劉公緒，史凌峰

(1.超高速電路設計與電磁兼容教育部重點實驗室，西安 710071；2.西安電子科技大學CAD所，西安 710071)

0 引言

嚴格來講，導航是通過幾何學、天文學、無線電信號、力學等手段確定載體的姿態(tài)、速度和位置的一門科學，而定位是導航的一個子集，只確定載體的空間位置[1]。導航可作為定位的一種重要應用，在定位過程中，往往需要計算載體的速度，姿態(tài)等信息，因此許多學者在概念上對導航與定位不加區(qū)分。

作為衛(wèi)星導航領域最后一千米難題，室內導航與定位主要采用偽衛(wèi)星定位、云定位、端定位、可信定位、室內地圖等多種技術，實現(xiàn)人員、物體等在室內空間中的位置、速度和姿態(tài)的解算。近年來，室內導航與定位已成為工業(yè)界和學術界的研究熱點。文獻[2]指出2024年以前，室內定位的總市場規(guī)模將超過100億美元，強勁的市場需求為室內導航定位系統(tǒng)(indoor navigation and positioning system，INPS)提供了廣闊的發(fā)展空間。經(jīng)調研，目前有超過800家國內外公司涉及到室內導航與定位及其他室內行人相關應用見表1[3]。2016年1月北斗羲和科技發(fā)展有限公司成立，它以科技部“羲和計劃”研究成果為基礎，自主研發(fā)了廣域室內外融合定位系統(tǒng)，可提供復雜城市環(huán)境下的室內外融合定位解決方案?！笆濉逼陂g，北京郵電大學、武漢大學、中國電子科技集團公司第54研究所(以下簡稱54所)牽頭的廣域室內外定位技術正緊鑼密鼓地進行著；隨著北斗衛(wèi)星導航系統(tǒng)(BeiDou navigation satellite system，BDS)的全面開啟，隨時隨地獲取個人位置信息，借助云平臺和大數(shù)據(jù)分析進行個性化位置服務；對可靠的實時的室內定位與導航的需求越來越迫切，近十幾年，IEEE、Information Fusion、Sensors及Guidance Control and Dynamics等相關領域雜志，接連刊登和評論室內導航與定位相關的文章，其方案和相關技術指標如表2所示。

表1 各國典型室內導航與定位公司

表2 已有文獻中室內導航與定位技術對比表

按照數(shù)學原理，室內導航與定位技術可以分為3類：即基于無線信號的交匯技術；數(shù)據(jù)庫匹配技術；以及基于慣性傳感器的航向推算技術。

1 基于無線信號的交匯技術

1.1 信號到達時間(time of arrival，TOA)[18]

TOA 定位算法的理論依據(jù)是：若已知信號在介質中的傳播速率和信號從發(fā)射端到接收端所用的時間，就能得知發(fā)射端與接收端的相對距離，再根據(jù)發(fā)射端的位置，來確定接收端的絕對位置。要獲得發(fā)射時間和接收時間之間的差值，就必須保證發(fā)射端和接收端的時鐘高度同步。

1.2 信號到達時間差(time difference of arrival，TDOA)[19]

TDOA是指發(fā)射端發(fā)射兩種不同傳播速度的無線信號，根據(jù)這兩種無線信號到達接收端的時間差值，確定發(fā)射端和接收端之間的距離，不必保證發(fā)射端與接收端的時鐘同步。

1.3 信號到達角(angle of arrival，AOA)[20]

AOA是指通過測得錨節(jié)點發(fā)射的無線信號到達定位節(jié)點時，信號的傳播方向與定位節(jié)點所在水平面的夾角的大小，來計算節(jié)點所在的具體位置，需要角度傳感器或者接收陣列，必須要比較準確地測量得到通信半徑內的其它臨近錨節(jié)點發(fā)射的信號到達的角度值，才能保證定位精度達到系統(tǒng)要求。由于其對硬件要求高，且易受外界環(huán)境影響，所以該算法在實際應用中受限。

1.4 接收信號強度(recevied signal strength，RSS)[21]

