<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>数据采集 on Zesean 的博客</title><link>https://zeseanblog.top/tags/%E6%95%B0%E6%8D%AE%E9%87%87%E9%9B%86/</link><description>Recent content in 数据采集 on Zesean 的博客</description><generator>Hugo -- gohugo.io</generator><language>zh-CN</language><lastBuildDate>Tue, 01 Sep 2026 22:58:08 +0800</lastBuildDate><atom:link href="https://zeseanblog.top/tags/%E6%95%B0%E6%8D%AE%E9%87%87%E9%9B%86/index.xml" rel="self" type="application/rss+xml"/><item><title>室内定位指纹库构建实践：ESP32 地磁采集与 WiFi 网格测量</title><link>https://zeseanblog.top/p/indoor-positioning-fingerprint/</link><pubDate>Sat, 16 May 2026 15:00:00 +0800</pubDate><guid>https://zeseanblog.top/p/indoor-positioning-fingerprint/</guid><description>&lt;p&gt;这学期《传感器与微系统》课程论文做的是&lt;strong&gt;室内定位&lt;/strong&gt;方向的数据工作：在 3m×5m 的实验场地里，人工采集了 WiFi RSSI 与地磁两路指纹，构建了一张 0.5m 网格的指纹库。定位算法本身是论文的核心内容，暂不展开；本文只记录&lt;strong&gt;数据采集与预处理&lt;/strong&gt;的工程实践。&lt;/p&gt;&#10;&lt;h2 id="指纹法定位原理"&gt;&lt;a href="#%e6%8c%87%e7%ba%b9%e6%b3%95%e5%ae%9a%e4%bd%8d%e5%8e%9f%e7%90%86" class="header-anchor"&gt;&lt;/a&gt;指纹法定位原理&#13;&#10;&lt;/h2&gt;&lt;p&gt;指纹法分离线、在线两个阶段。离线阶段在场地内按网格逐点采集各 AP 的信号强度，形成「位置 ↔ 信号指纹」数据库；在线阶段用实时采到的信号去指纹库里匹配，反推出当前坐标：&lt;/p&gt;&#10;&lt;p&gt;&lt;img alt="指纹法室内定位原理" class="gallery-image" data-flex-basis="514px" data-flex-grow="214" height="1820" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://zeseanblog.top/p/indoor-positioning-fingerprint/images/fingerprint-principle.png" srcset="https://zeseanblog.top/p/indoor-positioning-fingerprint/images/fingerprint-principle_hu_88eeb6a4459482f7.png 800w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/fingerprint-principle_hu_7b5c229639c1d043.png 1600w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/fingerprint-principle_hu_c0aa5d4edc9605e.png 2400w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/fingerprint-principle.png 3899w" width="3899"&gt;&lt;/p&gt;&#10;&lt;p&gt;WiFi RSSI 空间波动大、成本低，地磁信号空间差异明显、不受光照遮挡影响，两者互补——这也是选择这两路指纹的原因。&lt;/p&gt;&#10;&lt;h2 id="地磁采集esp32--icm20948"&gt;&lt;a href="#%e5%9c%b0%e7%a3%81%e9%87%87%e9%9b%86esp32--icm20948" class="header-anchor"&gt;&lt;/a&gt;地磁采集：ESP32 + ICM20948&#13;&#10;&lt;/h2&gt;&lt;p&gt;地磁传感器选用 ICM20948（9 轴 IMU 内置 AK09916 磁力计），主控为 ESP32，Arduino 框架开发。&lt;/p&gt;&#10;&lt;p&gt;采集流程：&lt;/p&gt;&#10;&lt;ol&gt;&#10;&lt;li&gt;通过姿态解算获取横滚角 $\phi$ 与俯仰角 $\theta$&lt;/li&gt;&#10;&lt;li&gt;读取磁力计原始三轴数据 $M^b = [m_x, m_y, m_z]^T$&lt;/li&gt;&#10;&lt;li&gt;用旋转矩阵把设备坐标系下的磁场校正到水平坐标系（z 轴指向上方）：&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;$$R_x(\phi) = \begin{bmatrix} 1 &amp;amp; 0 &amp;amp; 0 \ 0 &amp;amp; \cos\phi &amp;amp; \sin\phi \ 0 &amp;amp; -\sin\phi &amp;amp; \cos\phi \end{bmatrix} \qquad R_y(\theta) = \begin{bmatrix} \cos\theta &amp;amp; 0 &amp;amp; -\sin\theta \ 0 &amp;amp; 1 &amp;amp; 0 \ \sin\theta &amp;amp; 0 &amp;amp; \cos\theta \end{bmatrix}$$&lt;/p&gt;&#10;&lt;ol start="4"&gt;&#10;&lt;li&gt;输出三元组：&lt;strong&gt;（水平磁场模值，垂直磁场模值，总磁场模值）&lt;/strong&gt;&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;p&gt;采样频率设为 1Hz（宏定义可调）。姿态校正这步很关键——手持设备不可能保证完全水平，不做校正的话，同一位置换个握持角度读数就完全对不上了。&lt;/p&gt;&#10;&lt;h2 id="wifi-rssi-网格测量"&gt;&lt;a href="#wifi-rssi-%e7%bd%91%e6%a0%bc%e6%b5%8b%e9%87%8f" class="header-anchor"&gt;&lt;/a&gt;WiFi RSSI 网格测量&#13;&#10;&lt;/h2&gt;&lt;ul&gt;&#10;&lt;li&gt;场地：约 &lt;strong&gt;300cm × 500cm&lt;/strong&gt; 的室内区域&lt;/li&gt;&#10;&lt;li&gt;AP 布置：5 个无线接入点&lt;/li&gt;&#10;&lt;li&gt;采样：按 &lt;strong&gt;1m 网格&lt;/strong&gt;逐点人工采集，每个网格点记录 5 路 RSSI（dBm）与地磁三模值&lt;/li&gt;&#10;&lt;/ul&gt;&#10;&lt;p&gt;原始数据以 xlsx 记录，字段包括网格点物理坐标（cm）、RSSI_1~RSSI_5、地磁三模值（μT）。