引言

室內(nèi)導(dǎo)航與定位關(guān)乎國(guó)家安全，是全球大國(guó)競(jìng)爭(zhēng)的核心利益。無(wú)人機(jī)最缺它！一旦無(wú)人機(jī)像人一樣室內(nèi)活動(dòng)自如，將開(kāi)啟一個(gè)比現(xiàn)有規(guī)模還大的室內(nèi)市場(chǎng)，對(duì)于室外環(huán)境，全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System, GNSS)諸如美國(guó)的全球定位系統(tǒng)(Global Positioning System, GPS)、我國(guó)的北斗衛(wèi)星導(dǎo)航系統(tǒng)(BeiDou Navigation Satellite System, BDS)能夠?yàn)橛脩籼峁┹^高精度的定位服務(wù)，基本滿足了用戶在室外場(chǎng)景中對(duì)基于位置服務(wù)的需求。然而，個(gè)人用戶、服務(wù)機(jī)器人、掃地機(jī)器人等有大量的定位需求發(fā)生在室內(nèi)場(chǎng)景。而室內(nèi)場(chǎng)景受到建筑物的遮擋，GNSS信號(hào)快速衰減，甚至完全拒止，無(wú)法滿足室內(nèi)場(chǎng)景中導(dǎo)航定位的需要。因此，室內(nèi)定位技術(shù)成為工業(yè)界與學(xué)術(shù)界研究的熱點(diǎn)。

相比于美國(guó)軍方于1964年正式投入使用的子午儀衛(wèi)星定位系統(tǒng)(Transit)[1]以及后來(lái)以此為前身于1994年全面建成的GPS[2]，室內(nèi)定位技術(shù)起步較晚，美國(guó)聯(lián)邦通信委員會(huì)(Federal Communications Commission, FCC)在1996年制定了初衷用于應(yīng)急救援的E-911定位標(biāo)準(zhǔn)[3]，之后在各行業(yè)應(yīng)用需求的推動(dòng)下，室內(nèi)定位技術(shù)得到了快速的發(fā)展。目前，國(guó)內(nèi)外研究已提出了射頻識(shí)別技術(shù)(Radio Frequency Identification, RFID)、藍(lán)牙、WLAN(Wireless Local Area Networks)、超寬帶(Ultra-Wideband, UWB)等室內(nèi)定位技術(shù)及系統(tǒng)，其中部分定位技術(shù)已經(jīng)商用。但是，由于室內(nèi)場(chǎng)景的復(fù)雜性和多樣性，不同的室內(nèi)定位技術(shù)也具有不同的缺點(diǎn)和局限性，尚未形成與GNSS類似的普適解決方案。

本文首先對(duì)目前主要的室內(nèi)定位技術(shù)的原理進(jìn)行簡(jiǎn)要介紹，然后對(duì)室內(nèi)定位技術(shù)的分類進(jìn)行闡述，并針對(duì)目前主流的室內(nèi)定位技術(shù)進(jìn)行詳細(xì)介紹。最后介紹室內(nèi)定位技術(shù)的應(yīng)用場(chǎng)景和發(fā)展前景。

室內(nèi)定位技術(shù)

室內(nèi)定位是指在室內(nèi)環(huán)境中實(shí)現(xiàn)位置定位，主要采用無(wú)線通信、基站定位、慣導(dǎo)定位等多種技術(shù)集成形成一套室內(nèi)位置定位體系，從而實(shí)現(xiàn)人員、物體等在室內(nèi)空間中的位置監(jiān)控。

隨著通信技術(shù)和電子制造工藝的不斷發(fā)展和普及，室內(nèi)定位技術(shù)層出不窮，定位精度從幾米到幾十米都有，并在一些行業(yè)中得到了應(yīng)用。

01 室內(nèi)定位方法

目前室內(nèi)定位常用的定位方法，從原理上主要分為七種：鄰近探測(cè)法、質(zhì)心定位法、多邊定位法、三角定位法、極點(diǎn)法、指紋定位法和航位推算法[4]。

ProximityDetection(鄰近探測(cè)法)

鄰近探測(cè)法，又稱為CoO(Cell of Origin)法或Cell-ID(Cell Identification)法，通過(guò)一些有范圍限制的物理信號(hào)的接收，從而判斷移動(dòng)設(shè)備是否出現(xiàn)在某一個(gè)發(fā)射點(diǎn)附近。該方法的定位精度取決于發(fā)射點(diǎn)的布設(shè)密度和信號(hào)覆蓋范圍。該方法雖然只能提供大概的定位信息，但其布設(shè)成本低、易于搭建，適合于一些對(duì)定位精度要求不高的應(yīng)用，例如自動(dòng)識(shí)別系統(tǒng)用于公司的員工簽到。 

Centroid Determination(質(zhì)心定位法)

質(zhì)心定位法是根據(jù)移動(dòng)設(shè)備可接收信號(hào)范圍內(nèi)所有已知的信標(biāo)(beacon)位置，計(jì)算其質(zhì)心坐標(biāo)作為移動(dòng)設(shè)備的坐標(biāo)。相應(yīng)地，也可以根據(jù)接收信號(hào)強(qiáng)度指示(Received Signal Strength Indication, RSSI)設(shè)置對(duì)應(yīng)的信標(biāo)的權(quán)重，得到加權(quán)質(zhì)心作為移動(dòng)設(shè)備的坐標(biāo)。該方法算法易于理解，計(jì)算量小，定位精度取決于信標(biāo)的布設(shè)密度。

Multilateration(多邊定位法)

該方法是通過(guò)測(cè)量待測(cè)目標(biāo)到已知參考點(diǎn)之間的距離，從而確定待測(cè)目標(biāo)的位置?；诙噙叾ㄎ坏亩ㄎ幌到y(tǒng)可以采用多種距離估計(jì)方法，比較常見(jiàn)的距離估計(jì)法有基于信號(hào)到達(dá)時(shí)間(Time Of Arrival, TOA)，基于信號(hào)到達(dá)時(shí)間差(Time Difference Of Arrival, TDOA)，基于增強(qiáng)觀測(cè)時(shí)間差(Enhanced Observed Time Difference, E-OTD)，基于往返時(shí)間(Round Trip Time, RTT)，基于接收信號(hào)強(qiáng)度指示[5][6]。

Triangulation(多邊定位法)

三角定位法，也可稱為到達(dá)角測(cè)量法(Arrival Of Angle, AOA)。該方法是在獲取待測(cè)目標(biāo)相對(duì)兩個(gè)已知參考點(diǎn)的角度后結(jié)合兩參考點(diǎn)間的距離信息可以確定唯一的三角形，即可確定待測(cè)目標(biāo)的位置。到達(dá)角信息，亦即信號(hào)到達(dá)的角度，可以通過(guò)定向天線獲取。同時(shí)基于攝像頭的定位系統(tǒng)也可實(shí)現(xiàn)基于AOA的定位[7]。

