近年来，智能手表、手环等可穿戴设备已经拥有大量用户，成为了提供位置服务的又一理想平台。然而，受到人体遮挡和建筑物反射造成的多路径效应、非视距误差等因素的影响，在城市复杂环境中GNSS定位方案难以获得令人满意的定位结果。为此，我们融合了行人运动规律以及GNSS观测序列的内在空间关联，设计了一种腕带式设备专用的GNSS/INS组合导航方案，并提出了两种有效检测GNSS粗差的方法，在典型城市复杂环境中获得了比传统方法更稳健、可靠的定位结果。

定位是腕带式智能设备的核心功能之一。然而，基于GNSS的主流定位方案仅能在室外开阔天空场景中获得令人满意的定位结果。在城市复杂环境中，受到用户人体遮挡、环境多路径效应、非视距误差等因素的影响，GNSS观测粗差频出，定位性能下降明显，甚至不可使用。虽然GNSS/INS组合方案能够利用惯导推算能力缓解GNSS粗差的影响，但腕带式智能设备内置惯导的位置误差漂移速度过快，对于复杂城市环境下的定位性能提升作用非常有限。为此，我们面向城市复杂环境设计了一种腕带式设备专用的GNSS/INS组合导航稳健方案。

该方法以惯导机械编排为核心，融合了行人运动约束和GNSS抗差修正。其中，我们采用的行人运动约束充分考虑了摆臂的动作特征，以实现对腕带惯导更精细的修正，并为GNSS受人体遮挡的粗差判断创造条件[1]。该思路如图1所示，主要包含以下三个关键点：(1)通过脚步检测特征量获取手腕摆至最下端的时刻(即图1中的T2与T4时刻，此时手腕位置与人体位置齐平，人体遮挡最严重)；(2)使用主成分分析法估计腕带IMU安装角，并计算行人运动方向；(3)将摆臂动作建模为单摆运动，实时估计NHC杆臂（即手腕到肩膀的距离），以补偿手腕速度相对于人体行走速度的不一致。

图1 步行摆臂过程示意图

在此基础上，GNSS修正方面能够更好地考虑人体遮挡的影响，如图2所示。为解决该问题，我们将人体简单建模为一长方体，然后通过计算手腕到卫星的视线向量是否穿过人体来判断某颗卫星是否被人体遮挡，并在当前历元禁用那些判断为被人体遮挡的卫星[1]。

图2 人体遮挡效应及遮挡判断示意图

同时，对于环境多路径效应以及非视距误差的消除，我们基于多个连续历元的GNSS观测数据，利用直射卫星伪距变化应与用户行走轨迹变化一致的特性来检测GNSS粗差[2]。如图3所示，首先基于脚步模型PDR算法（步长+航向）生成一条相对轨迹。然后利用优化算法，将相对轨迹通过平移、旋转和缩放等步骤转换为与GNSS伪距观测最匹配的绝对轨迹。最后，基于优化后的轨迹位置结果，计算伪距残差，若伪距残差序列的峰峰值或标准差大于设定阈值，则认为该颗卫星存在多路径效应或非视距粗差，并在当前历元禁用。

图3 多历元GNSS伪距观测值与PDR相对轨迹的关系示意图

为了验证所提算法的有效性，测试人员在三种典型城市环境共采集9组数据，所提方法(PA-TC)与几个有代表性的传统方法以及参考真值的水平定位轨迹如图4所示。所提方法的水平定位误差的统计结果为5.05m(RMS)、4.81m (CEP68)、10.21m (CEP95)，相较于传统GNSS/INS紧组合算法(TC)，定位误差减少了41%(CEP95)。未来工作中，我们将进一步考虑非规则动作(即挥手、抬腕、跑步等动作)对所提算法性能的影响，并对算法进行针对性完善，力求适用大众用户不同的行为习惯。

图4 三种场景中9组测试结果的水平定位轨迹

研究成果已被期刊IEEE Internet of Things Journal、Measurement录用。

参考文献

[1] Niu X., Liu Z., Kuang J., Ding L., 2025. WGINS: A wrist-worn GNSS/INS integrated system considering GNSS body shadowing. Measurement.

[2] Niu X., Liu Z., Ding L., Kuang J., 2025. A robust GNSS/INS integrated system for pedestrian navigation in urban environments based on spatial consistency check. IEEE Internet of Things Journal.