随着经济与科技的发展,大型建筑的规模与复杂程度不断增加,发生火灾事故时的救援难度也随之加大。火场内往往遍布浓烟,照明设备和电力设施因过火受损而失去效用,使得消防员在火场中寻找通路变得十分困难,一旦迷路就很容易陷入困境。针对现实情况,本文采用基于BP神经网络与地图匹配技术的盲区推估定位算法来确定消防员的位置,由基于Android的头戴式装置显示信息,服务器端会收集所有消防员的信息并保持实时更新与共享,从而帮助消防员提高在火场中的行动效率。传统的盲区推估算法存在误差累积大、精度较低等缺陷,因而本文使用固定于脚和腰部的双惯性传感器取代单一传感器进行盲区推估,寻找角速度的特殊模式而非加速度峰值进行脚步探测。使用BP神经网络进行步长估计,实测误差小于5%。依靠陀螺仪和卡尔曼滤波对地磁传感器的数据进行校正,经实验验证,平均误差小于0.05弧度。与传统方法相比,本文采用的步长估计能够将误差的标准差降低70%,方向估计误差降低75%。为了减小盲区推估过程中的误差累积,本文提出了基于粒子滤波的地图匹配方法。分析了单纯的盲区推估算法存在的误差累积的情况,进而提出基于粒子滤波的地图匹配算法减小误差的影响,并通过仿真实验验证了粒子滤波算法的有效性。实验结果表明,所提出的算法能够将盲区推估产生的累积误差降低40%。本文采用头戴式Android设备作为消防员端的核心处理设备。该设备具有头戴式显示器,能够在不影响消防员正常行动的情况下为消防员显示必要的信息。在Android设备上,本文实现了传感器信息的接收和解析、定位算法以及与服务器端的通信。服务器端通过无线网络获取消防员的信息,并将相关信息进行实时同步,所有的信息可以在远程通过浏览器查看,有助于指挥部随时随地掌握现场的情况。为验证所构建的消防员信息协同系统的性能,本文开展了实验模拟与验证。经过实测验证,便携式体征传感器可以对体征数据进行稳定持续的采集,其值与实际值的相关度高于0.94。头戴式显示器能够在不影响消防员正常行动的条件下显示出位置和体征信息。服务器端程序能够实时地准确地接受消防员信息。实验测试表明,本文所设计的系统能够准确地实时显示消防员的位置与体征信息,定位平均误差低于1.3米,且不受累积误差的影响。