Polar Point Method(極點(diǎn)法)

極點(diǎn)法通過(guò)測(cè)量相對(duì)某一已知參考點(diǎn)的距離和角度從而確定待測(cè)點(diǎn)的位置。該方法僅需已知一個(gè)參考點(diǎn)的位置坐標(biāo)，因此使用非常方便，已經(jīng)在大地測(cè)量中得到廣泛應(yīng)用，多個(gè)待測(cè)目標(biāo)的位置可以僅從一個(gè)全站儀的簡(jiǎn)單建立得到。

Fingerprinting(指紋定位法)

指紋定位采集的標(biāo)準(zhǔn)量是射頻信號(hào)，但指紋定位法也可采用聲音信號(hào)、光信號(hào)或其他無(wú)線信號(hào)實(shí)現(xiàn)。指紋定位通常包括兩個(gè)階段：第一階段，離線校準(zhǔn)階段，通過(guò)實(shí)際采集或計(jì)算分析建立指紋地圖。具體地，選擇室內(nèi)場(chǎng)景中的多個(gè)位置點(diǎn)采集多個(gè)基站發(fā)出的信號(hào)的強(qiáng)度并加入到指紋數(shù)據(jù)庫(kù)中。第二階段，定位階段，通過(guò)將實(shí)際實(shí)時(shí)接收到的信號(hào)于指紋數(shù)據(jù)庫(kù)中的信號(hào)特征參數(shù)進(jìn)行對(duì)比找到最好的匹配參數(shù)，其對(duì)應(yīng)的位置坐標(biāo)即認(rèn)為是待測(cè)目標(biāo)的位置坐標(biāo)。指紋定位的優(yōu)勢(shì)是幾乎不需要參考測(cè)量點(diǎn)，定位精度相對(duì)較高，但缺點(diǎn)是前期離線建立指紋庫(kù)的工作量巨大，同時(shí)很難自適應(yīng)于環(huán)境變化較大的場(chǎng)景。 

Dead Reckoning(航位推算法)

指紋定位采集的標(biāo)準(zhǔn)量是射頻信號(hào)，但指紋定位法也可采用聲音信號(hào)、光信號(hào)或其他無(wú)線信號(hào)實(shí)現(xiàn)。指紋定位通常包括兩個(gè)階段：第一階段，離線校準(zhǔn)階段，通過(guò)實(shí)際采集或計(jì)算分析建立指紋地圖。具體地，選擇室內(nèi)場(chǎng)景中的多個(gè)位置點(diǎn)采集多個(gè)基站發(fā)出的信號(hào)的強(qiáng)度并加入到指紋數(shù)據(jù)庫(kù)中。第二階段，定位階段，通過(guò)將實(shí)際實(shí)時(shí)接收到的信號(hào)于指紋數(shù)據(jù)庫(kù)中的信號(hào)特征參數(shù)進(jìn)行對(duì)比找到最好的匹配參數(shù)，其對(duì)應(yīng)的位置坐標(biāo)即認(rèn)為是待測(cè)目標(biāo)的位置坐標(biāo)。指紋定位的優(yōu)勢(shì)是幾乎不需要參考測(cè)量點(diǎn)，定位精度相對(duì)較高，但缺點(diǎn)是前期離線建立指紋庫(kù)的工作量巨大，同時(shí)很難自適應(yīng)于環(huán)境變化較大的場(chǎng)景。

02 室內(nèi)定位觀測(cè)量

不同的室內(nèi)定位方法選擇不同的觀測(cè)量，通過(guò)不同的觀測(cè)量提取算法所需要的信息。下面對(duì)主要的觀測(cè)量進(jìn)行簡(jiǎn)要的介紹。

RSSI測(cè)量

RSSI測(cè)量是通過(guò)計(jì)算信號(hào)的傳播損耗，可以使用理論或者經(jīng)驗(yàn)?zāi)Ｐ蛠?lái)將傳播損耗轉(zhuǎn)化為距離，也可以用于指紋定位建立指紋庫(kù)。

在自由空間中，距發(fā)射機(jī)d處的天線接收到的信號(hào)強(qiáng)度可由下式給出[4]：  

其中，PT表示發(fā)射功率；PR表示距離d處的接收功率；GT表示發(fā)射天線的增益； GR表示接收天線的增益；λ表示信號(hào)波長(zhǎng)；L表示系統(tǒng)的損失(L>1) 。

TOA測(cè)量

TOA方法主要測(cè)量信號(hào)在基站和移動(dòng)臺(tái)之間的單程傳播時(shí)間或來(lái)回傳播時(shí)間。前者要求基站與移動(dòng)臺(tái)間的時(shí)鐘同步。

TOA測(cè)量的定位方法為多邊定位。若電磁波從移動(dòng)臺(tái)到基站的傳播時(shí)間為t，電磁波的傳播速度為c，則移動(dòng)臺(tái)位于以該基站為圓心，c×t為半徑的圓上。同理在第二個(gè)、第三個(gè)基站的圓上，故移動(dòng)臺(tái)的位置坐標(biāo)應(yīng)為這三個(gè)圓的交點(diǎn)。如圖1所示，A、B、C為三個(gè)已知位置的基站，P為移動(dòng)臺(tái)，R1、R2、R3分別為移動(dòng)臺(tái)到基站A、B、C的距離。

圖1. 基于TOA的定位原理[9]

TDOA測(cè)量

該方法同樣是測(cè)量信號(hào)到達(dá)時(shí)間，但使用到達(dá)時(shí)間差進(jìn)行定位計(jì)算，可利用雙曲線交點(diǎn)確定移動(dòng)臺(tái)位置，故可以避免對(duì)基站和移動(dòng)臺(tái)的精確同步。

通過(guò)TDOA測(cè)量，可以得到未知移動(dòng)臺(tái)到兩個(gè)基站的距離之差，即移動(dòng)臺(tái)位于以兩個(gè)基站為焦點(diǎn)的雙曲線上。引入第三個(gè)基站，可以得到兩個(gè)以上雙曲線方程，則雙曲線的交點(diǎn)即為移動(dòng)臺(tái)的位置。如圖2所示，A、B、C為三個(gè)已知位置的基站，P為移動(dòng)臺(tái)，R1、R2、R3分別為移動(dòng)臺(tái)到基站A、B、C的距離，其中R2－R1、R3－R1為定值。

