基于PDR与信号指纹的室内融合定位方法OA北大核心CSTPCD

室内复杂环境中,为了解决行人航位推算法(Pedestrian Dead Reckoning, PDR)存在误差累积、指纹定位法存在结果回跳的问题,提出PDR与信号指纹联合作用下的融合定位方法。基于峰值步态检测,引入模型动态调整峰谷阈值以匹配行走变速,提高检测过程对运动状态变化的适应性。以运动时空信息修正信号空间的相似点权值,加权求和克服环境干扰提升指纹定位精度。利用扩展卡尔曼滤波(Extended Kalman Filter, EKF)对融合系统模型线进行性化提取,通过对待定位点的迭代预测与更新的过程实现稳定且准确的寻优结果。实验验证所提方法较单一PDR或信号指纹可分别提升约47.7%和14.1%的定位精度,平均定位误差可减小到2.138 m。