综述：一种融合气压计-PDR-磁指纹的室内三维定位算法

本文提出了一种创新的室内三维定位算法，通过粒子滤波（PF）融合气压计、惯性测量单元（IMU）和地磁指纹信号。该算法利用气压计数据（引入步行速度特征）提升楼层识别精度，并采用改进的鲁棒粒子滤波（RPF）机制，将磁指纹匹配的多个候选结果融入粒子权重更新，有效抑制了惯性导航系统（INS）和行人航位推算（PDR）的累积误差。实验结果表明，该方法在复杂多层建筑中实现了水平和垂直方向均优于米级的定位精度，为低成本、高精度的室内导航提供了实用解决方案。

　　

随着基于位置服务的需求日益增长，实现复杂多层建筑内高精度的三维室内定位仍是一个关键挑战。卫星导航系统在室内因信号衰减而性能受限，促使研究者转向基础设施依赖度低或无需基础设施的解决方案。后者利用环境中的固有信号，如地磁场、惯性传感器测量值和气压，这些信号可由智能手机内置传感器捕获，为实现普适、可扩展且成本效益高的室内定位提供了吸引力。

引言

室内定位技术主要分为基于基础设施和无需基础设施两类方法。基于基础设施的方法（如ZigBee、UWB、WiFi）依赖预先部署的锚点，定位精度高但部署成本巨大。无需基础设施的方法则利用传感器收集的环境数据，成本低、易部署，但精度相对较低。惯性导航系统（INS）使用加速度计和陀螺仪的运动数据估算行人位置，通常采用低成本的微机电系统（MEMS）传感器。然而，这些传感器易受测量噪声和漂移影响，误差通过积分累积，导致显著的定位误差。行人航位推算（PDR）是一种广泛采用的策略，通过检测步数、估算步长和航向，迭代更新位置。但PDR的精度随时间推移而恶化。

地磁场源于地球，无需额外基础设施，是与PDR集成的可靠信号源。室内磁场常受铁磁材料影响，产生空间异质性扰动和显著的位置差异。磁指纹定位主要包括离线（构建参考指纹数据库）和在线（实时指纹匹配定位）两个阶段。尽管通过增加磁指纹维度等方法可提高精度，但由于环境动态性、传感器噪声和时间变化，磁指纹本身不稳定，误匹配不可避免。

垂直定位方面，通过积分Z轴加速度计数据得到的垂直位置通常会产生巨大误差。气压计通过检测楼层间高度差对应的大气压力细微变化，为垂直位移提供更稳定、直接的测量。有研究提出了融合垂直加速度和气压高度的级联算法，或部署每层气压计建立实时压力阈值的方法，但后者增加了安装成本。因此，开发不依赖于惯性传感器的楼层检测算法是提高垂直定位精度的关键方向。

粒子滤波器（PF）常用于提高行人定位精度，但常见的挑战是粒子贫化，即大多数粒子逐渐收敛于少数高权重粒子，降低多样性并削弱估计精度。虽然增加粒子数可缓解此问题，但会显著增加计算负担。现有研究采用了智能PF策略，如引入粒子迁移机制，但这些方法主要限于二维空间。

方法论

本文提出的算法整体框架包含两个主要阶段：楼层检测和轨迹估计。

• •
  楼层检测：利用气压公式计算相对高度，并结合行人垂直速度变化（如步行、乘电梯）来精确定位所在楼层。算法通过判断垂直速度是否超过阈值来识别电梯使用，进而结合层高参考距离确定楼层号。
• •
  轨迹估计：收集加速度计、陀螺仪和磁场数据。采用零速更新（ZUPT）和扩展卡尔曼滤波（EKF）优化步数和步长估计；通过积分角速度并运用四元数法更新方向余弦矩阵来获取航向信息；随后应用PDR估算行人位置。磁指纹匹配采用动态时间规整（DTW）算法计算实时数据与参考指纹数据库的相似度。

针对PF的粒子退化问题，本文提出一种鲁棒粒子滤波（RPF）算法。该算法构建了基于PDR的运动模型，并创新性地建立了基于多个磁指纹匹配结果的观测模型。在权重更新步骤中，使用高斯似然函数量化粒子状态与多个观测值之间的一致性，通过计算预测状态与每个观测值之间的差异向量并纳入高斯似然模型，得到每个粒子的归一化权重。这种多观测融合机制增强了粒子采样精度，提高了室内定位的精确性和稳定性。

实验结果与讨论

为验证算法有效性，研究在代表性室内环境（如办公楼和IPIN 2018竞赛场景）中使用不同型号商用智能手机（三星Galaxy S20和A5）进行数据采集实验。性能指标包括平均误差（AE）、均方根误差（RMSE）、最大误差（ME）以及75%和95%的圆概率误差（CEP）。

实验结果显示：

• •
  楼层检测：算法能准确区分楼层高度差，并成功检测电梯下行过程中的楼层转换，证明了其在多层场景中的高精度和鲁棒性。
• •
  三维定位：在办公楼实验中，本文提出的RPF算法的AE为0.99米，RMSE为1.28米，显著优于对比的现有方法（其中一种方法的AE为5.32米，另一种为2.31米）。在IPIN 2018的Atlantis le Centre购物中心数据集上，该算法也保持了米级精度（AE为3.35米），显示了其在复杂真实环境中的良好实用性。
• •
  消融实验：对比PDR+气压计、磁匹配（MM）+气压计以及完整RPF方案的性能，结果表明RPF在所有评估指标上均优于其他配置，证实了多传感器融合的有效性。

结论与展望

本研究提出了一种集成惯性传感器、气压计和磁力计的室内三维定位算法。该方法首先利用气压数据估算楼层高度，然后应用鲁棒粒子滤波融合PDR和磁场信息，在复杂室内环境中实现了准确稳定的三维定位。实验结果表明，该算法在不增加额外基础设施的情况下优于传统方法，突出了其实用性和部署潜力。

随着深度学习和数据驱动方法的进步，利用多传感器数据挖掘环境特征与用户行为之间的隐藏关联，可以进一步提高室内三维定位的精度和鲁棒性。未来的研究可能利用大规模数据集、自适应模型和在线学习策略，构建更智能、更通用的定位系统，从而支持智能建筑、公共安全和室内导航等应用。