AOA測(cè)量

AOA方法是指接收機(jī)通過(guò)天線陣列測(cè)出電磁波的入射角度，包括測(cè)量基站信號(hào)到移動(dòng)臺(tái)的角度或者移動(dòng)臺(tái)信號(hào)到達(dá)基站的角度。每種方式均會(huì)產(chǎn)生從基站到移動(dòng)臺(tái)的方向線。兩個(gè)基站可以得到兩條方向線，其交點(diǎn)即為移動(dòng)臺(tái)位置。因此，AOA方法只需要兩個(gè)基站即可確定移動(dòng)臺(tái)位置。如圖3所示，θ1為移動(dòng)臺(tái)P的信號(hào)到達(dá)基站A的角度，θ2為信號(hào)到達(dá)基站B的角度。

AOA需要準(zhǔn)確測(cè)量電磁波的入射角，對(duì)天線的要求非常高，如果每個(gè)基站均安裝天線陣列，將導(dǎo)致設(shè)備復(fù)雜度變高。而在室內(nèi)環(huán)境中多徑效應(yīng)和環(huán)境變化均會(huì)嚴(yán)重影響方向判斷，干擾定位結(jié)果。

圖3. 基于AOA的定位原理[9]

方向和距離

獲取方向和距離多用于航位推算定位，采用自包含傳感器記錄載體的物理信息，計(jì)算得到方向和距離，從而在已知上一位置的基礎(chǔ)上計(jì)算得到當(dāng)前的未知。

03 室內(nèi)定位分類

室內(nèi)定位技術(shù)的分類對(duì)于室內(nèi)定位結(jié)構(gòu)體系的構(gòu)建具有重要的價(jià)值。

華盛頓大學(xué)的J. Hightower和G. Borriello在2001年就提出了以定位位置類型、絕對(duì)/相對(duì)定位、主動(dòng)/被動(dòng)定位、精度、覆蓋范圍、所用信號(hào)等方面對(duì)定位技術(shù)進(jìn)行分類，以方便研究人員和開(kāi)發(fā)者更好地評(píng)估一個(gè)定位系統(tǒng)[10]。清華大學(xué)的劉長(zhǎng)征等人在2003年根據(jù)測(cè)量和計(jì)算的實(shí)體將定位技術(shù)分為基于網(wǎng)絡(luò)的定位技術(shù)和基于移動(dòng)終端的定位技術(shù)[11]。北京理工大學(xué)的房秉毅在2006年根據(jù)應(yīng)用精度將室內(nèi)定位技術(shù)大致分為“目標(biāo)發(fā)現(xiàn)”類和“智能空間”類[12]。李泳按照通信手段和測(cè)量所采用的技術(shù)對(duì)室內(nèi)定位系統(tǒng)進(jìn)行了分類[13]。

2009年，梁元誠(chéng)提出了三種室內(nèi)定位技術(shù)的分類方法：基于位置感知技術(shù)，分為基于臨近關(guān)系、基于三角關(guān)系和基于場(chǎng)景分析的定位技術(shù)；基于信號(hào)測(cè)量技術(shù)，分為基于RSSI測(cè)量、基于TOA測(cè)量、基于TDOA測(cè)量、基于AOA測(cè)量、基于Cell-ID以及基于BER(Bit Error Rate)測(cè)量的定位；基于傳感器類型，可以分為基于RFID、紅外線、超聲波系統(tǒng)、藍(lán)牙、超寬帶系統(tǒng)、Zigbee、WLAN、GSM和GPS等[14]。

同年，F(xiàn). Seco根據(jù)室內(nèi)定位中定位算法，將定位技術(shù)分為四類：基于幾何的方法、基于成本最小化的方法、指紋定位和貝葉斯技術(shù)[15]。

2013年，北京郵電大學(xué)的鄧中亮提出按照定位原理可以分為識(shí)別(Identity)、幾何法和指紋定位；按照傳輸信號(hào)不同分為Wi-Fi、Zigbee、RFID、藍(lán)牙、超寬帶、偽衛(wèi)星、蜂窩網(wǎng)絡(luò)和激光等[16]。

同時(shí)，按照定位范圍分為廣域室內(nèi)定位和居于室內(nèi)定位[17]。其他常見(jiàn)的定位分類標(biāo)準(zhǔn)還有：基于距離和距離無(wú)關(guān)的定位技術(shù)、遞增式和并發(fā)式的定位技術(shù)、基于信標(biāo)節(jié)點(diǎn)和無(wú)信標(biāo)節(jié)點(diǎn)的定位技術(shù)以及集中式定位與分布式定位技術(shù)等[13]。 

04 主流的室內(nèi)定位技術(shù)

根據(jù)前面介紹的定位方法，衍生出了多種室內(nèi)定位技術(shù)，下面將對(duì)主流的室內(nèi)定位技術(shù)進(jìn)行簡(jiǎn)要介紹。

視覺(jué)定位

視覺(jué)定位系統(tǒng)可以分為兩類，一類是通過(guò)移動(dòng)的傳感器（如攝像頭）采集圖像確定該傳感器的位置，另一類是固定位置的傳感器確定圖像中待測(cè)目標(biāo)的位置。根據(jù)參考點(diǎn)選擇不同又可以分為參考三維建筑模型、圖像、預(yù)部署目標(biāo)、投影目標(biāo)、他傳感器和無(wú)參考[18]。參考3D建筑模型和圖像分別是以已有建筑結(jié)構(gòu)數(shù)據(jù)庫(kù)和預(yù)先標(biāo)定圖像進(jìn)行比對(duì)。而為提高魯棒性，參考預(yù)部署目標(biāo)使用布置好的特定圖像標(biāo)志（如二維碼）作為參考點(diǎn)；投影目標(biāo)則是在參考預(yù)部署目標(biāo)的基礎(chǔ)上在室內(nèi)環(huán)境投影參考點(diǎn)。參考其他傳感器則可以融合其他傳感器數(shù)據(jù)以提高精度、覆蓋范圍或魯棒性。

Hile和Borriello使用照相手機(jī)比對(duì)圖像和樓層平面圖，達(dá)到了30cm的定位精度[19]。Sj?使用一個(gè)低分辨率相機(jī)基于參考圖像實(shí)現(xiàn)SLAM(Simultaneous Localization And Mapping)算法，達(dá)到了亞米級(jí)的定位精度[20]。Mulloni使用條形碼作為參考點(diǎn)標(biāo)記，實(shí)現(xiàn)了厘米到分米級(jí)的定位精度[21]。Tilch和Mautz使用一個(gè)移動(dòng)相機(jī)和激光儀作投影，定位精度可達(dá)到亞毫米級(jí)[22]。LiuT.使用一個(gè)6自由度慣性測(cè)量單元(Inertial Measurement Unit, IMU)和兩個(gè)激光掃描器獲取位置，平均定位精度達(dá)到行走距離的1%[23]。 
紅外線定位

紅外線是一種波長(zhǎng)在無(wú)線電波和可見(jiàn)光波之間的電磁波?；诩t外線的定位系統(tǒng)可以主要分為兩類：有源信標(biāo)、紅外成像[4]。

