室内定位系统（IPS）
基于位置的服务（LBS）
加速度计，磁场，陀螺仪和声音传感器
GPS或CellID在室内环境中工作不正确,通过行人航位推算（PDR:pedestrian dead reckoning）和方向来定位用户在室内环境中的位置。所提出的系统仅使用智能手机的一些可用的传感器：用于PDR的加速度计传感器，陀螺传感器和重力传感器，其检测步骤以及测量他/她的步骤的长度和方向，然后计算他/她的位置。
Quaternion.(四元数)
基站收发台（BTS）
找到室内用户的更好方法是使用Wi-Fi。然而，该方法需要许多接入点（AP）作为计算用户位置的参考点。同时，AP必须与可用的固定位置对齐。另外，很难确定用户立即动作的方向。正如我们上面提到的那样，使用步行航行计算（PDR）方法和方向进行定位是找到用户位置的简单有效的方法。
为了确保智能手机互动，我们只考虑用户握住手机和电话偏航角度的情况
第二节演示了如何使用加速度传感器和重力传感器以及PDR算法来计算用户移动的加速度。
在第三节中，我们还介绍了陀螺仪传感器和定向理论来估计旋转角度
=================第二节
A. Step Detection 步骤检测
加速度传感器被声明为TYPE_ACCELEROMETER TYPE_GRAVITY和TYPE_LINEAR_ACCELERATION [2]
LINEAR_ACCELERATION传感器允许识别相对于地球的加速度值，但不包括重力加速度值。因此，我们将使用该传感器的输出值用于PRD方法，而不是ACCELEROMETER传感器。
所以我们将以这两种方式计算加速度值。 由于姿势和握手方式，我们只考虑了人体座标系z'Oy'平面内的加速度值。 zOy平面具有与地面垂直的Oz，Oy是与地面相切的切线。
在装置的每个方向上的重力，其中θ是身体座标系的z'Oy'平面与zOy平面之间的角度。
从图和类似实验可以看出， Oz（垂直于地面）方向的加速度值比Oy方向的加速度值更稳定。 因此，我们使用Oz方向的加速度值来评估步骤。
Footstep detection algorithm: There are many step detection techniques such as: the local variance method, zero crossing method, finite-state machine method.
脚步检测算法：有许多步进检测技术，如局部方差法，零交叉法，有限状态机法。
局部方差方法[3]基于加速度的过滤幅度，然后对滑动窗口上的加速度方差应用阈值。
阶跃边界由加速度信号幅度的低通滤波版本的正向过零点定义。 然而，局部方差法和零交叉法均已应用于脚踏传感器。
有限状态机（FSM）。
使用FSM估计步数的平均误差为2.66％，在处理智能手机时与使用局部方差法[3]的平均误差的27.18％相比，使用零交叉法的平均误差为30.19％[4]。 因此，FSM方法是三种方法中检测步骤的最佳方法。
从计算的加速度值，我们将使用由统计过程定义的FSM和阈值水平的组合。 每一步都相对于4个状态：状态0，状态1，状态2和状态3。
•状态0：开始步骤
•状态1：用户高脚跟，向脚走，走一半步。 此时，加速度达到最大值。
•状态2：当用户即将跟随另一只脚时，加速度将减小到状态2。
•状态3：完成一步。 加速减少到状态3后，用户将返回到状态0 - 下一步的起始状态。
有限状态机图：图6示出了包括如上所述的状态0，状态1，状态2，状态3的四个状态的FSM图，作为通过等式（1）确定的Oz方向的加速度值输入， 上限阈值和低阈值。 该FSM方法的优点是：不需要对加速度信号进行任何预处理或过滤操作。 因此适用于资源有限的手机上的实现。 确定上限阈值：确定上限阈值，我们实现两个实验。
获得988个步进样品，在每个步骤记录加速度的最大值和最小值。
为了评估阈值水平，我们使用接收器工作特性（ROC）曲线进行分析[6]。
ROC图是二维图，其中在Y轴上绘制真阳性率（TPR）或灵敏度（％），在X轴上绘制假阳性率（FPR）或100特异性（％）。 为了方便分析，我们使用软件MedCalc绘制曲线[7]