RSS即指通過測量錨節(jié)點發(fā)出的無線信號在定位節(jié)點處的信號接收強度作為定位特征量，利用采集到的RSS值定位目標節(jié)點的位置，其定位算法主要有兩種。分別是基于路徑損耗模型實現(xiàn)定位(又叫三邊測量)和根據(jù)指紋識別算法(也叫模式匹配)得到定位節(jié)點的坐標信息。

1.5 低功耗藍牙技術(bluetooth low energy，BLE )[22]

藍牙通訊是一種短距離低功耗的無線傳輸技術。藍牙定位主要應用于小范圍定位，通過檢測信號強度就可以獲得用戶的位置信息，對于復雜的空間環(huán)境，藍牙定位系統(tǒng)的穩(wěn)定性稍差，受噪聲信號干擾大。

1.6 射頻識別技術(radio frequency identification，RFID)[23]

RFID技術是利用射頻通訊方式進行雙向的非接觸式數(shù)據(jù)交互，它基于信號強度分析法，并采用聚類算法，通過識別檢測到的信號強弱來計算標識之間的距離，實現(xiàn)3維空間定位的目的。其優(yōu)點是定位標識體積小，價格便宜，缺點是作用距離比較短，一般情況，作用距離最長為幾十米；此外，缺少國際化標準，安全性較低。

1.7 紫蜂(ZigBee)[24]

ZigBee是一種短距離、低速率的無線通信技術。它介于RFID和藍牙之間，可以實現(xiàn)由若干個ZigBee節(jié)點組成的網(wǎng)絡，包括路由器和定位節(jié)點。通過節(jié)點之間的相互協(xié)調通信來實現(xiàn)定位功能，最大的優(yōu)點是低功耗和低成本。

1.8 超寬帶技術(ultra-wide bandwidth，UWB)[25]

超寬帶技術不需要使用傳統(tǒng)通信體制中的載波，而是通過發(fā)送和接收具有納秒或納秒級以下的極窄脈沖來傳輸數(shù)據(jù)，可用于室內精確定位，例如：戰(zhàn)場士兵的位置發(fā)現(xiàn)、機器人運動跟蹤等。超寬帶系統(tǒng)與傳統(tǒng)的窄帶系統(tǒng)相比，具有穿透力強、功耗低、抗多徑效果好、安全性高、系統(tǒng)復雜度低、定位精度高等優(yōu)點，通常用于室內移動物體的定位跟蹤或導航。但其需要精準的時鐘同步，成本非常昂貴，不便于大面積的部署和應用。

1.9 偽衛(wèi)星室內定位技術(pseudolites)[26]

偽衛(wèi)星在近幾年研究很熱，其核心思想是將衛(wèi)星信號引入室內，讓室內定位與室外定位無縫對接。雖然在某種程度上，偽衛(wèi)星彌補了衛(wèi)星信號在室內定位的不足，但仍存在較多的缺點，如：觀測過程中的多徑問題，偽衛(wèi)星與全球衛(wèi)星導航系統(tǒng)(global navigation satellite system，GNSS)衛(wèi)星間的同步問題等。

1.10 全球移動通訊系統(tǒng)(global system for mobile communications，GSM)[27]

GSM屬于第2代(2G)蜂窩移動通信技術，GSM網(wǎng)絡一共有4種不同的蜂窩單元尺寸：巨蜂窩，微蜂窩，微微蜂窩和傘蜂窩。覆蓋面積因不同的環(huán)境而不同。其中微微蜂窩只覆蓋幾十米的范圍，主要用于室內。不過，2015年，全球諸多GSM網(wǎng)絡運營商，已經(jīng)將2017年確定為關閉GSM網(wǎng)絡的年份。雖然基于GSM的室內定位技術已經(jīng)趨于淘汰，但5G仍可能在未來室內定位中發(fā)揮作用。如博通(Broadcom)公司宣布推出業(yè)界第一款具精準室內定位技術的 5G WiFi(802.11ac)系統(tǒng)單芯片(SoC)—BCM43462。此款芯片采用博通 AccuLocate 技術，能提供精度為亞米級的定位功能。

1.11 智能LED燈[28]

