1.一种融合单锚点测距和行人航迹推算的室内定位方法，其特征在于，包括步骤：S1、设置一锚点，并获取该锚点位置坐标为(xa,ya)；

S2、测量行人起始点与锚点的测距距离d0，并用未知的坐标(x0,y0)初始化行人起始点位置；

S3、在行人行走过程中，利用PDR算法估计行人每一步的步长以及航向均值；

S4、检测行人每走一步时是否有转向动作，若检测到转向动作，执行步骤S5，否则继续执行步骤S3；

S5、在转向点进行测距，得到转向点与锚点的测距距离di，i代表转向点的序号，并由PDR算法根据上一转向点坐标(xi‑1,yi‑1)计算得到的第i个转向点的坐标为(xi,yi)；

S6、如果i<2，则返回步骤S3；如果i＝2，则执行步骤S7；如果i>2，则执行步骤S8；

S7、根据最小二乘算法计算行人起始点坐标(x0,y0)，然后利用PDR算法推算出接下来的两个转向点的坐标(x1,y1)和(x2,y2)，完成后返回步骤S3；

S8、根据梯度下降算法优化行人在第i个转向点的坐标(xi,yi)；

S9、检测行人是否继续行走，若是，返回执行步骤S3，若否，则结束定位。

2.根据权利要求1所述的一种融合单锚点测距和行人航迹推算的室内定位方法，其特征在于，步骤S3中，利用PDR算法估计行人每一步的步长的具体步骤为：S3.1.1、通过加速度计收集的三轴加速度数据ax，ay，az来计算平均加速度atotal；

S3.1.2、移除平均加速度atotal中的重力加速度分量g；

S3.1.3、将经步骤S3.1.2得到的加速度数据进行低通滤波，排除高频噪声；

S3.1.4、将经步骤S3.1.3得到的加速度数据根据非线性步长估计算法转换成步长。

3.根据权利要求2所述的一种融合单锚点测距和行人航迹推算的室内定位方法，其特征在于：

步骤S3.1.1中，计算平均加速度atotal，具体公式如下：步骤S3.1.2中，移除平均加速度atotal中的重力加速度分量g，具体公式如下：a′total＝atotal‑g；

步骤S3.1.3中，将数据进行低通滤波，排除高频噪声，具体公式如下：a＝filter(a'total)，其中filter表示低通滤波器，a表示过滤噪声后的加速度数据；

步骤S3.1.4中，根据非线性步长估计算法将加速度数据转换成步长 具体估计公式如下：

其中，表示行人在第i‑1个转向点到第i个转向点的第k步的步长，若i＝1则为起始点到第1个转向点；a，b为常数；amax,k,amin,k分别表示在第k步内的加速度最大值和最小值；fk为行人在第k步的行走频率。

4.根据权利要求3所述的一种融合单锚点测距和行人航迹推算的室内定位方法，其特征在于，步骤S3中，利用PDR算法估计行人每一步的航向均值的具体步骤为：S3.2.1、通过电子罗盘采集行人在第i‑1个转向点走到第i个转向点的第k步的航向角若i＝1则为起始点走到第1个转向点；

S3.2.2、计算该步的航向均值 计算公式如下：其中， 表示上一步的航向均值。

5.根据权利要求4所述的一种融合单锚点测距和行人航迹推算的室内定位方法，其特征在于，步骤S4中，检测行人每走一步时是否有转向动作具体步骤如下：S4.1、计算新采集的航向角数据 与上一步航向均值 的偏差δθ，计算公式如下：S4.2、根据偏差δθ判断行人是否转向，若δθ>δThr，则判断为进行了转向，δThr表示行人转向判定阈值。

6.根据权利要求5所述的一种融合单锚点测距和行人航迹推算的室内定位方法，其特征在于，步骤S5中，由PDR算法根据上一转向点坐标(xi‑1,yi‑1)计算得到的第i个转向点的坐标为(xi,yi)，计算公式如下：其中，Δxi,Δyi分别表示由第i‑1个转向点转换到第i个转向点的X、Y轴变化量，且Δxi,Δyi的计算公式如下：其中，Ni表示行人在第i‑1个转向点与第i个转向点之间走的步数。

7.根据权利要求6所述的一种融合单锚点测距和行人航迹推算的室内定位方法，其特征在于，步骤S7中，具体包括以下步骤：S7.1、根据假设的初始点坐标(x0,y0)、由PDR算法得到的接下来的两个转向点的坐标(x1,y1)和(x2,y2)、这三个点与锚点的测距距离d0、d1和d2以及锚点的坐标(xa,ya)，建立如下的方程式：

S7.2、将上式中的 以及 得到以下方程式：S7.3、将步骤S5中计算坐标(xi,yi)的公式代入步骤S7.2的方程式中，并转化为矩阵形式：

D＝CB0，

其中：

T

B0＝[x0 y0]，

S7.3、根据最小二乘法求出方程的解B0，B0即初始点坐标的向量表示形式：T ‑1 T

B0＝(CC) CD；

S7.4、根据PDR算法推算出B1、B2坐标向量，B1、B2分别是第一个转向点以及第二个转向点坐标的向量表示形式。

8.根据权利要求7所述的一种融合单锚点测距和行人航迹推算的室内定位方法，其特征在于，步骤S8中，根据梯度下降算法优化行人在第i个转向点的坐标Bi＝(xi,yi)的具体步骤包括：

S8.1、以实际测得的各转向点与锚点的测距距离、通过PDR算法估计得到的各转向点与锚点的距离、通过PDR估计得到各转向点之间的距离以及梯度下降修正后各个转向点之间的距离为依据，建立优化目标函数，具体为：S8.1.1、以实际测得的各转向点与锚点的测距距离、通过PDR算法估计得到的各转向点与锚点的距离为依据，按下面公式计算每个转向点的测距误差εd,i：εd,i＝||Bi‑A||2‑di，其中，A表示锚点坐标的向量表示形式；

S8.1.2、以梯度下降修正后各个转向点之间的距离、通过PDR算法估计得到各转向点之间的距离为依据，按下面公式计算步长估计误差εL,i：εL,i＝||Bi‑Bi‑1||2‑Li，其中，||·||标记计算向量的欧氏距离，Li表示行人从i‑1个转向点走到第i个转向点的距离，

S8.1.3、建立目标函数：其中Bn表示第n个转向点的坐标向量，αi,βi分别是测距误差以及步长误差的权值，其计算公式分别为：

其中，∈是一极小的非零正数；

S8.2、根据以下公式计算目标函数的梯度：S8.3、按梯度下降方向更新当前坐标向量，更新公式为：其中，Bn,old表示更新前的坐标向量，λ是调整权值；

S8.4、更新λ的值，更新公式为：λ＝μ·λold，

其中，μ是处于[0,1)的比例常数，λold表示更新前调整权值的值；

S8.5、判断是否满足下面两个条件中的任何一个，若满足则优化结束，若不满足则返回步骤S8.2，

(1)调整权值λ小于一阈值，即：λ≤λThr，

(2)目标函数在迭代后，目标函数值大于上一轮的结果，即：f(Bn)≥f(Bn,old)。

9.根据权利要求8所述的一种融合单锚点测距和行人航迹推算的室内定位方法，其特征在于，∈＝0.0001。

10.根据权利要求8所述的一种融合单锚点测距和行人航迹推算的室内定位方法，其特征在于，λThr＝0.0001,μ的取值范围为[0.85,0.95]。