Mobile Phone-Based Indoor Positioning Method Using Adaptive Compressed Sensing for Mobile-Collected Fingerprints

YANG Fan; LIU Jingbin; GONG Xiaodong; HUANG Gege; LIU Delong; MAO Jingfeng; LI Mengxiang

doi:10.13203/j.whugis20230241

您当前的位置：

首页 >

文章列表页 >

Mobile Phone-Based Indoor Positioning Method Using Adaptive Compressed Sensing for Mobile-Collected Fingerprints

Cartography and GIS | 更新时间：2026-11-05

- Mobile Phone-Based Indoor Positioning Method Using Adaptive Compressed Sensing for Mobile-Collected Fingerprints
- Geomatics and Information Science of Wuhan University Vol. 50, Issue 10, Pages: 2135-2144(2025)
- 作者机构：
  
  1.广东电网有限责任公司韶关供电局，广东韶关，512000
  2.山东科技大学测绘与空间信息学院，山东青岛，266590
  3.武汉大学测绘遥感信息工程全国重点实验室，湖北武汉，430079
  4.测绘遥感信息工程全国重点实验室深圳研发中心，广东深圳，518057
- 作者简介：
- 基金信息：
  
  Shenzhen Science and Technology Plan(JCYJ20210324123611032)
- DOI：10.13203/j.whugis20230241
  CLC： P208
- Received：31 October 2023，
  
  Published：05 October 2025
- 稿件说明：
移动端阅览
杨帆,柳景斌,龚晓东，等.基于移动采集指纹的手机自适应压缩感知室内定位方法[J].武汉大学学报（信息科学版）,2025,50(10):2135-2144.

YANG Fan,LIU Jingbin,GONG Xiaodong,et al.Mobile Phone-Based Indoor Positioning Method Using Adaptive Compressed Sensing for Mobile-Collected Fingerprints[J].Geomatics and Information Science of Wuhan University,2025,50(10):2135-2144.
杨帆,柳景斌,龚晓东，等.基于移动采集指纹的手机自适应压缩感知室内定位方法[J].武汉大学学报（信息科学版）,2025,50(10):2135-2144. DOI：10.13203/j.whugis20230241

YANG Fan,LIU Jingbin,GONG Xiaodong,et al.Mobile Phone-Based Indoor Positioning Method Using Adaptive Compressed Sensing for Mobile-Collected Fingerprints[J].Geomatics and Information Science of Wuhan University,2025,50(10):2135-2144. DOI：10.13203/j.whugis20230241

摘要

基于接收信号强度指示（received signal strength indicator，RSSI）指纹的定位方法需要预先建立定位区域指纹库，传统静态采集指纹库的建立更新需要大量的人力和时间，并且定位一致性容易受终端差异（如指纹采集手机与定位手机硬件不同导致接收信号差异）影响，使得这种方法的大范围推广使用变得异常艰难。针对以上问题，通过移动行走过程中采集的RSSI指纹建立对应的移动采集指纹库，根据移动采集指纹特征构建特征向量，提出移动采集指纹稀疏特征表征，建立基于自适应压缩感知算法的指纹匹配室内定位模型。实验结果表明，指纹采集效率提升了90.83%，平均定位误差为1.96 m，均方根误差为2.75 m，定位一致性差异误差平均提高了32.67%。所提方法在指纹采集效率、定位精度及不同手机的定位一致性方面优于现有算法。

Abstract

Objectives

The location method based on received signal strength indication (RSSI) fingerprint requires building a fingerprint database of the location area in the offline stage. The traditional static fingerprint collection method is time-consuming and labor-intensive to establish and update the fingerprint database

and the location consistency is easily affected by the terminal difference (such as the difference of the received signal caused by the different hardware of the fingerprint collection phone and the location phone)

which hinders the large-scale application of this method.

Methods

To address these problems

we collect RSSI fingerprints during mobile walking and build a corresponding mobile collection fingerprint database

and construct feature vectors according to the characteristics of mobile collection fingerprints. Sparse feature representation of mobile-collected fingerprints is proposed

and a fingerprint matching indoor location model is established based on adaptive compressed sensing algorithm.

Results

The experimental results show that the fingerprint collection efficiency is improved by 90.83%

the average location error is 1.96 m

the root mean square error is 2.75 m

and the location consistency difference error is improved by 32.67% on average.

Conclusions

The proposed method outperforms the existing algorithms in terms of fingerprint collection efficiency

location accuracy and location consistency of different phones.

关键词

Keywords

references

JANG B ， KIM H . Indoor Positioning Technologies Without Offline Fingerprinting Map： A Survey ［J］. IEEE Communications Surveys Tutorials ， 2019 ， 21 （ 1 ）： 508 - 525 .

YASSIN A ， NASSER Y ， AWAD M ， et al . Recent Advances in Indoor Localization： A Survey on Theoretical Approaches and Applications ［J］. IEEE Communications Surveys Tutorials ， 2017 ， 19 （ 2 ）： 1327 - 1346 .

