随着物联网的快速发展和智慧城市建设的兴起,人们对室内位置服务例如目标发现、医疗服务和智能家居的需求与日俱增。传统的GPS和蜂窝网络技术在室外定位精度比较高,但是在室内由于墙体的阻挡,射频信号往往受到干扰,使定位精度大大降低。目前室内定位技术主要是基于各种无线网络技术,如Wi-Fi、RFID(Radio Frequency Identification)、WLAN(Wireless Local Area Networks)等,利用接收信号强度(Received Signal Strength,RSS)来实现室内定位。但是由于多径效应、信号衰减、人的走动等的影响导致室内环境比较复杂,RSS的变化比较大,因此基于无线网络的室内定位精度受到限制,并且这些定位技术需要辅助相应的信号基站。基于以上原因,本论文考虑使用IMU定位,它利用惯性测量单元(Inertial Measurement Unit,IMU)推算下一时刻用户的位置,估计行走轨迹,不需要辅助信号基站,具有完全自主、不受外界环境影响等特点,并且惯性测量单元已经广泛安装在智能移动终端中,无需增添新的配件。基于此提出了基于改进航位推算和粒子滤波的IMU室内定位算法,本文的主要研究内容和创新点包括:1.提出了基于IMU的室内定位算法框架,该框架包括步数检测、步长估计、航位估计和粒子滤波优化算法等模块。针对原有航位推算模型数据处理误差大,定位精度低,在原有模型上优化了数据处理过程,提出了步数检测算法和自适应步长估计算法,步数检测算法通过引入时间窗口检测和动态时间规整(Dynamic Time Warping,DTW)距离算法,限制步数的间隔时间和比对相邻步伐的相似度剔除误差数据,使步数检测更加精准;自适应步长估计算法利用步长与步频、加速度的关系及线性回归算法训练步长模型增加算法的自适应性,使估计的步长与实际步长更加接近,减少步长估计误差。2.在航位推算模型的基础上引入粒子滤波,完成了IMU定位算法的定位信息整合和优化过程,是IMU定位算法的重要一环。但是传统的粒子滤波算法存在粒子贫化和退化问题,基于此提出了基于几何中心和似然估计的粒子滤波算法,在重采样阶段,利用几何中心思想实现部分粒子重采样,通过粒子与几何中心的距离筛选重采样粒子。在粒子权重计算阶段,针对非平稳非高斯观测噪声导致粒子滤波算法估计精度低、易发散的问题,提出了基于似然估计的非高斯噪声参数估计,取代了传统算法中测量噪声的高斯密度函数近似估计,不仅解决了粒子贫化和退化问题,而且提高了定位精度。采用Matlab2010a分别对步数检测算法、步长估计算法、改进粒子滤波算法和IMU定位算法进行仿真分析,证明了所提出算法的合理性和有效性,能够有效提高定位精度,减少定位误差。