室內(nèi)導(dǎo)航與定位技術(shù)發(fā)展綜述

劉公緒，史凌峰

(1.超高速電路設(shè)計(jì)與電磁兼容教育部重點(diǎn)實(shí)驗(yàn)室，西安 710071；2.西安電子科技大學(xué)CAD所，西安 710071)

0 引言

嚴(yán)格來講，導(dǎo)航是通過幾何學(xué)、天文學(xué)、無線電信號(hào)、力學(xué)等手段確定載體的姿態(tài)、速度和位置的一門科學(xué)，而定位是導(dǎo)航的一個(gè)子集，只確定載體的空間位置[1]。導(dǎo)航可作為定位的一種重要應(yīng)用，在定位過程中，往往需要計(jì)算載體的速度，姿態(tài)等信息，因此許多學(xué)者在概念上對(duì)導(dǎo)航與定位不加區(qū)分。

作為衛(wèi)星導(dǎo)航領(lǐng)域最后一千米難題，室內(nèi)導(dǎo)航與定位主要采用偽衛(wèi)星定位、云定位、端定位、可信定位、室內(nèi)地圖等多種技術(shù)，實(shí)現(xiàn)人員、物體等在室內(nèi)空間中的位置、速度和姿態(tài)的解算。近年來，室內(nèi)導(dǎo)航與定位已成為工業(yè)界和學(xué)術(shù)界的研究熱點(diǎn)。文獻(xiàn)[2]指出2024年以前，室內(nèi)定位的總市場(chǎng)規(guī)模將超過100億美元，強(qiáng)勁的市場(chǎng)需求為室內(nèi)導(dǎo)航定位系統(tǒng)(indoor navigation and positioning system，INPS)提供了廣闊的發(fā)展空間。經(jīng)調(diào)研，目前有超過800家國(guó)內(nèi)外公司涉及到室內(nèi)導(dǎo)航與定位及其他室內(nèi)行人相關(guān)應(yīng)用見表1[3]。2016年1月北斗羲和科技發(fā)展有限公司成立，它以科技部“羲和計(jì)劃”研究成果為基礎(chǔ)，自主研發(fā)了廣域室內(nèi)外融合定位系統(tǒng)，可提供復(fù)雜城市環(huán)境下的室內(nèi)外融合定位解決方案?！笆濉逼陂g，北京郵電大學(xué)、武漢大學(xué)、中國(guó)電子科技集團(tuán)公司第54研究所(以下簡(jiǎn)稱54所)牽頭的廣域室內(nèi)外定位技術(shù)正緊鑼密鼓地進(jìn)行著；隨著北斗衛(wèi)星導(dǎo)航系統(tǒng)(BeiDou navigation satellite system，BDS)的全面開啟，隨時(shí)隨地獲取個(gè)人位置信息，借助云平臺(tái)和大數(shù)據(jù)分析進(jìn)行個(gè)性化位置服務(wù)；對(duì)可靠的實(shí)時(shí)的室內(nèi)定位與導(dǎo)航的需求越來越迫切，近十幾年，IEEE、Information Fusion、Sensors及Guidance Control and Dynamics等相關(guān)領(lǐng)域雜志，接連刊登和評(píng)論室內(nèi)導(dǎo)航與定位相關(guān)的文章，其方案和相關(guān)技術(shù)指標(biāo)如表2所示。

表1 各國(guó)典型室內(nèi)導(dǎo)航與定位公司

表2 已有文獻(xiàn)中室內(nèi)導(dǎo)航與定位技術(shù)對(duì)比表

按照數(shù)學(xué)原理，室內(nèi)導(dǎo)航與定位技術(shù)可以分為3類：即基于無線信號(hào)的交匯技術(shù)；數(shù)據(jù)庫(kù)匹配技術(shù)；以及基于慣性傳感器的航向推算技術(shù)。

1 基于無線信號(hào)的交匯技術(shù)

1.1 信號(hào)到達(dá)時(shí)間(time of arrival，TOA)[18]

TOA 定位算法的理論依據(jù)是：若已知信號(hào)在介質(zhì)中的傳播速率和信號(hào)從發(fā)射端到接收端所用的時(shí)間，就能得知發(fā)射端與接收端的相對(duì)距離，再根據(jù)發(fā)射端的位置，來確定接收端的絕對(duì)位置。要獲得發(fā)射時(shí)間和接收時(shí)間之間的差值，就必須保證發(fā)射端和接收端的時(shí)鐘高度同步。

1.2 信號(hào)到達(dá)時(shí)間差(time difference of arrival，TDOA)[19]

TDOA是指發(fā)射端發(fā)射兩種不同傳播速度的無線信號(hào)，根據(jù)這兩種無線信號(hào)到達(dá)接收端的時(shí)間差值，確定發(fā)射端和接收端之間的距離，不必保證發(fā)射端與接收端的時(shí)鐘同步。

1.3 信號(hào)到達(dá)角(angle of arrival，AOA)[20]