有源信標(biāo)是在室內(nèi)放置若干紅外接收機(jī)，同時(shí)待測(cè)物攜帶一個(gè)裝有紅外發(fā)射機(jī)的電子標(biāo)簽。該標(biāo)簽周期發(fā)送該待測(cè)物的ID，接收機(jī)接收到信號(hào)后將數(shù)據(jù)發(fā)送到數(shù)據(jù)庫(kù)進(jìn)行定位。該方法具有代表性的是AT&T實(shí)驗(yàn)室和劍橋在1992年聯(lián)合發(fā)布的Active Badge系統(tǒng)。該系統(tǒng)可以達(dá)到6米的平均定位精度[24]。

紅外成像則是通過(guò)傳感器采集環(huán)境中自然紅外輻射生成圖像實(shí)現(xiàn)檢測(cè)行人或其他待測(cè)目標(biāo)。2011年德國(guó)Ambiplex提供基于自然環(huán)境熱輻射的“IR.Loc”定位系統(tǒng)，基于AOA確定熱源的位置，可實(shí)現(xiàn)10m范圍內(nèi)20cm至30cm的定位精度[25]。

Polar Systems(極點(diǎn)定位)

該系統(tǒng)通過(guò)儀器測(cè)量到達(dá)角或者到達(dá)時(shí)間進(jìn)行定位，儀器通常有激光跟蹤儀、全站儀和經(jīng)緯儀。全站儀的可覆蓋范圍通常為2km到10km，但其設(shè)備高成本、大體積以及對(duì)可視距的要求使其不適用于在室內(nèi)定位中推廣。NikonMetrology 2011年發(fā)布的iGPS(indoor Global Positioning System)實(shí)現(xiàn)了基于激光的室內(nèi)工業(yè)級(jí)高精度三維定位。其原理與GPS不同，包括不少于兩個(gè)固定位置的發(fā)射器發(fā)射扇形激光束和參考紅外脈沖，基于TDOA原理實(shí)現(xiàn)對(duì)接收機(jī)的定位。NikonMetrology宣稱該系統(tǒng)可實(shí)現(xiàn)在布設(shè)4至8個(gè)發(fā)射器的1200平方米的典型測(cè)試環(huán)境中實(shí)現(xiàn)0.2mm的三維定位精度[26]。但其造價(jià)十分昂貴，可用于工業(yè)級(jí)定位需求，不適合于大眾市場(chǎng)研究和推廣。

超聲波定位

超聲波定位主要采用反射式測(cè)距法，通過(guò)多邊定位等方法確定物體位置，系統(tǒng)由一個(gè)主測(cè)距器和若干接收器組成，主測(cè)距儀可放置在待測(cè)目標(biāo)上，接收器固定于室內(nèi)環(huán)境中。定位時(shí)，向接收器發(fā)射同頻率的信號(hào)，接收器接收后又反射傳輸給主測(cè)距器，根據(jù)回波和發(fā)射波的時(shí)間差計(jì)算出距離，從而確定位置[27]。

Ward于1997年建立的ActiveBat是超聲定位的先驅(qū)，通過(guò)大量部署接收設(shè)備(720個(gè)標(biāo)簽)，達(dá)到3cm的定位精度[28]。超聲波定位整體定位精度較高，結(jié)構(gòu)簡(jiǎn)單，但超聲波受多徑效應(yīng)和非視距傳播影響很大，且超聲波頻率受多普勒效應(yīng)和溫度影響，同時(shí)也需要大量基礎(chǔ)硬件設(shè)施，成本較高。

WLAN定位

基于IEEE802.11b標(biāo)準(zhǔn)的無(wú)線局域網(wǎng)已在人們的生活場(chǎng)所大量部署，使用WLAN信號(hào)定位的優(yōu)勢(shì)在于不需要部署額外設(shè)備，定位成本低，信號(hào)覆蓋范圍大，適用性強(qiáng)，利于普及推廣[9]。

基于RSSI的指紋定位法是目前主流的WLAN定位方法[29]，定位精度取決于校準(zhǔn)點(diǎn)的密度，從2m到10m不等。同時(shí)基于TOA測(cè)距的定位方法由于多徑效應(yīng)和時(shí)鐘分辨率低定位效果較差[30]，而基于RSSI測(cè)距的定位方法由于信號(hào)衰減與距離的關(guān)系在不同環(huán)境和設(shè)備條件下都有改變，定位結(jié)果也不理想。

RFID定位

射頻識(shí)別(RFID)是一種操控簡(jiǎn)易，適用于自動(dòng)控制領(lǐng)域的技術(shù)，它利用電感和電磁耦合的傳輸特性，實(shí)現(xiàn)對(duì)被識(shí)別物體的自動(dòng)識(shí)別。RFID定位系統(tǒng)通常由電子標(biāo)簽、射頻讀寫器以及計(jì)算機(jī)數(shù)據(jù)庫(kù)構(gòu)組成。最常應(yīng)用的定位方法是鄰近檢測(cè)法。利用RSSI實(shí)現(xiàn)多邊定位算法也可一定程度上實(shí)現(xiàn)范圍估計(jì)。根據(jù)電子標(biāo)簽是否有源可以分為有源RFID和無(wú)源RFID。

1)有源RFID

有源RFID的電子標(biāo)簽包含電池，因此信號(hào)傳輸范圍相比于無(wú)源RFID更大，達(dá)到30米以上。同時(shí)可以實(shí)現(xiàn)基于RSSI測(cè)量的指紋定位[31]。Seco使用高斯過(guò)程描述RSSI在室內(nèi)的傳播結(jié)合指紋定位的方法，在1600平方米的實(shí)驗(yàn)環(huán)境中采用71個(gè)RFID標(biāo)簽實(shí)現(xiàn)50%定位誤差1.5m[32]。

2)無(wú)源RFID

無(wú)源RFID系統(tǒng)只依賴電感耦合，因此沒(méi)有電池。相比有源RFID，體積更小，耐用性更高，成本更低。無(wú)源RFID定位系統(tǒng)多使用鄰近探測(cè)法實(shí)現(xiàn)定位。 

超寬帶定位

超寬帶定位系統(tǒng)通常包括UWB接收器、參考標(biāo)簽和其他標(biāo)簽。超寬帶技術(shù)通過(guò)發(fā)送納秒級(jí)及其以下的超窄脈沖來(lái)傳輸數(shù)據(jù)，可以獲得GHz級(jí)的數(shù)據(jù)帶寬，發(fā)射功率較低，無(wú)載波[33]。因?yàn)槠涓邘?，理論上基于TOA或TDOA方法實(shí)現(xiàn)厘米級(jí)的定位。Ubisense是發(fā)布于2011年采用TDOA和AOA的室內(nèi)定位系統(tǒng)，定位精度可達(dá)15cm，測(cè)距范圍達(dá)到50m[34]。但UWB系統(tǒng)較高的系統(tǒng)建設(shè)成本阻礙了其普及推廣。 

