tula, Tula State University,
Alaluev Roman Vladimirovich, candidate of technical sciences, docent, [email protected], Russia, Tula, Tula State University
УДК 629.05
О ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ СМАРТФОНОВ ДЛЯ НАВИГАЦИИ ВНУТРИ ПОМЕЩЕНИЙ
Б.В. Кошелев, Н.А. Карагин
Рассмотрена возможность создания комплексной системы навигации внутри помещений на встроенных в мобильное устройство, типа смартфон, Bluetooth-модуля и микроэлектромеханических инерциальных датчиков. Разработаны соответствующие алгоритмы и специализированное программное обеспечение для комплексной системы навигации. Приведены результаты предварительных экспериментальных испытаний. Подтверждена реальная возможность создания КСН на основе потребитель-скихкоммуникационных мобильных устройств для определения местоположения пользователя внутри зданий с большими размерами. Наименьшая погрешность позиционирования КСН, полученная во время испытаний, составила 1...1,5 м.
Ключевые слова: комплексная система indoor-навигации мобильное устройство, алгоритм, Bluetooth маяк.
В последнее время актуальной становится проблема навигации внутри помещений (indoor-навигации) большой площади и сложной конфигурации, таких как аэропортовые терминалы, торгово-развлекательные центры, складские помещения и т.д. Благодаря большим коммерческим перспективам направление indoor-навигации становится
131
всё более восстребованным и уже привлекло внимание таких крупных компаний как Google, Apple, Qualcomm, Broadcom, Sony, и в это перспективное направление уже инвестируются миллионы долларов, а сами результаты разработок опубликованы в ряде работ [1-4,8,9, 12,13]. Предложенные разработчиками методы определения местоположения и навигации внутри объемных зданий можно разделить на две группы: навигаторы на основе уже имеющихся в составе потребительских мобильных устройств (типа смартфон) датчиков и связных модулей (например, инерци-альных чувствительных элементов типа микрогироскопы и микроакселерометры, WIFI, Bluetooth и т.д.) и принципиально новые устройства, требующие новых аппаратных и программных средств (например, системы технического зрения) [3].
Авторы поставили задачу реализовать комплексную систему навигации (КСН) на аппаратной основе встроенных в смартфон датчиков, вычислительных средств (процессора) и модулей связи. При этом основой должна являться автономно работающая система счисления пути, а ее нарастающую по времени погрешность определения местоположения необходимо корректировать с помощью данных позиционирования от сети Bluetooth-маяков. Для получения навигационной информации с помощью инерциальных микромеханических датчиков и соответствующего программно-алгоритмического обеспечения (ПАО) можно использовать алгоритмы бесплатформенной инерциальной навигационной системы (БИНС) или более простой усовершенствованный алгоритм счисления шагов (АСШ). Получение корректирующей позиционной информации от сети Bluetooth-маяков можно осуществлять, например, традиционным методом трилатерации. Таким образом, главным направлением работ явилось разработка ПАО для КСН на базе аппаратной части смартфона (модель iPhone6sPlus), и экспериментальная отработка ПАО с целью поиска наиболее эффективного его состава и метода использования.
Состав встроенного инерциального модуля позволяет реализовать алгоритмы счисления пути на основе БИНС и АСШ, с помощью которых решается задача определения координат, скорости и направления движения. В процессе работы были использованы классический алгоритм БИНС [5,10] и АСШ [6]. На рис.1 приведена обобщенная блок-схема КСН.
Результаты измерений с блоков микромеханических акселерометров и гироскопов в виде проекций кажущегося ускорения и проекций абсолютной угловой скорости на соответствующие оси связанной с мобильным устройством системы координат сглаживаются в цифровых низкочастотных фильтрах и поступают в блок пересчета и компенсации, который реализует следующие функции:
- приведение измерений, пропорциональных проекциям абсолютной угловой скорости вращения и кажущегося ускорения к требуемому виду;
- пересчет измерений инерциальных датчиков из связанной системы координат, образованной осями чувствительности инерциального модуля, в локальную систему координат, в которой определяется местоположение пользователя;
- компенсация погрешностей инерциальных датчиков на основе математических моделей, полученных на этапе калибровки инерциального модуля.
