定位、导航学习笔记

室内定位步骤

1. 通过加速度传感器获得三轴的加速度值，通过计步算法来算出步数；
2. 方向的获得：通过加速度传感器和磁力计共同完成，获得惯性导航坐标；
3. 根据之前获得的指纹法坐标，两者结合卡尔曼滤波算法，获得精确的坐标；
4. 简单平均法进行数据平滑：获取K组数据，相加除以K，得到平滑的数据；下次获取数据时，剔除第一个数据并将获取的数据加入，再将数据相加处理K，得到平滑数据，以此循环。

三点定位算法

已知三个信标的坐标，已经通过三个信标的RSSI得到与信标的距离，即可得到定位的坐标。

指纹法

指纹法就是事先把各个位置上的信号特征（各Wi-Fi的信号强度）测量一遍，存入指纹数据库，定位的时候，将当前的信号特征与指纹库中的进行匹配从而确定位置，只要通过通过KNN最近邻算法来实现，具体实现过程如下：

1. 获得每个信标到待测点的距离
2. 通过距离进行排序
3. 找到前k（5）个最近的距离
4. 通过5个距离的类判断比例最大的，为最近的分类
5. 距离最近且为最近的类选择为坐标

卡尔曼滤波EKF

卡尔曼滤波可以有效预测向量的下一次走向，并不断优化回归，使预测更精确。总之就是：预测+自我调整。在这里，可以拿来预测室内运动的走向，减少干扰。

室外定位

室外定位主要有卫星定位GPS和基站定位LBS

1. 基站定位LBS：用户开启定位服务后，将会搜索附近所有的基站，当然你距离各个基站的距离是不相同的，距离的远近收到的信号强度也是不相同的。当收到的基站大于等于3个，就可以根据三点定位获得大致的位置。由于信号的不稳定性，定位精度大概是几百米。但由于基站定位值接收基站的信号，所以对电量的消耗是比较小的。
2. 卫星定位GPS（全球定位系统）：地球上一共有24颗卫星，每个地方都能接受到4颗卫星的信号。三点就可以定位，但是误差还是比较大的，所以引入第四个卫星对误差进行修正。定位需要四个卫星。

百度地图的导航定位方式

百度地图主要是通过惯性导航算法PDR和VDR来进行导航和定位操作
惯性导航：只要知道自己的初始位置，知道自己的初始朝向，知道自己每一时刻如何改变了朝向，知道自己每一时刻相对朝向是怎样走的，这样就能得到每时每刻自己的位置。需要依赖加速度传感器和磁场传感器，不过需要引入WIFI、蓝牙或者其他辅助手段来纠正惯性导航的误差。

1. 惯性室内导航算法PDR（步行场景）
   PDR是基于「状态识别」「精准计步」「方向推算」「高精度定位」四项关键技术，可以实现从室外到室内定位的平滑过渡，以及在 GPS 短暂定位失败时持续提供定位能力，精确度达到 3 至 5 米。
   PDR 通过传感器数据，可以准确区分用户的静止、步行、驾车等不同状态，准确率达到 90% 以上；通过加速度传感器数据，采用滑动窗口、步态检测、步长估计模型来进行检测，误差率低于 5%；基于 9 轴传感器数据，实现了高精度姿态角推算，以及实现了精确的行进方向检测算法，从而保证 PDR 能够输出较高准确率的方位角信息。

2. 惯性室外导航算法VDR（驾车场景）
   VDR是通过「传感器模式检测」「GPS 定位优化」「历史轨迹智能学习」三项关键技术，可以精确推算车辆速度、动静状态等，目前推算偏差能够控制在 10% 以下。通过手机传感器监测车辆动静状态、速度和行进方向；通过历史轨迹及单点数据特征优化 GPS 定位；再通过大量历史轨迹的机器学习，实现对速度、方向、驾车习惯、GPS 等驾车状态的偏置估计，保证推算结果更加准确可信。

视觉定位服务Google VPS

VPS是利用影像来判定装置的位置。VPS会先拍摄一系列已知地点的空间相片，分析其视觉特征，例如大楼线条或桥梁，并为这些特征加入大量可快速搜寻的指标，借此绘制成一个空间地图，因此VPS的精准度取决于影像画质和所在地点（但是目前比较难实现）

RSSI

RSSI是接受的信号强度指示
通过接收到的信号强弱测定信号点与接收点的距离，进而根据相应数据进行定位计算的一种定位技术
其测距理论是：依据无线电波或声波在介质中传输，信号功率是随传播距离衰减的原理。

多径效应

多径效应是指电磁波经不同路径传播后，各分量场到达接收端时间不同，按各自相位相互叠加而造成干扰，使得原来的信号失真，或者产生错误。
如果第一个到达的信号和最后一个到达的信号时间之差（这里不严格的叫做时延扩展）非常非常小，就相当于所有的信号都是在相长叠加（波峰和波峰叠加，波谷和波谷叠加），对于信号的接受影响不大。但是当时延扩展比较大的时候，信号的叠加就有可能是相消的（波峰和和波谷叠加），这样就会造成信号的失真。
这种现象在以前看模拟信号电视的过程中经常会遇到，在看电视的时候如果信号较差，就会看到屏幕上出现重影，这是因为电视上的电子枪从左向右扫描时，用后到的信号在稍靠右的地方形成了虚像。