目前，室内定位技术已经存在多种实现方案，根据其技术特点不同，适应 范围和使用效果也各不相同。根据在室内定位过程中是否需要无线技术作为辅 助，可以将室内定位技术分为两类。第一类是需要无线定位网络辅助的室内定 位技术，例如基于 WIFI[11]，Zigbee，无线射频技术，超宽带技术和蓝牙等。这 些技术主要依据信号到达角度(Angle of Arrival, AOA)，信号到达的时间(Time of Arrival,TOA），信号到达的时间差(Time Difference of Arrival, TDOA)和信号强度 这些特征(Received Signal Strength，RSS)，进而采取相应的实现算法，对行人航 位进行确定。目前在这些方面的研究有很多，MR Gholam 利用最大似然估计的 代价函数非线性的特征解决利用 TOA 结合 TDOA 对行人定位的问题[12]。ER Jativa 提出了一种在系统噪声符合高斯分布的条件下，实现行人定位的高性能的 TOA 定位算法[13]。C Esposito 提出了一种减少手动校正的基于 RSS 的室内定位 算法[14]。Caffery 针对非视距传播问题做了大量的研究[15]。69943

另一种方法是基于惯性导航原理的行人航位推算技术，通过安装在行人身 上的惯性传感器，实时的获取行人运动的加速度信息和角度信息，结合惯性微 分方程可以推算出行人的速度和位置。

Levi 提出了行人航迹推算（Pedestrian Dead Reckoning, PDR)的概念，首先 通过加速度计或者计步器来估算行人的步数和步长，再采用陀螺仪以掌握行人 的方向信息进而实现行人航位的推算。由于，行人在运动的过程中，身体各部 分的姿态有一定的规律性，主要的研究是将惯性传感器安装在行人的头部，腰 部，和足部。但是，行人的步长是根据经验数据总结的模型，在不同的环境下 的适应性不强，在很多复杂的环境下可能导致导航的失败。论文网

在足部安装惯性传感器是当前较为常用的方法，将惯性测量单元（Inertial Measurement Unit，IMU）安装在行人的足部，通过对惯性测量单元采集的加速 度和角速度信息进行积分处理来获得行人的位置。目前，行人的加速度和角速 度信息主要是通过 IMU 中三轴加速度计和陀螺仪来获取。但由于 MEMS 器件 在工作过程中存在的随机误差，导致经过对惯性数据进行积分得到的位置数据 存在较大的误差。

瑞典皇家工学院信号处理实验室的 Nilsson 提出了应用在鞋绑式惯性导航系 统的零速修正（ZeroVelocity Update, ZUPT）算法，程序开源，在短距离导航误 差精度高[16]。零速校正是根据行人在运动过程中，当脚底与地面接触的一瞬间， 行人足部的速度应该为零。但是由于在数据采集的过程中，由于 MEMS 存在的 误差，导致积分后的结果不是零，如何探测零速的时刻，然后通过卡尔曼滤波 进行速度更新，使其速度为零[17]。有的文献中，作者是利用加速度方差和加速 度幅值来进行检测的，作者根据实验设计一个阈值，当检测到加速度方差和加 速度幅值小于设计的阈值时，即判定该时刻的速度为零[18]。当脚底着地时，脚 底与地面一直保持接触状态，其角速度应该为零，所以通过设定阈值检测角速 度也可以来判断零速[19]。上述的方法都具备一定的可行性，但也存在一定的问 题，结合上述三种方法，形成广义似然比算法[20]，这种算法更加的稳定。以上 都是基于零速改正算法的研究，目前还有一部分研究人员通过外联设备来进行 零速检测。一些文献中，采用一种低功率的雷达检测，实时的检测行人竖直方 向上的速度和位置。还有的利用压力传感器实时的监测脚底的压力，再融合惯 性数据来检测零速[21]。

德国的 DRL 实验室的提出了一种基于鞋绑式惯性传感器的双层贝叶拉位置 估算框架[22]，之后基于即时定位与地图构建形成了---FootSLAM[23]。之后他们又 增加了全球定位模块， 是该系统具备线上创建更新地图的功能， 形成了 PlaceSLAM[24]。在 FootSLAM 和 PlaceSLAM 的基础上，加入了 WiFi，建立了 室内定位技术国内外研究现状综述:http://www.youerw.com/yanjiu/lunwen_79035.html