目前国内外室内定位主要研究方向包括射频识 别技术（radio frequency identification，RFID）、蓝牙、 超宽带、ZigBee、WLAN、LED 等，部分技术在特定室 内环境下具有良好的定位效果。但上述技术在实现 过程中需部署特殊硬件或者完成大量的指纹数据采 集工作，硬件、人力和时间成本的限制使得室内定位
手 机 以 图 片 最 左 侧 走 廊 尽 头 为 起 点 ，沿 着 走 廊 中 心 线环绕一周，如图 2 走廊中轴线所示，实验过程中以 正常速度和姿态行走。 3.3 实验结果
实验前，精确测量实验场地，得到具有大地坐标 的 实 验 场 地 地 图 。 实 验 结 束 后 ，导 出 手 机 数 据 库 中 保存的连续单点位置坐标数据成图，如图 3 所示，人 员行走轨迹约 260 m。通过对比楼道中轴线绝对大
)
（5）
式中，vk 为过程噪声；wk 为测量噪声。 惯性导航系统通过自身的传感器测量数据提供
方位、速度和位置信息，无需外界参考信息辅助。但由
于 陀 螺 仪 的 漂 移 未 经 补 偿 ，使 得 误通过 Kalman 滤波算
法进行综合校正 。 [4] 在本系统的传感器信号输入模 块中，正常定位时信号视为无干扰状态，因此 ϕk - 1 = 1 ， Dk = 1 ，实际测量误差大于系统误差，即 wk > vk ，将这 些参数代入公式可解得校正后结果。
Abstract：Currently the wireless sensor network based on in⁃ door location requires to collect footprint data in advance， which has a heavy workload，high cost and need to deploy spe⁃ cial hardware. Consequently，we proposed a solution to indoor location utilizing MENS and INS in smartphone. By developing an application relying on Android system to get data from built_in sensors in cell phone，and combining with e_maps， these data are then processed with INS algorithm and Kalman filter to accomplish accurate locations. The method has been evaluated by a large set of experiments，and the results indicate that the method can achieve accuracy of 1 to 2 meters in a long distance. Key words：indoor location；smartphone；MENS；INS；Kalman filter
第 40 卷第 3 期 2015 年 6 月
DOI：10.14188/j.2095-6045.2015.03.017
测绘地理信息 Journal of Geomatics
Vol.40 No.3 June 2015
文章编号：2095-6045（2015）03-0063-03
基于 MENS-INS 的智能手机室内定位系统
位置和运动姿态得到智能手机在导航坐标系中的位
置、航向及速度信息[2]。 假设一物体在二维平面内运动，t0 时刻的初始
位置坐标为 ( X0,Y0 ) ，初始速度为 v0 ; t1 时刻的位置 为 ( X1,Y1 ) ，速度为 v1 ; t0 至 t1 时间段，物体的旋转 角速度为 ω ，旋转角度为 θ ，运动加速度为 a 。则
î
0
（4）
已 知 物 体 的 初 始 位 置 和 姿 态 ，对 加 速 度 进 行 二
次积分得到 3 个位移矢量，矢量之和为整体位移；对
旋 转 角 速 度 进 行 积 分 得 到 旋 转 角 度 矢 量 ，其 和 为 旋
转角度。利用极坐标算法推算物体的运动轨迹。
惯性导航实现过程中的大量积分运算会导致残
（6）
( Y2 - Y1 )( X1Y2 - X2Y1 ) }/[ ( X1 - X2 )2 +
( Y1 - Y2 )2 ]
（7）
Yp = { ( Y2 - Y1 )[Xs( X2 - X1 ) + Ys( Y2 - Y1 )] -
( X2 - X1 )( X1Y2 - X2Y1 )} /[( X1 - X2 )2 +
( Y1 - Y2 )2 ]
（8）
