Magnetic fields have attracted considerable attention in indoor localization due to their ubiquitous and infrastructure-free characteristics. This survey provides a comprehensive review of magnetic-field-based indoor localization methods. We first introduce characteristics of the magnetic field, its advantages, and its challenges. We then describe the magnetometer model and the effect of ferromagnetic interference. We also present coordinate systems commonly used for magnetic field localization and describe their transformation relationships. We then compare the existing publicly available magnetic field benchmark datasets, present magnetometer calibration algorithms, and show how efficiently magnetic field maps can be built. We also summarize state-of-the-art magnetic field localization methods (e.g., magnetic landmarks, dynamic time warping, magnetic fingerprinting, filters, simultaneous localization and mapping, and neural network). The smartphone-based pedestrian dead reckoning approach is also reviewed.
Infrastructure-free magnetic fields are ubiquitous and have attracted tremendous interest in magnetic field-based indoor positioning. However, magnetic field-based indoor positioning applications face challenges such as low discernibility, heterogeneous devices, and interference from ferromagnetic materials. This paper first analyzes the statistical characteristics of magnetic field (MF) measurements from heterogeneous smartphones. It demonstrates that, in the absence of disturbances, the MF measurements in indoor environments follow a Gaussian distribution with temporal stability and spatial discernibility. It shows the fluctuations in magnetic field intensity caused by the rotation of a smartphone around the Z-axis. Secondly, it suggests that the RLOWESS method can be used to eliminate magnetic field anomalies, using magnetometer calibration to ensure consistent MF measurements in heterogeneous smartphones. Thirdly, it tests the magnetic field positioning performance of homogeneous and heterogeneous devices using different machine learning methods. Finally, it summarizes the feasibility/limitations of using only MF measurement for indoor positioning.
Traditional magnetic-field positioning methods collect magnetic-field information from each spatial point to construct a magnetic-field fingerprint database. During the positioning phase, real-time magnetic-field measurements are matched to a magnetic-field map to predict the user’s location. However, this approach requires a significant amount of time to traverse the entire magnetic-field fingerprint database and does not effectively leverage the magnetic-field sequence’s unique patterns to improve the accuracy and robustness of the positioning system. In recent years, the application of deep learning for the indoor positioning of magnetic fields has grown rapidly, especially by using the magnetic-field sequence as a time series and a trained long short-term memory (LSTM) model to predict the position, directly avoiding the time-consuming matching process. However, the training of LSTM is time-consuming, and the degradation problem occurs as the stack of layers increases. This article proposes a temporal convolutional network (TCN)-based magnetic-field positioning system that extracts magnetic-field sequence features by preprocessing them with coordinate transformation, smoothing filtering, and first-order differencing. The proposed method is seamlessly applicable to heterogeneous smartphones. The trained TCN models are compared with the LSTM and gated recurrent unit (GRU) models, showing the high accuracy and robustness of the proposed algorithm.
Aide à la mobilité utilisant la localisation via l'empreinte du champ magnétique local: En raison de l'omniprésence du champ géomagnétique et la disponibilité de sa mesure sans besoin d'infrastructures onéreuses, le positionnement intérieur basé sur le champ magnétique a suscité un intérêt considérable de la part des universitaires et des industriels. Cependant, les applications de positionnement intérieur basées sur le champ magnétique sont difficiles en raison de sa faible discrimination spatiale, de l'hétérogénéités des dispositifs de mesure et de l'interférence des matériaux ferromagnétiques. Cette thèse contribue à démontrer la faisabilité du positionnement intérieur basé sur le champ magnétique en relevant les défis du positionnement par champ magnétique. Nos contributions sont les suivantes : D'abord, nous avons réalisé une étude de l'état de l'art du positionnement intérieur basé sur le champ magnétique. Les caractéristiques du champ géomagnétique et les avantages et défis de la localisation par champ magnétique sont présentés en détail. Les modèles de magnétomètres et les interférences ferromagnétiques sont décrits. Plusieurs systèmes de coordonnées pour la localisation par champ magnétique et leurs relations de transformation sont présentés. Les ensembles de données de référence sur le champ magnétique accessibles au public sont passés en revue.Les algorithmes de calibration des magnétomètres et la construction efficace des cartes de champ magnétique sont décrits.Les méthodes de localisation du champ magnétique les plus récentes (repères magnétiques, déformation temporelle dynamique, empreintes magnétiques, filtrage bayésien, localisation et cartographie simultanées et réseaux neuronaux) sont résumées dans cette étude bibliographique. La deuxième contribution est une analyse des défis et de la faisabilité de la localisation du champ magnétique à travers une série d'expériences. Des tests statiques, de trajectoire et de rotation montrent les caractéristiques magnétiques de smartphones hétérogènes. Les tests de calibration de smartphones hétérogènes démontrent que la calibration des smartphones est une tâche essentielle au problème de l'hétérogénéité des dispositifs de mesure de champs magnétiques. Les tests de classification avec des smartphones hétérogènes montrent la faisabilité de la localisation du champ magnétique ainsi que ses limites. La troisième contribution consiste en une méthode robuste basée sur ADMM (Alternating Direction Method of Multipliers) pour calibrer des magnétomètres à trois axes en présence de mesures aberrantes et parasites. Deux méthodes de prétraitement des valeurs aberrantes sont proposées, à savoir les méthodes de troncature et de compression. L'algorithme de calibration des magnétomètres basé sur ADMM est comparé à d'autres méthodes de pointe, et la robustesse ainsi que la précision de l'algorithme de calibration des magnétomètres basé sur ADMM sont démontrées avec des données synthétiques. En conclusion, notre recherche offre plusieurs nouvelles contributions au positionnement intérieur basé sur les mesures de champs magnétiques. Dans ce travail de recherche, nous avons aussi initié des études sur la localisation de zones par trajectoires ainsi que de nombreuses comparaisons de méthodes de classification et localisation via l'empreinte locale du champ magnétique. Cette étude des défis et solutions potentielles relatifs à l'utilisation des mesures de champ magnétique pour la localisation de mobile en fait un pas en avant prometteur pour les applications du monde réel.