劉 宇，李俊林，路永樂(lè)，張 旭，方 針

(1.重慶郵電大學(xué)光電信息感測(cè)與傳輸技術(shù)重慶市重點(diǎn)實(shí)驗(yàn)室,重慶 400065；2.中國(guó)電子科技集團(tuán)公司第二十六研究所,重慶 400065)

0 引言

室內(nèi)定位技術(shù)發(fā)展已久，但常用的WIFI、藍(lán)牙、射頻等基于信標(biāo)的室內(nèi)定位技術(shù)均需預(yù)先部署大量的基礎(chǔ)設(shè)施且定位精度受環(huán)境所限[1]，而慣性導(dǎo)航定位技術(shù)不受外界環(huán)境所限制，在室內(nèi)定位中有著天然的優(yōu)勢(shì)，但存在累計(jì)誤差大的缺點(diǎn)[2]。因此，目前還沒(méi)有某種單一的室內(nèi)定位技術(shù)能夠提供精確、穩(wěn)健和一致的定位與跟蹤服務(wù)[3]。所以采用各種輔助方式增強(qiáng)慣導(dǎo)系統(tǒng)的實(shí)用性，實(shí)現(xiàn)室內(nèi)無(wú)死角定位是當(dāng)前的研究熱點(diǎn)。

國(guó)內(nèi)外許多研究人員對(duì)該技術(shù)已經(jīng)開(kāi)展了大量的研究工作。劉春燕等[4]提出了一種自適應(yīng)模型噪聲的擴(kuò)展卡爾曼濾波(Extended Kalman Filter,EKF)算法，實(shí)現(xiàn)行人航位推算(Pedestrian Dead Reckoning，PDR)與WIFI定位源的濾波融合，有效抑制了慣性定位誤差的累積，將整體誤差控制在5m左右。Chen P等[5]使用卡爾曼濾波對(duì)慣性定位和超帶寬(Ultra Wideband，UWB)定位數(shù)據(jù)進(jìn)行融合，得到的融合定位系統(tǒng)精度高，實(shí)時(shí)性能好；Zou Han等[6]基于手機(jī)傳感器將WIFI與PDR融合，并采用新興的iBeacon技術(shù)矯正WIFI覆蓋盲區(qū)的PDR漂移誤差，采用粒子濾波(Particle Filter，PF)融合得到的定位精度可以達(dá)到亞米級(jí)，但兩者均局限于二維定位。周寶定等[7]通過(guò)智能手機(jī)內(nèi)置的傳感器獲取用戶(hù)行為感知來(lái)輔助進(jìn)行室內(nèi)行人定位，以消除PDR的累積誤差；Liu Mengyun等[7]在智能手機(jī)上利用視覺(jué)、WIFI和慣導(dǎo)來(lái)實(shí)現(xiàn)多源室內(nèi)無(wú)縫定位，95%的幾率可以達(dá)到1.32m的定位精度。王敬賢等[8]采用手機(jī)自身光、磁、慣性傳感器模塊和衛(wèi)星模塊進(jìn)行組合，實(shí)現(xiàn)行人室內(nèi)外無(wú)縫導(dǎo)航，避免了導(dǎo)航過(guò)程中路徑中斷現(xiàn)象的產(chǎn)生。中國(guó)礦業(yè)大學(xué)等高校的學(xué)者們?cè)谙嚓P(guān)課題的支持下，進(jìn)行了基于智能終端平臺(tái)的以WIFI和慣性導(dǎo)航系統(tǒng)(Inertial Navigation System，INS)為主的室內(nèi)無(wú)縫定位技術(shù)研究[9-14]，如Li Xin等[15]融合了藍(lán)牙和PDR技術(shù)，在不增加基礎(chǔ)設(shè)施的情況下提供米級(jí)室內(nèi)定位精度，但同樣地，該機(jī)構(gòu)的研究結(jié)果都是基于二維空間實(shí)驗(yàn)得出的。

