[论文解读] Indoor Localization Algorithm For Smartphones
本文提出了一种基于区域状态的智能手机室内定位算法，通过融合惯性测量数据、WiFi RSSI 和室内地图数据，提升了定位精度。通过将用户位置建模为动态区域状态，并利用WiFi接入点作为邻近性指示器，系统有效减少了漂移，实测中实现了1.6米的平均定位误差。
Increasing sources of sensor measurements and prior knowledge have become available for indoor localization on smartphones. How to effectively utilize these sources for enhancing localization accuracy is an important yet challenging problem. In this paper, we present an area state-aided localization algorithm that exploits various sources of information. Specifically, we introduce the concept of area state to indicate the area where the user is on an indoor map. The position of the user is then estimated using inertial measurement unit (IMU) measurements with the aid of area states. The area states are in turn updated based on the position estimates. To avoid accumulated errors of IMU measurements, our algorithm uses WiFi received signal strength indicator (RSSI) to indicate the vicinity of the user to the routers. The experiment results show that our system can achieve satisfactory localization accuracy in a typical indoor environment.
研究动机与目标
- 解决使用低成本传感器进行智能手机室内定位时存在的漂移与低精度问题。
- 整合来自室内地图和WiFi接入点的先验知识，以增强定位的鲁棒性。
- 开发一种适用于标准智能手机的实时、实用的室内定位系统。
- 通过利用空间约束和邻近性指示器，减少航位推算中的累积误差。
提出的方法
- 提出“区域状态”概念，用于表示用户在室内地图特定区域（如走廊）内的位置。
- 使用加速度计和陀螺仪数据进行航位推算，逐步估算位置和航向，初始位置和姿态假设已知。
- 应用地图约束以校正轨迹漂移，尤其在转弯点和走廊交汇处。
- 利用WiFi RSSI检测与接入点的接近程度，作为绝对位置指示器以校正漂移。
- 采用反馈回路机制，根据位置估计更新区域状态，并利用地图和WiFi数据进一步优化位置估计。
- 使用JOSM进行地图创建与校准，通过节点、链路和参考点表示空间结构。
实验结果
研究问题
- RQ1从室内地图中提取的区域状态是否能有效减少基于智能手机航位推算的漂移？
- RQ2结合WiFi RSSI邻近检测与地图约束，能否显著提升定位精度？
- RQ3同时使用地图信息与WiFi指示器相比单独使用任一方法，性能提升如何？
- RQ4系统对传感器噪声、步长检测错误及手机方向变化的鲁棒性如何？
主要发现
- 所提算法将真实环境中仅使用IMU时的平均定位误差从4.2米降低至1.6米。
- 当同时使用区域状态与WiFi指示器时，累积分布函数（CDF）显示90%的定位误差低于2.5米。
- 地图约束显著减少了由传感器漂移和步长校准偏差引起的小尺度误差。
- WiFi RSSI邻近检测有效校正了位置漂移，尤其在开阔区域或靠近接入点时表现更优。
- 由于基于地图的轨迹约束，系统在走廊环境中表现出良好鲁棒性，即使存在轻微的步长误检也仍能稳定工作。
- 经过校准后，航向估计偏差（如方位角漂移）被控制在2度以内，显著提升了长期定位精度。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。