从图9和表I可以看出，显示阈值，灵敏度，特异性值，上限阈值被选择= 1.278。 有了这个值，分类器的真正阳性率为98.1％，假阳性率为1.7％，由ROC曲线评估最好。
低阈值的确定988步骤的加速度的最小值如图10所示。同样，低阈值的值设置为-0.0689。
这个值，分类器的真实阳性率为97.5％，假阳性率为1.7％，由ROC曲线评估最好。
B. Step length Estimation 步长估计
有两种估计步长的方法：静态方法和动态方法。 静态方法允许根据用户的高度确定步长。 但是，当用户快速或缓慢移动时，此方法不准确。 因此，我们使用步长取决于运动加速度的动态方法：
L = f(A) 其中A是通过等式确定的加速度值
在本小节中，我们提出三个动态方法来估计步长：
Weinberg Method: 该方法通过每个步骤的最大加速度和最小加速度之间的差值确定步长[8]
Scarlet method:该方法通过步长的最大值，最小值和平均加速度值之间的相关性来确定步长[9]。
Kim方法：该方法提供步长和平均加速度值之间的相关性的确定[10]。
C.评价偏差和选择最佳方法
表IV显示了在应用具有由ROC曲线评估的两个阈值的FSM时，步进检测中误差百分比为1.946％。 从表三可以看出，Weinberg算法显示了距离估计的结果，平均误差为1.99％，这是最低误差。 因此，我们选择有限状态机图和两个阈值水平：上限阈值= 1.278和低阈值= -0.0689来检测步骤，我们使用Weinberg算法来估计步长。
===============III： 估计旋转角
有许多方法来计算设备的运动方向，例如使用磁场传感器和重力传感器来估计设备相对于放置在地球上的三个座标轴的方向[2]。 不过，在不同点处不稳定的重力和磁场，确定地平面（水平面）上的取向时存在很大的公差。 估计设备方向的另一种方法是使用陀螺传感器。 该传感器将测量3体轴中的角动量，这些参数用于预测低公差的运动方向。
A：陀螺传感器概述
陀螺仪是主要用于以笛卡尔座标表示的角速度的导航和测量的装置。
ω = (ωx,ωy,ωz) (7)
使用智能手机的智能设备，传感器提供的数值是人体座标系中器件的角动量（rad / s），如图1所示。陀螺传感器提供三个参数，包括：俯仰， 滚动和偏航。 在t0-t时间期间对应于每个轴的旋转角度如下：此处公式（8）***###
其中p是方向（x，y或z）。 我们将确定wx，wy和wz。 下面将介绍用于绘制接地轴设备旋转的方法。
B. 3D旋转
我们知道，欧拉角，旋转矩阵和四元数是可用于描述3D中对象的方向的旋转模态。 如[11]所述，四元数具有许多优点，这些优点是欧拉角和旋转矩阵的缺点，如：座标系独立性，简单插值方法，简单组合，特别是无万向节锁定。 所以，我们使用四元数表示旋转。
四元定理
四元数q被定义为标量q0和向量q =（q1，q2，q3）的和根据四元数定理[12]，我们有：
•对于任何单位四元数：
此处公式（9）***###
此处公式（10）***###
其中v等于矢量的旋转角度θ约为u作为旋转轴。
•四元运算符序列：令p和q为两个单位四元数。 我们首先将运算符Lp应用于向量u并获得向量v。对于v，我们然后应用运算符Lp并获得向量u。
此处公式（11）***###
用于表示旋转的四元代数假设在从t到t +Δt1的时间内的角速度向量为→-ω1，其中→ω1 =→-ω1x +→-ω1y +→-ω1z。 在非常小的Δt下，我们可以将每个轴上的装置的速度视为恒定运动，运动的旋转矢量为→-w1 =→-ω1Δt1。 →-w1的方向对应于旋转轴，→-w1是旋转角度。 根据等式（9），我们得到与上述旋转相关的四项式为：
此处公式（12）***###
~此处略部分不必要的公式和讲解
通过与基准相比的运动方向和距离来确定。 这两个数字通过第（II）节和（III）节所述的步长和角度估计来确定。 该系统的图示于图12中。在检测到步骤之后，系统将估计步长
并计算取向以获得当前位置。