陈锐志，郭光毅，陈亮，等 . 室内高精度定位技术研究应用现状与发展趋势［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 10 ）： 1591 - 1600 .

CHEN Ruizhi ， GUO Guangyi ， CHEN Liang ， et al . Application Status， Development and Future Trend of High-Precision Indoor Navigation and Tracking ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 10 ）： 1591 - 1600 .

陈锐志，叶锋 . 基于Wi-Fi信道状态信息的室内定位技术现状综述［J］. 武汉大学学报（信息科学版）， 2018 ， 43 （ 12 ）： 2064 - 2070 .

CHEN Ruizhi ， YE Feng . An Overview of Indoor Positioning Technology Based on Wi-Fi Channel State Information ［J］. Geomatics and Information Science of Wuhan University ， 2018 ， 43 （ 12 ）： 2064 - 2070 .

薛卫星，李清泉，周宝定 . 虚拟AP支持的室内非线性约束区域定位［J］. 测绘学报， 2021 ， 50 （ 5 ）： 569 - 579 .

XUE Weixing ， LI Qingquan ， ZHOU Baoding . Virtual AP Based Indoor Localization in Area Without Linear Constraints ［J］. Acta Geodactica et Cartographica Sinica ， 2021 ， 50 （ 5 ）： 569 - 579 .

柳景斌，赵智博，胡宁松，等 . 室内高精度定位技术总结与展望［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 7 ）： 997 - 1008 .

LIU Jingbin ， ZHAO Zhibo ， HU Ningsong ， et al . Summary and Prospect of Indoor High-Precision Positioning Technology ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 7 ）： 997 - 1008 .

王慧强，高凯旋，吕宏武 . 高精度室内定位研究评述及未来演进展望［J］. 通信学报， 2021 ， 42 （ 7 ）： 198 - 210 .

WANG Huiqiang ， GAO Kaixuan ， LÜ Hongwu . Survey of High-Precision Localization and the Prospect of Future Evolution ［J］. Journal on Communications ， 2021 ， 42 （ 7 ）： 198 - 210 .

KANG Y M ， WANG Q Y ， WANG J W ， et al . A High-Accuracy TOA-Based Localization Method Without Time Synchronization in a Three-Dimensional Space ［J］. IEEE Transactions on Industrial Informatics ， 2018 ， 15 （ 1 ）： 173 - 182 .

SUNG S ， KIM H ， JUNG J I . Accurate Indoor Positioning for UWB-Based Personal Devices Using Deep Learning ［J］. IEEE Access ， 2023 ， 11 ： 20095 - 20113 .

吴辉，刘哲，胡进 . 考虑障碍物的RSSI室内定位传感器多目标优化［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 3 ）： 471 - 479 .

WU Hui ， LIU Zhe ， HU Jin . Multi-objective Optimization of RSSI Sensor Deployment Considering Obstacles for Indoor Positioning ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 3 ）： 471 - 479 .

李得海，吴文坛，马会林，等 . 室内测距型基站组网定位性能分析［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 1 ）： 1 - 10 .

LI Dehai ， WU Wentan ， MA Huilin ， et al . Positioning Performance of the Indoor Networks of Range-Based Reference Stations ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 1 ）： 1 - 10 .

ZHENG Y ， SHENG M ， LIU J Y ， et al . Exploiting AoA Estimation Accuracy for Indoor Localization： A Weighted AoA-Based Approach ［J］. IEEE Wireless Communications Letters ， 2018 ， 8 （ 1 ）： 65 - 68 .

TSAI T T ， SHEN L H ， CHIU C J ， et al . Beam AOD-Based Indoor Positioning for 60 GHz mm-Wave System ［C］// The 92nd Vehicular Technology Conference ， Victoria， BC， Canada， 2020 .

ZHANG W ， YU K G ， WANG W X ， et al . A Self-Adaptive AP Selection Algorithm Based on Multiobjective Optimization for Indoor Wi-Fi Positioning ［J］. IEEE Internet of Things Journal ， 2021 ， 8 （ 3 ）： 1406 - 1416 .

YU D ， LI C G . An Accurate Wi-Fi Indoor Positioning Algorithm for Complex Pedestrian Environments ［J］. IEEE Sensors Journal ， 2021 ， 21 （ 21 ）： 24440 - 24452 .

GUO X S ， LI L ， XU F ， et al . Expectation Maximization Indoor Localization Utilizing Supporting Set for Internet of Things ［J］. IEEE Internet of Things Journal ， 2019 ， 6 （ 2 ）： 2573 - 2582 .

LIU H H ， LIU C . Implementation of Wi-Fi Signal Sampling on an Android Smartphone for Indoor Positioning Systems ［J］. Sensors ， 2018 ， 18 （ 1 ）： 3 .

LI Z ， LIU J B ， YANG F ， et al . A Bayesian Density Model Based Radio Signal Fingerprinting Positioning Method for Enhanced Usability ［J］. Sensors ， 2018 ， 18 （ 11 ）： 4063 .