AOA是指通過測(cè)得錨節(jié)點(diǎn)發(fā)射的無線信號(hào)到達(dá)定位節(jié)點(diǎn)時(shí)，信號(hào)的傳播方向與定位節(jié)點(diǎn)所在水平面的夾角的大小，來計(jì)算節(jié)點(diǎn)所在的具體位置，需要角度傳感器或者接收陣列，必須要比較準(zhǔn)確地測(cè)量得到通信半徑內(nèi)的其它臨近錨節(jié)點(diǎn)發(fā)射的信號(hào)到達(dá)的角度值，才能保證定位精度達(dá)到系統(tǒng)要求。由于其對(duì)硬件要求高，且易受外界環(huán)境影響，所以該算法在實(shí)際應(yīng)用中受限。

1.4 接收信號(hào)強(qiáng)度(recevied signal strength，RSS)[21]

RSS即指通過測(cè)量錨節(jié)點(diǎn)發(fā)出的無線信號(hào)在定位節(jié)點(diǎn)處的信號(hào)接收強(qiáng)度作為定位特征量，利用采集到的RSS值定位目標(biāo)節(jié)點(diǎn)的位置，其定位算法主要有兩種。分別是基于路徑損耗模型實(shí)現(xiàn)定位(又叫三邊測(cè)量)和根據(jù)指紋識(shí)別算法(也叫模式匹配)得到定位節(jié)點(diǎn)的坐標(biāo)信息。

1.5 低功耗藍(lán)牙技術(shù)(bluetooth low energy，BLE )[22]

藍(lán)牙通訊是一種短距離低功耗的無線傳輸技術(shù)。藍(lán)牙定位主要應(yīng)用于小范圍定位，通過檢測(cè)信號(hào)強(qiáng)度就可以獲得用戶的位置信息，對(duì)于復(fù)雜的空間環(huán)境，藍(lán)牙定位系統(tǒng)的穩(wěn)定性稍差，受噪聲信號(hào)干擾大。

1.6 射頻識(shí)別技術(shù)(radio frequency identification，RFID)[23]

RFID技術(shù)是利用射頻通訊方式進(jìn)行雙向的非接觸式數(shù)據(jù)交互，它基于信號(hào)強(qiáng)度分析法，并采用聚類算法，通過識(shí)別檢測(cè)到的信號(hào)強(qiáng)弱來計(jì)算標(biāo)識(shí)之間的距離，實(shí)現(xiàn)3維空間定位的目的。其優(yōu)點(diǎn)是定位標(biāo)識(shí)體積小，價(jià)格便宜，缺點(diǎn)是作用距離比較短，一般情況，作用距離最長(zhǎng)為幾十米；此外，缺少國(guó)際化標(biāo)準(zhǔn)，安全性較低。

1.7 紫蜂(ZigBee)[24]

ZigBee是一種短距離、低速率的無線通信技術(shù)。它介于RFID和藍(lán)牙之間，可以實(shí)現(xiàn)由若干個(gè)ZigBee節(jié)點(diǎn)組成的網(wǎng)絡(luò)，包括路由器和定位節(jié)點(diǎn)。通過節(jié)點(diǎn)之間的相互協(xié)調(diào)通信來實(shí)現(xiàn)定位功能，最大的優(yōu)點(diǎn)是低功耗和低成本。

1.8 超寬帶技術(shù)(ultra-wide bandwidth，UWB)[25]

超寬帶技術(shù)不需要使用傳統(tǒng)通信體制中的載波，而是通過發(fā)送和接收具有納秒或納秒級(jí)以下的極窄脈沖來傳輸數(shù)據(jù)，可用于室內(nèi)精確定位，例如：戰(zhàn)場(chǎng)士兵的位置發(fā)現(xiàn)、機(jī)器人運(yùn)動(dòng)跟蹤等。超寬帶系統(tǒng)與傳統(tǒng)的窄帶系統(tǒng)相比，具有穿透力強(qiáng)、功耗低、抗多徑效果好、安全性高、系統(tǒng)復(fù)雜度低、定位精度高等優(yōu)點(diǎn)，通常用于室內(nèi)移動(dòng)物體的定位跟蹤或?qū)Ш?。但其需要精?zhǔn)的時(shí)鐘同步，成本非常昂貴，不便于大面積的部署和應(yīng)用。

1.9 偽衛(wèi)星室內(nèi)定位技術(shù)(pseudolites)[26]

偽衛(wèi)星在近幾年研究很熱，其核心思想是將衛(wèi)星信號(hào)引入室內(nèi)，讓室內(nèi)定位與室外定位無縫對(duì)接。雖然在某種程度上，偽衛(wèi)星彌補(bǔ)了衛(wèi)星信號(hào)在室內(nèi)定位的不足，但仍存在較多的缺點(diǎn)，如：觀測(cè)過程中的多徑問題，偽衛(wèi)星與全球衛(wèi)星導(dǎo)航系統(tǒng)(global navigation satellite system，GNSS)衛(wèi)星間的同步問題等。

1.10 全球移動(dòng)通訊系統(tǒng)(global system for mobile communications，GSM)[27]

