matlab 行人轨迹_「好设计论文」基于行人航迹推算的室内定位算法研究

摘要：针对室内定位的实际应用需求，提出了基于行人航迹推算算法(PDR)的适用于手机采集数据的室内定位方法。不同于传统的数据采集方法，该种定位方法利用手机得到加速度、陀螺仪以及地磁原始数据，通过分析加速度信号实现步频探测和步长估计。利用扩展卡尔曼滤波器(EKF)融合各惯性传感器数据以提高方向角的解算精度。最后设计了基于Android平台的数据采集软件，可利用手机内置的传感器设备实现数据采集。经实验数据分析，该算法的定位精度优于2 m，在实用的基础上具有较高的定位精度和较低的实现复杂度。

中文引用格式：王亚娜，蔡成林，李思民，等. 基于行人航迹推算的室内定位算法研究[J].电子技术应用，2017，43(4)：86-89，93.

英文引用格式：Wang Yana，Cai Chenglin，Li Simin，et al. The research on indoor positioning algorithm based on pedestrian dead reckoning[J].Application of Electronic Technique，2017，43(4)：86-89，93.

0 引言

目前已有大量关于室内定位技术的研究，包括红外技术IR^[1]、无线局域网WLAN^[2]、蓝牙技术Blue Tooth^[3]、计算机视觉Computer Vision^[4]等。而基于自包含传感器的定位技术是近几年比较热门的一种室内定位手段，其突出优势在于可抗干扰地提供实时、连续、精准的位置信息。

目前国内外已有不少对基于自包含传感器的定位技术的研究。FOXLIN E^[5]等人提出基于惯性测量单元(Inertial Measurement Unit，IMU)的传统导航机制，通过将加速度两次积分得到行走距离，将陀螺仪积分得到航向变化值，最终得到较为精确的定位结果，然而其高精度性能的基础是价格昂贵的IMU，在行人定位中并不能普及；LEVI R W和JUDD T^[6]提出了行人航迹推算(Pedestrian Dead Reckoning，PDR)算法来实现行人定位，该算法利用加速度信号的周期性来确定用户的步频，采用相关模型估计步长，利用从陀螺仪获得的方向信息推算出行人的速度、位置