基于机会信号（SOP）线性匹配和行人航迹推算（PDR）辅助的智能手机室内定位模型研究

Indoor location based on fingerprint-match of signals becomes one of the hot research fields in recent years.Some of fingerprint-match indoor location systems use expensive devices, some only use strength of RSSI of one signal with one-point-match method. without enough information, the position precision is low and the result is not stable,for RSSI value is highly depending on the enviroment. Then they can't be applied in real indoor location service. Thereby, we promote an indoor position model based on SOP(signals of opportunity) and PDR(Pedestrian dead reckoning) of smartphone to resolve the problem. The position model includes a fused linear-match algorithm with SOP(WIFI/3G/MAGNATIC FILED,etc) and an quick database update model of fingerprint of signals with smartphone based on the thought ubiqutious survey.

基于信号特征指纹匹配的室内定位方法一直是国内外的研究热点方法，但已有的无线信号指纹匹配定位系统，有的硬件平台昂贵复杂；有的在信号源方面仅使用单一信号源（如WIFI）强度，且采用单点匹配模式，定位特征信息不足，定位精度低；有的因室内各种无线特征信号随着空间环境和时间的改变而信号指纹库更新维护困难，造成定位结果将不稳定或发生错误，系统可用性差。围绕上述问题，课题拟研究一种采用基于机会信号（SOP）和用户航迹推算（PDR）的智能手机室内定位模型，重点突破包括基于泛在测绘思想的智能手机SOP（WIFI/3G/环境磁场等）特征指纹信号快速采集更新方法和多源SOP特征信号线性匹配的定位算法。利用智能手机惯性传感器做行人推算辅助信号采集更新和匹配定位。通过综合多种技术手段，提高定位精度和可靠性，对低成本室内导航定位的推广应用具有重要意义。

近年来，随着无线通讯技术和移动智能终端的迅速发展，基于位置的服务（Location-based Service, LBS）已经在物流，商场购物，交通，社交，广告推送等领域得到了广泛应用，在一定程度上改变了人们的生活方式。LBS正向市场潜力更巨大的室内移动位置服务方向发展。因此获得用户在室内的精确位置信息对推动室内位置服务的发展具有十分重要意义。. 在室内环境下，室外的传统定位技术，即全球卫星导航系统（Global Navigation Satellite System，GNSS）存在严重的信号遮挡，反射引起的多径效应，而严重降低了定位精度。针对室内导航定位，国内外学者提出了很多技术方案，如：基于蜂窝网的A-GPS，伪卫星定位，射频标签定位技术，红外定位技术，计算机视觉，基于SOP（Signals of Opportunity）信号如（WIFI/地磁/光强）匹配技术的方案。不同技术在定位精度和实用性方面千差万别。大部分技术均需要额外布设大量设备，在大范围和复杂的城市环境内无法大规模推广。而不需要额外设备的SOP信号指纹匹配定位技术方案是未来极具潜力的室内定位技术。SOP指纹匹配方法可以应用于各种常规WIFI终端，不易受室内遮挡，多径等非视距因素的影响，具有较高的定位精度。然而由于WIFI等SOP信号的主要目的并非定位，利用这一方法仍然面临（1）移动终端信号测量的准确性和一致性较差；（2）测量信号的时变性较强等问题，对提高定位精度的算法和指纹库的采集与动态更新提出了挑战。（3）定位指纹库与室内地图不完全匹配。. 针对上述问题，课题组主要研究了一种利用LiDAR同步定位与制图技术，结合惯性导航单元的组合的高精度室内导航与制图平台NAVIS，利用该平台以厘米级的平面定位精度实现了快速SOP信号指纹库的建立和更新。为基于智能手机平台的指纹信号匹配定位方法提供了一套行之有效的方案，解决了指纹库的时效性问题。在此基础上，开展了结合PDR的指纹匹配算法研究。. 通过本课题的研究，实现了UGV平台的厘米级室内定位和室内平面图，进而为智能手机的SOP匹配定位提供了快速的高精度的指纹库，同时也提供了与定位指纹库一致的室内平面图。为提高基于SOP匹配定位的室内LBS应用的可用性，可靠性和效率提供了可靠支持。