慣性導(dǎo)航

慣性導(dǎo)航系統(tǒng)(Inertial Navigation System, INS)廣泛應(yīng)用于制導(dǎo)武器、艦艇、火箭、飛機(jī)和車輛等的導(dǎo)航與跟蹤，其核心組件IMU，由三個(gè)正交的單軸加速度計(jì)和三個(gè)正交的陀螺儀組成。隨著微機(jī)電技術(shù)的發(fā)展，傳感器尺寸變小，成本降低，同時(shí)加入磁力計(jì)，被廣泛應(yīng)用于行人導(dǎo)航[35]。

慣性導(dǎo)航基于航位推算方法實(shí)現(xiàn)，因此隨著時(shí)間會(huì)產(chǎn)生累積誤差，其定位精度取決于傳感器質(zhì)量和傳感器安放位置[36]。綁在腳上的慣性導(dǎo)航可采用零速校正限制漂移實(shí)現(xiàn)定位誤差小于行走距離的1%，而安放在其他位置則定位誤差常常大于1%。隨著智能手機(jī)的普及和微機(jī)電器件的發(fā)展，基于智能手機(jī)的慣性導(dǎo)航成為研究熱點(diǎn)[37][38][39][40]。

 地磁定位

現(xiàn)代建筑物基本都具有鋼筋混凝土結(jié)構(gòu)，這些建筑物墻體內(nèi)部的金屬結(jié)構(gòu)會(huì)對(duì)室內(nèi)的地磁場(chǎng)產(chǎn)生很大影響，而室內(nèi)的電氣設(shè)備也會(huì)對(duì)磁場(chǎng)產(chǎn)生影響。同時(shí)室內(nèi)磁場(chǎng)具有較強(qiáng)的穩(wěn)定性[41]。故室內(nèi)地磁場(chǎng)是一種可運(yùn)用于室內(nèi)定位導(dǎo)航的有效信息源。地磁定位，是指利用地磁場(chǎng)特征的特異性獲取位置信息的技術(shù)方案[42]。定位方法主要采用指紋定位的方法。由于原有磁場(chǎng)信息，故成本相比其他定位技術(shù)更低，但仍需要人工建立數(shù)據(jù)庫(kù)。IndoorAtlas的地磁定位方案是其中代表，定位精度已能達(dá)到1~2米[43]。

 偽衛(wèi)星

衛(wèi)星是一種基于地面的能傳播類似GNSS信號(hào)的發(fā)生器，最簡(jiǎn)單的組成是GNSS信號(hào)發(fā)生器和發(fā)射裝置[44]。采用與GNSS信號(hào)體制不同的偽衛(wèi)星，可避免對(duì)正常衛(wèi)星信號(hào)的干擾，可達(dá)到厘米級(jí)定位精度，但設(shè)備復(fù)雜，成本很高。Locata在2010年發(fā)布的系統(tǒng)可實(shí)現(xiàn)50平方千米內(nèi)2厘米的定位精度[45]。 

藍(lán)牙和ZigBee定位

藍(lán)牙和ZigBee技術(shù)類似，有部分重合頻段，且兩者定位技術(shù)均基于短距離低功耗通信協(xié)議：ZigBee是基于IEEE802.15.4標(biāo)準(zhǔn)的低功耗局域網(wǎng)協(xié)議；目前藍(lán)牙定位主要使用藍(lán)牙4.0規(guī)范，是基于低功耗藍(lán)牙技術(shù)(Bluetooth Low Energy, BLE)。兩者都具有近距離、低功耗、低成本的特點(diǎn)[46][47]。ZigBee（藍(lán)牙）的定位均通過(guò)在室內(nèi)環(huán)境中布置靜態(tài)參考點(diǎn)(藍(lán)牙beacon)，可以實(shí)現(xiàn)基于鄰近探測(cè)法、質(zhì)心法[48]、多邊定位和指紋定位的定位系統(tǒng)[49][50]。定位精度主要取決于基礎(chǔ)設(shè)施的部署密度。2016年發(fā)布的藍(lán)牙5.0協(xié)議支持BLE Direction Finding的 Angle of Arrival（AoA）和Angle of Departure（AoD）參數(shù)估計(jì)，這些參數(shù)將為1m以內(nèi)的室內(nèi)定位提供技術(shù)支撐

蜂窩網(wǎng)絡(luò)定位

蜂窩網(wǎng)絡(luò)技術(shù)是一種成熟的通信技術(shù)，主要用于對(duì)移動(dòng)手機(jī)的定位。蜂窩網(wǎng)絡(luò)通過(guò)檢測(cè)移動(dòng)臺(tái)和多個(gè)基站之間傳播信號(hào)的特征參數(shù)（RSSI，傳播時(shí)間或時(shí)間差，入射角等）[51]，可采用鄰近探測(cè)法、AOA、TOA和OTDOA (Observed Time Difference Of Arrival, 觀測(cè)到達(dá)時(shí)間差)[52]實(shí)現(xiàn)定位，可作為普適化的定位方案。目前Cell-ID加上RTT解決方案精度為20-60m。采用智能天線MIMO+TDOA/AOA技術(shù)，精度可以達(dá)到5-10m。未來(lái)的5G網(wǎng)絡(luò)具有大帶寬、多天線、密集組網(wǎng)等優(yōu)勢(shì)，可以實(shí)現(xiàn)1m以內(nèi)的定位精度。

融合定位

融合定位是指融合多種定位技術(shù)、多傳感器的信息進(jìn)行綜合定位，以達(dá)到優(yōu)勢(shì)互補(bǔ)，提高定位精度、魯棒性，降低定位成本。定位技術(shù)的選擇則主要視場(chǎng)景需求而定，多為絕對(duì)定位技術(shù)與相對(duì)定位技術(shù)的結(jié)合，如浙江大學(xué)郭偉龍實(shí)現(xiàn)了地磁與慣導(dǎo)結(jié)合的室內(nèi)定位系統(tǒng)[41]，平穩(wěn)步行時(shí)90%定位誤差小于4.5m；上海交通大學(xué)錢久超將慣導(dǎo)定位與地圖結(jié)合實(shí)現(xiàn)手機(jī)端的室內(nèi)定位，正常持握手機(jī)姿態(tài)下95%誤差為0.8m[36]；同時(shí)也有很多研究將WiFi與慣導(dǎo)結(jié)合[53][54]取得了較好的效果。針對(duì)行人復(fù)雜的運(yùn)動(dòng)行為，[55][56]提出了運(yùn)動(dòng)識(shí)別輔助的行人定位方法，提高了室內(nèi)定位的魯棒性。   

