高楼密集的城市峡谷环境中，缺少良好的信号通视条件和足够的射频定位信息，导致GNSS、WiFi和蓝牙等常见手段难以提供连续可靠的定位服务。针对上述问题，本文提出了一种融合惯性里程计(LLIO-Net)和建筑磁场特征匹配的行人定位方法，使用多状态约束卡尔曼滤波(MSCKF)进行多源信息融合，在典型城市峡谷中实现了连续、稳定的行人米级定位。

城市峡谷环境中建筑磁场特征是否支持精准的行人匹配定位是一个有待回答的问题。为此，团队通过实地调查分析了典型城市峡谷场景的磁场特征，发现建筑结构中的铁磁性材料所造成的磁场畸变在空间上具有显著的区分度。图1给出了3个典型场景的卫星图和磁场指纹图：区域A位于武汉街道口银泰购物中心与群光广场之间，包含两侧人行通道及连接街道两侧的地下人形通道，地下又有地铁隧道及通道。区域B位于武汉大学星湖实验楼西侧人行道，两侧都是高层建筑。区域C则位于武汉大学网安学院的连廊下方空间，区域内分布多根含铁支撑柱。从磁图可知，典型城市峡谷场景下仍然存在大量的铁磁性结构，从而形成了显著的磁场特征，能够支持精准的行人磁场匹配定位。

图1 城市峡谷环境下磁场特征分布情况

在上述磁场特征分析基础上，本文提出了一种融合惯性里程计(LLIO-Net)和磁场特征匹配的行人定位方法，具体如图2所示。其中，采用深度学习惯性里程计代替传统基于脚步模型的行人航位推算(PDR)，利用LLIO-Net将手机IMU数据直接映射为稳定的相对位移轨迹。LLIO-Net无需进行显式的手机持握模式识别和安装角估计，显著增强了在不同手机持握方式及复杂场景(包括楼梯等多层通道)下行人位置推算以及磁场轮廓特征生成的精度和可靠性。随后，利用惯导推算的姿态将磁图特征投影到传感器坐标系，并进行差分处理消除磁力计零偏，从而实现复杂用户模式和不同终端条件下的精准磁场匹配定位。最终，使用MFCKF融合INS、LLIO-Net相对位移和磁场匹配定位，形成了一套稳健的组合定位方案。

图2 惯性里程计/磁场匹配组合的行人定位算法框架

为了验证该方法的定位性能，在典型城市峡谷场景(总面积约5000m²)开展了多组实地测试，覆盖了高楼间步行街道、地下人行通道等卫星信号不可用或严重受扰的区域，总测试距离约为8.25公里。测试过程中使用了两款主流智能手机(华为Mate40 Pro和荣耀Magic 6)，用户持握手机方式覆盖平端、摆臂、打电话、拍照等。表1展示了不同定位方案的位置误差，测试结果显示，所提方法的定位误差为 2.98 米(RMS)，相比传统S-PDR/MFM 方法定位误差减少了 92.22%。如图3所示，通过对比参考真值、S-PDR、Neural-PDR、S-PDR/MFM、Neural-PDR/MFM 在4 组测试中的轨迹可见，所提方法无论在手机持握模式变化还是跨楼层场景中均能保持连续、稳定的定位能力。更多地，与手机内置 GNSS 芯片定位结果对比，在高楼密集区及信号被阻断的地下通道中，GNSS 芯片存在 10-20 米的定位误差甚至完全失效，而所提方法仍可稳定提供米级定位服务。

表1 不同定位方案的位置误差

图3 参考真值、S-PDR、Neural-PDR、S-PDR/MFM、Neural-PDR/MFM 在4 组测试中的轨迹

综上所述，团队所提惯性里程计/磁场匹配组合的行人定位方法，不依赖卫星信号或额外基础设施，对不同智能手机型号、不同手机持握方式均具备很强的适应性，可在复杂城市环境中实现稳定、连续的米级定位，满足行人导航、应急救援、智慧城市等应用需求。未来，团队将进一步开展基于用户众包数据的磁场指纹库构建和更新方法研究，并探索与 GNSS、Wi-Fi等多源信息融合，构建更广覆盖、更高鲁棒性的行人定位系统。

研究成果已被期刊IEEE Transactions on on Instrumentation and Measurement录用。

参考文献

[1] Chen S, Kuang J, Wang Y, et al. A Pedestrian Positioning Method for Urban Canyon Environments Using Magnetic Field Matching/Inertial Odometry Fusion[J]. IEEE Transactions on Instrumentation and Measurement, 2025.