行人无缝定位：GPS与自包含传感器卡尔曼滤波算法

"这篇博士学位论文主要探讨了基于GPS和自包含传感器的行人室内外无缝定位算法，重点关注了在复杂环境下的定位精度提升。文中提到了行人无缝定位算法设计与实现，特别是混合定位模式卡尔曼滤波器的算法流程，并通过实验数据分析了其效果。在实验中，针对550秒的时间段，834步的数据，GPS定位残差在经过质量评估后的结果显示出优秀的定位精度，大多数误差小于10米。同时，论文对比了经过质量评估筛选后的航向误差模型参数与未经评估的参数，证实了质量评估的重要性。" 该博士学位论文详细研究了行人定位技术，尤其是在室内和城市峡谷等GPS信号受限的环境下的定位挑战。作者陈伟在导师王建宇研究员和傅忠谦副教授的指导下，提出了一种结合GPS和自包含传感器（如加速度计、陀螺仪等）的混合定位模式卡尔曼滤波器算法。这种算法旨在克服GPS信号弱时的定位问题，实现室内外的无缝切换和高精度定位。 论文中提到的混合定位模式卡尔曼滤波器是一种高级的数据融合技术，它结合了不同的定位源（如GPS和传感器数据），通过卡尔曼滤波器进行优化，以减少定位误差。在实验部分，论文展示了混合定位模式下，卡尔曼滤波器的算法流程图，这有助于读者理解算法的工作原理和步骤。 实验数据显示，在复杂环境下的550秒内，行人走了834步，GPS定位的残差经过质量评估后，选择出的优质定位结果误差大多控制在10米以内，这显著提高了定位的精确性。同时，论文还比较了在不进行质量评估时直接使用最小二乘法（LSQ）求解的航向误差模型参数与经过评估和在线训练后的参数，结果显示，质量评估能够有效地剔除不良样本，从而提高参数估计的准确度。 这篇论文为行人无缝定位提供了新的解决方案，强调了在处理GPS信号不稳定情况下的定位策略，并通过实验证明了该方法的有效性。这一研究对于开发更准确、更可靠的行人导航系统具有重要意义，特别是在GPS信号受到干扰的场合。