一种改进PDR与最小一乘法融合的室内定位方法

在室内定位系统中,基于Wi-Fi技术的定位精度很大程度上依赖于信号的稳定,信号的多径效应与非视距(Non Line of Sight,NLOS)会增大定位误差。行人航位推算(Pedestrian Dead Reckoning,PDR)定位系统会因传感器自身误差与噪声产生累计误差。针对上述问题,提出了一种改进的PDR与最小一乘法(Least Absolute Deviation,LAD)融合的室内定位算法。该算法基于模糊逻辑将PDR算法的步长固定参数改进为变量参数,同时根据LAD的定位结果对PDR进行周期性位置与拐点位置校正,选择扩展卡尔曼滤波(Extend Kalman Filter,EKF)将改进的PDR与LAD进行融合,以降低PDR的累计误差与LAD的突变误差,提高定位精度。实验结果表明:所提方法较其他方法具有更高的定位精度。