上述國(guó)內(nèi)外研究機(jī)構(gòu)及研究學(xué)者的努力都有很大收獲，提高了系統(tǒng)定位精度或穩(wěn)定性，極大地促進(jìn)了無(wú)縫定位技術(shù)的發(fā)展,但無(wú)須昂貴的基礎(chǔ)設(shè)施定位系統(tǒng)，如智能手機(jī)終端受傳感器精度限制總體定位精度不高，而能實(shí)現(xiàn)高精度定位的定位系統(tǒng)硬件開(kāi)銷(xiāo)較大，系統(tǒng)的普及性差，且大部分處于二維空間定位的研究。本文提出了一種基于WIFI信號(hào)輔助的室內(nèi)定位算法，以慣性定位為主導(dǎo)，采用WIFI信號(hào)進(jìn)行位置和航向的修正，能夠利用現(xiàn)有的無(wú)線路由器，減少部署開(kāi)銷(xiāo)，提高慣性定位的精度，便攜高效地實(shí)現(xiàn)室內(nèi)無(wú)死角定位。

1 系統(tǒng)架構(gòu)

本文實(shí)驗(yàn)采用實(shí)驗(yàn)室自主研發(fā)的微慣性測(cè)量單元(Micro Inertial Measurement Unit，MIMU)，內(nèi)部集成了陀螺儀等傳感器和ESP8266。在數(shù)據(jù)采集過(guò)程中將其佩戴在測(cè)試人員腰部脊椎位置，載體坐標(biāo)系即微慣性測(cè)量單元坐標(biāo)的定義如圖1所示，X軸正向向右，Y軸正向指向前進(jìn)方向，Z軸正向垂直地面向上。實(shí)驗(yàn)中數(shù)據(jù)采集頻率設(shè)定為50Hz，輸出數(shù)據(jù)保存在筆記本電腦上。

圖1 微慣性測(cè)量單元坐標(biāo)定義Fig.1 Definition of MIMU coordinate

本文算法首先利用了微慣性測(cè)量單元中的陀螺儀、加速度計(jì)、磁力計(jì)和氣壓計(jì)四種傳感器實(shí)現(xiàn)三維的慣導(dǎo)定位。然后利用無(wú)線信號(hào)對(duì)行人的位置和航向進(jìn)行糾正，實(shí)現(xiàn)室內(nèi)無(wú)死角定位。算法框圖如圖2所示。

圖2 算法框圖Fig.2 Algorithm block diagram

2 無(wú)線信號(hào)輔助定位算法

目前，大量室內(nèi)建筑都廣泛布設(shè)了WIFI無(wú)線路由器，眾所周知無(wú)線信號(hào)的強(qiáng)弱與距離信號(hào)發(fā)射端的遠(yuǎn)近有關(guān)。若提前知道無(wú)線訪問(wèn)接入點(diǎn)(Access Point,AP)的物理位置，則完全可以利用這些信息進(jìn)行無(wú)線信號(hào)輔助慣導(dǎo)定位，實(shí)時(shí)糾正INS定位的位置，消除位置上的累計(jì)誤差，增強(qiáng)INS的適用性。

為了實(shí)際應(yīng)用操作簡(jiǎn)單，本文不考慮根據(jù)計(jì)算傳播損耗模型公式進(jìn)行接收功率與距離之間的轉(zhuǎn)化，而是直接進(jìn)行實(shí)驗(yàn)測(cè)試來(lái)得出接收信號(hào)強(qiáng)度指示(Received Signal Strength Indicator，RSSI)與距離的對(duì)應(yīng)關(guān)系。在室內(nèi)活動(dòng)過(guò)程中，行人佩戴的定位終端會(huì)檢測(cè)到附近的無(wú)線AP發(fā)射出的信號(hào)，信號(hào)強(qiáng)度通常處于-110～-20dBm區(qū)間。實(shí)際中，一般把-90dBm看成臨界值，若檢測(cè)到比-90dBm還低的信號(hào)強(qiáng)度值，則判定此時(shí)無(wú)信號(hào)；上限以-20dBm為臨界值，凡是高于-20dBm則認(rèn)為信號(hào)極好，判定其所處位置應(yīng)該在AP附近。設(shè)置AP的RSSI功率輻射值為10dBm，分別在距離AP1m、2m、3m、4m、5m、6m、7m、8m、9m、10m的位置處采集無(wú)線信號(hào)30次，統(tǒng)計(jì)每個(gè)位置上的RSSI的最大值、最小值和平均值。最后得到RSSI與距離的變化特性如圖3所示。

