比如陀螺、加速度计、磁 强计、气压高程计、GPS等，也可增加虚拟传感器，如由一组相片构成的虚拟陀螺、虚拟里程 计，由地图信息提供的路标位置等。步骤1中所指装置，既可以是使用上述传感器搭建的专 业测量或导航系统或平台，也可以是包含上述传感器的移动设备，如智能手机。
[0052] 在步骤202中，携带所述多传感器装置在待构建wifi指纹数据库或待更新wifi 指纹数据库的目标区域运动，所述多传感器装置的处理器实时获取各传感器采集的数据， 所述采集的数据包括由加速度计和磁强计获取的速度信息和姿态信息，以及由无线信号收 发器获取的wifi信号。
[0053] 在具体实现中，所述携带所述多传感器装置，可以是将多传感器装置拿在手中或 是放在口袋、背包等其他部位随人体运动，也可将装置置于其他载体（如推车、机器人等） 上随设备一起运动。
[0054] 可以根据携带装置的方式的不同而选用不同的多传感器组合导航算法：例如，若 装置由人体携带，则可使用行人导航算法；若装置被置于其他载体，则可相应地选用车载导 航算法。若实际导航环境允许，加上其他信息的辅助来提高导航精度，比如道路信息（如道 路的方向角、长度等）、路标（如拐角、电梯等）位置等。
[0055] 在步骤203中，根据导航算法计算所述多传感器的位置信息，并根据同时间采集 的wifi信号组合构建或更新wifi指纹数据库。
[0056] 本发明实施例提供的一种基于多传感器装置的wifi指纹数据库构建方法的有益 效果包括：本发明实施例利用传感器提供的连续导航信息，取代传统的逐点测量方法，来完 成WiFi数据库的构建和更新工作。一方面，将WiFi数据库的构建和更新从静态、逐点处理 变成了动态、连续处理，大大节省工作时间；另一方面，所有参考点位置的将由多传感器导 航算法提供，而不再需要人工去逐点获取，从而降低工作量。因此，本方法可大幅缩短甚至 省去专门的人工维护工作量，降低运营成本。
[0057] 结合本发明实施例，存在一种优选的方案，其中，所述初始姿态信息包括初始水平 姿态角和初始航向角，具体的：
[0058] 所述初水平姿态角包括横滚角和俯仰角，具体由所述加速度计采集的数据利用如 下公式获得：
[0061] 其中fx、f# f 2分别为加速度计采集的x、y及z轴方向的比力值，Φ为初始横滚 角和Θ为俯仰角；
[0062] 所述初始航向角是通过所述磁强计利用如下公式获得：
[0063] Φ = tan 1 (mYH/mXH)
[0064] 其中 mXH= mx cos Θ+my sin Φ sin Θ+mz cos Φ sin Θ，mYH= my cos Φ _mz sin Φ，mx、 nvS m 2分别为x、y及z轴方向的磁强计输出。
[0065] 在具体实现中，装置的初始位置和姿态信息可以人为设定，也可以根据传感器输 出计算获得，例如：初始位置信息通过将导航起始点选在室外从而由GPS获得，或者通过室 内WiFi定位或者根据附近的路标位置获得；初始速度可设为0 ;初始水平姿态角（俯仰、横 滚角）可以由加速度计输出计算得到，初始航向角可以由磁强计信息获得，或者由多个时 刻的GPS或WiFi定位结果计算得到。
[0066] 结合本发明实施例，存在一种优选的方案，其中，所述加速度计和磁强计的采集频 率设定为20-lOOHz，所述无线信号收发器对wifi信号的采样频率设定为0. 2-lHz。
[0067] 可选的，所述多传感器装置采用较高采样率（如50Hz)获得，以保证导航结果分辨 率；而WiFi信号可用较低采样率（如0.7Hz)获得，以降低数据库维护计算量。在采集传感 器数据和WiFi数据时，优选的方案为，同时记录收到信号的时间信息，以便于后续数据的 组合。
[0068] 结合本发明实施例，存在一种优选的方案，其中，所述根据导航算法计算所述多传 感器的位置信息，具体包括：
[0069] 以使加速度计、磁强计、陀螺仪的采集参数作为输入，并使用惯性导航卡尔曼滤波 算法实时计算设备的姿态信息；所述计算得到的设备的姿态信息和行人航迹推算导航卡尔 曼滤波算法结合，计算得到多传感器的位置信息。
[0070] 结合本发明实施例，存在一种优选的方案，其中，所述惯性导航卡尔曼滤波算法具 体由卡尔曼滤波系统模型实现，所述卡尔曼滤波系统模型表现为以下公式：
[0071]
[0072] 其中δ rn、δ，和φ为位置误差、速度误差和姿态误差；C〗是载体坐标系（x- y-z 轴坐标系）到导航坐标系（北-东-地坐标系）的方向余弦矩阵；比力；和分别 为地球自转角速度和装置在地球表面运动造成的角速度；符号"X"表示两个向量的叉乘； S fb和分别为加速度计和陀螺的误差。