該技術的原理是將需要傳輸?shù)男畔⒕幾g成一段調制信號，用脈寬調制的方法附加到LED燈具的驅動電流上，利用戶內無處不在的光源作為發(fā)射載體，當用戶進入燈具照明區(qū)域，以智能手機的攝像頭接收并識別光信號，解析出燈具發(fā)送的唯一身份識別信息。利用所獲取的身份識別信息，在地圖數(shù)據(jù)庫中確定對應位置信息來完成定位。用戶不需要將手機相機對準某一個特定方向，亦可以接收到反饋過來的直接光源信號，定位精度可以在1 m以內。LED定位需要改造LED燈具，增加了成本，但LED定位仍然是一種很有潛力的室內定位技術。

1.12 超聲波(ultrasonic)技術[29]

超聲波定位一般是采用發(fā)射式測距法，即根據(jù)回波與發(fā)射波的時間差計算出待測距離，并通過三角定位等算法確定物體的位置。超聲波定位雖然定位精度較高、系統(tǒng)結構簡單，但容易受多徑效應和非視距傳播的影響；同時，它還需要底層硬件支持，定位成本較高。

1.13 基于調頻(FM)的室內定位[30]

采用調頻廣播實現(xiàn)對室內目標的定位，即是基于調頻廣播信號指紋定位的方法，采用貝葉斯方法得到相應的定位結果。通常其與WiFi一起使用。

1.14 紅外線(infrared)室內定位技術[31]

紅外線室內定位技術是通過安裝在室內的光學傳感器，接收各移動設備發(fā)射的經(jīng)調制的紅外射線，通過測量信號到達時間或信號到達角度來實現(xiàn)定位，具有相對較高的定位精度。但由于光線不能穿過障礙物、只能視距傳播,因而易受熒光燈等干擾，導致系統(tǒng)定位穩(wěn)定性較差。當移動設備放置在口袋里或者被墻壁遮擋時，常常不能正常工作，需要在每個房間、走廊安裝接收天線，導致總體造價較高。

2 數(shù)據(jù)庫匹配技術

2.1 磁場特征[32]

利用室內鋼結構引起的地磁異常作為位置參考特征，測繪并建立室內環(huán)境磁場特征基準地圖，然后通過粒子濾波等算法實現(xiàn)對人員位置的估計，盡管磁場無處不在，匹配的性能很大程度上與環(huán)境磁場分布相關，常存在明顯的誤匹配現(xiàn)象，在環(huán)境磁場特征不明顯的區(qū)域更是如此。

2.2 重力場特征[33]

地球表面的重力場在不同地區(qū)有不同的特征，可以利用重力場特征來確定載體所在的地理位置。該方法需要以高精度、高分辨率的重力場測量數(shù)據(jù)和重力場特征圖為基礎，重力特征的豐富與否關系到重力場匹配的定位精度。且該方法只能作為輔助的導航方法，通常和慣性導航系統(tǒng)結合使用。

2.3 基于無線保真(wireless fidelity，WiFi)指紋特征[34]

關于WiFi指紋數(shù)據(jù)庫的構建，逐點測繪或走動測繪，都耗時耗力；基于眾包的思想，可自動更新WiFi指紋數(shù)據(jù)庫，但用戶導航數(shù)據(jù)往往不可靠；關于信號傳播模型，使用坐標已知的各點的信號指紋信息反算各訪問節(jié)點(access point，AP)位置，當選點幾何分布不好時，可能造成顯著地估計誤差；當室內環(huán)境發(fā)生變化，由信號傳播模型估計出的參數(shù)可能不再適用；學者們已經(jīng)利用多種信息的數(shù)據(jù)庫匹配來提高導航性能，如利用室內地圖來約束導航解，使用圖像數(shù)據(jù)庫來提供絕對位置修正。

基于數(shù)據(jù)庫匹配定位的缺陷，學者們提出同時定位與地圖創(chuàng)建(simultaneous localization and mapping，SLAM)的思想[35]，它是將定位與環(huán)境地圖創(chuàng)建融為一體，即行人在運動過程中根據(jù)自身位姿和傳感器對環(huán)境感知構建增量式環(huán)境特征地圖，同時利用該地圖估計自己的位姿。但難點是算法復雜，尤其是地圖實時測繪和更新技術一直是瓶頸。 54所正在獨立開發(fā)室內測圖軟件，旨在實時對室內3D場景進行測繪并進行空間分割和實時重構，現(xiàn)可實現(xiàn)2 000 m2/h的測繪效率，在業(yè)內屬于領先水平。

