压缩包中包含采集的数据与代码，直接运行pdr_main.m文件即可查看实现效果。 实现原理参考链接：https://blog.csdn.net/wxc_1998/article/details/127265887?spm=1001.2014.3001.5502

定位是感知应用的一个重要属性。在室内环境中，如果位置信息可用并非常可靠，有更多的应用场景可以实现的。行人航位推算(PDR) 就是这样一种技术，在室内环境中可提供行人航位信息并提高定位可靠性。惯性传感器、磁力计和压力传感器是航位推算应用中必不可少的传感器组件，用之可大幅提升导航性能，这些器件的功耗必须极低，这样才能始终保持开启模式并提供数据用于航位推算应用。实现随时随地定位的目标离不开高品质的MEMS传感器和高性能的行人航位推算算法。本文主要讨论各种行人航位推算算法上需要用到的传感器组件的数学表述，以及可用性和可靠性更高的PDR行人航位推算算法的测试结果。     定位技术概述     导航

为实现在无法接收到卫星信号的复杂室内环境下行人精确定位与导航,提出一种多源信息融合的室内定位方法,通过融合智能手机中方向传感器数据进行室内行人航位推算(PDR),采集室内环境中的WiFi与蓝牙信号信息进行信号强度匹配及修正PDR累计误差;针对室内复杂环境下WiFi指纹定位精度低的情况,提出一种将随机森林(RF)分类与改进的K最近邻(KNN)算法相结合的WiFi指纹定位算法,降低计算复杂度,提高定位精度;在改进的WiFi指纹定位算法及多源信息融合分析的基础上,提出使用粒子滤波及地图约束的方法,进一步提高定位精度。实验结果表明:结合粒子滤波及地图约束的多源信息融合定位结果方法估计的路径与真实路径最

适合初学者，GitHub上开源代码，有数据，可运行结果

行人航位推算系统（PDR）因其无需部署信标节点、成本低廉的特点被广泛应用于室内定位中。围绕基于行人航位推算的室内定位问题，对行人航位推算中步态检测、步长推算以及方向推算的研究现状进行了系统的梳理和述评，综述了基于行人航位推算的室内定位的发展及该领域的一些主要研究成果，指出了该领域现有研究存在的问题，提出了相应建议和深入研究的方向。

PDR 行人航位推算（PDR）。 步行步数+方向。

行人航位推算算法，PDR代码，完整可用，matlab出行人轨迹图。