摘要
随着室内位置服务的不断发展，基于手机的行人航位推算技术（PDR）作为室内复杂环境下定位与导航技术备受广大用户的青睐。但由于PDR导航精度随着导航时间的增加而急速减小，与此同时，用户需要以特定的约束方式携带智能手机才能进行有效的导航或定位等问题，导致PDR定位技术无法被大范围推广与应用。基于此，本文主要研究内容如下： （1）利用奇异谱分析（SSA）对加速度信号进行分层降噪，解决手机在不同携带位置下，步频探测方法较难在加速度信号上捕捉步频点的难题。 基于手机常用四种不同的携带位置，采集并利用频谱分析方法分析不同携带位置下实验者行走的传感器信号，得到行人的步频信号表现为2Hz的周期信号这一信息。然后针对加速度信号，提出SSA分层降噪方法，将加速度信号进行分层，得到不同的加速度信号分量，分别对不同层的信号分量进行频谱分析，提取出行人运动相关的加速度信号分量。通过SSA处理加速度信号后，行人在不同携带位置下，加速度信号具有明显的周期性，步频探测法能够有效地提取出行人的步频点。 （2）依据采集多组多人手机在不同携带位置的惯性传感器信号，研究支持向量机方法以及长短期记忆神经网络方法对手机携带位置进行模式识别的方法，有效识别出手机的不同携带位置。 根据手机在不同携带位置下的运动特征，从数据集中提取出共计42维的信号特征量，使用线性判别分析（LDA）对信号特征进行降维，减小模型训练时间，通过信号在特征空间的分布情况，利用SVM算法对行人手机携带位置进行识别，其识别率能够达到96%以上；为避免判别模型中特征工程的工作量，使用循环神经网络（RNN）中的长短期记忆神经网络（LSTM）对原始信号进行处理，模型经过训练后，该模型在不同携带位置下的判别精度能够达到98%以上。 （3）利用重力矢量与磁力矢量对手机姿态进行对准；在室内磁方位角精度不够的情况下，借助扩展卡尔曼滤波（EKF）中误差反馈的优点对行人航向进行可靠估计；在磁方位角精度足够的情况下，借助于对室内磁方位角以及建筑物主导方向，使用磁航向匹配方法对行人航向进行估计。 为了提高手机在不同携带位置下行人航向估计的准确率，首先使用磁力矢量与重力矢量对行人手机进行姿态对准工作，将行人航向与手机姿态关联起来，以便将后续基于设备坐标系下的航向转换到基于行人坐标系下；其次在磁方位精度能够满足主导方向方位角差值一半的情况下，使用磁航向匹配方法对行人航向进行估计，其匹配准确率能够达到98%以上；再者，在室内磁方位角无法满足算法要求时，使用一种在线对加速度方差进行估计的EKF航向估计算法，对行人航向进行估计。 （4）利用行人水平速度分量能够敏感行人速度变化的优势，提出一种基于速度增量的步长模型，有效提高行人在不同速度下的行人距离估计精度；为了减弱姿态解算对水平速度增量的影响，利用卡尔曼滤波对行人步长进行校正，得到更为准确的行人步长。 为了提高行人在速度变化时的距离估计精度，在将加速度信号转换到导航坐标系后，获取行人在水平方向的速度增量，利用行人距离估算模型对行人行进距离进行估计，由于减少了对人体运动的建模，能够适应手机在不同携带位置下以及行人在不同速度下的步长估计；通过速度增量模型推导出行人步长状态传递方程，使用卡尔曼滤波组合速度增量模型以及其他模型，量测方程根据实际手机携带位置使用特定的步长估计模型，提高了步长在手机不同携带位置以及行人不同速度下的准确率。
NETL