论文部分内容阅读
随着室内位置服务需求日益增长，基于智能手机开发的行人航迹推算(PDR)、WIFI定位逐渐成为普适且具推广性的消费级室内定位技术。这些定位技术虽然各有优势但也存在局限性，本文基于智能手机的PDR定位技术及WIFI地标融合定位方式展开深入研究。
本文以行人智能手机为研究载体，针对行人移动过程中运动状态和握持手机姿态多变、航向推算易受手机姿态影响、PDR存在累积误差、地标稳定性低等问题进行研究。主要研究内容及创新点如下：
（1）针对各类传感器局部特征无法进行差异表达的问题，提出MconvLSTM阻断不同传感器之间的网络权重共享，以提升运动状态识别准确率。再对现有行人活动模式识别未考虑手机姿态的问题，提出基于MconvLSTM与LightGBM的分层模型行人活动模式识别方法，通过将室内行人活动模式划分为运动状态和手机姿态分别进行训练并识别，以解决较复杂的行人活动模式识别问题。实验结果表明，运动状态识别准确率为96.1%，手机姿态识别准确率为96.7%，行人活动模式识别率达到93.9%，相比于convLSTM准确率明显提升。
（2）针对定位过程中PDR易受行人活动干扰的问题，结合行人活动模式识别方法，提出行人活动模式感知的步态检测、自适应步长估计、航向推算方法，以构成行人活动模式感知的航迹推算方法体系。针对行人活动模式变化的问题，动态组合并优选步态检测和步长估计方法；同时对于复杂手机姿态下航向角波动大的问题，引入磁力计并利用互补滤波以约束航向角偏移问题。以平持步行和摇摆步行姿态分别进行航迹推算实验，两种姿态下计步准确率均在99%，步长累积误差低于2.4m，航向角平均误差低于8度，航迹推算的平均定位误差低于1.8m。
（3）针对PDR过程中存在累积误差的问题，提出一种包含活动地标和WIFI地标的虚拟地标模式构建室内地标集，并融合行人活动模式感知的PDR方法以修正累积误差。针对传统地标信号单一且稳定性不高的问题，引入多种传感器信号指标构建虚拟地标模式，以提高虚拟地标的稳定性。利用最小二乘支持向量机识别活动地标，并提出RSS序列聚类划分WIFI地标；再使用EKF融合PDR和虚拟地标修正行人位置。实验结果表明，真实位置与虚拟地标簇间平均误差为0.6m，融合PDR/地标的平均定位误差低于1.43m，相比于行人活动模式感知的航迹推算定位方法，平均定位误差降低25.9%，该方法有效的修正航迹推算的累积误差，进而提高室内定位精度。
本文以行人智能手机为研究载体，针对行人移动过程中运动状态和握持手机姿态多变、航向推算易受手机姿态影响、PDR存在累积误差、地标稳定性低等问题进行研究。主要研究内容及创新点如下：
（1）针对各类传感器局部特征无法进行差异表达的问题，提出MconvLSTM阻断不同传感器之间的网络权重共享，以提升运动状态识别准确率。再对现有行人活动模式识别未考虑手机姿态的问题，提出基于MconvLSTM与LightGBM的分层模型行人活动模式识别方法，通过将室内行人活动模式划分为运动状态和手机姿态分别进行训练并识别，以解决较复杂的行人活动模式识别问题。实验结果表明，运动状态识别准确率为96.1%，手机姿态识别准确率为96.7%，行人活动模式识别率达到93.9%，相比于convLSTM准确率明显提升。
（2）针对定位过程中PDR易受行人活动干扰的问题，结合行人活动模式识别方法，提出行人活动模式感知的步态检测、自适应步长估计、航向推算方法，以构成行人活动模式感知的航迹推算方法体系。针对行人活动模式变化的问题，动态组合并优选步态检测和步长估计方法；同时对于复杂手机姿态下航向角波动大的问题，引入磁力计并利用互补滤波以约束航向角偏移问题。以平持步行和摇摆步行姿态分别进行航迹推算实验，两种姿态下计步准确率均在99%，步长累积误差低于2.4m，航向角平均误差低于8度，航迹推算的平均定位误差低于1.8m。
（3）针对PDR过程中存在累积误差的问题，提出一种包含活动地标和WIFI地标的虚拟地标模式构建室内地标集，并融合行人活动模式感知的PDR方法以修正累积误差。针对传统地标信号单一且稳定性不高的问题，引入多种传感器信号指标构建虚拟地标模式，以提高虚拟地标的稳定性。利用最小二乘支持向量机识别活动地标，并提出RSS序列聚类划分WIFI地标；再使用EKF融合PDR和虚拟地标修正行人位置。实验结果表明，真实位置与虚拟地标簇间平均误差为0.6m，融合PDR/地标的平均定位误差低于1.43m，相比于行人活动模式感知的航迹推算定位方法，平均定位误差降低25.9%，该方法有效的修正航迹推算的累积误差，进而提高室内定位精度。