朱 鹏，陈威平，石 颖，何林彬，谢文武，余 超

（湖南理工学院信息科学与工程学院，湖南 岳阳 414006）

0 引 言

随着通信技术的不断发展，智慧城市成为城市建设发展的潮流，室内定位是智慧城市的重要内容，是基于位置的服务的基础。室内定位技术有超宽带（ultra-wideband，UWB）［1］、WiFi［2］、低功耗蓝牙（Bluetooth low energy，BLE）［3］、超声波［4］和红外［5］等，这些技术比较依赖定位设备的布置且容易被室内环境影响。相比之下，随着微机电系统（MEMS）的发展，基于惯性测量单元（inertial measurement unit，IMU）的捷联式惯导系统使用单独的传感器实现定位［6］，不依赖其他基础设施，成为行人导航系统的理想选择。然而，从低成本的IMU 获取的数据精度有限，包含噪声，加速度计对振动噪声敏感，陀螺仪漂移严重，无法支持长时间的精确定位，在进行积分运算时，误差累积迅速，航向漂移严重。

行人姿态和航向的确定需要通过融合传感器数据，常用的传感器数据融合方法有扩展卡尔曼滤波（extended Kalman filtering，EKF）和互补滤波（complementary filtering，CF）［7］。EKF是基于卡尔曼滤波（Kalman filtering，KF）解决非线性问题的算法，EKF 和行人零速检测为框架的数据融合算法通过引入速度和角速度观测量，将误差重置，是一种能有效降低误差积累的姿态解算方法［8］。在此基础上，融合磁力计对航向校正有一定的积极作用，但由于室内磁场干扰严重和磁力计自身误差，在融合之前必须对磁力计数据进行分类，提取可用的磁场数据［9］。另一种解决航向漂移的方法是启发式漂移减少（heuristic drift reduction，HDR）［10］，在仅使用IMU的情况下，将当前解算角度与前一时刻比较，忽略小于角度阈值的姿态变化，能有效修正简单路线，但在复杂路径中修正效果并不明显。……