圖3 RSSI與距離的變化特性Fig.3 Characteristics of RSSI-distance variation

從圖3可以明顯地看出，RSSI的平均值隨著定位終端與AP間的距離的增加而遞減。具體地，當(dāng)RSSI在-10～-20dBm范圍內(nèi)時(shí)，定位終端與AP的距離不超過(guò)1m；當(dāng)RSSI在-20～-25dBm的范圍內(nèi)時(shí)，定位終端與AP的距離在1～2m之間。隨著2個(gè)端點(diǎn)之間距離的增大，會(huì)出現(xiàn)RSSI數(shù)值大幅度變化的情況，說(shuō)明RSSI與位置之間只在距離較短時(shí)才存在較好的對(duì)應(yīng)關(guān)系，當(dāng)距離逐漸增大后，這種對(duì)應(yīng)關(guān)系將變得不再可靠，此時(shí)采集的RSSI無(wú)法用于輔助定位。

根據(jù)上述特性，設(shè)置定位終端接收到的信號(hào)強(qiáng)度閾值RTh為-6dBm，當(dāng)定位終端接收到的某個(gè)AP的RSSI超過(guò)設(shè)定閾值RTh，就可推算出行人處于距離該AP半徑為1m的單位圓內(nèi)，就將行人當(dāng)前位置更新為已知的該AP的物理位置。無(wú)線信號(hào)輔助矯正實(shí)時(shí)位置方法如圖4所示，INS由于長(zhǎng)時(shí)間誤差累計(jì)，對(duì)行人的實(shí)時(shí)定位出現(xiàn)明顯偏差，當(dāng)行人佩戴定位終端經(jīng)過(guò)某AP時(shí)，就通過(guò)閾值法將實(shí)時(shí)位置更新為已知的該AP的物理位置，而且由所設(shè)的閾值和距離之間的對(duì)應(yīng)關(guān)系可知，真實(shí)位置與校正位置之間的誤差小于1m，滿(mǎn)足室內(nèi)定位精度的需求。

圖4 無(wú)線信號(hào)輔助矯正實(shí)時(shí)位置示意圖Fig.4 Schematic diagram of wireless signal assisted correction for real-time location

3 航向最優(yōu)估計(jì)算法

3.1 基于陀螺增量的航向優(yōu)化算法

定位終端佩戴在行人腰部，并不是完全固定不動(dòng)的，因此，正常行走過(guò)程中終端隨人體運(yùn)動(dòng)帶來(lái)的抖動(dòng)誤差都會(huì)在航向上有所表現(xiàn)。根據(jù)多次的仿真分析，這種航向誤差在一般在5°～10°，隨著本來(lái)的誤差累積，將會(huì)對(duì)最終的定位精度造成極大的影響。為了抑制這種航向誤差帶來(lái)的不良影響，本文提出了利用角速率變化量進(jìn)行航向誤差的修正。

受限于目前建筑物的規(guī)則矩形結(jié)構(gòu)，整個(gè)室內(nèi)無(wú)死角定位過(guò)程中，將行人的正常行走分為兩種情況：1)直線行走，航向基本保持一致；2)轉(zhuǎn)向行走，航向發(fā)生劇烈變化，所以對(duì)航向誤差的修正也是從這兩方面進(jìn)行考慮。剛好在INS中，使用陀螺儀進(jìn)行姿態(tài)解算，動(dòng)態(tài)響應(yīng)良好，短期內(nèi)精度高，但漂移會(huì)因長(zhǎng)時(shí)間工作而逐漸變大，使用加速度計(jì)和磁力計(jì)組合進(jìn)行解算，靜態(tài)解算時(shí)精度高，而動(dòng)態(tài)解算時(shí)由于加速度計(jì)的動(dòng)態(tài)誤差而導(dǎo)致精度降低，即可利用這兩種不同的姿態(tài)解算組合的優(yōu)點(diǎn)來(lái)對(duì)兩種行走情況的航向誤差做補(bǔ)償。

