摘要
随着无线定位技术的普及，基于智能手机的室内定位技术正在逐步深入发展。在多种室内定位技术中，WIFI 定位因其覆盖范围广、部署成本低廉、实施方法简单而得到广泛应用，但这种定位方式对环境的敏感度高，易受环境影响。相反，基于智能手机的惯性导航技术不受外界干扰的影响，能在短期内提供可靠的精度，但其面临着误差累积的问题。为了解决这两种技术的缺陷，本文研究了WIFI 位置指纹定位算法和行人航迹推算（PDR）算法，提出了一系列改进措施，并最终通过扩展卡尔曼滤波将它们融合以提高定位精度。 （1）在WIFI室内定位研究中，针对离线数据采集阶段WIFI信号的复杂性与不稳定性，本文将实验环境划分成网格状结构，并设置信号波动阈值来筛选覆盖率较高的AP信号，确保离线数据库中信号的稳定性。在线定位阶段，为了解决室内狭窄区域定位误差较大的问题，本文在加权K最近邻（WKNN）算法的基础上，引入自适应K值策略，根据AP信号的稳定性强弱对欧氏距离进行加权，提出了一种基于加权欧氏距离的自适应WKNN算法。实验结果显示，该改进算法定位误差在2.5m以内的误差累计分布率达到80%，与传统WKNN算法相比，平均定位误差降低了约18.76%，相对MWKNN算法平均定位误差降低了约2.2%，有效提升了定位的准确性与鲁棒性。 （2）在行人航迹推算算法中，对于步态检测模块，本文提出基于动态阈值的波峰波谷检测法，调整了加速度阈值的变化规则，提高了伪波峰的识别率。在步长推算模块中，本文对维恩伯格步长模型进行优化，整合三轴的合加速度方差与步行时间差，采用最小二乘法对模型系数进行拟合，提高了步长推算的准确性。对于航向角解算模块，本文将磁力计与陀螺仪解算的航向角进行加权融合，使实际行走路线中航向角偏离控制在9°以内。最终，经过优化的PDR定位轨迹图能更准确地反映真实的行走轨迹。 （3）在WIFI与PDR融合定位研究中，本文采用扩展卡尔曼滤波（EKF）融合定位，将非线性问题转为线性问题，经过实验证实融合定位的精确度高于单一定位算法，平均定位误差控制在了1.194m左右，定位轨迹比单一的PDR算法更接近实际定位路线。
NETL