室内导航与定位技术发展综述

刘公绪，史凌峰

(1.超高速电路设计与电磁兼容教育部重点实验室，西安 710071；2.西安电子科技大学CAD所，西安 710071)

0 引言

严格来讲，导航是通过几何学、天文学、无线电信号、力学等手段确定载体的姿态、速度和位置的一门科学，而定位是导航的一个子集，只确定载体的空间位置[1]。导航可作为定位的一种重要应用，在定位过程中，往往需要计算载体的速度，姿态等信息，因此许多学者在概念上对导航与定位不加区分。

作为卫星导航领域最后一千米难题，室内导航与定位主要采用伪卫星定位、云定位、端定位、可信定位、室内地图等多种技术，实现人员、物体等在室内空间中的位置、速度和姿态的解算。近年来，室内导航与定位已成为工业界和学术界的研究热点。文献[2]指出2024年以前，室内定位的总市场规模将超过100亿美元，强劲的市场需求为室内导航定位系统(indoor navigation and positioning system，INPS)提供了广阔的发展空间。经调研，目前有超过800家国内外公司涉及到室内导航与定位及其他室内行人相关应用见表1[3]。2016年1月北斗羲和科技发展有限公司成立，它以科技部“羲和计划”研究成果为基础，自主研发了广域室内外融合定位系统，可提供复杂城市环境下的室内外融合定位解决方案。“十三五”期间，北京邮电大学、武汉大学、中国电子科技集团公司第54研究所(以下简称54所)牵头的广域室内外定位技术正紧锣密鼓地进行着；随着北斗卫星导航系统(BeiDou navigation satellite system，BDS)的全面开启，随时随地获取个人位置信息，借助云平台和大数据分析进行个性化位置服务；对可靠的实时的室内定位与导航的需求越来越迫切，近十几年，IEEE、Information Fusion、Sensors及Guidance Control and Dynamics等相关领域杂志，接连刊登和评论室内导航与定位相关的文章，其方案和相关技术指标如表2所示。

表1 各国典型室内导航与定位公司

表2 已有文献中室内导航与定位技术对比表

按照数学原理，室内导航与定位技术可以分为3类：即基于无线信号的交汇技术；数据库匹配技术；以及基于惯性传感器的航向推算技术。

1 基于无线信号的交汇技术

1.1 信号到达时间(time of arrival，TOA)[18]

TOA 定位算法的理论依据是：若已知信号在介质中的传播速率和信号从发射端到接收端所用的时间，就能得知发射端与接收端的相对距离，再根据发射端的位置，来确定接收端的绝对位置。要获得发射时间和接收时间之间的差值，就必须保证发射端和接收端的时钟高度同步。

1.2 信号到达时间差(time difference of arrival，TDOA)[19]

TDOA是指发射端发射两种不同传播速度的无线信号，根据这两种无线信号到达接收端的时间差值，确定发射端和接收端之间的距离，不必保证发射端与接收端的时钟同步。

1.3 信号到达角(angle of arrival，AOA)[20]

AOA是指通过测得锚节点发射的无线信号到达定位节点时，信号的传播方向与定位节点所在水平面的夹角的大小，来计算节点所在的具体位置，需要角度传感器或者接收阵列，必须要比较准确地测量得到通信半径内的其它临近锚节点发射的信号到达的角度值，才能保证定位精度达到系统要求。由于其对硬件要求高，且易受外界环境影响，所以该算法在实际应用中受限。

1.4 接收信号强度(recevied signal strength，RSS)[21]

RSS即指通过测量锚节点发出的无线信号在定位节点处的信号接收强度作为定位特征量，利用采集到的RSS值定位目标节点的位置，其定位算法主要有两种。分别是基于路径损耗模型实现定位(又叫三边测量)和根据指纹识别算法(也叫模式匹配)得到定位节点的坐标信息。

1.5 低功耗蓝牙技术(bluetooth low energy，BLE )[22]