GSM屬于第2代(2G)蜂窩移動(dòng)通信技術(shù)，GSM網(wǎng)絡(luò)一共有4種不同的蜂窩單元尺寸：巨蜂窩，微蜂窩，微微蜂窩和傘蜂窩。覆蓋面積因不同的環(huán)境而不同。其中微微蜂窩只覆蓋幾十米的范圍，主要用于室內(nèi)。不過，2015年，全球諸多GSM網(wǎng)絡(luò)運(yùn)營(yíng)商，已經(jīng)將2017年確定為關(guān)閉GSM網(wǎng)絡(luò)的年份。雖然基于GSM的室內(nèi)定位技術(shù)已經(jīng)趨于淘汰，但5G仍可能在未來室內(nèi)定位中發(fā)揮作用。如博通(Broadcom)公司宣布推出業(yè)界第一款具精準(zhǔn)室內(nèi)定位技術(shù)的 5G WiFi(802.11ac)系統(tǒng)單芯片(SoC)—BCM43462。此款芯片采用博通 AccuLocate 技術(shù)，能提供精度為亞米級(jí)的定位功能。

1.11 智能LED燈[28]

該技術(shù)的原理是將需要傳輸?shù)男畔⒕幾g成一段調(diào)制信號(hào)，用脈寬調(diào)制的方法附加到LED燈具的驅(qū)動(dòng)電流上，利用戶內(nèi)無處不在的光源作為發(fā)射載體，當(dāng)用戶進(jìn)入燈具照明區(qū)域，以智能手機(jī)的攝像頭接收并識(shí)別光信號(hào)，解析出燈具發(fā)送的唯一身份識(shí)別信息。利用所獲取的身份識(shí)別信息，在地圖數(shù)據(jù)庫(kù)中確定對(duì)應(yīng)位置信息來完成定位。用戶不需要將手機(jī)相機(jī)對(duì)準(zhǔn)某一個(gè)特定方向，亦可以接收到反饋過來的直接光源信號(hào)，定位精度可以在1 m以內(nèi)。LED定位需要改造LED燈具，增加了成本，但LED定位仍然是一種很有潛力的室內(nèi)定位技術(shù)。

1.12 超聲波(ultrasonic)技術(shù)[29]

超聲波定位一般是采用發(fā)射式測(cè)距法，即根據(jù)回波與發(fā)射波的時(shí)間差計(jì)算出待測(cè)距離，并通過三角定位等算法確定物體的位置。超聲波定位雖然定位精度較高、系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，但容易受多徑效應(yīng)和非視距傳播的影響；同時(shí)，它還需要底層硬件支持，定位成本較高。

1.13 基于調(diào)頻(FM)的室內(nèi)定位[30]

采用調(diào)頻廣播實(shí)現(xiàn)對(duì)室內(nèi)目標(biāo)的定位，即是基于調(diào)頻廣播信號(hào)指紋定位的方法，采用貝葉斯方法得到相應(yīng)的定位結(jié)果。通常其與WiFi一起使用。

1.14 紅外線(infrared)室內(nèi)定位技術(shù)[31]

紅外線室內(nèi)定位技術(shù)是通過安裝在室內(nèi)的光學(xué)傳感器，接收各移動(dòng)設(shè)備發(fā)射的經(jīng)調(diào)制的紅外射線，通過測(cè)量信號(hào)到達(dá)時(shí)間或信號(hào)到達(dá)角度來實(shí)現(xiàn)定位，具有相對(duì)較高的定位精度。但由于光線不能穿過障礙物、只能視距傳播,因而易受熒光燈等干擾，導(dǎo)致系統(tǒng)定位穩(wěn)定性較差。當(dāng)移動(dòng)設(shè)備放置在口袋里或者被墻壁遮擋時(shí)，常常不能正常工作，需要在每個(gè)房間、走廊安裝接收天線，導(dǎo)致總體造價(jià)較高。

2 數(shù)據(jù)庫(kù)匹配技術(shù)

2.1 磁場(chǎng)特征[32]

利用室內(nèi)鋼結(jié)構(gòu)引起的地磁異常作為位置參考特征，測(cè)繪并建立室內(nèi)環(huán)境磁場(chǎng)特征基準(zhǔn)地圖，然后通過粒子濾波等算法實(shí)現(xiàn)對(duì)人員位置的估計(jì)，盡管磁場(chǎng)無處不在，匹配的性能很大程度上與環(huán)境磁場(chǎng)分布相關(guān)，常存在明顯的誤匹配現(xiàn)象，在環(huán)境磁場(chǎng)特征不明顯的區(qū)域更是如此。

2.2 重力場(chǎng)特征[33]

地球表面的重力場(chǎng)在不同地區(qū)有不同的特征，可以利用重力場(chǎng)特征來確定載體所在的地理位置。該方法需要以高精度、高分辨率的重力場(chǎng)測(cè)量數(shù)據(jù)和重力場(chǎng)特征圖為基礎(chǔ)，重力特征的豐富與否關(guān)系到重力場(chǎng)匹配的定位精度。且該方法只能作為輔助的導(dǎo)航方法，通常和慣性導(dǎo)航系統(tǒng)結(jié)合使用。

2.3 基于無線保真(wireless fidelity，WiFi)指紋特征[34]