[0073] 结合本发明实施例，存在一种优选的方案，其中，所述加速度计和陀螺的误差的计 算方法具体为：
[0076] 其中bJP b ,分别为加速度计和陀螺零偏，δ s a和δ s g分别为加速度计和陀螺 比例因子误差，^和Wg为加速度计和陀螺噪声，^和·i:〗为加速度计和陀螺测量值，符号 diag( ·)为由向量生成的对角阵。
[0077] 结合本发明实施例，存在一种优选的方案，其中，所述行人航迹推算导航卡尔曼滤 波算法具体由行人航迹推算导航卡尔曼滤波模型实现，所述行人航迹推算导航卡尔曼滤波 模型表现为以下公式：
[0078]
[0079] 其中下标k和k+Ι代表所走步数，L λ、！Ks及b分别为炜度、经度、航向角、步 长和垂向陀螺零偏；R"、ItSh分别为地球子午圈曲率半径、卯酉圈曲率半径和用户所在点 高程。
[0080] 结合本发明实施例，存在一种优选的方案，其中，所述根据同时间采集的wifi信 号组合构建或更新wifi指纹数据库，具体包括：
[0081] 对于各时刻的位置信息，计算其时标与所有可能与之匹配的WiFi信号的时标差 值，并找到时标差值最小的WiFi信号；若判断该时标小于时差阈值，则将所找到WiFi信号 与该时刻的位置信息组合，其中，所述时差阈值为预先设定的小于位置信息采样间隔的值。
[0082] 结合本发明实施例，存在一种优选的方案，其中，所述构建或更新wifi指纹数据 库的存储形式，具体为：
[0083] F1= {r 1； σ ri, (MAC1, RSS1) 1； (MAC2, RSS2) 1； ···, (MACn, RSSn) J
[0084] 其中F1为第i时间历元的指纹，^和〇 "分别为多传感器导航位置结果及其精度； η为当前时刻能接收到信号的WiFi路由器的数目，MAC jP RSS j分别为当前第j个WiFi路 由器的mac地址及其信号强度。
[0085] 结合本发明实施例，存在一种优选的方案，其中，据同时间采集的wifi信号组合 构建或更新wifi指纹数据库，还包括wifi信号的预处理，具体包括：
[0086] 对WiFi信号的过滤，具体为选定一个阈值th_ss，低于该强度的WiFi信号将被定 义为弱信号而删除；或者，WiFi信号权重设定，具体为根据各信号的强度，设定其相应的权 重。
[0087] 本发明实施例提供的一种基于多传感器装置的wifi指纹数据库构建方法的有益 效果包括：本发明实施例利用传感器提供的连续导航信息，取代传统的逐点测量方法，来完 成WiFi数据库的构建和更新工作。一方面，将WiFi数据库的构建和更新从静态、逐点处理 变成了动态、连续处理，大大节省工作时间；另一方面，所有参考点位置的将由多传感器导 航算法提供，而不再需要人工去逐点获取，从而降低工作量。因此，本方法可大幅缩短甚至 省去专门的人工维护工作量，降低运营成本。
[0088] 实施例二
[0089] 本实施例基于实施例一实现基础上进一步提出了改进实现效率的方法，具体为： 若有传感器可直接提供设备的位置信息，比如设备在导航过程中接收到了 GPS、伪卫星或其 他定位技术的信号，且定位精度满足要求，则可选择跳过步骤203中根据导航算法计算所 述多传感器的位置信息，而直接使用该位置信息进行WiFi指纹数据库构建和更新。如图2 所示。
[0090] 实施例三
[0091] 本实施例给出了实施例一中步骤203的具体推理方法，具体包括：
[0092] 首先使用惯性导航卡尔曼滤波算法实时计算设备的姿态信息。卡尔曼滤波系统模 型为：
[0094] 其中δ rn、δ，和φ为位置误差、速度误差和姿态误差；Cf是载体坐标系（x-y- z 轴坐标系）到导航坐标系（北-东-地坐标系）的方向余弦矩阵；比力；《4和(C1分别 为地球自转角速度和装置在地球表面运动造成的角速度；符号"X"表示两个向量的叉乘； δ fb和分别为加速度计和陀螺的误差，其建模方式为：
[0097] 其中bJP b ,分别为加速度计和陀螺零偏，δ s a和δ s g分别为加速度计和陀螺 比例因子误差，^和Wg为加速度计和陀螺噪声，P和1?为加速度计和陀螺测量值，符号 diag( ·)为由向量生成的对角阵。
[0098] 加速度计和磁强计可提供修正信息来提高姿态确定精度。加速度计量测方程为：
[0100] 其中gn为地球重力向量；符号[vX]表示由向量V生成的反对称矩阵！Il1为加速 度计噪声向量。 「01011 陀螺量测方式为：
其中mb为磁强计输出，mn为本地磁场向量，η 2为磁强计噪 声向量。