本文是一篇计算机应用论文，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。
第一章 绪论
1.1 室内定位的研究背景和意义
近年来，由于智能设备和技术的发展，基于位置的服务的社会和商业需求显著增加。长期以来全球导航卫星系统（Global Navigation Satellite System ,GNSS）一直被用于位置导航服务，在室外环境中确定准确可靠的位置信息，如车辆导航、智能手机导航服务等[1]。然而室内环境下，GNSS 信号太弱[2]，无法穿透建筑物，并且障碍物和复杂的环境，导致信号存在波动和噪声。因此 GNSS 在室内环境中难以提供准确稳定的位置信息，需要广泛的研究与开发室内定位系统来提供室内环境下的位置服务。从微软研究院首创的基于 RADAR 的指纹方法[3]，到麻省理工学院的 Cricket 方法[4]，再到基于信标的定位技术[5,6]，这些都是比较有效的室内定位技术。与此同时，研究人员也在研究其它有吸引力和前景的技术，如射频识别[7,8]、超宽带[9]、红外[10]和可见光系统[11]。然而过去的几年里，智能手机的普及彻底改变了室内定位，并将其重塑为一个新的领域。近十年的标志是现代移动设备的出现以及大规模扩散，这些移动设备大多数是智能手机。这些智能手机有较高的处理能力，MEMS 传感器在智能手机中的部署为工业界和学术界带来了新的机遇和挑战[12]。如今智能手机已经部署了许多可以用于室内定位估计的传感器。近年来，人们对室内定位技术进行了大量的研究，强调了室内定位技术的重要性和潜力。
生活中许多产业都需要精确的位置信息，例如在工业领域化工人员或物资的定位，资产管理等、矿业领域地下通道人员的定位、养老院里老人定位监护、医疗领域人员设备的定位与导航、文博领域文物定位与检测，文物出入库，游客导览等、司法领域里监狱人员的定位等。基于智能手机的室内定位技术可以帮助用户实现这些基于位置服务的需求。
图 1-1 智能手机定位系统
................................
1.2 室内定位的研究现状
室内定位系统可以通过不同的信号源或接入点（Access Point , AP）来实现。信号源有两种选择，一种是已经部署 AP，如 WiFi 和地磁场，另一种是部署新的信号源，如低功耗蓝牙（Bluetooth Low Energy , BLE）和超宽带无线信号标签。室内定位系统的无线信号测量原理包括接受信号强度（Received Signal Strength ,RSS）、信号到达时间[13]（Time of Arrival，TOA），信号到达时间差[14]（Time Difference of Arrival，TDOA）和信号到达角[15]（Angle of Arrival，AOA）。RSS 由于不需要额外的硬件、易于实现而被广泛应用于室内定位系统中[16]。一般情况下室内环境都是较为复杂的，无线电信号的多径传播和阴影效应也是常见的。因此接受到的信号会包含视距与非视距的信号，导致时间同步和传播时间测量不准确，这给依赖信号测量原理的室内定位系统带来问题，如 TOA、TDOA、AOA。另外室内环境比室外环境复杂且缺少特征，室内无线电信号的传播不容易模拟。室内信号传播模型通常基于一个传播路径和已知的障碍物，室内的微小变化会使信号传播模型失败。三边定位和加权质心定位等定位方法依赖于信号传播模型来估计用户的位置，这些方法需要对每个室内环境的路径损失指数进行精确的校准[17]。
指纹定位技术也是无线定位系统中应用最广泛的一种，它是利用 RSS 作为指纹来进行定位的一种方法，如基于 WiFi 的指纹法和基于磁场的指纹法。指纹定位技术简单且易实现，但构建指纹数据库时需要大量的时间采集信号强度数据，并且在线定位时需要与大量指纹数据比较。Youssef 提出了一种通过朴素贝叶斯方法和信号概率密度直方图的 Horus 系统，用 RSS 的概率分布数据代替 RSS 本身存放进位置指纹数据库[18]。Zhang Zhenyong 等[19]提出一种基于 WiFi 的自我发展的室内导航系统，为了减轻环境变化和设备多样性的影响，提取 WiFi 信号的静态和动态属性，包括扫描的 AP 列表，信号强度的变化以及 AP 的相对强度顺序。Guo Xianshen 等[20]提出了一种新颖而强大的 WiFi定位方法。首先通过从 RSS 指纹中收集双曲线位置指纹和信号强度差异指纹来构造多个指纹组。然后通过使用每个指纹训练每个基本分类器来获得多个指纹训练分类器。为了充分利用指纹和分类器之间的内在补充，提出了具有多个约束的两层融合轮廓（权重）联合优化算法。磁场具有与位置相关，无基础设施且节能的特点，因此有潜力对用户进行定位和跟踪。地磁指纹定位具有如下几个优势:（1）室内环境中地磁场比较稳定，不会随着时间变化而发生变化;（2）地磁场无处不在，不需要额外部署设备。
.............................