3 基于MEMS慣性傳感器的航跡推算

使用微機電系統(tǒng)(microelectromechanical systems，MEMS)慣性傳感器進行導航的基本原理是航跡推算(dead reckoning，DR)，其完全不依賴任何外部信號，是一種自主的室內導航與定位技術。慣性技術發(fā)展的一個重要標志是慣性傳感器的發(fā)展，包括測量原理、器件精度和加工工藝方面。MEMS慣性傳感器是慣性器件的一個比較大的種類，其制造采用集成電路的加工工藝?？v觀全球，各國對MEMS慣性導航的研究方興未艾，包括MEMS加速度計[36]，MEMS陀螺儀[37]，MEMS磁力計[38]，MEMS氣壓計[39]，以及MEMS傳感器信號處理方法[40]等等。在性能方面，與液浮、氣浮等機械陀螺和激光、光纖等光學陀螺儀性能相比，MEMS慣性器件的性能相對較差，但MEMS慣性傳感器有傳統(tǒng)的慣性儀表無可比擬的優(yōu)點，如體積小、重量輕、成本低、可靠性好、功耗低、易于數(shù)字化和智能化、測量范圍大等[41]?；谏鲜鎏攸c，MEMS慣性器件開辟了新的應用領域如共融機器人、人工智能、情景感知等。MEMS技術的發(fā)展已經(jīng)給室內導航與定位提供方便有效的硬件基礎，和較為完善的信號處理方法。因此其特別適用于對硬件成本要求苛刻的低成本導航與定位領域。

但因為MEMS傳感器精度普遍不高，基于MEMS慣性傳感器的DR只能提供短期精確的導航解，雖然通過實驗標定可以消除大多數(shù)確定性傳感器誤差的影響，但低成本MEMS慣性器件仍存在嚴重的溫度敏感性，并且各種殘留的傳感誤差不斷累積并導致姿態(tài)誤差，進而使速度和位置解發(fā)散。在3個姿態(tài)角誤差中，尤其是航向角誤差，會在沒有外部信息更新時不斷發(fā)散，使導航與定位解惡化。同時相比于步長累計誤差，航向誤差對導航與定位精度影響更大[42]。

要想提高MEMS慣性傳感器的導航與定位精度，典型的方法如采用更好的隨機誤差模型來提高傳感器性能，或者引入導航先驗信息約束[43]，如：載體運動學模型，道路模型，空間約束信息等。筆者也研究過利用室內走廊結構關系約束來修正航向角[44]，提高定位精度，但需要額外的技術手段獲取走廊等空間信息。零速修正(zero velocity update，ZVU)和靜態(tài)航向鎖定(zero angular velocity update，ZAVU)是行人導航與定位應用中最常用的先驗信息，它們均可在行人保持靜態(tài)或準靜態(tài)時修正速度誤差并估計部分傳感器誤差，如垂向陀螺零偏；此外學者們還提供了其它先驗信息，例如利用行人步長速度模型，通過分析加速度計和陀螺的信息來挖掘航向信息，使用用戶在室內運動時，有很大概率朝向樓道方向這一假設來修正航向，當實際導航條件符合使用某種先驗信息的前提假設時，這些先驗信息可以有效提高導航性能。例如：當導航設備或傳感器固定在腳上時，腳踏在地面時有明顯的準靜態(tài)時段，因而對ZVU和ZAVU的使用頻繁而可靠；如果固定在腰上，則步態(tài)信息不容易被檢測，但傳感器測量值尤其是磁的失真較小，更容易處理。對人體運動模型的使用需要事先訓練，即估計參數(shù)模型，因為模型參數(shù)會隨著用戶行為習慣，設備運動模式，傳感器精度，甚至應用環(huán)境的不同而變化，相應的研究還有待深入。