若是行人航向發(fā)生劇烈改變，仍舊利用EKF融合算法進(jìn)行解算，將載體坐標(biāo)轉(zhuǎn)換中的四元數(shù)Q作為狀態(tài)矢量，將測(cè)量的三軸加速度計(jì)值和三軸磁力計(jì)值分別進(jìn)行歸一化，得到ak和mk，作為觀測(cè)量，構(gòu)建卡爾曼濾波方程，如式(1)：

(1)

最后，通過(guò)更新后的四元數(shù)(q0,q1,q2,q3)，得到目標(biāo)航向角：

(2)

若是行人航向未發(fā)生變化，即基本保持直線行走，但存在抖動(dòng)誤差，則需要對(duì)航向進(jìn)行優(yōu)化處理。其中關(guān)鍵是要對(duì)行人是否發(fā)生劇烈的航向變化進(jìn)行判別，本文以陀螺短時(shí)積分為依據(jù)，通過(guò)閾值法進(jìn)行判斷。若是陀螺積分大于設(shè)定閾值，則認(rèn)為此時(shí)航向發(fā)生劇烈變化，不需要進(jìn)行航向誤差補(bǔ)償；若是陀螺積分小于設(shè)定閾值，則對(duì)誤差進(jìn)行修正。

一般當(dāng)行人直線行走時(shí)，定位終端會(huì)隨人體運(yùn)動(dòng)發(fā)生輕微的移位。陀螺儀良好的動(dòng)態(tài)性能對(duì)這種極小幅度的擺動(dòng)也會(huì)作出響應(yīng)，直接體現(xiàn)在EKF求解的航向角上會(huì)有10°左右的誤差波動(dòng)。本文選擇滑動(dòng)均值濾波進(jìn)行誤差處理，具體措施為，在用陀螺積分作閾值判斷航向變化時(shí)，若判定行人航向未發(fā)生劇烈變化或變化較小，且持續(xù)一段時(shí)間Δh，則判定行人處于平穩(wěn)行走狀態(tài)，使用該平穩(wěn)時(shí)間區(qū)間內(nèi)的航向均值代替當(dāng)前航向作為行人運(yùn)動(dòng)的前進(jìn)方向；若是行人航向發(fā)生了劇烈變化，則不做濾波處理，等待下一個(gè)平穩(wěn)狀態(tài)的出現(xiàn)。綜上，整個(gè)航向優(yōu)化的具體流程如圖5所示。

圖5 航向優(yōu)化流程Fig.5 Heading optimization process

圖6所示為航向優(yōu)化算法修正前后的航向?qū)Ρ葓D。從圖中可以看出，航向改變時(shí)，EKF準(zhǔn)確地解算出航向角，符合實(shí)際情況；而當(dāng)航向未發(fā)生改變，即保持平穩(wěn)運(yùn)動(dòng)狀態(tài)時(shí)，優(yōu)化后的航向更為平滑，減小了腰部抖動(dòng)誤差對(duì)航向的影響。

圖6 航向優(yōu)化前后對(duì)比圖Fig.6 Comparison of heading angle before and after optimization

3.2 在線實(shí)時(shí)航向糾正

航向誤差產(chǎn)生的根本原因在于陀螺儀長(zhǎng)時(shí)間工作會(huì)產(chǎn)生較大的漂移，這也是慣導(dǎo)系統(tǒng)最根本的誤差所在。當(dāng)通過(guò)INS定位得到的位置出現(xiàn)了偏差時(shí)，一般是距離和方向兩方面的誤差累積所導(dǎo)致的。