蓝牙通讯是一种短距离低功耗的无线传输技术。蓝牙定位主要应用于小范围定位，通过检测信号强度就可以获得用户的位置信息，对于复杂的空间环境，蓝牙定位系统的稳定性稍差，受噪声信号干扰大。

1.6 射频识别技术(radio frequency identification，RFID)[23]

RFID技术是利用射频通讯方式进行双向的非接触式数据交互，它基于信号强度分析法，并采用聚类算法，通过识别检测到的信号强弱来计算标识之间的距离，实现3维空间定位的目的。其优点是定位标识体积小，价格便宜，缺点是作用距离比较短，一般情况，作用距离最长为几十米；此外，缺少国际化标准，安全性较低。

1.7 紫蜂(ZigBee)[24]

ZigBee是一种短距离、低速率的无线通信技术。它介于RFID和蓝牙之间，可以实现由若干个ZigBee节点组成的网络，包括路由器和定位节点。通过节点之间的相互协调通信来实现定位功能，最大的优点是低功耗和低成本。

1.8 超宽带技术(ultra-wide bandwidth，UWB)[25]

超宽带技术不需要使用传统通信体制中的载波，而是通过发送和接收具有纳秒或纳秒级以下的极窄脉冲来传输数据，可用于室内精确定位，例如：战场士兵的位置发现、机器人运动跟踪等。超宽带系统与传统的窄带系统相比，具有穿透力强、功耗低、抗多径效果好、安全性高、系统复杂度低、定位精度高等优点，通常用于室内移动物体的定位跟踪或导航。但其需要精准的时钟同步，成本非常昂贵，不便于大面积的部署和应用。

1.9 伪卫星室内定位技术(pseudolites)[26]

伪卫星在近几年研究很热，其核心思想是将卫星信号引入室内，让室内定位与室外定位无缝对接。虽然在某种程度上，伪卫星弥补了卫星信号在室内定位的不足，但仍存在较多的缺点，如：观测过程中的多径问题，伪卫星与全球卫星导航系统(global navigation satellite system，GNSS)卫星间的同步问题等。

1.10 全球移动通讯系统(global system for mobile communications，GSM)[27]

GSM属于第2代(2G)蜂窝移动通信技术，GSM网络一共有4种不同的蜂窝单元尺寸：巨蜂窝，微蜂窝，微微蜂窝和伞蜂窝。覆盖面积因不同的环境而不同。其中微微蜂窝只覆盖几十米的范围，主要用于室内。不过，2015年，全球诸多GSM网络运营商，已经将2017年确定为关闭GSM网络的年份。虽然基于GSM的室内定位技术已经趋于淘汰，但5G仍可能在未来室内定位中发挥作用。如博通(Broadcom)公司宣布推出业界第一款具精准室内定位技术的 5G WiFi(802.11ac)系统单芯片(SoC)—BCM43462。此款芯片采用博通 AccuLocate 技术，能提供精度为亚米级的定位功能。

1.11 智能LED灯[28]

该技术的原理是将需要传输的信息编译成一段调制信号，用脉宽调制的方法附加到LED灯具的驱动电流上，利用户内无处不在的光源作为发射载体，当用户进入灯具照明区域，以智能手机的摄像头接收并识别光信号，解析出灯具发送的唯一身份识别信息。利用所获取的身份识别信息，在地图数据库中确定对应位置信息来完成定位。用户不需要将手机相机对准某一个特定方向，亦可以接收到反馈过来的直接光源信号，定位精度可以在1 m以内。LED定位需要改造LED灯具，增加了成本，但LED定位仍然是一种很有潜力的室内定位技术。

1.12 超声波(ultrasonic)技术[29]

超声波定位一般是采用发射式测距法，即根据回波与发射波的时间差计算出待测距离，并通过三角定位等算法确定物体的位置。超声波定位虽然定位精度较高、系统结构简单，但容易受多径效应和非视距传播的影响；同时，它还需要底层硬件支持，定位成本较高。

