图 4-2 卡尔曼滤波算法工作流程 34

图 4-3 载体坐标系下的加速示意图 37

图 4-4 导航坐标系下的加速度示意图 38

图 4-5 有/无卡尔曼滤波处理的航向角示意图 39

图 4-6 自解算航向角与真值的差值示意图 39

图 4-7 卡尔曼滤波处理后航向角与真值的差值示意图 40

图 4-8 无卡尔曼滤波的平面合速度示意图 41

图 4-9 有卡尔曼滤波的平面合速度示意图 42

图 4-10 无卡尔曼滤波的平面轨迹示意图 42

图 4-11 有卡尔曼滤波的平面合速度示意图 43

图 4-12 卡尔曼滤波处理后的中误差示意图 44

图 4-13 无卡尔曼滤波处理的中误差示意图 44

表清单

表序号 表名称 页码

表 3-1 不同窗口长度四种零速检测方法结果表 21

表 3-2 窗口为 20 时的三次实验结果表 24

1 绪论

1.1 背景与意义

随着互联网技术的快速发展，泛在定位与位置大数据的提出[1]，越来越多的 注意集中在定位上。人们对于各种定位产品和基于定位的服务需求量正在快速 增加，诸如现在用手机查找饭店、商店、加油站、银行以及交通信息等都必须 基于各种位置信息。而在一些灾难现场为了实施快速救援，就必须在保证无论 在什么情况下都能获取到遇难者的位置，因此需要发挥定位技术的作用。对于 导弹的制导，飞机和船舶的导航等方面，导航与定位技术依旧发挥着巨大的作 用。因此，导航与定位的研究具有十分广阔的应用前景。

泛在定位要求用户在任何地点、任何时间，可以利用多种感知技术来感知 目标位置、环境及其变化的活动[2]。室外定位一般采用全球卫星导航系统（Global Positioning System, GPS)来完成，已经发展地比较成熟。GPS 具有成熟完备，全 天时，全天候，可以提供高精度的三维位置和速度信息的优势，并且在军事、 航空、经济建设和科学研究等各个领域发挥着重要作用。但是在森林、山区、 城市峡谷和建筑物内部，由于 GPS 卫星信号容易受到遮挡或干扰，导致信号减 弱甚至接收不到信号，达不到导航与定位的需求。而且导航结果的数据更新率 低、没有姿态信息的输出[3]，因此 GPS 在室内等信号弱的环境下，无法满足泛 在定位为用户实时提供位置服务的要求。文献综述

随着无线通信网络和电磁波技术的快速发展和技术革新，无线网络迅速在 各种在室内环境中普及，因此相继出现了一些基于无线定位网络辅助的室内定 位技术诸如射频识别（Radio-frequency identification ，RFID)定位技术[4]，超声 波定位技术[5]，ZigBee 定位技术[6]，蓝牙（Bluetooth)定位技术[7]，超宽带（Ultra Wideband，UWB)[8]等。但是，由于室内环境复杂多变，电磁波容易受到室内行 人自身活动和摆放物体的影响而发生反射、折射，产生多路径效应等影响，并 且需要大量的资金投入，难以大规模的推广。因此，为了实现室内外无缝定位， 迫切需要一种能够在 GPS 难以工作的环境下提供精确定位服务，而基于惯性导 航技术的行人航位推算是解决这个问题的一种有效方法。 基于惯性数据的行人航位推算模型(3):http://www.751com.cn/guanli/lunwen_79034.html