同樣地，可以利用已知物理位置的無(wú)線路由器及其所處位置的建筑物幾何結(jié)構(gòu)信息進(jìn)行實(shí)時(shí)的航向糾正。目前，室內(nèi)建筑大部分是規(guī)則的矩形結(jié)構(gòu)，所以一般AP的安裝位置不外乎直線走廊和拐角兩處。凡是路過(guò)AP進(jìn)行了位置矯正，那么一定是從走廊的左右兩邊或者拐角的兩邊朝AP靠近，所以就算解算的航向角出現(xiàn)誤差，卻可以根據(jù)無(wú)線信號(hào)輔助定位的位置糾正點(diǎn)確定行人行走過(guò)程中的真實(shí)航向，完成航向誤差的實(shí)時(shí)糾正。

以無(wú)線節(jié)點(diǎn)被裝置在狹長(zhǎng)的走廊上為例，行人經(jīng)過(guò)該AP被糾正了定位位置，行走方向受走廊地理?xiàng)l件限制，只能是沿走廊從AP的右邊或者左邊走過(guò)來(lái)，如圖7所示。用Hright表示從AP右邊走過(guò)來(lái)的方向，用Hleft表示從AP左邊走過(guò)來(lái)的方向。AP在導(dǎo)航坐標(biāo)系下的物理位置已知，那么方向Hright和Hleft在導(dǎo)航坐標(biāo)系中的具體角度也是確定的。接下來(lái)只需判斷行人是從左邊還是右邊路過(guò)的該AP，即可確定行人的實(shí)際航向。雖然慣導(dǎo)長(zhǎng)時(shí)間工作航向會(huì)有偏差，但該偏差是一步一步發(fā)散的，所以可以根據(jù)短時(shí)間內(nèi)的平均航向和該已知AP的左右2個(gè)方向做差值，比較判斷行人行走方向，表示如下：

(3)

圖7 行人經(jīng)過(guò)AP行走方向示意圖Fig.7 Schematic diagram of pedestrians walking through the AP

當(dāng)無(wú)線路由器被裝置在走廊的拐角處，判別方法仍沿用上述的閾值法。

將矯正后的航向信息輸入到EKF中進(jìn)行下一步迭代，即可有效地消除慣導(dǎo)累計(jì)誤差。

在已知無(wú)線路由器位置的前提下，利用無(wú)線信號(hào)輔助矯正位置和航向進(jìn)行在線調(diào)整后，不僅提高了定位精度，更清空了慣導(dǎo)的累計(jì)誤差，相當(dāng)于對(duì)傳感器件進(jìn)行了初始化，提高了定位系統(tǒng)的定位時(shí)間，增強(qiáng)了慣導(dǎo)系統(tǒng)的實(shí)用性。

4 實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證本文提出的室內(nèi)無(wú)死角定位算法的可行性與可靠性，本文采用實(shí)驗(yàn)室自主研發(fā)的微慣性測(cè)量單元進(jìn)行實(shí)驗(yàn)驗(yàn)證，該測(cè)量單元內(nèi)部集成1個(gè)三軸加速度計(jì)、1個(gè)三軸磁力計(jì)、3個(gè)單軸陀螺及1個(gè)微處理器。其輸出的橫滾角和俯仰角的動(dòng)態(tài)精度為0.5°，航向角的動(dòng)態(tài)精度為3.0°，加速度量程為50m/s2。

選擇重慶郵電大學(xué)第一教學(xué)樓作為實(shí)驗(yàn)測(cè)試環(huán)境，圖8所示為第一教學(xué)樓的樓層結(jié)構(gòu)圖及無(wú)線路由器的布點(diǎn)方案。藍(lán)色的無(wú)線路由器代表實(shí)際的無(wú)線信號(hào)發(fā)射端，AP2表示布置在2樓左邊走廊的無(wú)線路由，AP3表示布置在3樓中間走廊的無(wú)線路由，AP4表示布置在4樓右邊走廊拐角的無(wú)線路由。中間的走廊行走距離為50m，圖示右邊走廊行走距離為18m，左邊走廊行走距離為22m，樓梯長(zhǎng)度10m左右。