方向自动检测是利用陀螺仪数据判断是否出现
方向变化，结合地理信息数据库信息，从而确定定位
点是否已转入下一条相邻节线[9]。
2 Android 智能手机室内定位系统
2.1 系统架构 本文研究的是基于 Android 平台的室内定位系
统，通过智能手机 MENS_INS 测量计算实现。系统 采用典型的 C/S 架构模式，共分为监控端、通信系统 和客户端 3 部分。 2.2 系统功能设计及实现
化 的 系 统 状 态 数 学 模 型 ，可 以 对 下 一 时 刻 系 统 状 态
进 行 预 测 估 计 ，同 时 利 用 传 感 器 数 据 对 下 一 时 刻 的
系统状态进行对比更新。由卡尔曼滤波递推算公式
求出状态空间模型的状态方程和测量方程分别为：
ìxk
í î
yk
= ϕk - 1 xk - 1 + vk - 1, vk ~N ( 0, Vk = Dk xk + wk,wk ~N ( 0,Wk )
路 分 别 以 节 点 和 节 线 形 式 存 储 。 匹 配 时 ，首 先 将 卡 尔曼滤波后得到的定位点坐标 ( Xs,Ys ) 投影到距离
其最近的节线中，已知每条节线的起点坐标 ( X1,Y1 ) ， 终点坐标 ( X2,Y2 ) ，利用式（6）计算该点到所有节线 的距离 D 。计算完成后，按照式（7）和式（8）将该点
徐元坤 1
（1 中国矿业大学环境与测绘学院，徐州市大学路 1 号，221116）
Mobile Phone Indoor Location System Based on MENS-INS
XU Yuankun1
（1 School of Environment Science and Spatial Informatics，China University of Mining and Technology， 1 Daxue Road，Xuzhou 221116，China）
徐元坤：基于 MENS-INS 的智能手机室内定位系统
65
陀螺仪
加速计
机械化算法
地理信息 数据库
卡尔曼滤波 完成定位
电子地图匹配
定位结果输出
图 1 定位模块流程图
楼进行实验测试。4 楼平面布局如图 2 所示，房间分 布在走廊两侧，以房间号标注。
起点
终点
图 2 实验行走路线图
3.2 实验过程 实 验 人 员 打 开 室 内 定 位 应 用 软 件 ，手 持 该 智 能
技术至今未能得到大规模普及。 近 年 来 ，微 机 电 系 统（microelectro mechanical
systems，MENS）凭 借 其 体 积 小 、重 量 轻 、成 本 低 、功 耗 低 、可 靠 性 高 的 特 点 发 展 迅 速 [1] ，主 流 手 机 品 牌 如 苹果、三星、小米等在 2013 年后推出的产品中均内 置 MENS 系统，具有简单的运动姿态检测 、互动游 戏等功能。本文利用智能手机中的微加速度传感 器、微机械陀螺以及磁力计，根据卡尔曼滤波算法并 结合电子地图研究提出一种新的 MENS_INS 室内定 位系统。
摘 要：针对目前室内定位技术前期指纹数据采集工作量 大、成本高、需部署特殊硬件的问题，提出了一种基于智能 手机 MENS_INS 的室内定位系统。以 Android 系统为平台 设计开发了一款手机应用，利用手机 MENS 中的陀螺仪、 加速计和磁力计获取数据，采用 INS 算法以及 Kalman 滤 波 ，结 合 电 子 地 图 匹 配 算 法 ，实 现 较 长 距 离 内 定 位 精 度 控 制在 1~2 m，有助于室内定位技术的大规模推广。 关键词：室内定位；智能手机；MENS；INS；Kalman 滤波 中图法分类号：P228.41 文献标识码：A
投影到各节线上得到此时的最终匹配坐标 ( Xp,Yp ) ，然后依次运算下一时刻产生的定位点匹
配坐标[8]。 D =[Xs( Y1 - Y2 ) - Ys( X1 - X2 ) + ( X1Y2 -
X2Y1 )]/ ( X1 - X2 )2 + ( Y1 - Y2 )2 Xp = { ( X2 - X1 )[Xs( X2 - X1 ) + Ys( Y2 - Y1 )] +
余 误 差 累 积 ，基 于 智 能 手 机 在 静 止 状 态 下 不 产 生 积
分速度的原理，采用零速更新（zero velocity update，
ZUPT）算法[3]对系统进行纠正，通过补偿加速计的误
差提高定位精度。
1.2 卡尔曼滤波
Kalman 滤波是一种无偏的线性最小方差估计算
法， 很早就应用于惯性导航领域[4]。通过建立个性
ìíîYX11
= =
X0 Y0
+ +
v1 v1
sin θ cos θ
（3）
在 ti 时 刻 ，物 体 的 旋 转 角 度 为 θi ，位 置 为 ( Xi,
Yi ) ，则