Рис. 1. Блок-схема комплексной системы навигации
В «Блоках ориентации и навигации БИНС» используются достаточно хорошо известные алгоритмы и математическое обеспечение, представленные, например, в [5,10].
Выходные данные из «Блока ориентации БИНС»:
- углы истинного курса, крена и тангажа, поступающие в алгоритмы комплексной обработки информации (КОИ) (информационная связь 19);
- углы ориентации, используемые в навигационных алгоритмах, и «Блока навигации БИНС»:
- значения координат и проекций путевой скорости, значения проекций ускорения, проекций вычисленной абсолютной скорости вращения и ее производной на оси локальной системы координат, поступающие в алгоритмы КОИ (информационная связь 18);
- значения проекций вычисленной абсолютной угловой скорости вращения на оси локальной системы координат, поступающие в дискретные алгоритмы ориентации БИНС (информационная связь 16).
В блоке «Алгоритм счисления шагов» реализуется дискретный алгоритм счисления шагов (АСШ) на основе измеренных значений кажущихся ускорений во время двух основных фаз движения при ходьбе - фазы переноса и фазы опоры [6]. В фазе переноса ускорение человека максимально, а в фазе опоры минимально. Путем фиксирования максимального и минимального значений ускорения идентифицируется факт совершения шага. Длина шага SLj, зависящая, в частности, от скорости движения, при этом может быть определена по предложенному в [12] соотношению:
SLi ~ 0-43 1 tJО-утах—О-утьщ (1)
где аугпах, ciymin - максимальное и минимальное ускорение по оси OY, например, для текущего шага.
Для получения наилучшей точности длины шага необходимо ускорения, используемые в расчете длины шага, пересчитать из связанной в локальную систему координат с помощью данных из алгоритма ориентации БИНС.
Текущие координаты определяются из следующих выражений:
'xt = +SLi ■ sin V (2)
Уь= Уь-!+SLi -COSlJj где: Xi_i, У[-1 - координаты на предыдущем шаге; SLl- длина текущего шага; \|/ - текущий путевой угол (направления движения) в локальной системе координат.
При этом выходной информацией из блока алгоритма счисления шагов являются значения координат местоположения и значения проекций ускорения, поступающие в алгоритмы КОИ (информационная связь 20).
В блоке «Алгоритмы калибровки и начальной выставки» реализуются:
- алгоритмы начальной выставки по каналам ориентации БИНС, включающие в себя функции оценки дрейфов нулей гироскопов и определение начальных углов истинного курса, крена и тангажа на этапе начальной выставки (информационная связь 9);
- алгоритмы начальной выставки по каналам навигации БИНС, включающие в себя функцию определения координат на этапе начальной выставки (информационная связь 10);
Блок Bluetooth-wpmMHHK соответствует встроенному в смартфон модулю Bluetooth (Universal Scientific Industrial 339S00043). Информационная связь 12 реализует передачу в Блок вычисления координат информацию об идентифицированных маяках и относительной мощности сигнала от каждого из них.
«Блок вычисления координат» осуществляет функцию определения координат устройства на основе информации об относительной мощности сигнала на основе метода трилатерации (дальномерного метода) [7, 11] и/или с помощью метода отпечатков, основанного на создании уникальных
точек - отпечатков, которые содержат информацию обо всех видимых маяках [9, 13]. Отпечатки создаются по площади всего помещения с некоторым шагом, который зависит от необходимой точности решения. Определение местоположения осуществляется модифицированным методом К-ближайших соседей [13].
Информационные связи 10 и 21 «Блока вычисления координат» обеспечивают передачу в блок «Алгоритм калибровки и начальной выставки» и «Алгоритмы КОИ» значений координат местоположения пользователя в локальной системе координат.