協(xié)同定位

協(xié)同定位是指在一個(gè)定位場(chǎng)景中存在已知節(jié)點(diǎn)和未知節(jié)點(diǎn)，未知節(jié)點(diǎn)之間可以進(jìn)行信息交互，也可以相互之間進(jìn)行測(cè)距、測(cè)向或鄰近探測(cè)，并且可以利用過(guò)去時(shí)刻的定位信息，從而實(shí)現(xiàn)對(duì)未知節(jié)點(diǎn)當(dāng)前時(shí)刻的定位。協(xié)同定位的具體方式可根據(jù)具體定位技術(shù)調(diào)整，目標(biāo)在于通過(guò)節(jié)點(diǎn)之間的協(xié)同合作提升單個(gè)節(jié)點(diǎn)及整個(gè)系統(tǒng)的定位性能[57]。協(xié)同定位在多機(jī)器人定位、無(wú)線網(wǎng)絡(luò)定位、水下自主航行器及衛(wèi)星定位等研究中正受到越來(lái)越多的關(guān)注。文獻(xiàn)[58]對(duì)無(wú)線傳感網(wǎng)絡(luò)關(guān)于協(xié)同定位的研究進(jìn)行了綜述。意大利都靈理工大學(xué)的R. Garello團(tuán)隊(duì)進(jìn)行了協(xié)同定位對(duì)衛(wèi)星定位終端輔助捕獲的研究，并比較了幾種常見(jiàn)的定位算法的性能[59]。文獻(xiàn)[60]對(duì)水下自主航行器的協(xié)同定位進(jìn)行了綜述。

Crowdsensing(群智感知)

群智感知是將普通用戶的移動(dòng)設(shè)備作為基本感知單元，通過(guò)網(wǎng)絡(luò)通訊形成群智感知網(wǎng)絡(luò)，從而實(shí)現(xiàn)感知任務(wù)分發(fā)與感知數(shù)據(jù)收集，完成大規(guī)模、復(fù)雜的社會(huì)感知任務(wù)。在計(jì)算機(jī)科學(xué)領(lǐng)域，與群智感知相關(guān)的概念有：群體計(jì)算(Crowd computing)、社群感知(Social sensing)、眾包(Crowdsourcing)等等。在室內(nèi)定位領(lǐng)域，群智感知也得到廣泛的研究和應(yīng)用。文獻(xiàn)[61]分析了利用Crowd Sensing進(jìn)行機(jī)會(huì)信號(hào)獲取，并應(yīng)用于室內(nèi)定位方法。清華大學(xué)的吳陳沭利用移動(dòng)群智感知機(jī)制，提出了無(wú)人工現(xiàn)場(chǎng)勘測(cè)的無(wú)線信號(hào)指紋地圖構(gòu)建技術(shù)[62]。上海交通大學(xué)的張敏將用戶的運(yùn)動(dòng)信息與無(wú)線信號(hào)結(jié)合，通過(guò)無(wú)線虛擬地標(biāo)和GraphSLAM圖優(yōu)化方法，利用群智感知建立無(wú)線定位指紋庫(kù)[63]。上海交通大學(xué)的高文政同樣基于群智感知，提出了指紋信號(hào)的衰減生命周期描述方法，實(shí)現(xiàn)了對(duì)無(wú)線定位網(wǎng)絡(luò)指紋庫(kù)的自適應(yīng)更新[64]。  

05 室內(nèi)定位技術(shù)對(duì)比分析

室內(nèi)定位技術(shù)的應(yīng)用

室內(nèi)定位技術(shù)作為定位技術(shù)在室內(nèi)環(huán)境中的延續(xù)，彌補(bǔ)了傳統(tǒng)定位技術(shù)的不足，目前已經(jīng)在特定的行業(yè)內(nèi)投入實(shí)際應(yīng)用，并取得了一定的應(yīng)用成果，有著良好的應(yīng)用前景。

00  室內(nèi)無(wú)人機(jī)

人的一生至少有三分之一在室內(nèi)度過(guò)，受限于室內(nèi)位置服務(wù)的技術(shù)瓶頸，無(wú)人機(jī)這個(gè)智能機(jī)器人卻無(wú)法陪伴人類，一旦無(wú)人機(jī)像人一樣室內(nèi)活動(dòng)自如，將開(kāi)啟一個(gè)比現(xiàn)有規(guī)模還大的室內(nèi)市場(chǎng)，人做不到的事它都勝任的很好，比如你上班后它接替你成為管家。

01  室內(nèi)位置服務(wù)

室內(nèi)位置服務(wù)在大型商超、機(jī)場(chǎng)、酒店、博物館、會(huì)展中心等大型室內(nèi)場(chǎng)景中得到了應(yīng)用。在布局比較復(fù)雜的大型超市中，用戶能夠查找感興趣商品的所在位置；在大型購(gòu)物商場(chǎng)，用戶也可以查找想要去的店鋪和娛樂(lè)場(chǎng)所，同時(shí)商家也可以針對(duì)性地進(jìn)行廣告推送，提供個(gè)性化營(yíng)銷。在博物館或會(huì)展中心，室內(nèi)定位也可以方便地提供定位導(dǎo)航服務(wù)。

02  公共安全

室內(nèi)定位對(duì)應(yīng)急救援、消防、安全執(zhí)法等方面具有重要作用。當(dāng)發(fā)生地震、火災(zāi)等緊急事件時(shí)，救援的必要條件是快速確定人員位置。特別是當(dāng)建筑物由于緊急事件布局發(fā)生變化時(shí)，憑借經(jīng)驗(yàn)很難快速定位人員位置。室內(nèi)定位技術(shù)可以為救援提供強(qiáng)有力的技術(shù)支持，更好地保障救援人員和受困人員的安全，更快地開(kāi)展有效救援。

03   人員物品管理

室內(nèi)定位可以為特殊人群如學(xué)生、病人、犯人等提供室內(nèi)的定位監(jiān)護(hù)服務(wù)。具體地，為學(xué)生父母提供學(xué)生的到校情況；為公司員工提供簽到服務(wù)；為監(jiān)獄提供犯人活動(dòng)情況匯報(bào)；為幼兒園設(shè)立電子圍欄提供實(shí)時(shí)監(jiān)護(hù)。

同時(shí)，室內(nèi)定位也可以為倉(cāng)儲(chǔ)提供物品的定位服務(wù)，方便物品的防盜、整理、運(yùn)輸，提供全程的位置記錄。

04  智能交通

室內(nèi)定位技術(shù)結(jié)合傳統(tǒng)定位技術(shù)可提供室內(nèi)外無(wú)縫定位導(dǎo)航服務(wù)，可為車輛提供從道路到停車場(chǎng)的全程導(dǎo)航服務(wù)，同時(shí)也解決了大型復(fù)雜地下停車場(chǎng)的尋車難題。