1.13 基于调频(FM)的室内定位[30]

采用调频广播实现对室内目标的定位，即是基于调频广播信号指纹定位的方法，采用贝叶斯方法得到相应的定位结果。通常其与WiFi一起使用。

1.14 红外线(infrared)室内定位技术[31]

红外线室内定位技术是通过安装在室内的光学传感器，接收各移动设备发射的经调制的红外射线，通过测量信号到达时间或信号到达角度来实现定位，具有相对较高的定位精度。但由于光线不能穿过障碍物、只能视距传播,因而易受荧光灯等干扰，导致系统定位稳定性较差。当移动设备放置在口袋里或者被墙壁遮挡时，常常不能正常工作，需要在每个房间、走廊安装接收天线，导致总体造价较高。

2 数据库匹配技术

2.1 磁场特征[32]

利用室内钢结构引起的地磁异常作为位置参考特征，测绘并建立室内环境磁场特征基准地图，然后通过粒子滤波等算法实现对人员位置的估计，尽管磁场无处不在，匹配的性能很大程度上与环境磁场分布相关，常存在明显的误匹配现象，在环境磁场特征不明显的区域更是如此。

2.2 重力场特征[33]

地球表面的重力场在不同地区有不同的特征，可以利用重力场特征来确定载体所在的地理位置。该方法需要以高精度、高分辨率的重力场测量数据和重力场特征图为基础，重力特征的丰富与否关系到重力场匹配的定位精度。且该方法只能作为辅助的导航方法，通常和惯性导航系统结合使用。

2.3 基于无线保真(wireless fidelity，WiFi)指纹特征[34]

关于WiFi指纹数据库的构建，逐点测绘或走动测绘，都耗时耗力；基于众包的思想，可自动更新WiFi指纹数据库，但用户导航数据往往不可靠；关于信号传播模型，使用坐标已知的各点的信号指纹信息反算各访问节点(access point，AP)位置，当选点几何分布不好时，可能造成显著地估计误差；当室内环境发生变化，由信号传播模型估计出的参数可能不再适用；学者们已经利用多种信息的数据库匹配来提高导航性能，如利用室内地图来约束导航解，使用图像数据库来提供绝对位置修正。

基于数据库匹配定位的缺陷，学者们提出同时定位与地图创建(simultaneous localization and mapping，SLAM)的思想[35]，它是将定位与环境地图创建融为一体，即行人在运动过程中根据自身位姿和传感器对环境感知构建增量式环境特征地图，同时利用该地图估计自己的位姿。但难点是算法复杂，尤其是地图实时测绘和更新技术一直是瓶颈。 54所正在独立开发室内测图软件，旨在实时对室内3D场景进行测绘并进行空间分割和实时重构，现可实现2 000 m2/h的测绘效率，在业内属于领先水平。

3 基于MEMS惯性传感器的航迹推算

使用微机电系统(microelectromechanical systems，MEMS)惯性传感器进行导航的基本原理是航迹推算(dead reckoning，DR)，其完全不依赖任何外部信号，是一种自主的室内导航与定位技术。惯性技术发展的一个重要标志是惯性传感器的发展，包括测量原理、器件精度和加工工艺方面。MEMS惯性传感器是惯性器件的一个比较大的种类，其制造采用集成电路的加工工艺。纵观全球，各国对MEMS惯性导航的研究方兴未艾，包括MEMS加速度计[36]，MEMS陀螺仪[37]，MEMS磁力计[38]，MEMS气压计[39]，以及MEMS传感器信号处理方法[40]等等。在性能方面，与液浮、气浮等机械陀螺和激光、光纤等光学陀螺仪性能相比，MEMS惯性器件的性能相对较差，但MEMS惯性传感器有传统的惯性仪表无可比拟的优点，如体积小、重量轻、成本低、可靠性好、功耗低、易于数字化和智能化、测量范围大等[41]。基于上述特点，MEMS惯性器件开辟了新的应用领域如共融机器人、人工智能、情景感知等。MEMS技术的发展已经给室内导航与定位提供方便有效的硬件基础，和较为完善的信号处理方法。因此其特别适用于对硬件成本要求苛刻的低成本导航与定位领域。