事實上，為得到長期高精度的導航與定位解[45]，學者們經(jīng)常把MEMS慣性傳感器與其它技術相融合，形成各種組合導航與定位技術，多傳感融合技術是最常見的一種，也是研究最熱的一種。

4 多傳感器融合室內導航與定位技術

考慮到各種技術均有各自的優(yōu)缺點及最適合的應用場景，難以用某一種技術提供一種可靠且低成本的導航與定位方案。因此，將多個有互補特性的傳感器進行有機組合，獲得優(yōu)于單個傳感器的性能。近年來，多傳感器融合技術發(fā)展很快，其研究成果除應用在軍事領域外，已迅速擴展到自動控制、目標識別、交通管制、導航、遙感等多種領域。

從數(shù)學角度來看，單一傳感器的測量值組成一個測量子空間，而多傳感器融合則是各測量子空間按照一定的法則向信息融合空間投影。根據(jù)系統(tǒng)模型及傳感器的噪聲的統(tǒng)計特性假設，將觀測數(shù)據(jù)映射到狀態(tài)矢量空間，如位置、速度、角速度、姿態(tài)和傳感器誤差量等。多傳感器信息融合會根據(jù)觀測數(shù)據(jù)給出一個關于狀態(tài)的最優(yōu)估計量[46]。

學者們提出了多種基于移動智能終端MEMS傳感器的導航與定位方案，如利用陀螺提供的航向變化來探測和排除嚴重的磁場干擾；利用磁強計信息探測環(huán)境磁場準靜態(tài)時段，并利用這些時段內的磁強計信息提供相對航向角的變化來標定陀螺。為了提供長期可靠的導航結果，不少文獻將MEMS傳感器信息和WiFi信息，GNSS導航衛(wèi)星信息、視覺信息、地磁信息等進行融合[47-48]，取得了不錯的結果。

5 結束語

本文介紹了基于無線信號的交匯技術、數(shù)據(jù)庫匹配技術、基于MEMS慣性傳感器的航跡推算，以及多傳感器融合等室內導航與定位技術?？偨Y一下室內導航與定位仍面如下挑戰(zhàn)[49-52]：

1)室內環(huán)境下無線電信號不可用或嚴重衰減；

2)智能設備內置的MEMS傳感器存在環(huán)境敏感性；

3)缺少統(tǒng)一的室內定位標準和協(xié)議，各種技術存在兼容性問題；

4)室內環(huán)境復雜，存在非視距(non line of sigh，NLOS)現(xiàn)象，多徑效應和人體的干擾；

5)室內環(huán)境可能存在頻繁和嚴重的電磁干擾，影響了室內定位技術的魯棒性；

6)行人運動形式多樣化，且不可預測性強，制約了人體運動模型的通用性和可擴展性。

室內導航與定位的本質是解決3個問題：在哪、去哪和怎么去。當前絕大多數(shù)的室內導航與定位都是針對結構化環(huán)境的，其需要空間劃分或者地圖構建，這樣才是可導航的，可定位的；在結構化環(huán)境中，基于無線信號的交匯定位，數(shù)據(jù)庫匹配技術仍會持續(xù)發(fā)展；同時室內導航與定位在非結構環(huán)境下[53]的需求會日益增加，如單兵作戰(zhàn)[54]、野外探險、消防救援等，因此一些基于非結構化或者半結構化的室內導航與定位技術有待進一步研究，值得一提的是，基于MEMS慣性傳感器的航向推算與其它技術融合的方法有望成為非結構化環(huán)境室內導航與定位的突破口，隨著MEMS技術的發(fā)展[55-59]，納機電系統(tǒng)(nano electro mechanical system，NEMS)技術也逐漸進入人們視野，美軍計劃在2024年將NEMS慣性器件實用化，相信不久的將來，基于MEMS/NEMS慣性傳感器會在室內導航與定位中大放異彩。

