室内轨迹推算：基于惯性传感器与WiFi的算法

"基于惯性传感器与WiFi的室内行人轨迹推算 .pdf" 本文是一篇关于室内行人轨迹推算的学术论文，由赵世华和赵磊撰写，他们来自山东理工大学计算机科学与技术学院。研究的主要目标是解决在没有GPS信号的室内环境中，如何通过智能手机的惯性传感器和WiFi信号来估算行人的运动轨迹。该论文提出了一个基于粒子滤波的算法，结合加速度计和陀螺仪的数据以及WiFi信号强度的变化趋势来实现这一目标。 在GPS信号无法覆盖的室内区域，传统的定位方法不再适用。为此，作者们利用了智能手机内置的惯性传感器，包括加速度计和陀螺仪。加速度计用于检测行人的步伐，通过分析连续的加速度变化来识别行走的动作。而陀螺仪则用于计算每一步的旋转角度，这有助于确定行人在行走过程中的方向变化。然而，陀螺仪存在累积误差的问题，因此需要有效的校正机制。 论文中提到的WiFi地标策略是一种利用WiFi信号强度变化趋势的方法。在室内环境中，WiFi信号强度通常随位置改变而变化，通过记录这些变化，可以建立起一个虚拟的“WiFi指纹地图”。当行人移动时，根据当前接收到的WiFi信号强度，可以推断出其大概的位置。 粒子滤波是一种非线性、非高斯状态估计方法，非常适合处理这种带有不确定性的定位问题。在该算法中，粒子滤波器被用来融合加速度计、陀螺仪和WiFi信号强度的信息，通过不断更新和重采样粒子，来逼近真实的行人轨迹。 实验结果显示，应用了这个算法后，行人轨迹的推算更加精确，收敛到接近实际运动轨迹的状态。这意味着即使在仅依赖惯性传感器和WiFi信号的情况下，也能有效地控制陀螺仪的累积误差，从而实现对行人固定姿态下轨迹的准确推算。 这篇论文提出了一种创新的室内定位方案，利用现代智能手机的常见硬件，解决了室内无GPS环境下的定位难题，具有重要的理论价值和实践意义。对于智能建筑、室内导航系统、安全监控等领域都具有潜在的应用前景。关键词涵盖了轨迹推算、惯性传感器、WiFi技术和粒子滤波等核心概念，表明这是多领域交叉研究的一个实例。