尽管船舶定位技术相对成熟，但船舶内部物体和人员的位置信息获取缺乏理想的解决方案。实际上，对大型船舶室内人员的定位研究在国内外正在起步阶段。大型船舶船体结构复杂，体积庞大。无论是从船舶日常管理，资源调配出发，还是从应急条件下的人员安全与救援角度出发，对于船舶室内人员的位置信息获取具有重要意义。

本文主要针对船舶舱室的人员定位技术进行研究，设计能够适应船舶环境的室内人员定位系统。在船舶较为复杂的电磁环境条件下 ，传统基于GPS的定位技术无法适用于船舶舱室内部定位。同时，目前的基于无线场强信号的室内定位技术也无法直接应用于船舶舱室环境。 本文在充分考虑船舶环境特殊性的基础上综合分析现有的室内定位方法，提出了一种将惯性导航技术与无线传感网络技术相结合的组合定位方法。

本文工作主要围绕下列几点展开：一、设计并搭建硬件平台以STM32为核心，搭建了行人航位推测子系统；以Zigbee技术搭建无线传感网络用以辅助定位，并对上位机软件等模块进行了设计和开发。二、通过穿戴式的惯性测量单元所测得的加速度，陀螺仪，磁强计信息，进行行人步态判断，利用零速更新算法对行人步长进行估计，利用姿态估计算法获取行人前进方向角，并通过航位推算得到初步的位置信息。三、针对行人航位推测系统中的误差积累问题以及为了进一步提高定位精度，本设计利用WSN信号作为辅助定位信息，将WSN定位信号与航位推算结果通过扩展卡尔曼滤波进行融合。本文通过模拟实验对算法进行了验证。实验结果表明该方法能够取得较满意的定位结果。

本文结合船舶环境特点，设计了一种利用扩展卡尔曼滤波对行人航位推算信息与WSN室内定位信息进行融合的定位方法。该方法综合了两种定位技术的特点，减少了惯导累积误差对定位的影响，同时提高了WSN室内定位的抗干扰能力。该系统对实现船舶人员应急救援，船舶精细化管理，物流实时跟踪等具有可借鉴的理论意义和实用价值。

[1]王金龙等. 无线超宽带(UWB)通信原理与应用[M]. 北京市: 人民邮电出版社,2005.

[2]刘序文. 基于Zigbee的无线传感器网络定位研究[D]. 北京邮电大学, 2009.

[3]Ni L M, Liu Y, Lau Y C, et al. LANDMARC: indoor location sensing using active RFID[J]. Wireless networks, 2004,10(6):701-710.

[4] Foxlin E. Pedestrian tracking with shoe-mounted inertial sensors[J]. Computer Graphics and Applications, IEEE, 2005, 25(6): 38-46.

[5] Jiménez A R, Seco F, Prieto J C, et al. Indoor pedestrian navigation using an INS/EKF framework for yaw drift reduction and a foot-mounted IMU[C]//Positioning Navigation and Communication (WPNC), 2010 7th Workshop on. IEEE, 2010: 135-143.

[6]Zampella F, Khider M, Robertson P, et al. Unscented kalman filter and magnetic angular rate update (MARU) for an improved pedestrian dead-reckoning[C]//Position Location and Navigation Symposium (PLANS), 2012 IEEE/ION. IEEE, 2012: 129-139.

[7] Jimenez A R, Seco F, Prieto C, et al. A comparison of pedestrian dead-reckoning algorithms using a low-cost MEMS IMU[C]//Intelligent Signal Processing, 2009. WISP 2009. IEEE International Symposium on. IEEE, 2009: 37-42.

[8] Kim Y K, Choi S H, Kim H W, et al. Performance improvement and height estimation of pedestrian dead-reckoning system using a low cost MEMS sensor[C]//Control, Automation and Systems (ICCAS), 2012 12th International Conference on. IEEE, 2012: 1655-1660.

[9] Li Y, Wang J J. A robust pedestrian navigation algorithm with low cost IMU[C]//Indoor Positioning and Indoor Navigation (IPIN), 2012 International Conference on. IEEE, 2012: 1-7.

[10] Gusenbauer D, Isert C, Krosche J. Self-contained indoor positioning on off-the-shelf mobile devices[C]//Indoor positioning and indoor navigation (IPIN), 2010 international conference on. IEEE, 2010: 1-9.

[11] Ruiz A R J, Granja F S, Prieto Honorato J C, et al. Accurate pedestrian indoor navigation by tightly coupling foot-mounted IMU and RFID measurements[J]. Instrumentation and Measurement, IEEE Transactions on, 2012, 61(1): 178-189.

[12] Raitoharju M, Nurminen H, Piché R. A linear state model for PDR+ WLAN positioning[C]//Design and Architectures for Signal and Image Processing (DASIP), 2013 Conference on. IEEE, 2013: 113-118.

[13] Li L, Lin X. Apply Pedestrian Dead Reckoning to indoor Wi-Fi positioning based on fingerprinting[C]//Communication Technology (ICCT), 2013 15th IEEE International Conference on. IEEE, 2013: 206-210.

[14] Seitz J, Vaupel T, Thielecke J. A particle filter for Wi-Fi azimuth and position tracking with pedestrian dead reckoning[C]//Sensor Data Fusion: Trends, Solutions, Applications (SDF), 2013 Workshop on. IEEE, 2013: 1-6.

[16]宣秀彬.基于Wi-Fi和航位推算的室内定位方法研究[D].燕山大学,2013.

[17]褚红伟.基于智能手机的室内行人定位与导航技术研究[D].中国海洋大学,2013.

[18]肖永健.基于WSN与惯性导航的井下人员定位系统设计与应用[D].华中科技大学,2013.