В блоке «Алгоритмы КОИ» реализованы различные способы комплексной обработки информации. Поскольку в процессе предварительных испытаний было выявлено достаточно быстрое накопление ошибки счисления пути алгоритмом БИНС вследствие невысокой точности микромеханических инерциальных элементов, в дальнейшем акцент в работе был сделан на комплексировании данных АСШ с координатами, вычисленными на основе Bluetooth позиционирования.
Для АСШ набор измерений будет иметь вид:
Z1 = ХАСШ — ^Bluetooth = — àxBluetooth>
(3)
z2 — УАСШ — У Bluetooth ~ ^УАСШ — Bluetooth>
где хАСШ, х Bluetooth ?Уасць У Bluetooth ~ координаты местоположения по данным АСШ и Bluetooth позиционирования; 0хАСШ, SxBLuet00th, 5уАСШ, Bluetooth - ошибки определения соответствующих величин.
Структура формирования измерений (3) в КСН представлена на
рис. 2.
Рис. 2. Структура формирования измерений
Для организации оптимального оценивания по измерениям (3) требуется создать математическую модель оцениваемого вектора и определить его связь с измерениями. В качестве оцениваемого вектора выбирается вектор ошибок данных АСШ.
Совокупная система уравнений ошибок АСШ может быть представлена в виде
(4)
rxx = sirop • SSL + SL • cosip • Sip + Swx x2 = cosip • SSL — SL • sirup • Sip + Swy
SSL = SwSL . ^ Sip = Swt
где xt, x2 - погрешности АСШ в определении координат; SL - длина шага; SSL - погрешность определения длины шага; Sip - погрешность в определении путевого угла; SwX) Swy, öwSLßwlp - случайные компоненты типа «белого» шума.
Математическую модель КСН можно представить в следующем виде.
Вектор состояния системы:
X=[x1,x2,SSL,Sip]T, (5)
где х±, х2 - погрешности АСШ в определении координат; SSL - погрешность определения длины шага; Sip - погрешность в определении угла курса.
Вектор измерений, основанный на (3):
Z = [zlfz2]T. (6)
Уравнение состояния имеет вид:
X(t) = F(t)*X + G(t)-W(t), О 0 sirop SL • cosip О 0 cosip —SL • sirop ООО О
.0 0 0 0 W(t) = [Swx,Swy,SwSLSwt]T.
Уравнение измерений:
z(t) = H(t)*X(t~) + V(t), m _rl 0 0 Ol
1 о oJ'
V(t) = [SxBiuet00th, SyBiuet00th]. Представленная в выражениях (3) - (8) модель является основой для формирования оптимального фильтра Калмана в дискретной форме.
Sk = ФРк-±Фт + Г ■ Q ■ Тт, Kk = Sk-HT-(H-Sk-HT + Ry\
Рк = (Е-Кк ■ H)Sk, { }
хк = Ф-хк_1 + кк-(гк~н-Ф-хк_1),
где Хк - оценка вектора состояния на k-ом шаге; Ф - переходная матрица системы; Г - матрица случайных воздействий; S - априорная матрица ко-вариации на k-ом шаге; Р - апостериорная матрица ковариации на к-ом шаге; Q - матрица интенсивности шумов системы; R - матрица интенсив-
136
F(t) =
(7)
(8)
ности шумов корректора; Н - матрица измерений; Е - единичная матрица. <2 и Я - симметрические неотрицательно определенная и положительно определенная матрицы интенсивности шумов дискретной системы:
ДСО^а^СОг^СОГ, (10)
<2(0 = diag[q11(t)q22(t)q33(t)q44(t)]T. (11)
Переход к дискретному виду осуществляется при использовании следующих соотношении" [11]:
(12)
Т '
m
т '
(F(t) *Т)2 V- 1
(2(70 = Щ (13)
СО
(tit) * 1 ) V"1 1
ф(Т) = ерт = E + F(t)*T + ±-^-——+...= > —(F(t) * Т)\ (14)
i=о
Г (Г) = Fit)'1 * (Ф(Г) - Я) * G(t) =
2 (15)
(т*ту) г
77ТТгр'
1=0 /
где Т - шаг дискретизации.