關(guān)于WiFi指紋數(shù)據(jù)庫(kù)的構(gòu)建，逐點(diǎn)測(cè)繪或走動(dòng)測(cè)繪，都耗時(shí)耗力；基于眾包的思想，可自動(dòng)更新WiFi指紋數(shù)據(jù)庫(kù)，但用戶導(dǎo)航數(shù)據(jù)往往不可靠；關(guān)于信號(hào)傳播模型，使用坐標(biāo)已知的各點(diǎn)的信號(hào)指紋信息反算各訪問節(jié)點(diǎn)(access point，AP)位置，當(dāng)選點(diǎn)幾何分布不好時(shí)，可能造成顯著地估計(jì)誤差；當(dāng)室內(nèi)環(huán)境發(fā)生變化，由信號(hào)傳播模型估計(jì)出的參數(shù)可能不再適用；學(xué)者們已經(jīng)利用多種信息的數(shù)據(jù)庫(kù)匹配來提高導(dǎo)航性能，如利用室內(nèi)地圖來約束導(dǎo)航解，使用圖像數(shù)據(jù)庫(kù)來提供絕對(duì)位置修正。

基于數(shù)據(jù)庫(kù)匹配定位的缺陷，學(xué)者們提出同時(shí)定位與地圖創(chuàng)建(simultaneous localization and mapping，SLAM)的思想[35]，它是將定位與環(huán)境地圖創(chuàng)建融為一體，即行人在運(yùn)動(dòng)過程中根據(jù)自身位姿和傳感器對(duì)環(huán)境感知構(gòu)建增量式環(huán)境特征地圖，同時(shí)利用該地圖估計(jì)自己的位姿。但難點(diǎn)是算法復(fù)雜，尤其是地圖實(shí)時(shí)測(cè)繪和更新技術(shù)一直是瓶頸。 54所正在獨(dú)立開發(fā)室內(nèi)測(cè)圖軟件，旨在實(shí)時(shí)對(duì)室內(nèi)3D場(chǎng)景進(jìn)行測(cè)繪并進(jìn)行空間分割和實(shí)時(shí)重構(gòu)，現(xiàn)可實(shí)現(xiàn)2 000 m2/h的測(cè)繪效率，在業(yè)內(nèi)屬于領(lǐng)先水平。

3 基于MEMS慣性傳感器的航跡推算

使用微機(jī)電系統(tǒng)(microelectromechanical systems，MEMS)慣性傳感器進(jìn)行導(dǎo)航的基本原理是航跡推算(dead reckoning，DR)，其完全不依賴任何外部信號(hào)，是一種自主的室內(nèi)導(dǎo)航與定位技術(shù)。慣性技術(shù)發(fā)展的一個(gè)重要標(biāo)志是慣性傳感器的發(fā)展，包括測(cè)量原理、器件精度和加工工藝方面。MEMS慣性傳感器是慣性器件的一個(gè)比較大的種類，其制造采用集成電路的加工工藝。縱觀全球，各國(guó)對(duì)MEMS慣性導(dǎo)航的研究方興未艾，包括MEMS加速度計(jì)[36]，MEMS陀螺儀[37]，MEMS磁力計(jì)[38]，MEMS氣壓計(jì)[39]，以及MEMS傳感器信號(hào)處理方法[40]等等。在性能方面，與液浮、氣浮等機(jī)械陀螺和激光、光纖等光學(xué)陀螺儀性能相比，MEMS慣性器件的性能相對(duì)較差，但MEMS慣性傳感器有傳統(tǒng)的慣性儀表無可比擬的優(yōu)點(diǎn)，如體積小、重量輕、成本低、可靠性好、功耗低、易于數(shù)字化和智能化、測(cè)量范圍大等[41]?；谏鲜鎏攸c(diǎn)，MEMS慣性器件開辟了新的應(yīng)用領(lǐng)域如共融機(jī)器人、人工智能、情景感知等。MEMS技術(shù)的發(fā)展已經(jīng)給室內(nèi)導(dǎo)航與定位提供方便有效的硬件基礎(chǔ)，和較為完善的信號(hào)處理方法。因此其特別適用于對(duì)硬件成本要求苛刻的低成本導(dǎo)航與定位領(lǐng)域。

但因?yàn)镸EMS傳感器精度普遍不高，基于MEMS慣性傳感器的DR只能提供短期精確的導(dǎo)航解，雖然通過實(shí)驗(yàn)標(biāo)定可以消除大多數(shù)確定性傳感器誤差的影響，但低成本MEMS慣性器件仍存在嚴(yán)重的溫度敏感性，并且各種殘留的傳感誤差不斷累積并導(dǎo)致姿態(tài)誤差，進(jìn)而使速度和位置解發(fā)散。在3個(gè)姿態(tài)角誤差中，尤其是航向角誤差，會(huì)在沒有外部信息更新時(shí)不斷發(fā)散，使導(dǎo)航與定位解惡化。同時(shí)相比于步長(zhǎng)累計(jì)誤差，航向誤差對(duì)導(dǎo)航與定位精度影響更大[42]。

