3.1 算法框架介绍 ...................................... 20
3.2 数据预处理与不同状态下的加速度数据 ................................ 21
第四章 融合手机传感器数据与粒子滤波的室内定位算法 ...................................... 31
4.1 算法框架介绍 ................................... 31
4.1.1 行人航位推算模块 ............................. 32
4.1.2 初始定位模块 ................................. 32
第五章 融合手机传感器数据与地磁场的室内定位算法 .......................................... 45
5.1 算法框架介绍 ....................................... 45
5.2 行人航位推算模块 .................................. 46
5.3 地磁场定位模块 ............................ 46
第五章 融合手机传感器数据与地磁场的室内定位算法
5.1 算法框架介绍
图 5-1 算法流程图
本章提出融合手机传感器数据与地磁场的室内定位方法，该方法由 PDR 定位模块、地磁场定位模块和融合定位模块组成，如图 5-1 所示。PDR 定位模块通过智能手机采集加速度数据采用基于自适应时间窗口的计步算法进行计步、采集加速度数据利用模型进行步长估计、采集陀螺仪数据与磁力计数据进行方向估计。地磁场定位模块需要对采集到的磁场强度进行特征处理，使建立的磁场指纹数据库具有较高的分辨性，再利用 KNN方法估计位置。融合定位模块分为粒子滤波算法与扩展卡尔曼滤波算法两个部分，粒子滤波算法主要用来对 PDR 算法中的估计方向进行矫正，最后针对该非线性系统，用扩展卡尔曼滤波融合方向矫正后 PDR 定位结果与磁场定位结果得到最终的位置估计。
...............................
主要结论与展望
本文的研究内容是融合手机传感器与位置指纹的室内定位方法，根据前面章节对室内定位算法的介绍与描述，本文主要的研究内容可以总结为以下三部分：
(1) 为了解决现有算法对不同运动状态适应性差和无法适应用户手机持有姿势产生错误计步的问题，本文设计了一种自适应时间窗口的计步算法进行计步检测。使用低通滤波和分段平滑滤波进行数据预处理，预处理后的加速度数据不仅消除了大部分噪声，而且保留了加速度数据的规律。为了消除伪波峰以及静止状态下的虚假步态周期对计步准确性的影响，使用自适应时间窗口峰值检测算法，这一阶段首先检测所有候选峰值、谷值，再使用自适应时间窗口对候选峰值、谷值进行更新。最后进行峰值验证，使用采样周期内加速度数据的方差与标准差对更新后的峰值进行验证。步态周期内成功验证的峰值，即认为这个步态周期是真正行走产生的，完成真正的步数检测。实验结果表明用户在不同运动状态下都得到比较准确的计步效果，并且优于固定窗口大小的峰值检测算法，也表明算法对不同用户手机持有姿势也具有很好的适应性。本文算法不仅可以解决多检、少检峰值的问题，也解决了人为制造的虚假步态周期的判别问题。为下一步算将计步算法结合运动状态，并融合方向等其它数据进行室内定位算法的设计奠定了坚实的基础。
(2) 针对传统的 PDR 算法随着行走距离的增大，方向漂移逐渐严重，定位误差逐渐增大的情况，另外行人行走时含有多个状态，统一的公式不能覆盖所有的步行信息，传统的步长估计不能准确地估计行人步长。本文设计了融合粒子滤波与 PDR 的室内定位方法，在粒子滤波算法中，每个粒子设置方向属性并添加方向偏差参数，为粒子设置可达到区域，通过重采样阶段对方向偏差参数不断更新达到矫正方向的目的。针对步长估计采用 LightGBM 模型对不同状态下的加速度数据进行训练，使用训练后的模型预测每一步的步长。实验结果表明该算法可以有效改善因累积误差导致定位误差过大的现象，步长估计算法可以准确拟合出不同状态下的步长。
(3) 针对粒子滤波中粒子初始化的随机性与粒子消亡问题以及磁场指纹可分辨性较差的问题，本文提出融合磁场指纹与 PDR 的室内定位方法。其中 PDR 定位模块通过智能手机采集加速度数据采用基于自适应时间窗口的计步算法进行计步、采集加速度数据利用模型进行步长估计、采集陀螺仪数据与磁力计数据进行方向估计。地磁场定位模块需要对采集到的磁场强度进行特征处理，使建立的磁场指纹数据库具有较高的分辨性，再利用 KNN 法估计位置。融合定位模块分为粒子滤波算法与扩展卡尔曼滤波算法两个部分，粒子滤波算法主要用来对 PDR 算法中的方向进行矫正，粒子滤波算法中的粒子权重由磁场强度进行更新。
参考文献（略）