[19]齐保振.基于运动传感的个人导航系统及算法研究[D].浙江大学,2013.

[20]刘文.基于微机电惯性传感器的船舶室内导航算法研究[D].大连海事大学,2013.

[21]黄梓昊.基于Wi-Fi的商场导航导购系统的研究与设计[D].中山大学,2013.

[22]徐辉霞.基于UHFRFID的室内定位研究与应用[D].电子科技大学,2013.

[23]胡恩伟.基于MEMS多传感器数据融合的惯性组合导航系统算法设计与实现[D].重庆大学,2013.

[24]李旭.基于移动设备的室内定位系统的研究与实现[D].浙江理工大学,2013.

[25]侯祖贵.基于惯性传感器的人体动作分析与识别[D].哈尔滨工程大学,2013.

[26]闫亭亭.基于粒子滤波的智能移动终端室内定位方法研究[D].燕山大学,2013.

[27]李辰祥.基于MEMS行人惯性导航的零速度修正技术研究[D].厦门大学,2014.

[28]孔天恒.基于Radar-scanner/INS的微小型旋翼无人机室内组合导航与控制的研究[D].浙江大学,2014.

[29]周晓军.基于室外辅助和惯性导航的室内定位方法的研究与实现[D].杭州电子科技大学,2014.

[30]庞晗.基于MEMS惯性器件的徒步个人导航仪设计与实现[D].哈尔滨工程大学,2012.

[31]刘庆.基于Zigbee的无线传感网室内定位技术研究[D].浙江工业大学,2012.

[32]刘敏.认知无线局域网室内定位算法的研究与实现[D].西安电子科技大学,2012.

[33]申崇江,冯成涛,崔莹,王丽华,陈婷.穿戴式室内行人航位推算系统研究[A].第五届中国卫星导航学术年会论文集,2014.

[34]徐元,陈熙源.基于Kalman滤波器的INS/WSN紧组合导航系统模型(英文)[J].Journal of Southeast University(English Edition),2011,04:384-387.

[35]张世哲.基于惯性传感器和WiFi的室内定位系统的设计与实现[D].北京邮电大学,2012.

[36]马帅.基于ZigBee的WSN室内定位技术研究[D].安徽大学,2012.

[20]高新书.基于加速度传感器的WSN定位系统研究[D].武汉理工大学,2012.

[37]李方.基于ZigBee的位置指纹法室内定位技术研究[D].哈尔滨工业大学,2012.

[38]顾照鹏,董秋雷.基于部分惯性传感器信息的单目视觉同步定位与地图创建方法[J].计算机辅助设计与图形学学报,2012,02:155-160.

[39]李庆华,陈熙源,徐元.面向INS/WSN组合定位的分布式H_∞融合滤波器设计(英文)[J].Journal of Southeast University (English Edition),2012,02:164-168.

[40]胡天琨,叶建芳.基于手持设备的室内定位系统设计与实现[J].微型机与应用,2012,13:4-6.

[41]夏凌楠,张波,王营冠,魏建明.基于惯性传感器和视觉里程计的机器人定位[J].仪器仪表学报,2013,01:166-172.

[42]宋敏,申闫春.室内定位航位推测算法的研究与实现[J].计算机工程,2013,07:293-297+301.

[43]陈义华.基于加速度传感器的定位系统研究[D].厦门大学,2006.

[44]赵永翔,周怀北,陈淼,温斌.卡尔曼滤波在室内定位系统实时跟踪中的应用[J].武汉大学学报(理学版),2009,06:696-700.

[45]本报记者王娟.受困三大问题室内导航市场暗潮涌动[N].中国计算机报,2013-08-12008.

[46]赵逢达,闫亭亭,孔令富.一种基于粒子滤波的智能移动终端室内行人定位算法[J].小型微型计算机系统,2014,08:1842-1847.

[47] Harle R. A survey of indoor inertial positioning systems for pedestrians [J]. IEEE Communications Surveys & Tutorials, 2013, PP (99):1-13.

[48] Addlesee M, Curwen R,Hodges Setal. Implementing a sentient computing system [J].Computer, 2001, 34 (8):50-56.

[49] Ciurana M, Cugno S, Barcelo-Arroyo F. WLAN indoor positioning based on TOA with two reference points [C], The 4th IEEE Workshop on Positioning, Navigation and Communication,Hannover, Germany, 2007:23-28.

[50] Guolin S, Jie C,Wei G et al. Signal processing techniques in network-aided positioning: A survey of state-of-the-art positioning designs [J]. IEEE Signal Processing Magazine, 2005.

[51] Hui L, Darabi H, Banerjee Petal. Survey of wireless indoor positioning techniques and systems[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, 2007,37 (6):1067-1080.

[52] Hyo-Sung A, Kwang Hee K. Simple pedestrian localization algorithms based on distributed wireless sensor networks [J]. IEEE Transactions on Industrial Electronics, 2009, 56 (10):4296-4302.

[53] Castaneda N,Lamy-Perbal S. An improved shoe-mounted inertial navigation system [C]. International Conference on Indoor Positioning and Indoor Navigation (IPIN), Hoenggerberg, Switzerland, 2010:1-6.

[54] Fischer C,Talkad Sukumar P, Hazas M. Tutorial: Implementing a pedestrian tracker using inertial sensors [J]. IEEE Pervasive Computing, 2013, 12 (2):17-27.

[55] Lei F, Antsaklis P J,Montestruque L A et al. Design of a wireless assisted pedestrian dead reckoning system - the navmote experience [J]. IEEE Transactions on Instrumentation and Measurement, 2005, 54 (6):2342-2358.