圖8 第一教學(xué)樓平面圖及測(cè)試路線Fig.8 Floor plan of the 1st teaching building and test route

測(cè)試人員腰部佩戴定位終端從1樓起點(diǎn)出發(fā)，沿路線每層樓上下重復(fù)行走，如此循環(huán)至少行走30min回到1樓起點(diǎn)，分別在沒(méi)有無(wú)線信號(hào)和有無(wú)線信號(hào)兩種情況下行走，即對(duì)純慣導(dǎo)定位算法和本文提出的室內(nèi)無(wú)死角定位算法進(jìn)行測(cè)試。純慣導(dǎo)航跡推算得到的定位結(jié)果和本文提出的室內(nèi)無(wú)死角定位算法得到的定位結(jié)果分別如圖9和10所示。從圖中可以看出，隨著時(shí)間的推移，純慣導(dǎo)定位出現(xiàn)明顯的航向漂移，而本文提出的室內(nèi)無(wú)死角定位算法仍然一直提供著精準(zhǔn)定位，航向漂移極小。可見(jiàn)本文提出的室內(nèi)無(wú)死角定位算法可在室內(nèi)提供長(zhǎng)期有效的三維定位信息。

圖9 純慣導(dǎo)定位結(jié)果Fig.9 Results of the inertial navigation

圖10 本文提出的室內(nèi)無(wú)死角定位結(jié)果Fig.10 Results of the proposed indoor no-dead-space positioning

根據(jù)實(shí)驗(yàn)統(tǒng)計(jì)，測(cè)試人員沿著一教行走至少30min后回到起點(diǎn)，能達(dá)到樓內(nèi)(2樓走到4樓又回到2樓)重復(fù)行走5次，整個(gè)行走距離大約2100m。記錄純慣導(dǎo)定位和本文提出的室內(nèi)無(wú)死角定位兩種算法的定位參數(shù)，統(tǒng)計(jì)結(jié)果如表1所示。由表1可知，純慣導(dǎo)技術(shù)定位過(guò)程中航向出現(xiàn)漂移，航向誤差達(dá)到35.61°，水平距離誤差高達(dá)36.01m，定位誤差為1.73%；而使用無(wú)線信號(hào)輔助的室內(nèi)無(wú)死角定位整個(gè)測(cè)試過(guò)程無(wú)軌跡發(fā)散跡象，最終航向誤差為9.97°，水平距離誤差為12.57m，定位誤差為0.61%，明顯小于純慣導(dǎo)定位誤差，證明了本文研究的室內(nèi)無(wú)死角定位技術(shù)與純慣性傳感器定位技術(shù)相比，能夠提供更持久和準(zhǔn)確的位置信息。

表1 純慣導(dǎo)和本文提出的室內(nèi)無(wú)死角定位實(shí)驗(yàn)結(jié)果對(duì)比表Tab.1 Comparison of pure inertial navigation and the proposed indoor no-dead-space positioning based on wireless signal aided location experimental results

為了測(cè)試室內(nèi)無(wú)縫定位算法的穩(wěn)定性，首先對(duì)多次實(shí)驗(yàn)下的系統(tǒng)定位精度進(jìn)行了評(píng)估，選擇10位測(cè)試人員仍然按照上述路線行走，同樣要求至少行走30min后，回到出發(fā)點(diǎn)，行走距離大約2100m。一般地，慣導(dǎo)的定位效果主要是看閉環(huán)行走起點(diǎn)和終點(diǎn)的距離偏差與實(shí)際行走距離的誤差比。統(tǒng)計(jì)測(cè)試人員回到原點(diǎn)后的觀測(cè)結(jié)果，計(jì)算出垂直誤差、水平誤差、航向誤差、閉環(huán)誤差等，結(jié)果如表2所示。