可以展望，未來室內導航與定位技術新的發(fā)展趨勢如下：

1)室內定位技術標準和協(xié)議的統(tǒng)一；

2)研究多傳感器融合的新方法，多源異構傳感器的在線融合理論有待成熟；

3)研究傳感器積累誤差進行在線智能校準；

4)研究行人高動態(tài)如奔跑條件下的精細積分算法；

5)探索行人在未知非結構環(huán)境且無地圖等數(shù)據(jù)庫輔助的情況下，室內定位系統(tǒng)的魯棒性問題；

6)室內定位系統(tǒng)的微型化研究，結合3D堆疊封裝技術將系統(tǒng)做小，向系統(tǒng)微型化方向研究；

7)結合人工智能等新興的智能算法和可進化的電路，研究室內定位系統(tǒng)的智能化，如人機交互，情景感知等。

未來，室內導航與定位技術會在導航、火警救援、解救人質、突擊任務、防爆、建筑物室內地圖繪制、人的健康監(jiān)測等諸多領域大顯身手，更好的為國計民生服務。

[1] GROVES P D.Principles of GNSS，inertial，and multi-sensor integrated navigation systems[M].2nd ed.London：Artech House，2013：1-10.

[2] 張亦蘇.淺談無線通信技術的發(fā)展趨勢[J].中國新通信，2017，19(7)：26-26.

[3] 鄒德岳.異構無線系統(tǒng)室內外無縫定位技術研究[D].哈爾濱：哈爾濱工業(yè)大學，2016.

[4] BRUNATO M，BATTITI R.Statistical learning theory for location fingerprinting in wireless LANs[J].Computer Networks，2005，47(6)：825-845.

[5] HIGHTOWER J，BORRIELLO G.A survey and taxonomy of location systems for ubiquitous computing[J].IEEE Computer，2001，34(8)：57-66.

[6] PATWARI N，ASH J N，KYPEROUNTAS S，et al.Locating the nodes：cooperative localization in wireless sensor networks[J].IEEE Signal Processing Magazine，2005，22(4)：54-69.

[7] TEUBER A，EISSFELLER B，PANY T.A two-stage fuzzy logic approach for wireless LAN indoor positioning[EB/OL].[2017-12-20].https：//www.researchgate.net/publication/251820741_A_Two-Stage_Fuzzy_Logic_Approach_for_Wireless_LAN_Indoor_Positioning.

[8] CRISTIANINI N，SHAWE-TAYLOR J.An introduction to support vector machines[M].Beijing：China Machine Press，2005：1-20.

[9] WERB J，LANZL C.Designing a positioning system for finding things and people indoors[J].Spectrum IEEE，1998，35(9)：71-78.

[10] WEISS S，SCARAMUZZA D，SIEGWART R.Monocular-SLAM-based navigation for autonomous micro helicopters in GPS-denied environments[J].Journal of Field Robotics，2011，28(6)：854-874.

[11] ANGELIS A D，NILSSON J，SKOG I，et al.Indoor positioning by ultrawide band radio aided inertial navigation[J].Metrology & Measurement Systems，2010，17(3)：447-460.

[12] KUMAR S，GIL S，KATABI D，et al.Accurate indoor localization with zero start-up cost[EB/OL].[2017-12-20].https：//www.cse.buffalo.edu/～lusu/cse726/papers/Accurate%20Indoor%20Localization%20With%20Zero%20Start-up%20Cost.pdf.

[13] THRUN S，MARTIN C，LIU Y，et al.A real-time expectation-maximization algorithm for acquiring multiplanar maps of indoor environments with mobile robots[J].IEEE Transactions on Robotics & Automation，2004，20(3)：433-443.

[14] CHOW J C K，LICHTI D D，HOL J D，et al.IMU and multiple RGB-D camera fusion for assisting indoor stop-and-go 3D terrestrial laser scanning[J].Robotics，2014，3(3)：247-280.

[15] FOX D，HIGHTOWER J，LIAO L，et al.Bayesian filtering for location estimation[J].Pervasive Computing IEEE，2003，2(3)：24-33.

[16] YANG P，WU W，MONIRI M，et al.Efficient object localization using sparsely distributed passive RFID tags[J].IEEE Transactions on Industrial Electronics，2013，60(12)：5914-5924.

[17] PARK S，HASHIMOTO S.Autonomous mobile robot navigation using passive RFID in indoor environment[J].IEEE Transactions on Industrial Electronics，2009，56(7)：2366-2373.

