张丽杰，郝利军，李志宇

（1. 内蒙古工业大学 电力学院，呼和浩特 010051；2. 内蒙古机电控制重点实验室，呼和浩特 010051）

0 引言

随着人们对个人位置的关注，个人导航定位的需求逐渐从室外扩展到室内。基于无线保真（wireless fidelity, WiFi）网络的无线定位具有成本低、可实现性强和速度快等优点，但由于WiFi信号不稳定，其无法满足高精度定位需求。以惯性测量单元（inertial measurement unit, IMU）为传感器的惯性导航是一种不依赖于外界信息、也不向外部辐射能量的自助式导航方式，具有短期动态性能好、数据更新率高、可全天侯和全时间工作等优点。利用WiFi 和IMU 在定位中的互补性，可构成精度更高的组合定位系统，近年来基于WiFi 和IMU 的组合定位技术，已成为导航领域的研究热点之一[1]。

滤波估计算法是影响多传感器组合定位精度的关键因素，已有研究人员将卡尔曼滤波（Kalman filter, KF）[2]、容积卡尔曼滤波（cubature Kalman filter, CKF）[3]用于室内组合定位，CKF 具有比KF更高的滤波精度[4]。针对CKF 在非高斯条件下性能不稳定的问题，文献[5]将最大熵（maximum correntropy, MC）准则引入CKF 中，对量测噪声进行实时估计，滤波精度比CKF 更高，但由于MC准则以零中心高斯核函数为基础，对于非高斯噪声且相关熵非零均值的情况，该准则的稳态性下降。为此，文献[6]提出了变中心（variable center,VC）最大熵准则，将其用于自适应滤波算法中，以提高滤波算法的性能。另外，文献[7]将高斯-拉盖尔（Gauss-Laguerre）准则引入CKF 中，提出容积积分卡尔曼滤波（cubature quadrature Kalman filter, CQKF），解决了CKF 在求取径向积分时只保留一阶项导致滤波精度不高的问题。

针对行人室内定位环境复……