 05  大數(shù)據(jù)分析

室內(nèi)定位可以記錄用戶的活動(dòng)軌跡，對(duì)這些數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析，將用戶的位置與行為及其背后的興趣偏好聯(lián)系起來(lái)。因此，對(duì)室內(nèi)定位數(shù)據(jù)進(jìn)行挖掘和分析具有極大的商業(yè)價(jià)值和應(yīng)用前景。例如對(duì)某商場(chǎng)的消費(fèi)者活動(dòng)進(jìn)行分析，可以分析出消費(fèi)者對(duì)某個(gè)店鋪的光顧頻率和停留時(shí)間，從而得出消費(fèi)者的興趣和偏好以及店鋪熱度，為商業(yè)分析提供有力幫助。

06  社交網(wǎng)絡(luò)

社交網(wǎng)絡(luò)在人們的生活中扮演著重要的角色，位置是社交網(wǎng)絡(luò)的核心，在占人們生活時(shí)間80%左右的室內(nèi)環(huán)境下，真實(shí)準(zhǔn)確的位置能把朋友與活動(dòng)關(guān)聯(lián)起來(lái)。

室內(nèi)定位的難點(diǎn)及發(fā)展趨勢(shì)

盡管室內(nèi)定位技術(shù)的精度不斷提高，但仍沒(méi)有在各行各業(yè)中得到普及推廣，主要存在以下難點(diǎn)：

環(huán)境復(fù)雜

室內(nèi)環(huán)境布局復(fù)雜多變，障礙物很多，包括家具、房間和行人等。同時(shí)室內(nèi)環(huán)境干擾源多，燈光、溫度、聲音等干擾源都會(huì)對(duì)定位造成一定影響。

未知環(huán)境定位困難

目前大部分室內(nèi)定位技術(shù)都是基于對(duì)室內(nèi)環(huán)境有先驗(yàn)了解，一些定位技術(shù)還需要提前布設(shè)基站，但實(shí)際應(yīng)用中可能得不到環(huán)境信息，或者定位基站受干擾、被破壞，如地震、火災(zāi)現(xiàn)場(chǎng)。減少對(duì)環(huán)境的依賴性也是室內(nèi)定位的一個(gè)難點(diǎn)。 

定位精度與成本難以兼顧

目前的高精度室內(nèi)定位技術(shù)均需要比較昂貴的額外輔助設(shè)備或前期大量的人工處理，這些都大大制約了技術(shù)的推廣普及。低成本的定位技術(shù)則在定位精度上需要提高。在提供高精度定位的基礎(chǔ)上降低成本也是室內(nèi)定位的一個(gè)方向。

隨著室內(nèi)定位技術(shù)的不斷發(fā)展，高精度、低成本、普適的室內(nèi)定位技術(shù)是未來(lái)的目標(biāo)。綜合利用各種定位技術(shù)及信息的融合定位將是解決目前室內(nèi)定位難點(diǎn)的可行方案?？焖侔l(fā)展的計(jì)算機(jī)視覺(jué)、5G移動(dòng)通信網(wǎng)絡(luò)、NB-IOT物聯(lián)網(wǎng)等技術(shù)將為室內(nèi)定位技術(shù)提供更多的技術(shù)途徑。未來(lái)，像室外GNSS一樣大規(guī)模廣泛應(yīng)用的室內(nèi)定位方案必然會(huì)出現(xiàn)，結(jié)合室外定位技術(shù)實(shí)現(xiàn)全空間無(wú)縫定位。 

結(jié)束語(yǔ)

室內(nèi)定位的需求已經(jīng)體現(xiàn)在人們生活的方方面面，如何實(shí)現(xiàn)高精度低成本普適的室內(nèi)定位已經(jīng)是定位領(lǐng)域正在解決的問(wèn)題。本文介紹了目前主要的室內(nèi)定位方法、定位技術(shù)、應(yīng)用場(chǎng)景和發(fā)展難點(diǎn)?？晒﹨⒖?。  

參考文獻(xiàn)

[1]    維基百科Transit(satellite)[DB/OL].(2016-02-17)https://en.wikipedia.org/wiki/Transit_(satellite)

[2]    維基百科 Global Positioning System[DB/OL].(2016-02-17)https://en.wikipedia.org/wiki/Global_Positioning_System

[3]    Wang S S, Green M,Malkawa M. E-911 location standards and location commercial services[C] //merging Technologies Symposium: Broadband, Wireless Internet Access. IEEE Xplore, 2000:5 pp.

[4]    Mautz R. Indoor positioning technologies[J]. 2012.

[5]    Drane C R. Mobile location without network-based synchronization or how to do E-OTD without LMUs[J]. Proceedings of SPIE - The International Society for Optical Engineering, 2003, 5084:59-66.

[6]    Dwiyasa F, Lim M H. A survey of problems and approaches in wireless-based indoor positioning[C]// International Conference on Indoor Positioning and Indoor Navigation. 2016:1-7.

[7]    Kemppi P, Rautiainen T, Ranki V, et al. Hybrid positioning system combining angle-based localization, pedestrian dead reckoning and map filtering[C]// International Conference on Indoor Positioning and Indoor Navigation. IEEE, 2010:1-7.

[8]    Qian J, Ma J, Xu L, et al. Investigating the use of MEMS based wrist-worn IMU for pedestrian navigation application[C]//Proceedings of the 26th International Technical Meeting of the ION Satellite Division, ION GNSS. 2013.

[9]    趙永翔. 基于無(wú)線局域網(wǎng)的室內(nèi)定位系統(tǒng)研究[D]. 武漢大學(xué), 2010.

[10]    Hightower J, Borriello G. Location systems for ubiquitous computing[J]. Computer, 2001, 34(8):57-66.

[11]    劉長(zhǎng)征, 李緯, 丁辰,等. 多種定位技術(shù)融合構(gòu)建LBS體系[J]. 地理信息世界, 2003, 1(3):24-27.

[12]    房秉毅. 基于超寬帶技術(shù)的室內(nèi)定位系統(tǒng)[J]. 電子技術(shù)應(yīng)用, 2006, 32(7):124-127.

[13]    李泳. 基于ZigBee技術(shù)的室內(nèi)定位系統(tǒng)設(shè)計(jì)[D]. 上海師范大學(xué), 2008.

[14]    梁元誠(chéng). 基于無(wú)線局域網(wǎng)的室內(nèi)定位技術(shù)研究與實(shí)現(xiàn)[D]. 電子科技大學(xué), 2009.