第二章 室内定位相关技术
2.1 定位技术
近年来，国内外涌现出了多种多样的室内定位系统，为了满足室内定位需求，科研人员已经设计了众多的技术方案。重点包括如下几种：
（1）WiFi、BLE 定位技术
（2）使用智能手机内置传感器的定位技术
（3）基于地磁场的定位技术
2.1.1 WiFi、BLE 定位技术
无线通信技术（如 WiFi 和 BLE）是无线室内定位系统中最常用的技术，本小节将对 WiFi 和 BLE 定位技术进行介绍并对 Wi-Fi 和 BLE 的优劣势进行分析。
（a）WiFi 定位技
WiFi 是一种无线局域网技术，工作在 2.4GHz 和 5GHz ISM 无线频段。可以使用WiFi 的设备包括智能手机、个人电脑、智能电视等。WiFi 是最受欢迎的无线数据通信方式，而且正在日益普及部署在任何地方，包括家庭和公共室内环境。由于 WiFi 热点的广泛部署，基于 WiFi 的室内定位正在被深入研究。
利用 WiFi 可以实现指纹法[32]、三边定位[33]等定位方法。虽然现有的 WiFi AP 可以用来设计基于 WiFi 的室内定位系统，但这些 WiFi 网络的部署是为了无线通信，定位并不是其主要目的。换句话说，WiFi AP 并不是专门用于室内定位的，对于实际的定位结果，需要一种改进的、高效的定位算法。
需要注意的是，Wi-Fi 只能在 Android 平台上使用，iOS 目前没有提供公共 API[34]。此外，Android 8.0（API 级别 26）设置了一些权限和 WiFi 的扫描频率。在 Android 9 （API 级别 28）和 Android 10（API 级别 29）中，这种限制进一步收紧。此外，WiFi 模块通常需要 3-4 秒才能处理定位 app 的 startscan 命令，获取新的扫描结果。在实际操作中，重复获取 RSS 数据，直到产生新的扫描结果，在 WiFi AP 中每秒进行采样。在这种情况下，必须对获得的 WiFi 数据进行后续过滤，以消除错误的统计分析。
.....................................
2.2 定位算法
上述提到的定位技术，只有 WiFi 与 BLE 是基于特定基础设施的室内定位技术，这在硬件部署方面成本较大。而利用现有的、无处不在的磁场、手机内置的传感器进行定位会更加的经济实用，并且也可以达到较好的定位精度。这类系统常采用的定位算法有三种类型：基于位置指纹的定位算法、基于粒子滤波的定位算法、基于扩展卡尔曼滤波的定位算法。
2.2.1 基于位置指纹的定位算法
位置指纹法也称为场景分析，其中测量 RP 处的信号强度，并将其与 RP 坐标的位置一起存储在数据库中。为了定位，测量新的信号强度并将其与保存的信号强度进行比较以估计位置。因此，指纹定位具有两个操作阶段，如图 2-10 所示。在离线阶段，感兴趣的区域被划分为非重叠的网格，典型的网格大小为 1 m。智能手机从一个网格到另一个网格依次采集信号数据，从可接收的 AP 收集 RSS。在在线阶段，将最新获取的 RSS与存储的 RSS 进行比较，以估计用户的位置。指纹技术由于具有良好的定位精度并且不需要 AP 的 LOS 测量值，因此是室内使用最广泛的定位方法。Wi-Fi，BLE 和地磁场等技术都可用于实现指纹定位。尽管指纹定位具有良好的定位精度，但它具有耗时且费力的离线阶段。传统的指纹定位可以被分类为确定性和概率性。前一种方法通过指纹数据比较算法以找到估计的位置，而后一种方法通过估计 RP 上的概率分布来产生定位信息。
图 2-10 位置指纹法定位流程
....................................
第三章 基于智能手机的行人计步算法 ....
