第二章 文獻回顧
第四節 室內定位校正
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四節 室內定位校正
因為室內環境複雜，使用根據訊號定位的方式不免會受到牆壁、家具、
門窗甚至人體的阻擋，從而引起訊號的反射、折射，導致定位不準確(楊凡、
趙東東， 2012) ，而使用慣性定位則會因陀螺儀與加速度儀的誤差累積導 致定位錯誤。不管使用何種室內定位方式，坐標計算後的校正方式為極其 重要的一環，將影響定位成果。一般在非慣性室內導航中，常使用 Wi- F i 訊 號強度指紋做為定位方法，若直接使用慣性定位方法於室內環境中，即需 要搭配適當校正方法，限制 PDR 由陀螺儀與加速度儀產生之誤差所影響的 坐標偏移量。
修正室內慣性導航偏移中，較為常見之校正方法是於有 GNSS 訊號時，
以 GNSS 做為坐標獲取依據，然在訊號受遮蔽時，再輔以 PDR 進行坐標推 算。例如李金鳳等人(2014)即整合 GPS 與低成本 MEMS 慣性感測器，完成 PDR 推算系統，也證實了 GPS 與 PDR 互相結合可以彌補導航缺失，提升 定位成果(如圖 22)。
圖 22 行人航位推算系統結構(李金鳳 等人，2014)
除此之外，尚有其它不同之室內定位校正方式，如楊凡、趙東東(2012) 提出了改進的位置指紋定位演算法，原本的位置指紋定位演算法乃是透過 萃取獲得資訊的某些特徵與資料庫中儲存的資訊特徵進行比對，藉此實現
23
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
室內定位。該方法需要先建立離線地圖，也就是建立訊號特徵的資料庫，再 透過行動裝置獲取的訊號與資料庫進行匹配。而改進的位置指紋定位演算 法則加入了訊號平滑化的概念，透過平均值平滑法後再進行比對可提高定 位準確性。
Kroger et al.(2010)透過藍芽裝置校正行人航位推算的坐標計算結果，然 而其校正方式與一般直接將藍芽裝置位置做為校正點的方式不同。此方法 為透過使用者經過兩個藍芽裝置後計算行走的距離，再與已知的兩藍芽裝 置間距離進行比較，以此做為校正依據，可以有效提升行人航位推算的精 度。而 Chen et al.(2015)同樣透過行人航位推算法計算坐標，因為其認為 Wi-Fi 指紋室內定位系統較難在行動裝置上使用，但行人航位推算法又因時間 增長導致坐標誤差大。因此其結合 Wi-Fi 指紋定位與行人航位推算法，並 搭配無跡卡爾曼濾波演算法提升室內定位精度。
姜仁傑等人(2014)透過判斷陀螺儀三軸 Roll、Pitch、Yaw 數值的絕對值 或相對變化來判斷使用者的姿態，依此推論使用者手持裝置的方式為放置 於胸前行走、放置於胸前口袋行走或掛在腰間行走。而多姿態判斷的目的 為根據不同姿態之特性，排除步伐偵測的錯誤，進而提升整體步伐偵測的 凖確性及定位精凖度。
圖 23 行動裝置姿態(姜仁傑等人, 2014)
除了透過多姿態判斷方式提升定位精度外，該研究亦使用步長動態迴 歸模型調整演算法來提升步長估計的精凖度，藉此改善最終的定位結果。