[15]    Seco F, Jimenez A R, Prieto C, et al. A survey of mathematical methods for indoor localization[C]// IEEE International Symposium on Intelligent Signal Processing. IEEE, 2009:9-14.

[16]    鄧中亮, 余彥培, 袁協(xié),等. 室內(nèi)定位現(xiàn)狀與發(fā)展趨勢(shì)研究[J]. 中國(guó)通信(英文版), 2013, 10(3):50-63.

[17]    劉祺, 朱秋月, 馮莎. 室內(nèi)定位技術(shù)的研究綜述[J]. 計(jì)算機(jī)時(shí)代, 2016(8):13-15.

[18]    Mautz R, Tilch S. Survey of optical indoor positioning systems[C]// International Conference on Indoor Positioning and Indoor Navigation. 2011:1-7.

[19]    Hile H, Borriello G. Positioning and orientation in indoor environments using camera phones[J]. IEEE Computer Graphics and Applications, 2008, 28(4).

[20]    Kragic D. Object Search and Localization for an Indoor Mobile Robot.[J]. Journal of Computing & Information Technology, 2009, 17(1):67-80.

[21]    Mulloni A, Wagner D, Barakonyi I, et al. Indoor Positioning and Navigation with Camera Phones[J]. IEEE Pervasive Computing, 2009, 8(2):22-31.

[22]    Tilch S, Mautz R. Development of a new laser-based, optical indoor positioning system[J]. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences Commission, 2010, 1501: 575-580.

[23]    Liu T, Carlberg M, Chen G, et al. Indoor localization and visualization using a human-operated backpack system[C]//Indoor Positioning and Indoor Navigation (IPIN), 2010 International Conference on. IEEE, 2010: 1-10.

[24]    Want R. The active badge location system[J]. Acm Transactions on Information Systems, 2000, 10(1):91-102.

[25]    Ambiplex[EB/OL].(2016-02-17) http://www.ambiplex.com/

[26]    iGPS. Nikon Metrology[EB/OL]. (2016-02-17) http://www.nikonmetrology.com/en_EU/Products/Large-Volume-Applications/iGPS/iGPS/(key_features)

[27]    吳雨航, 吳才聰, 陳秀萬(wàn),等. 幾種室內(nèi)無(wú)線定位技術(shù)簡(jiǎn)介[J]. 中國(guó)測(cè)繪報(bào), 2008.

[28]    Ward A, Jones A, Hopper A. A new location technique for the active office[J]. IEEE Personal communications, 1997, 4(5): 42-47.

[29]    Yuan Y, Pei L, Xu C, et al. Efficient WiFi fingerprint training using semi-supervised learning[C]//Ubiquitous Positioning Indoor Navigation and Location Based Service (UPINLBS), 2014. IEEE, 2014: 148-155.

[30]    Reddy H, Girish Chandra M, Balamuralidhar P, et al. An Improved Time-of-Arrival Estimation for WLAN-Based Local Positioning[C]// International Conference on Communication Systems Software and Middleware, 2007. Comsware. IEEE Xplore, 2007:1-5.

[31]    Gikas V, Dimitratos A, Perakis H, et al. Full-scale testing and performance evaluation of an active RFID system for positioning and personal mobility[C]// International Conference on Indoor Positioning and Indoor Navigation. 2016:1-8.

[32]    Seco F, Plagemann C, Jimenez A R, et al. Improving RFID-based indoor positioning accuracy using Gaussian processes[C]// International Conference on Indoor Positioning and Indoor Navigation. IEEE Xplore, 2010:1-8.

[33]    阮陵, 張翎, 許越,等. 室內(nèi)定位:分類、方法與應(yīng)用綜述[J]. 地理信息世界, 2015(2):8-14.

[34]    Ubisense[EB/OL].(2016-02-17) https://ubisense.net/en

[35]    陳偉. 基于GPS和自包含傳感器的行人室內(nèi)外無(wú)縫定位算法研究[D]. 中國(guó)科學(xué)技術(shù)大學(xué), 2010.

[36]    Qian J, Pei L, Ma J, et al. Vector graph assisted pedestrian dead reckoning using an unconstrained smartphone[J]. Sensors, 2015, 15(3): 5032-5057.

[37]    Qian J, Pei L, Ying R, et al. Continuous motion recognition for natural pedestrian dead reckoning using smartphone sensors[C]//Proceedings of the 27th International Technical Meeting of the ION Satellite Division, ION GNSS. 2014.

[38]    Wang L, Dong Z, Pei L, et al. A robust context-based heading estimation algorithm for pedestrian using a smartphone[C]//Proceedings of the 28th international technical meeting of the satellite division of the institute of navigation (ION GNSS 2015). Tampa, FL USA, SEP. 2015: 14-18.

[39]    Qian J, Pei L, Ying R, et al. Continuous motion recognition for natural pedestrian dead reckoning using smartphone sensors[C]//Proceedings of the 27th International Technical Meeting of the ION Satellite Division, ION GNSS. 2014.

[40]    Liu D, Pei L, Qian J, et al. A novel heading estimation algorithm for pedestrian using a smartphone without attitude constraints[C]//Ubiquitous Positioning, Indoor Navigation and Location Based Services (UPINLBS), 2016 Fourth International Conference on. IEEE, 2016: 29-37.

[41]    郭偉龍. 融合多源信息的室內(nèi)定位算法研究[D]. 浙江大學(xué), 2016.

[42]    Haverinen J, Kemppainen A. A geomagnetic field based positioning technique for underground mines[C]// IEEE International Symposium on Robotic and Sensors Environments. IEEE, 2011:7-12.

[43]    IndoorAtlas[EB/OL].(2016-02-17) http://www.indooratlas.com/how-it-works/

[44]    黃聲享,劉賢三, 劉文建,等. 偽衛(wèi)星技術(shù)及其應(yīng)用[J]. 測(cè)繪地理信息, 2006, 31(2):49-51.

[45]    Locata[EB/OL].(2016-02-17) http://www.locata.com/

[46]    汪苑, 林錦國(guó). 幾種常用室內(nèi)定位技術(shù)的探討[J]. 中國(guó)儀器儀表, 2011(2):54-57.

[47]    劉明偉, 劉太君, 葉焱,等. 基于低功耗藍(lán)牙技術(shù)的室內(nèi)定位應(yīng)用研究[J]. 無(wú)線通信技術(shù), 2015, 24(3):19-23.

[48]    Subedi S, Kwon G R, Shin S, et al. Beacon based indoor positioning system using weighted centroid localization approach[C]//Ubiquitous and Future Networks (ICUFN), 2016 Eighth International Conference on. IEEE, 2016: 1016-1019.

[49]    Dahlgren E, Mahmood H. Evaluation of indoor positioning based on Bluetooth Smart technology[J]. Master's thesis, Chalmers, 2014.

[50]    Pei