但因为MEMS传感器精度普遍不高，基于MEMS惯性传感器的DR只能提供短期精确的导航解，虽然通过实验标定可以消除大多数确定性传感器误差的影响，但低成本MEMS惯性器件仍存在严重的温度敏感性，并且各种残留的传感误差不断累积并导致姿态误差，进而使速度和位置解发散。在3个姿态角误差中，尤其是航向角误差，会在没有外部信息更新时不断发散，使导航与定位解恶化。同时相比于步长累计误差，航向误差对导航与定位精度影响更大[42]。

要想提高MEMS惯性传感器的导航与定位精度，典型的方法如采用更好的随机误差模型来提高传感器性能，或者引入导航先验信息约束[43]，如：载体运动学模型，道路模型，空间约束信息等。笔者也研究过利用室内走廊结构关系约束来修正航向角[44]，提高定位精度，但需要额外的技术手段获取走廊等空间信息。零速修正(zero velocity update，ZVU)和静态航向锁定(zero angular velocity update，ZAVU)是行人导航与定位应用中最常用的先验信息，它们均可在行人保持静态或准静态时修正速度误差并估计部分传感器误差，如垂向陀螺零偏；此外学者们还提供了其它先验信息，例如利用行人步长速度模型，通过分析加速度计和陀螺的信息来挖掘航向信息，使用用户在室内运动时，有很大概率朝向楼道方向这一假设来修正航向，当实际导航条件符合使用某种先验信息的前提假设时，这些先验信息可以有效提高导航性能。例如：当导航设备或传感器固定在脚上时，脚踏在地面时有明显的准静态时段，因而对ZVU和ZAVU的使用频繁而可靠；如果固定在腰上，则步态信息不容易被检测，但传感器测量值尤其是磁的失真较小，更容易处理。对人体运动模型的使用需要事先训练，即估计参数模型，因为模型参数会随着用户行为习惯，设备运动模式，传感器精度，甚至应用环境的不同而变化，相应的研究还有待深入。

事实上，为得到长期高精度的导航与定位解[45]，学者们经常把MEMS惯性传感器与其它技术相融合，形成各种组合导航与定位技术，多传感融合技术是最常见的一种，也是研究最热的一种。

4 多传感器融合室内导航与定位技术

考虑到各种技术均有各自的优缺点及最适合的应用场景，难以用某一种技术提供一种可靠且低成本的导航与定位方案。因此，将多个有互补特性的传感器进行有机组合，获得优于单个传感器的性能。近年来，多传感器融合技术发展很快，其研究成果除应用在军事领域外，已迅速扩展到自动控制、目标识别、交通管制、导航、遥感等多种领域。

从数学角度来看，单一传感器的测量值组成一个测量子空间，而多传感器融合则是各测量子空间按照一定的法则向信息融合空间投影。根据系统模型及传感器的噪声的统计特性假设，将观测数据映射到状态矢量空间，如位置、速度、角速度、姿态和传感器误差量等。多传感器信息融合会根据观测数据给出一个关于状态的最优估计量[46]。

学者们提出了多种基于移动智能终端MEMS传感器的导航与定位方案，如利用陀螺提供的航向变化来探测和排除严重的磁场干扰；利用磁强计信息探测环境磁场准静态时段，并利用这些时段内的磁强计信息提供相对航向角的变化来标定陀螺。为了提供长期可靠的导航结果，不少文献将MEMS传感器信息和WiFi信息，GNSS导航卫星信息、视觉信息、地磁信息等进行融合[47-48]，取得了不错的结果。