&lt;/p&gt;&#10;&lt;h2 id="预处理从-1m-实测到-05m-指纹库"&gt;&lt;a href="#%e9%a2%84%e5%a4%84%e7%90%86%e4%bb%8e-1m-%e5%ae%9e%e6%b5%8b%e5%88%b0-05m-%e6%8c%87%e7%ba%b9%e5%ba%93" class="header-anchor"&gt;&lt;/a&gt;预处理：从 1m 实测到 0.5m 指纹库&#13;&#10;&lt;/h2&gt;&lt;p&gt;实测网格 1m 间距偏稀疏，直接做指纹匹配粒度不够。预处理流水线：&lt;/p&gt;&#10;&lt;ol&gt;&#10;&lt;li&gt;&lt;strong&gt;网格提取&lt;/strong&gt;：从原始测量数据抽取 1m 间隔网格点&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;IDW 插值扩充&lt;/strong&gt;：用反距离加权插值把网格加密到 0.5m，扩充指纹库分辨率（插值域的选择有讲究，细节在论文里）&lt;/li&gt;&#10;&lt;li&gt;&lt;strong&gt;格式转换&lt;/strong&gt;：xlsx 统一转 CSV 供后续使用&lt;/li&gt;&#10;&lt;/ol&gt;&#10;&lt;h2 id="看看采到的数据"&gt;&lt;a href="#%e7%9c%8b%e7%9c%8b%e9%87%87%e5%88%b0%e7%9a%84%e6%95%b0%e6%8d%ae" class="header-anchor"&gt;&lt;/a&gt;看看采到的数据&#13;&#10;&lt;/h2&gt;&lt;p&gt;数据好不好，可视化是最直观的检验。5 个 AP 中一路 RSSI 的三维曲面——可以明显看到信号强度随空间的起伏：&lt;/p&gt;&#10;&lt;p&gt;&lt;img alt="WiFi RSSI 三维曲面" class="gallery-image" data-flex-basis="268px" data-flex-grow="111" height="2908" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://zeseanblog.top/p/indoor-positioning-fingerprint/images/rssi-3d-surface.png" srcset="https://zeseanblog.top/p/indoor-positioning-fingerprint/images/rssi-3d-surface_hu_b7d0413f5a50b9dc.png 800w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/rssi-3d-surface_hu_fc0b4b1e94051613.png 1600w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/rssi-3d-surface_hu_2347f030e2801b8b.png 2400w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/rssi-3d-surface.png 3254w" width="3254"&gt;&lt;/p&gt;&#10;&lt;p&gt;地磁总模值的等高线图——场地西部偏高（约 55μT）、东部偏低（约 43μT），空间梯度明显，这正是地磁指纹可用于定位的前提：&lt;/p&gt;&#10;&lt;p&gt;&lt;img alt="地磁总模值等高线" class="gallery-image" data-flex-basis="402px" data-flex-grow="167" height="2475" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://zeseanblog.top/p/indoor-positioning-fingerprint/images/mag-contour.png" srcset="https://zeseanblog.top/p/indoor-positioning-fingerprint/images/mag-contour_hu_bdf8df7e95835ab9.png 800w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/mag-contour_hu_28c4150be2040cab.png 1600w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/mag-contour_hu_5545563e02b2ee0b.png 2400w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/mag-contour.png 4146w" width="4146"&gt;&lt;/p&gt;&#10;&lt;p&gt;换个角度看地磁场强度曲面：&lt;/p&gt;&#10;&lt;p&gt;&lt;img alt="地磁场强度三维曲面" class="gallery-image" data-flex-basis="269px" data-flex-grow="112" height="2908" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://zeseanblog.top/p/indoor-positioning-fingerprint/images/mag-3d-surface.png" srcset="https://zeseanblog.top/p/indoor-positioning-fingerprint/images/mag-3d-surface_hu_586ff7d3d3b50f61.png 800w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/mag-3d-surface_hu_25c0f3192b80003f.png 1600w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/mag-3d-surface_hu_4d2cab25e3ce223c.png 2400w, https://zeseanblog.top/p/indoor-positioning-fingerprint/images/mag-3d-surface.png 3263w" width="3263"&gt;&lt;/p&gt;&#10;&lt;h2 id="小结"&gt;&lt;a href="#%e5%b0%8f%e7%bb%93" class="header-anchor"&gt;&lt;/a&gt;小结&#13;&#10;&lt;/h2&gt;&lt;ul&gt;&#10;&lt;li&gt;指纹库质量决定指纹定位的上限，采集阶段的&lt;strong&gt;网格规划、姿态校正、传感器选型&lt;/strong&gt;都比想象中重要&lt;/li&gt;&#10;&lt;li&gt;地磁的空间梯度和 WiFi 的互补性在数据里体现得非常直观&lt;/li&gt;&#10;&lt;li&gt;融合定位方法本身是论文核心内容，等论文发表后再写一篇展开&lt;/li&gt;&#10;&lt;/ul&gt;&#10;</description></item></channel></rss>