スマートフォンMEMSセンサーを備えた2段階の堅牢な適応キューブ酸カルマンフィルターに基づく歩行者の屋内ポジショニングに関する研究

ロケーションベースのサービス（LBS）の開発により、歩行者の死んだ計算（PDR）に基づく屋内ポジショニングがホットな研究トピックになりました。スマートフォンは屋内のポジショニングでより人気が高まっています。このペーパーでは、屋内ポジショニングのためのスマートフォンマイクロエレクトロメカニカルシステム（MEMS）センサー融合に基づいた2段階の堅牢な適応キューブカルマンフィルター（RACKF）アルゴリズムを提案します。歩行者の見出しを推定するために、Quaternionベースの堅牢な適応カバチュアカルマンフィルターアルゴリズムが提案されています。第一に、モデルノイズパラメーターは、フェードメモリの強調法と限られたメモリの重み法に基づいて適応的に修正されます。限られたメモリの強力なアルゴリズムのメモリウィンドウは、歩行者の歩行の特性に基づいて変更されます。第二に、フィルタリングモデルの偏差と異常な乱れを克服するための部分的な状態の矛盾に基づいて、適応因子が構築されます。最後に、測定外れ値を識別して制御するために、最大尤度推定に基づいた堅牢な因子がフィルタリングに導入され、ヘッド推定の堅牢性が高まり、より堅牢な動的位置推定をサポートします。さらに、加速度計の情報に基づいて、非線形モデルが構築され、経験的モデルを使用してステップ長を推定します。見出しとステップの長さを組み合わせることで、2段階の堅牢な適応キューブカルマンフィルターが提案されており、歩行者デッドレックニング法を改善し、アルゴリズムの適応性と堅牢性を高め、平面陽性ソリューションの精度をさらに向上させます。予測残差に基づく適応因子と最大尤度推定に基づく堅牢な因子がフィルターに導入され、フィルターの適応性と堅牢性が向上し、位置決めエラーが低下し、歩行者デッドレックニングの精度が向上します。方法。3つの異なるスマートフォンを使用して、屋内環境で提案されたアルゴリズムを検証します。さらに、実験結果はアルゴリズムの有効性を確認します。3つのスマートフォンの結果から、提案された方法で得られた屋内ポジション結果のルート平均平方根誤差（RMSE）は約1.3-1.7 mです。

With the development of location-based service (LBS), indoor positioning based on pedestrian dead reckoning (PDR) has become a hot research topic. Smartphones are becoming more popular for indoor positioning. This paper proposes a two-step robust-adaptive-cubature Kalman filter (RACKF) algorithm based on smartphone micro-electro-mechanical-system (MEMS) sensor fusion for indoor positioning. To estimate pedestrian heading, a quaternion-based robust-adaptive-cubature Kalman filter algorithm is proposed. Firstly, the model noise parameters are adaptively corrected based on the fading-memory-weighting method and the limited-memory-weighting method. The memory window of the limited-memory-weighting algorithm is modified based on the characteristics of pedestrian walking. Secondly, an adaptive factor is constructed based on the partial state inconsistency to overcome filtering-model deviation and abnormal disturbances. Finally, to identify and control the measurement outliers, the robust factor based on maximum-likelihood estimation is introduced into the filtering to enhance the robustness of heading estimation and support more robust dynamic-position estimation. In addition, based on the accelerometer information, a nonlinear model is constructed and the empirical model is used to estimate the step length. Combining heading and step length, the two-step robust-adaptive-cubature Kalman filter is proposed to improve the pedestrian-dead-reckoning method, which enhances the adaptability and robustness of the algorithm and further improves the accuracy of the plane-position solution. The adaptive factor based on the prediction residual and the robust factor based on the maximum-likelihood estimation are introduced into the filter to improve the adaptability and robustness of the filter, reduce the positioning error, and improve the accuracy of the pedestrian-dead-reckoning method. Three different smartphones are used to validate the proposed algorithm in an indoor environment. Additionally, the experimental results confirm the algorithm's effectiveness. From the results of the three smartphones, the root mean square error (RMSE) of the indoor-positioning results obtained by the proposed method is about 1.3-1.7 m.