5 结束语

本文介绍了基于无线信号的交汇技术、数据库匹配技术、基于MEMS惯性传感器的航迹推算，以及多传感器融合等室内导航与定位技术。总结一下室内导航与定位仍面如下挑战[49-52]：

1)室内环境下无线电信号不可用或严重衰减；

2)智能设备内置的MEMS传感器存在环境敏感性；

3)缺少统一的室内定位标准和协议，各种技术存在兼容性问题；

4)室内环境复杂，存在非视距(non line of sigh，NLOS)现象，多径效应和人体的干扰；

5)室内环境可能存在频繁和严重的电磁干扰，影响了室内定位技术的鲁棒性；

6)行人运动形式多样化，且不可预测性强，制约了人体运动模型的通用性和可扩展性。

室内导航与定位的本质是解决3个问题：在哪、去哪和怎么去。当前绝大多数的室内导航与定位都是针对结构化环境的，其需要空间划分或者地图构建，这样才是可导航的，可定位的；在结构化环境中，基于无线信号的交汇定位，数据库匹配技术仍会持续发展；同时室内导航与定位在非结构环境下[53]的需求会日益增加，如单兵作战[54]、野外探险、消防救援等，因此一些基于非结构化或者半结构化的室内导航与定位技术有待进一步研究，值得一提的是，基于MEMS惯性传感器的航向推算与其它技术融合的方法有望成为非结构化环境室内导航与定位的突破口，随着MEMS技术的发展[55-59]，纳机电系统(nano electro mechanical system，NEMS)技术也逐渐进入人们视野，美军计划在2024年将NEMS惯性器件实用化，相信不久的将来，基于MEMS/NEMS惯性传感器会在室内导航与定位中大放异彩。

可以展望，未来室内导航与定位技术新的发展趋势如下：

1)室内定位技术标准和协议的统一；

2)研究多传感器融合的新方法，多源异构传感器的在线融合理论有待成熟；

3)研究传感器积累误差进行在线智能校准；

4)研究行人高动态如奔跑条件下的精细积分算法；

5)探索行人在未知非结构环境且无地图等数据库辅助的情况下，室内定位系统的鲁棒性问题；

6)室内定位系统的微型化研究，结合3D堆叠封装技术将系统做小，向系统微型化方向研究；

7)结合人工智能等新兴的智能算法和可进化的电路，研究室内定位系统的智能化，如人机交互，情景感知等。

未来，室内导航与定位技术会在导航、火警救援、解救人质、突击任务、防爆、建筑物室内地图绘制、人的健康监测等诸多领域大显身手，更好的为国计民生服务。

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

[2] 张亦苏.浅谈无线通信技术的发展趋势[J].中国新通信，2017，19(7)：26-26.

[3] 邹德岳.异构无线系统室内外无缝定位技术研究[D].哈尔滨：哈尔滨工业大学，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，FU 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，FU 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] 岳晓奎，袁建平，吴琼.伪卫星技术发展和应用综述[J].全球定位系统，2005，30(2)：47-51.

[27] 范平志.蜂窝网无线定位[M].北京：电子工业出版社，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] 郑静，张劼，华泽钊，等.室内超声波定位系统的构建与测试[J].上海理工大学学报，2007，29(6)：553-556.

[30] 高岩.基于WiFi--FM指纹和最小集匹配的室内定位系统的研究[D].天津：南开大学，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] 刘钊，陈卫卫，李志刚.一种基于磁场信息匹配的返航导航算法[J].军事通信技术，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] 郑文翰.基于WLAN的室内定位技术研究与实现[D].成都：电子科技大学，2016.

[35] 闫金金，尚建嘎，余芳文，等.一种面向室内定位的3D建筑模型构建方法[J].计算机应用与软件.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] 韩光，孙宁，李晓飞，等.非结构环境理解综述[J].计算机应用研究，2014，31(8)：2248-2253.

[54] 潘献飞，穆华，胡小平.单兵自主导航技术发展综述[J].导航定位与授时，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，FOWLER 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.