Оптимальный фильтр может быть реализован на основании (3) - (8) совместно с (9) - (15).
Полученные результаты. Для реализации представленных алгоритмов для операционной системы Apple iOS на языке Swift было разработано программно-алгоритмическое обеспечение «Indoor Navigation» - приложение, которое позволяет осуществлять навигацию внутри помещения и записывать данные о движении по маршруту. Помимо этого, было разработаны и написаны ряд дополнительных тестовых программ в среде Apple iOS, в частности «FP Cr eat or2», для создания отпечатков, а также ряд вспомогательных программ по обработке и отображению получаемых результатов. Всё ПАО было установлено на мобильное устройство типа смартфон iPhone 6s Plus, который и был использован при экспериментальных исследованиях.
Было проведено несколько предварительных испытаний функционирования КСН для разных вариантов реализации алгоритмов счисления пути и позиционирования, в ходе которых было оценены, прежде всего, погрешности навигационных определений. Наилучшие результаты полу-
чены при использовании комбинации АСШ с коррекцией от данных Bluetooth-позиционирования по методу отпечатков с использованием модифицированного метода К-ближайших соседей. Из результатов проведенных испытаний следует, что оптимальный фильтр компенсирует погрешности АСШ и корректирует КСН от Bluetooth-маяков. При прохождении заданного маршрута максимальная погрешность не превышала 1 ...1,5 м.
На рис. 3 представлена запись движения (тонкая темная линия) по пустому коридору одного из зданий студгородка МАИ, предварительно оснащенного семью равномерно расставленными Bluetooth-маяками. Движение по траектории А-Б-А (толстая линия) осуществлялось без остановок при скорости движения 1,2...1,5 м/с.
Track with Kalmart Filler
ь •
1
■ 1
1 A I
" 1 I ---
о а ю )ь '¿о гь за
X, лиЛе
Рис. 3. Запись траектории движения в прямом и обратном направлении по коридору в режиме оптимальной фильтрации
В то же время навигационная погрешность АСШ для того же маршрута в среднем не превышает 3 метров. Приемлемые результаты также были получены для В/ме/оой-позиционирования при расстоянии до маяков от 1 до 10 метров. Однако эти данные характеризовались относительной нестабильностью вследствие наличия препятствий и движущихся людей.
Заключение. Экспериментальные результаты говорят о том, что алгоритм БИНС, основанный на использовании данных от микромеханических инерциальных датчиков данного мобильного устройства, показал наихудшие результаты (порядка нескольких десятков метров за время движения в пределах минуты, что является не пригодным для определения координат внутри помещения). Возможно, при использовании более точ-
ных инерциальных датчиков и более полной модели их ошибок в сочетании с корректором по Bluetooth-маякам можно получить приемлемые результаты. Но это приведет к необходимости использования большой вычислительной мощности, что для потребительского мобильного устройства может оказаться недопустимым.
Точность определения местоположения с помощью АСШ является более высокой по сравнению с алгоритмом БИНС. Максимальное отклонение от действительной траектории маршрута составляет не более 3 метров.
Комплексирование АСШ с данными позиционирования по Bluetooth-маякам позволяет при оптимальной фильтрации получить навигационную точность в помещении в пределах 1___1,5 м. Этот реализованный метод построения КСН позволяет сделать вывод о возможности создания системы для indoor навигации в оснащенных сетью Bluetooth-маяков помещениях на основе потребительских мобильных устройств типа смартфон со специализированным ПАО и соответствующим картографическим обеспечением.
Список литературы
1. Фальков Е.В., Романов А.Ю. Применение маячков Beacon и технологии Bluetooth Low Energy для построения систем навигации в зданиях // Новые информационные технологии. 2015. № 18. С. 61-65.