要想提高M(jìn)EMS慣性傳感器的導(dǎo)航與定位精度，典型的方法如采用更好的隨機(jī)誤差模型來提高傳感器性能，或者引入導(dǎo)航先驗(yàn)信息約束[43]，如：載體運(yùn)動(dòng)學(xué)模型，道路模型，空間約束信息等。筆者也研究過利用室內(nèi)走廊結(jié)構(gòu)關(guān)系約束來修正航向角[44]，提高定位精度，但需要額外的技術(shù)手段獲取走廊等空間信息。零速修正(zero velocity update，ZVU)和靜態(tài)航向鎖定(zero angular velocity update，ZAVU)是行人導(dǎo)航與定位應(yīng)用中最常用的先驗(yàn)信息，它們均可在行人保持靜態(tài)或準(zhǔn)靜態(tài)時(shí)修正速度誤差并估計(jì)部分傳感器誤差，如垂向陀螺零偏；此外學(xué)者們還提供了其它先驗(yàn)信息，例如利用行人步長(zhǎng)速度模型，通過分析加速度計(jì)和陀螺的信息來挖掘航向信息，使用用戶在室內(nèi)運(yùn)動(dòng)時(shí)，有很大概率朝向樓道方向這一假設(shè)來修正航向，當(dāng)實(shí)際導(dǎo)航條件符合使用某種先驗(yàn)信息的前提假設(shè)時(shí)，這些先驗(yàn)信息可以有效提高導(dǎo)航性能。例如：當(dāng)導(dǎo)航設(shè)備或傳感器固定在腳上時(shí)，腳踏在地面時(shí)有明顯的準(zhǔn)靜態(tài)時(shí)段，因而對(duì)ZVU和ZAVU的使用頻繁而可靠；如果固定在腰上，則步態(tài)信息不容易被檢測(cè)，但傳感器測(cè)量值尤其是磁的失真較小，更容易處理。對(duì)人體運(yùn)動(dòng)模型的使用需要事先訓(xùn)練，即估計(jì)參數(shù)模型，因?yàn)槟Ｐ蛥?shù)會(huì)隨著用戶行為習(xí)慣，設(shè)備運(yùn)動(dòng)模式，傳感器精度，甚至應(yīng)用環(huán)境的不同而變化，相應(yīng)的研究還有待深入。

事實(shí)上，為得到長(zhǎng)期高精度的導(dǎo)航與定位解[45]，學(xué)者們經(jīng)常把MEMS慣性傳感器與其它技術(shù)相融合，形成各種組合導(dǎo)航與定位技術(shù)，多傳感融合技術(shù)是最常見的一種，也是研究最熱的一種。

4 多傳感器融合室內(nèi)導(dǎo)航與定位技術(shù)

考慮到各種技術(shù)均有各自的優(yōu)缺點(diǎn)及最適合的應(yīng)用場(chǎng)景，難以用某一種技術(shù)提供一種可靠且低成本的導(dǎo)航與定位方案。因此，將多個(gè)有互補(bǔ)特性的傳感器進(jìn)行有機(jī)組合，獲得優(yōu)于單個(gè)傳感器的性能。近年來，多傳感器融合技術(shù)發(fā)展很快，其研究成果除應(yīng)用在軍事領(lǐng)域外，已迅速擴(kuò)展到自動(dòng)控制、目標(biāo)識(shí)別、交通管制、導(dǎo)航、遙感等多種領(lǐng)域。

從數(shù)學(xué)角度來看，單一傳感器的測(cè)量值組成一個(gè)測(cè)量子空間，而多傳感器融合則是各測(cè)量子空間按照一定的法則向信息融合空間投影。根據(jù)系統(tǒng)模型及傳感器的噪聲的統(tǒng)計(jì)特性假設(shè)，將觀測(cè)數(shù)據(jù)映射到狀態(tài)矢量空間，如位置、速度、角速度、姿態(tài)和傳感器誤差量等。多傳感器信息融合會(huì)根據(jù)觀測(cè)數(shù)據(jù)給出一個(gè)關(guān)于狀態(tài)的最優(yōu)估計(jì)量[46]。

學(xué)者們提出了多種基于移動(dòng)智能終端MEMS傳感器的導(dǎo)航與定位方案，如利用陀螺提供的航向變化來探測(cè)和排除嚴(yán)重的磁場(chǎng)干擾；利用磁強(qiáng)計(jì)信息探測(cè)環(huán)境磁場(chǎng)準(zhǔn)靜態(tài)時(shí)段，并利用這些時(shí)段內(nèi)的磁強(qiáng)計(jì)信息提供相對(duì)航向角的變化來標(biāo)定陀螺。為了提供長(zhǎng)期可靠的導(dǎo)航結(jié)果，不少文獻(xiàn)將MEMS傳感器信息和WiFi信息，GNSS導(dǎo)航衛(wèi)星信息、視覺信息、地磁信息等進(jìn)行融合[47-48]，取得了不錯(cuò)的結(jié)果。

5 結(jié)束語(yǔ)

本文介紹了基于無線信號(hào)的交匯技術(shù)、數(shù)據(jù)庫(kù)匹配技術(shù)、基于MEMS慣性傳感器的航跡推算，以及多傳感器融合等室內(nèi)導(dǎo)航與定位技術(shù)。總結(jié)一下室內(nèi)導(dǎo)航與定位仍面如下挑戰(zhàn)[49-52]：

