1.一种基于地图信息辅助的多姿态下行人行位推算方法，其特征在于，所述推算方法包括如下步骤：步骤1，对智能手机内嵌的低成本传感器所获取的加速度原始信号，进行低通滤波和平滑预处理，以减弱传感器噪声、抖动对模式识别和定位的不利影响；对智能手机的磁力计在室内环境下进行校正，降低内部误差和外部干扰的影响；

步骤2，通过一种轻量级的设备姿态监测与识别算法，其主要分为特征提取模块和模式监测与分类模块，实现典型场景下手机使用模式的识别；

步骤2中，所述特征提取模块使用滑动窗口进行数据切片，提取各个窗口的数据特征，窗口大小设置为128个样本，重叠度为50％；

通过行人实时的平均加速度信息实现设备姿态的分类，其计算公式为：

式中， 表示第k个滑动窗口三轴加速度均值，WinSize为滑动窗口的大小；

步骤2中，所述模式监测与分类模块，利用有限向量机FSM和决策树DT算法相结合实现设备姿态的实时监测与识别，仅在FSM算法检测到设备姿态发生改变时，利用DT算法识别行人的当前的模式；

步骤3，利用预处理后的加速度信号及设备姿态监测与识别算法输出的设备使用姿态，基于波峰检测算法对伪波峰/伪波谷进行甄别，实现PDR算法的步态识别；

步骤4，通过引入陀螺仪信息计算行人线性阶段的全局航向，基于地图匹配的粒子滤波算法辅助获得一种鲁棒性强的融合航向，并通过感知行人移动中的行为特征地标修正轨迹穿墙问题；

所述步骤4中，包括计算全局式航向和通过粒子滤波和地图匹配辅助的航向估计两步骤；

所述计算全局式航向，具体的，采用Madgwick‑AHRS算法实时获取行人在行走过程中所持智能设备的姿态；利用设备姿态计算由载体坐标系至参考坐标系的转换矩阵，得到行人在参考坐标系下的水平加速度：式中 表示用户i时刻在设备坐标系下的加速度信息，

表示用户i时刻在参考坐标系下加速度信息；

步态检测算法所获得的行人步态信息，计算一步内的航向信息：

式中， 表示第j步行人的步进式航向； 为水平加速度积分得到的速度矢量；

Stepj和Stepj+1分别表示步态检测算法所获取的第j和j+1步的时刻；

智能手机在不同姿态下特定轴的角速度信息来判断行人的运动特征；利用四分位数异常值探测算法获取行人的转弯信息，将行人轨迹划分为若干个线性阶段，利用线性阶段水平加速度的积分求得行人实时全局航向，实现行人航向的不断修正：式中， 表示第j步的全局航向，Stepk表示上次用户转弯的时刻；

所述通过粒子滤波和地图匹配辅助的航向估计，具体的，粒子滤波通过寻找一组状态空间中的样本，即粒子，对概率密度函数进行近似，获得状态的最小方差估计，并通过北方向和东方向加速速度值得到北方向和东方向速度值；

根据地图包含的边界信息，约束粒子的转移并减少无效的粒子数，当粒子转移至不可到达区域，则将它的权值赋值为0；否则，利用高斯分布的钟形曲线右侧来计算粒子的权重：i i

式中，N(l)和E(l)表示l时刻观测方程所获取的北方向和东方向的坐标值，N (l)和E(l)表示第i个粒子北方向和东方向的先验坐标值；

粒子权重计算还包括粒子的重采样：粒子重采样采用随机重采样的方法，尽可能保留高权重粒子，去除低权重粒子；

为了使轨迹波动最小化，行人的位置的更新可以由下式计算得到:

式中，ΔEglobal和ΔNglobal为全局航向所计算的用户在东方向和北方向的位移；

步骤5，通过步态检测、手机使用模式识别和航向估计，进行行人行位推算，最终得到可靠性高的行人位置信息。

2.根据权利要求1所述的一种基于地图信息辅助的多姿态下行人行位推算方法，其特征在于，在步骤1中，对加速计和磁力计采集的数据进行预处理包括：使用一个截止频率为8Hz的四阶巴特沃斯低通滤波器消除高频噪声的影响，随后采用滑动平均算法平滑数据并剔除不必要的毛刺；

在室内环境下将智能手机在空间内绕手机坐标系的三轴旋转，将获得的磁力计样本数据采用最小二乘拟合椭球体方法对磁力计信号进行校正，降低传感器内部误差和外部干扰的影响。

3.根据权利要求1所述的一种基于地图信息辅助的多姿态下行人行位推算方法，其特征在于：步骤2的FSM算法中，将设备的状态总共分为6种，包含5种典型的主模式：Message、Video、Calling、Swing、Pocket，和1种桥接主模式的过渡模式TRANS，起始模式为Message模式，当未监测到设备模式切换时，设备总处于当前主状态，否则切换至TRANS状态；当系统进入TRANS模式，算法自动提取下一滑动窗口加速度信息，利用决策树算法得到切换后准确的模式信息DT Mode，在此期间行人的状态临时被认为是Rough Mode。

4.根据权利要求1所述的一种基于地图信息辅助的多姿态下行人行位推算方法，其特征在于，在步骤3中，利用预处理后的信号及模式识别算法输出的设备使用姿态，提取设备竖轴预处理后的加速度信号用于步态检测，并针对不同姿态调整峰值阈值、邻峰时间阈值和邻峰挑选机制，利用多条件对伪波峰/伪波谷进行甄别，实现步态自适应识别。

5.根据权利要求1所述的一种基于地图信息辅助的多姿态下行人行位推算方法，其特征在于：步骤4中，还包括利用陀螺仪提供的转角时刻，感知最近的地标信息，以轨迹的切边为依据，得到每一步的修正值，从而对轨迹进行修正，避免轨迹穿过不可通行区域；

根据滤波确定的概率位置，反算出滤波后的航向角：

进一步提高航向的鲁棒性，融合的航向由下式计算得到：

式中，θglobal和θstepwise代表上节所提全局式和步进式航向；ρ1和ρ2代表权值，根据实际情况做自适应调整，以提高模型的航向估计能力；δ表示粒子滤波确定航向偏差的阈值，设置为15°；d1和d2代表θparticle与θglobal和θstepwise的差值。