表2 三維定位測(cè)試結(jié)果Tab.2 3D positioning test results

從表2中可以看出，實(shí)驗(yàn)?zāi)繕?biāo)距離為2100m，起點(diǎn)與終點(diǎn)的最大三維距離誤差為19.95m，最大閉環(huán)誤差為0.95%，平均閉環(huán)誤差為0.79%。所以本文所研究的室內(nèi)無(wú)死角定位算法的閉環(huán)誤差小于1%，滿(mǎn)足室內(nèi)的定位精度需求。而且10位測(cè)試人員通過(guò)上位機(jī)得到的定位結(jié)果均與實(shí)際行走軌跡相似，航向角漂移較小，保持在15°以?xún)?nèi)，并未出現(xiàn)傳統(tǒng)慣導(dǎo)普遍存在的明顯航向漂移與軌跡發(fā)散的情況，以上多次實(shí)驗(yàn)測(cè)試證明了該算法的穩(wěn)定性。

然后選擇圖書(shū)館、信息科技大廈和第四教學(xué)樓三種不同于第一教學(xué)樓的室內(nèi)環(huán)境進(jìn)行實(shí)驗(yàn)測(cè)試。每種測(cè)試場(chǎng)景中都規(guī)定起始點(diǎn)，并根據(jù)不同室內(nèi)建筑物的幾何構(gòu)造，進(jìn)行不一樣的AP布點(diǎn)方案，每種環(huán)境下測(cè)試20次，每次測(cè)試依舊不少于30min，統(tǒng)計(jì)每個(gè)環(huán)境下的定位閉環(huán)誤差，結(jié)果如表3所示。測(cè)試結(jié)果表明，不同室內(nèi)環(huán)境下的平均誤差與0.79%相比，偏移均在±5%以?xún)?nèi)，多次測(cè)試的數(shù)據(jù)標(biāo)準(zhǔn)差較小，證明了該算法具有較高的穩(wěn)定性，可以穩(wěn)健地實(shí)現(xiàn)室內(nèi)無(wú)死角定位。

表3 不同應(yīng)用場(chǎng)景測(cè)試結(jié)果Tab.3 Different application scenarios test results

通過(guò)同一室內(nèi)定位場(chǎng)景的多次重復(fù)性三維定位實(shí)驗(yàn)測(cè)試，本文提出的室內(nèi)無(wú)死角定位算法定位誤差小于1%，再通過(guò)不同室內(nèi)定位場(chǎng)景的多次重復(fù)性實(shí)驗(yàn)測(cè)試，平均定位誤差偏移不超過(guò)±5%，證明了本文算法的可靠性。因此，驗(yàn)證了本文提出的使用無(wú)線信號(hào)輔助的室內(nèi)無(wú)死角定位算法的可行性與可靠性。

5 結(jié)論

針對(duì)純慣性導(dǎo)航系統(tǒng)累計(jì)誤差大、無(wú)法長(zhǎng)時(shí)間工作的問(wèn)題，本文提出了一種利用無(wú)線信號(hào)輔助定位的室內(nèi)無(wú)死角定位算法。該算法利用無(wú)線信號(hào)對(duì)慣導(dǎo)定位的位置進(jìn)行實(shí)時(shí)的標(biāo)定，然后針對(duì)不同的運(yùn)動(dòng)狀態(tài)，對(duì)無(wú)信號(hào)時(shí)的航向做平滑處理，再利用無(wú)線信號(hào)對(duì)航向進(jìn)行實(shí)時(shí)地糾正，從位置和航向兩方面消除慣導(dǎo)的累積誤差，提高定位精度。通過(guò)實(shí)驗(yàn)證明，與純慣導(dǎo)定位技術(shù)相比，本文提出的室內(nèi)無(wú)死角定位算法定位精度更高，可靠性更好，進(jìn)一步提高了慣性導(dǎo)航定位技術(shù)的實(shí)用價(jià)值。