1)室內(nèi)環(huán)境下無線電信號(hào)不可用或嚴(yán)重衰減；

2)智能設(shè)備內(nèi)置的MEMS傳感器存在環(huán)境敏感性；

3)缺少統(tǒng)一的室內(nèi)定位標(biāo)準(zhǔn)和協(xié)議，各種技術(shù)存在兼容性問題；

4)室內(nèi)環(huán)境復(fù)雜，存在非視距(non line of sigh，NLOS)現(xiàn)象，多徑效應(yīng)和人體的干擾；

5)室內(nèi)環(huán)境可能存在頻繁和嚴(yán)重的電磁干擾，影響了室內(nèi)定位技術(shù)的魯棒性；

6)行人運(yùn)動(dòng)形式多樣化，且不可預(yù)測(cè)性強(qiáng)，制約了人體運(yùn)動(dòng)模型的通用性和可擴(kuò)展性。

室內(nèi)導(dǎo)航與定位的本質(zhì)是解決3個(gè)問題：在哪、去哪和怎么去。當(dāng)前絕大多數(shù)的室內(nèi)導(dǎo)航與定位都是針對(duì)結(jié)構(gòu)化環(huán)境的，其需要空間劃分或者地圖構(gòu)建，這樣才是可導(dǎo)航的，可定位的；在結(jié)構(gòu)化環(huán)境中，基于無線信號(hào)的交匯定位，數(shù)據(jù)庫(kù)匹配技術(shù)仍會(huì)持續(xù)發(fā)展；同時(shí)室內(nèi)導(dǎo)航與定位在非結(jié)構(gòu)環(huán)境下[53]的需求會(huì)日益增加，如單兵作戰(zhàn)[54]、野外探險(xiǎn)、消防救援等，因此一些基于非結(jié)構(gòu)化或者半結(jié)構(gòu)化的室內(nèi)導(dǎo)航與定位技術(shù)有待進(jìn)一步研究，值得一提的是，基于MEMS慣性傳感器的航向推算與其它技術(shù)融合的方法有望成為非結(jié)構(gòu)化環(huán)境室內(nèi)導(dǎo)航與定位的突破口，隨著MEMS技術(shù)的發(fā)展[55-59]，納機(jī)電系統(tǒng)(nano electro mechanical system，NEMS)技術(shù)也逐漸進(jìn)入人們視野，美軍計(jì)劃在2024年將NEMS慣性器件實(shí)用化，相信不久的將來，基于MEMS/NEMS慣性傳感器會(huì)在室內(nèi)導(dǎo)航與定位中大放異彩。

可以展望，未來室內(nèi)導(dǎo)航與定位技術(shù)新的發(fā)展趨勢(shì)如下：

1)室內(nèi)定位技術(shù)標(biāo)準(zhǔn)和協(xié)議的統(tǒng)一；

2)研究多傳感器融合的新方法，多源異構(gòu)傳感器的在線融合理論有待成熟；

3)研究傳感器積累誤差進(jìn)行在線智能校準(zhǔn)；

4)研究行人高動(dòng)態(tài)如奔跑條件下的精細(xì)積分算法；

5)探索行人在未知非結(jié)構(gòu)環(huán)境且無地圖等數(shù)據(jù)庫(kù)輔助的情況下，室內(nèi)定位系統(tǒng)的魯棒性問題；

6)室內(nèi)定位系統(tǒng)的微型化研究，結(jié)合3D堆疊封裝技術(shù)將系統(tǒng)做小，向系統(tǒng)微型化方向研究；

7)結(jié)合人工智能等新興的智能算法和可進(jìn)化的電路，研究室內(nèi)定位系統(tǒng)的智能化，如人機(jī)交互，情景感知等。

未來，室內(nèi)導(dǎo)航與定位技術(shù)會(huì)在導(dǎo)航、火警救援、解救人質(zhì)、突擊任務(wù)、防爆、建筑物室內(nèi)地圖繪制、人的健康監(jiān)測(cè)等諸多領(lǐng)域大顯身手，更好的為國(guó)計(jì)民生服務(wù)。

[1] GROVES P D.Principles of GNSS，inertial，and multi-sensor integrated navigation systems[M].2nd ed.London：Artech House，2013：1-10.

[2] 張亦蘇.淺談無線通信技術(shù)的發(fā)展趨勢(shì)[J].中國(guó)新通信，2017，19(7)：26-26.

[3] 鄒德岳.異構(gòu)無線系統(tǒng)室內(nèi)外無縫定位技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2016.

[4] BRUNATO M，BATTITI R.Statistical learning theory for location fingerprinting in wireless LANs[J].Computer Networks，2005，47(6)：825-845.

[5] HIGHTOWER J，BORRIELLO G.A survey and taxonomy of location systems for ubiquitous computing[J].IEEE Computer，2001，34(8)：57-66.

[6] PATWARI N，ASH J N，KYPEROUNTAS S，et al.Locating the nodes：cooperative localization in wireless sensor networks[J].IEEE Signal Processing Magazine，2005，22(4)：54-69.

[7] TEUBER A，EISSFELLER B，PANY T.A two-stage fuzzy logic approach for wireless LAN indoor positioning[EB/OL].[2017-12-20].https：//www.researchgate.net/publication/251820741_A_Two-Stage_Fuzzy_Logic_Approach_for_Wireless_LAN_Indoor_Positioning.

[8] CRISTIANINI N，SHAWE-TAYLOR J.An introduction to support vector machines[M].Beijing：China Machine Press，2005：1-20.