张恒才，蔚保国，秘金钟，等 . 综合PNT场景增强系统研究进展及发展趋势［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 4 ）： 491 - 505 .

ZHANG Hengcai ， YU Baoguo ， BEI Jinzhong ， et al . A Survey of Scene-Based Augmentation Systems for Comprehensive PNT ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 4 ）： 491 - 505 .

柳景斌，郭英晖，喻文慧 . 一种面向大型室内场景的高可用手机视觉全局定位方法［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 12 ）： 2301 - 2312 .

LIU Jingbin ， GUO Yinghui ， YU Wenhui . A Smartphone Based Visual Global Localization Method with High Usability in Large Indoor Spaces ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 12 ）： 2301 - 2312 .

刘武平，呙维，朱欣焰，等 . 面向三边测量定位的信标节点优选算法［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 2 ）： 296 - 302 .

LIU Wuping ， GUO Wei ， ZHU Xinyan ， et al . Optimal Selection Algorithm of Beacon Nodes in Trilateration Positioning ［J］. Geomatics and Information Scien‑ce of Wuhan University ， 2020 ， 45 （ 2 ）： 296 - 302 .

BI J X ， WANG Y J ， LI Z K ， et al . Fast Radio Map Construction by Using Adaptive Path Loss Model Interpolation in Large-Scale Building ［J］. Sensors ， 2019 ， 19 （ 3 ）： 712 .

BARANIUK R G . Compressive Sensing Lecture Notes ［J］. IEEE Signal Processing Magazine ， 2007 ， 24 （ 4 ）： 118 - 121 .

冯辰 . 基于压缩感知的RSS室内定位系统的研究与实现［D］. 北京：北京交通大学， 2011 .

FENG Chen . Research and Implementation of RSS Indoor Positioning System Based on Compressed Sensing ［D］. Beijing ： Beijing Jiaotong University ， 2011 .

YANG M H ， WU H ， LIU Z Y ， et al . Indoor Positioning Using Public FM and DTMB Signals Based on Compressive Sensing ［J］. China Communications ， 2019 ， 16 （ 5 ）： 171 - 180 .

FENG C ， AU W S A ， VALAEE S ， et al . Received-Signal-Strength-Based Indoor Positioning Using Compressive Sensing ［J］. IEEE Transactions on Mobile Computing ， 2012 ， 11 （ 12 ）： 1983 - 1993 .

徐世武，吴怡，王徐芳 . 基于稀疏度自适应和位置指纹的可见光定位算法［J］. 光学学报， 2020 ， 40 （ 18 ）： 38 - 46 .

XU Shiwu ， WU Yi ， WANG Xufang . Visible Light Positioning Algorithm Based on Sparsity Adaptive and Location Fingerprinting ［J］. Acta Optica Sinica ， 2020 ， 40 （ 18 ）： 38 - 46 .

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 .

ZHAO Zenghua ， TONG Yuefan ， CUI Jiayang . Device-Independent Wi-Fi Fingerprinting Indoor Localization Model Based on Domain Adaptation ［J］. Journal on Communications ， 2022 ， 43 （ 4 ）： 143 - 153 .

HOSSAIN M A K M ， JIN Y Y ， SOH W S ， et al . SSD： A Robust RF Location Fingerprint Addressing Mobile Devices' Heterogeneity ［J］. IEEE Transactions on Mobile Computing ， 2013 ， 12 （ 1 ）： 65 - 77 .

HE S N ， GARY CHAN S H ， YU L ， et al . SLAC： Calibration-Free Pedometer-Fingerprint Fusion for Indoor Localization ［J］. IEEE Transactions on Mobile Computing ， 2018 ， 17 （ 5 ）： 1176 - 1189 .

LI Y ， WILLIAMS S ， MORAN B ， et al . A Probabilistic Indoor Localization System for Heterogeneous Devices ［J］. IEEE Sensors Journal ， 2019 ， 19 （ 16 ）： 6822 - 6832 .

YANG F ， XIONG J ， LIU J B ， et al . A Pairwise SSD Fingerprinting Method of Smartphone Indoor Localization for Enhanced Usability ［J］. Remote Sensing ， 2019 ， 11 （ 5 ）： 566 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Positioning Performance Analysis of Indoor Networks of Range-Based Reference Stations

A Visual Global Positioning Method Based on Smartphone with High Usability in Large Indoor Spaces

Application Status， Development and Future Trend of High-Precision Indoor Navigation and Tracking

Multi-objective Optimization of RSSI Sensor Deployment Considering Obstacles for Indoor Positioning

Improved Finite State Machine Step Detection Algorithm for Smartphone

Related Author

ZHAO Yiyuan

BEI Jinzhong

MA Huilin

WU Wentan

LI Dehai

YU Wenhui

GUO Yinghui

LIU Jingbin

Related Institution

Chinese Academy of Surveying & Mapping

Beijing Fangshan Satellite Laser Ranging National Observation and Research Station

Hebei Natural Resources Archives

Hebei Second Institute of Surveying and Mapping

State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University

AI问答

⁰