摘要
在封闭的建筑物空间环境中，室内定位技术能够快速实时锁定室内目标位置，广泛应用于民用、商用乃至军用领域。然而传统的室内WIFI定位方法依赖于采集的接收信号指示强度(ReceivedSignalStrengthIndicator，RSSI)指纹数据库，且易受环境因素干扰，定位误差较大。而行人航位推算(PedestrianDeadReckoning，PDR)方法短时精度高，不受环境干扰，但随着时间推移，将导致误差累积。研究表明，智能设备在三种持握姿态（手持、甩手、裤兜）下由于传感器数据的不同特征，会对PDR的定位效果产生较大影响。为此，本文结合室内WIFI定位和PDR研究方法，探索基于姿态识别的室内定位技术及其在行人手持设备中的应用，主要研究内容如下: (1)针对WIFI信号源衰减和强度因子浮动引入的定位误差，提出一种基于RSSI的室内测距模型。采用高斯-卡尔曼滤波算法滤除小概率的异常数据以减小环境噪声;提出一种斜率匹配模型，将短滑动窗口内的曲线用直线拟合，用于距离估计以解决多径干扰问题。实验表明，提出的算法测距误差低于对数模型和高斯-卡尔曼模型。 (2)基于坐标转换和四元数法将陀螺仪和磁力计计算得出的姿态角进行卡尔曼融合以提高PDR航向角精度。对不同姿态下单步周期内的的均值与方差做K最近邻(KNN，K-NearestNeighbor)分类归集，提出KNN中心距算法对姿态进行特征提取与分类，有效地提高了姿态识别率。在获得姿态数据后，推算相应的步频信息并基于不同行人特征如性别和身高的步长模型，计算出实时的步长信息。 (3)提出了一种改进的粒子滤波算法MPF-RSSI，并与KNN中心距-PDR的定位结果进行动态加权融合。仿真与实验结果表明，在行人不同的步伐特性如步长与步频及身高与性别不同的情况下，本文算法均具有较高的鲁棒性与普适性、姿态识别率、步数识别率和定位精度。在定位误差低于2m时，本文算法在手持、甩手、裤兜三种姿态下达到了90％、77％、74％的识别率与2.97m、3.47m、3.22m的最大定位均方根误差。同时对比了该系统在办公楼、商场、停车场三种场景下的定位效果，给出了不同影响因素WIFI强度、信号源数量及作用距离对定位性能的影响分析。
NETL