[9] WERB J，LANZL C.Designing a positioning system for finding things and people indoors[J].Spectrum IEEE，1998，35(9)：71-78.

[10] WEISS S，SCARAMUZZA D，SIEGWART R.Monocular-SLAM-based navigation for autonomous micro helicopters in GPS-denied environments[J].Journal of Field Robotics，2011，28(6)：854-874.

[11] ANGELIS A D，NILSSON J，SKOG I，et al.Indoor positioning by ultrawide band radio aided inertial navigation[J].Metrology & Measurement Systems，2010，17(3)：447-460.

[12] KUMAR S，GIL S，KATABI D，et al.Accurate indoor localization with zero start-up cost[EB/OL].[2017-12-20].https：//www.cse.buffalo.edu/～lusu/cse726/papers/Accurate%20Indoor%20Localization%20With%20Zero%20Start-up%20Cost.pdf.

[13] THRUN S，MARTIN C，LIU Y，et al.A real-time expectation-maximization algorithm for acquiring multiplanar maps of indoor environments with mobile robots[J].IEEE Transactions on Robotics & Automation，2004，20(3)：433-443.

[14] CHOW J C K，LICHTI D D，HOL J D，et al.IMU and multiple RGB-D camera fusion for assisting indoor stop-and-go 3D terrestrial laser scanning[J].Robotics，2014，3(3)：247-280.

[15] FOX D，HIGHTOWER J，LIAO L，et al.Bayesian filtering for location estimation[J].Pervasive Computing IEEE，2003，2(3)：24-33.

[16] YANG P，WU W，MONIRI M，et al.Efficient object localization using sparsely distributed passive RFID tags[J].IEEE Transactions on Industrial Electronics，2013，60(12)：5914-5924.

[17] PARK S，HASHIMOTO S.Autonomous mobile robot navigation using passive RFID in indoor environment[J].IEEE Transactions on Industrial Electronics，2009，56(7)：2366-2373.

[18] VENKATRAMAN S，CAFFERY J J，YOU H R.A novel TOA location algorithm using LOS range estimation for NLOS environments[J].IEEE Transactions on Vehicular Technology，2004，53(5)：1515-1524.

[19] HO K C，CHAN Y T.Solution and performance analysis of geolocation by TDOA[J].IEEE Transactions on Aerospace & Electronic Systems，2002，29(4)：1311-1322.

[21] WU Z，F(xiàn)U K，JEDARI E，et al.A fast and resource efficient method for indoor positioning using received signal strength[J].IEEE Transactions on Vehicular Technology，2016，65(12)：9747-9758.

[22] DENG Z，F(xiàn)U X，WANG H.An IMU-aided body-shadowing error compensation method for indoor bluetooth positioning[J].Sensors，2018，18(1)：304.

[23] WANT R.An introduction to RFID technology[J].IEEE Pervasive Computing，2006，5(1)：25-33.

[24] LEE J S，SU Y W，SHEN C C.A comparative study of wireless protocols：bluetooth，uwb，zigbee，and Wi-Fit[EB/OL].[2017-12-20].http：//eee.guc.edu.eg/Announcements/Comparaitive_Wireless_standards.pdf.

[25] CHEN P，KUANG Y，CHEN X.A UWB/improved PDR integration algorithm applied to dynamic indoor positioning for pedestrians[J].Sensors，2017，17(9)：2065.

[26] 岳曉奎，袁建平，吳瓊.偽衛(wèi)星技術(shù)發(fā)展和應(yīng)用綜述[J].全球定位系統(tǒng)，2005，30(2)：47-51.

[27] 范平志.蜂窩網(wǎng)無線定位[M].北京：電子工業(yè)出版社，2002.

[28] RAHARIJAONA T，MAWONOU R，NGUYEN T V，et al.Local positioning system using flickering infrared LEDs[J].Sensors，2017，17(11)：2518.

[29] 鄭靜，張劼，華澤釗，等.室內(nèi)超聲波定位系統(tǒng)的構(gòu)建與測(cè)試[J].上海理工大學(xué)學(xué)報(bào)，2007，29(6)：553-556.

[30] 高巖.基于WiFi--FM指紋和最小集匹配的室內(nèi)定位系統(tǒng)的研究[D].天津：南開大學(xué)，2016.

[31] LUO X，GUAN Q，TAN H，et al.Simultaneous indoor tracking and activity recognition using pyroelectric infrared sensors[J].Sensors，2017，17(8)：1738.

[32] 劉釗，陳衛(wèi)衛(wèi)，李志剛.一種基于磁場(chǎng)信息匹配的返航導(dǎo)航算法[J].軍事通信技術(shù)，2016，37(1)：80-84.

[33] WU L，WANG H，CHAI H，et al.Performance evaluation and analysis for gravity matching aided navigation[J].Sensors，2017，17(4)：769.

[34] 鄭文翰.基于WLAN的室內(nèi)定位技術(shù)研究與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2016.

[35] 閆金金，尚建嘎，余芳文，等.一種面向室內(nèi)定位的3D建筑模型構(gòu)建方法[J].計(jì)算機(jī)應(yīng)用與軟件.2013，30(10)：16-20.