[18] VENKATRAMAN S，CAFFERY J J，YOU H R.A novel TOA location algorithm using LOS range estimation for NLOS environments[J].IEEE Transactions on Vehicular Technology，2004，53(5)：1515-1524.

[19] HO K C，CHAN Y T.Solution and performance analysis of geolocation by TDOA[J].IEEE Transactions on Aerospace & Electronic Systems，2002，29(4)：1311-1322.

[21] WU Z，F(xiàn)U K，JEDARI E，et al.A fast and resource efficient method for indoor positioning using received signal strength[J].IEEE Transactions on Vehicular Technology，2016，65(12)：9747-9758.

[22] DENG Z，F(xiàn)U X，WANG H.An IMU-aided body-shadowing error compensation method for indoor bluetooth positioning[J].Sensors，2018，18(1)：304.

[23] WANT R.An introduction to RFID technology[J].IEEE Pervasive Computing，2006，5(1)：25-33.

[24] LEE J S，SU Y W，SHEN C C.A comparative study of wireless protocols：bluetooth，uwb，zigbee，and Wi-Fit[EB/OL].[2017-12-20].http：//eee.guc.edu.eg/Announcements/Comparaitive_Wireless_standards.pdf.

[25] CHEN P，KUANG Y，CHEN X.A UWB/improved PDR integration algorithm applied to dynamic indoor positioning for pedestrians[J].Sensors，2017，17(9)：2065.

[26] 岳曉奎，袁建平，吳瓊.偽衛(wèi)星技術發(fā)展和應用綜述[J].全球定位系統(tǒng)，2005，30(2)：47-51.

[27] 范平志.蜂窩網(wǎng)無線定位[M].北京：電子工業(yè)出版社，2002.

[28] RAHARIJAONA T，MAWONOU R，NGUYEN T V，et al.Local positioning system using flickering infrared LEDs[J].Sensors，2017，17(11)：2518.

[29] 鄭靜，張劼，華澤釗，等.室內超聲波定位系統(tǒng)的構建與測試[J].上海理工大學學報，2007，29(6)：553-556.

[30] 高巖.基于WiFi--FM指紋和最小集匹配的室內定位系統(tǒng)的研究[D].天津：南開大學，2016.

[31] LUO X，GUAN Q，TAN H，et al.Simultaneous indoor tracking and activity recognition using pyroelectric infrared sensors[J].Sensors，2017，17(8)：1738.

[32] 劉釗，陳衛(wèi)衛(wèi)，李志剛.一種基于磁場信息匹配的返航導航算法[J].軍事通信技術，2016，37(1)：80-84.

[33] WU L，WANG H，CHAI H，et al.Performance evaluation and analysis for gravity matching aided navigation[J].Sensors，2017，17(4)：769.

[34] 鄭文翰.基于WLAN的室內定位技術研究與實現(xiàn)[D].成都：電子科技大學，2016.

[35] 閆金金，尚建嘎，余芳文，等.一種面向室內定位的3D建筑模型構建方法[J].計算機應用與軟件.2013，30(10)：16-20.

[36] ROY A L，BHATTACHARYYA T K.Design，fabrication and characterization of high performance SOI MEMS piezoresistive accelerometers[EB/OL].[2017-12-20].https：//link.springer.com/article/10.1007%2Fs00542-013-1904-y.

[37] XING H，HOU B，LIN Z，et al.Modeling and compensation of random drift of MEMS gyroscopes based on least squares support vector machine optimized by chaotic particle swarm optimization[J].Sensors，2017，17(10)：2335.

[38] ABDULRAHIM K，SEMAN K，OTHMAN M，et al.On magnetometer heading updates for inertial pedestrian navigation system[J].Gyroscopy & Navigation，2014，5(3)：145-152.

[39] BOLANAKIS D E.MEMS barometers in a wireless sensor network for position location applications[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of 2016 IEEE Virtual Conference on Applications of Commercial Sensors(VCACS).Raleigh，NC：IEEE，2017：1-8.

[40] LYSHEVSKI S E.Signal processing in cyber-physical MEMS sensors：inertial measurement and navigation systems[J].IEEE Transactions on Industrial Electronics，2017，64(12)：9618-9625.

