行人无缝定位算法：CC3200实验与验证

"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，通过实验验证了算法的有效性。实验中使用了MSP（Motion Sensor Package）和SPAN系统，模拟了从室外到室内环境的变化，尤其是在GPS信号不良的区域，如高楼密集区和购物中心内部，检验了算法在不同条件下的定位精度。" 本文详细阐述了行人无缝定位算法的设计与实现，特别是在考虑误差累计效应的情况下，如何通过动态自适应调整PDR（ Pedestrian Dead Reckoning）的参数来优化定位效果。PDR算法初始时设置较小的误差阈值，随着滤波次数增加，逐渐增大阈值以应对累积误差。在遇到GPS信号质量良好时，算法会利用更多的GPS更新来提高定位准确性，而在GPS信号弱时则依赖PDR。 测量噪声矩阵的设定对于EKF（Extended Kalman Filter）滤波器的更新过程至关重要，其目的是为了适应不同环境下的定位需求。EKF滤波器采用了动态的测量向量选择性更新方法，根据GPS信号的质量来决定是进行全部更新还是部分更新。在GPS信号质量良好时执行全部更新，而在无法获取准确GPS定位时则采用部分更新，类似于纯PDR滤波。 实验部分是在2009年11月进行的，地点位于芬兰Espoo市的购物中心附近，实验者从室外步行至城市密集区，再进入室内，全程约2154米，耗时1812秒。实验期间，GPS信号在高楼密集区域和购物中心内部变得不稳定，为算法提供了严格的测试环境。实验设备包括装在腰部的MSP和背在身上的SPAN系统，数据通过串口线实时记录。 通过这次实验，论文验证了提出的算法能够有效处理复杂的定位场景，评估了MSP在室内环境的定位精度，并强调了在线训练样本质量评估的重要性。这种算法展示了在GPS信号弱或者缺失的情况下，结合PDR和自包含传感器的定位策略能提供连续且相对准确的行人定位服务，对于提高城市峡谷和室内环境中的行人导航性能具有重要意义。