[36] ROY A L，BHATTACHARYYA T K.Design，fabrication and characterization of high performance SOI MEMS piezoresistive accelerometers[EB/OL].[2017-12-20].https：//link.springer.com/article/10.1007%2Fs00542-013-1904-y.

[37] XING H，HOU B，LIN Z，et al.Modeling and compensation of random drift of MEMS gyroscopes based on least squares support vector machine optimized by chaotic particle swarm optimization[J].Sensors，2017，17(10)：2335.

[38] ABDULRAHIM K，SEMAN K，OTHMAN M，et al.On magnetometer heading updates for inertial pedestrian navigation system[J].Gyroscopy & Navigation，2014，5(3)：145-152.

[39] BOLANAKIS D E.MEMS barometers in a wireless sensor network for position location applications[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of 2016 IEEE Virtual Conference on Applications of Commercial Sensors(VCACS).Raleigh，NC：IEEE，2017：1-8.

[40] LYSHEVSKI S E.Signal processing in cyber-physical MEMS sensors：inertial measurement and navigation systems[J].IEEE Transactions on Industrial Electronics，2017，64(12)：9618-9625.

[41] SHENG H，ZHANG T.MEMS-based low-cost strap-down AHRS research[J].Measurement，2015，59：63-72.

[42] WANG Y，SOLTANI M，HUSSAIN D M A.A nonlinear attitude estimator for attitude and heading reference systems based on MEMS sensors[EB/OL].[2017-12-20].https：//core.ac.uk/download/pdf/60647350.pdf.

[43] MUMTAZ N，ARIF S，QADEER N，et al.Development of a low cost wireless IMU using MEMS sensors for pedestrian navigation[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the International Conference on Communication，Computing and Digital Systems.Islamabad：IEEE，2017：310-315.

[44] LIU G X，SHI L F.Adaptive algorithm of magnetic heading detection[J].Measurement Science and Technology，2017，28(11)：1-8.

[45] RUPPELT J，MERZ P，TROMMER G F.IndoorGuide — a multi sensor pedestrian navigation system for precise and robust indoor localization[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of Intertial Sensors and Systems(ISS)，2016 DGON.Karlsruhe：IEEE，2016：1-20.

[46] GENG H，LIANG Y，LIU Y，et al.Bias estimation for asynchronous multi-rate multi-sensor fusion with unknown inputs [J].Information Fusion，2018，39：139-53.

[47] LI Y，ZHUANG Y，ZHANG P，et al.An improved inertial/WiFi/magnetic fusion structure for indoor navigation[J].Information Fusion，2017，34(C)：101-19.

[48] BELMONTE-HERNNDEZ A，HERNNDEZ-PEALOZA G，LVAREZ F，et al.Adaptive fingerprinting in multi-sensor fusion for accurate indoor tracking[J].IEEE Sensors Journal，2017，17(15)：4983-4998.

[49] SHANG J，HU X，GU F，et al.Improvement schemes for indoor mobile location estimation：a survey[EB/OL].[2017-12-20].https://downloads.hindawi.com/journals/mpe/2015/397298.pdf.

[51] YASSIN A，NASSER Y，AWAD M，et al.Recent advances in indoor localization：a survey on theoretical approaches and applications[J].IEEE Communications Surveys & Tutorials，2017，19(2)：1327-1346.

[52] HE S，CHAN S H G.Wi-Fi fingerprint-based indoor positioning：recent advances and comparisons[J].IEEE Communications Surveys & Tutorials，2017，18(1)：466-490.

[53] 韓光，孫寧，李曉飛，等.非結(jié)構(gòu)環(huán)境理解綜述[J].計(jì)算機(jī)應(yīng)用研究，2014，31(8)：2248-2253.

[54] 潘獻(xiàn)飛，穆華，胡小平.單兵自主導(dǎo)航技術(shù)發(fā)展綜述[J].導(dǎo)航定位與授時(shí)，2018，5(1)：1-11.

[55] DUONG D Q，SUN J，NGUYEN T P，et al.Attitude estimation by using MEMS IMU with fuzzy tuned complementary filter[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of IEEE International Conference on Electronic Information and Communication Technology.Harbin：IEEE，2017：372-378.

[56] NOURMOHAMMADI H，KEIGHOBADI J.Decentralized INS/GNSS system with MEMS-grade inertial sensors using QR-factorized CKF[J].IEEE Sensors Journal，2017，17(11)：3278-3287.

[57] MAROUFI M，F(xiàn)OWLER A G，MOHEIMANI S O R.MEMS for nanopositioning：design and applications[J].Journal of Microelectromechanical Systems，2017，26(3)：460-500.

[58] HEINZ D B，HONG V A，YANG Y，et al.High-g(>20，000g)inertial shock survivability of epitaxially encapsulated silicon MEMS devices[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of IEEE International Conference on MICRO Electro Mechanical Systems.Las Vegas：IEEE，2017：1122-1125.

[59] LI T，ZHANG H，NIU X，et al.Tightly-coupled integration of multi-GNSS single-frequency RTK and MEMS-IMU for enhanced positioning performance[EB/OL].[2017-12-20].https://www.researchgate.net/publication/320677876_Tightly-Coupled_Integration_of_Multi-GNSS_Single-Frequency_RTK_and_MEMS-IMU_for_Enhanced_Positioning_Performance.