[41] SHENG H，ZHANG T.MEMS-based low-cost strap-down AHRS research[J].Measurement，2015，59：63-72.

[42] WANG Y，SOLTANI M，HUSSAIN D M A.A nonlinear attitude estimator for attitude and heading reference systems based on MEMS sensors[EB/OL].[2017-12-20].https：//core.ac.uk/download/pdf/60647350.pdf.

[43] MUMTAZ N，ARIF S，QADEER N，et al.Development of a low cost wireless IMU using MEMS sensors for pedestrian navigation[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the International Conference on Communication，Computing and Digital Systems.Islamabad：IEEE，2017：310-315.

[44] LIU G X，SHI L F.Adaptive algorithm of magnetic heading detection[J].Measurement Science and Technology，2017，28(11)：1-8.

[45] RUPPELT J，MERZ P，TROMMER G F.IndoorGuide — a multi sensor pedestrian navigation system for precise and robust indoor localization[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of Intertial Sensors and Systems(ISS)，2016 DGON.Karlsruhe：IEEE，2016：1-20.

[46] GENG H，LIANG Y，LIU Y，et al.Bias estimation for asynchronous multi-rate multi-sensor fusion with unknown inputs [J].Information Fusion，2018，39：139-53.

[47] LI Y，ZHUANG Y，ZHANG P，et al.An improved inertial/WiFi/magnetic fusion structure for indoor navigation[J].Information Fusion，2017，34(C)：101-19.

[48] BELMONTE-HERNNDEZ A，HERNNDEZ-PEALOZA G，LVAREZ F，et al.Adaptive fingerprinting in multi-sensor fusion for accurate indoor tracking[J].IEEE Sensors Journal，2017，17(15)：4983-4998.

[49] SHANG J，HU X，GU F，et al.Improvement schemes for indoor mobile location estimation：a survey[EB/OL].[2017-12-20].https://downloads.hindawi.com/journals/mpe/2015/397298.pdf.

[51] YASSIN A，NASSER Y，AWAD M，et al.Recent advances in indoor localization：a survey on theoretical approaches and applications[J].IEEE Communications Surveys & Tutorials，2017，19(2)：1327-1346.

[52] HE S，CHAN S H G.Wi-Fi fingerprint-based indoor positioning：recent advances and comparisons[J].IEEE Communications Surveys & Tutorials，2017，18(1)：466-490.

[53] 韓光，孫寧，李曉飛，等.非結構環(huán)境理解綜述[J].計算機應用研究，2014，31(8)：2248-2253.

[54] 潘獻飛，穆華，胡小平.單兵自主導航技術發(fā)展綜述[J].導航定位與授時，2018，5(1)：1-11.

[55] DUONG D Q，SUN J，NGUYEN T P，et al.Attitude estimation by using MEMS IMU with fuzzy tuned complementary filter[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of IEEE International Conference on Electronic Information and Communication Technology.Harbin：IEEE，2017：372-378.

[56] NOURMOHAMMADI H，KEIGHOBADI J.Decentralized INS/GNSS system with MEMS-grade inertial sensors using QR-factorized CKF[J].IEEE Sensors Journal，2017，17(11)：3278-3287.

[57] MAROUFI M，F(xiàn)OWLER A G，MOHEIMANI S O R.MEMS for nanopositioning：design and applications[J].Journal of Microelectromechanical Systems，2017，26(3)：460-500.

[58] HEINZ D B，HONG V A，YANG Y，et al.High-g(>20，000g)inertial shock survivability of epitaxially encapsulated silicon MEMS devices[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of IEEE International Conference on MICRO Electro Mechanical Systems.Las Vegas：IEEE，2017：1122-1125.

[59] LI T，ZHANG H，NIU X，et al.Tightly-coupled integration of multi-GNSS single-frequency RTK and MEMS-IMU for enhanced positioning performance[EB/OL].[2017-12-20].https://www.researchgate.net/publication/320677876_Tightly-Coupled_Integration_of_Multi-GNSS_Single-Frequency_RTK_and_MEMS-IMU_for_Enhanced_Positioning_Performance.