2. What's New in Core Location. AppleInc, 2013. [Электронный ресурс] URL: https://developer.apple.com/videos/play/wwdc2013/307/ (дата обращения 1.03.2016).
3. Потапов А. Системы компьютерного зрения: современные задачи и методы // Control engineering. 2014.
4. Combo Wireless Module. Universal Scientific Industrial, 2015. 13. [Электронный ресурс] URL: http://www.usish.com/english/products wifi.php #w3 (дата обращения 1.03.2016).
5. Бромберг П.В. Теория инерциальных систем навигации / Главная редакция физико-математической литературы. М.: Наука, 1979. 296 с.
6. Поспелов А.С. Счисление пути в закрытых помещениях // Технико-технологические проблемы сервиса. 2013 №2 (24).
7. Paolo Pivato, Luigi Palopoli, Dario Petri. Accuracy of RSS-Based Centroid Localization Algorithms in an Indoor Environment // IEEE Transactions on instrumentation and measurement. Vol. 60, No. 10. 2011.
8. Jie Yang, Yingying Chen. Indoor Localization Using Improved RSS-Based Lateration Methods // IEEE Globecom, 2009.
9. Vanamalini T.S., Lakshmi K. Joshitha. RSSI Aided Cartographic Indoor Tracking System using Wireless Sensor Network // International Journal of Engineering Research & Technology (IJERT). 2015. Vol. 4. Issue 03.
10. Willy Hereman. Trilateration: The Mathematics Behind a Local Positioning System. Department of Mathematical and Computer Sciences Colorado School of Mines Golden. Colorado, USA, 2011.
11. Современные информационные технологии в задачах навигации и наведения беспилотных маневренных летательных аппаратов / К.К. Ве-ремеенко [и др.]; под ред. М.Н. Красильщикова, Г.Г. Серебрякова. М.: ФИЗМАТЛИТ, 2009. 556 с.
12. Xin Li, Jian Wang and Chunyan Liu. A Bluetooth/PDR Integration Algorithm for an Indoor Positioning System // Journal Sensors. 2015. №15.
13. Beomju Shin, Jung Ho Lee, Taikjin Lee, HyungSeok Kim. Enhanced Weighted K-Nearest Neighbor Algorithm for Indoor Wi-Fi Positioning Systems // International Journal of Networked Computing and Advanced Information Management (IJNCM). 2012. Vol. 2. № 2.
Кошелев Борис Валентинович, канд. техн. наук, доц., borisko47@yandex. ru, Россия, Москва, Московский авиационный институт (Национальный исследовательский университет),
Карагин Никита Александрович, студент, nkaraginamail. ru, Россия, Москва, Московский авиационный институт (Национальный исследовательский университет)
ON POSSIBILITY OF SMART PHONE S USE FOR INDOOR NA VIGA TION
B. V. Koshelev, N.A. Karagin
A number of variants of integrated navigation system based on the hardware of consumer mobile device (smart phone) for indoor navigation are considered. The main components which are included in the integrated navigation system are built-in Bluetooth module and inertial sensors (micromechanic gyro and accelerometers). Different methods and algorithms of navigation were developed and tested. The best results were demonstrated by combination of advanced algorithm of step calculation along with algorithm of «K-nearest neighbors " along with the method of "fingerprints " based on Bluetooth beacon network positioning. The special software running under Apple iOS was developed. The most important experimental results confirm the real possibility of creation of the system for indoor navigation on the base of consumer smart phones with special software. The best accuracy of the integrated navigation system under testing was within 1-3 meters.
Key words: indoor navigation, mobile device, algorithm, Bluetooth beacon.
Koshelev Boris Valentinovich, candidate of technical sciences, docent, borisko47ayandex.ru, Russia, Moscow, Moscow Aviation Institute (National Research University),
Karagin Nikita Alexandrovich, student, nkaraginamail.ru, Russia, Moscow, Moscow Aviation Institute (National Research University)
