室内Wi-Fi/PDR自适应鲁棒卡尔曼滤波融合定位方法

针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算（Pedestrian Dead Reckoning,PDR）融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融合,推算用户的最优估计位置.同时,基于滤波反馈机制,通过融合定位结果对加权最小二乘法中的路径损耗指数和滤波模型中的观测协方差进行动态修正,保证Wi-Fi传播模型接近于真实室内环境.实验结果表明,该方法能够有效解决室内复杂环境下单一Wi-Fi定位精度低和PDR累积误差的问题,此外,路径损耗指数和观测协方差的实时修正可以提高融合定位系统的定位精度和稳定性.     

双目视觉辅助PDR的组合导航定位方法

为提高室内定位系统精度和跟踪性能以及适应复杂环境,将行人航迹推算（Pedestrian Dead Reckoning,PDR）与双目视觉组合,提出一种双目视觉辅助PDR的组合导航定位方法 .该方法通过选取或布置地标建立了地标位置数据表;基于轻量化目标检测实现了对地标实时双目测距,保证定位的实时性;利用PDR位置信息得到检出地标类别对应坐标,基于因子图的协同定位和误差估计算法将双目视觉与PDR有效融合,提高了定位精度并抑制PDR累计误差,同时对PDR中航向和单参数模型中单位转换常数进行误差补偿,提高PDR定位精度.实验结果表明,在地标纹理清晰且分布合理情况下,该方法能有效解决室内复杂环境下单一PDR累积误差问题,此外,对航向和单位转换常数实时补偿可提高组合定位系统的定位精度和稳定性.     

基于机器学习的室内栅格化蓝牙定位系统设计

随着蓝牙通信模组的小型化和低功耗、低成本特点逐步推进,应用于室内的蓝牙定位算法和模型逐渐成熟。本文以室内栅格化蓝牙定位为定位基础,通过机器学习方式,对获取到的多单元蓝牙设备定位信息进行迭代校准。本设计能够形成精准的室内栅格化位置信息。     

基于线性回归的蓝牙室内定位算法

针对蓝牙节点的兴起,探索了蓝牙用于室内精确定位的可能。通过智能手机采集数据,以蓝牙传播模型为基础,提出用线性回归方法求解蓝牙节点传播模型,进而估计行人位置的算法。算法可方便地移植到不同环境,避免提前标定的繁琐工作量。实际场地测试结果显示,该算法可满足大部分室内定位需求,约83%的定位误差在3米以下。     

基于智能终端的室内定位系统研究与实现

针对全球定位系统GPS不能提供令人满意的室内定位结果,提出一种基于接收信号强度的WLAN指纹匹配定位技术,采用一种创新式的指纹库构建方式,改进加权K近邻算法,同时利用指纹匹配的优点来校准行人航位推算的累积误差,提高定位精度,设计完成一套基于智能终端的绝对定位系统。实验结果表明,与传统无线定位算法相比较,改进的无线指纹匹配定位平均误差为1.66 m,无线修正航位推算平均定位误差为0.56 m,达到了室内定位精度的标准,验证了改进算法的有效性及导航系统的实效性。     

基于iPhone的室内二维定位系统设计与实现

考虑到当前广泛存在的室内定位和导航需求,文章将用户随身携带的iPhone手机与室内定位相结合,提出了基于iPhone的室内二维定位系统设计与实现。通过iPhone手机配置的惯性传感器,首先使用苹果公司提供的CoreMotion框架和CoreLocation框架获取用户的移动距离和方向,并对获取的数据进行处理;然后使用行人航迹推算（Pedestrian Dead Reckoning,PDR）算法估算出行人的位置坐标;最后实现室内二维定位结果。实验结果表明,基于iPhone的室内二维定位系统具备一定的可用性和准确率。     

一种基于改进PDR与外部位置信息的融合定位算法

针对传统行人航位推算(PDR)算法在手机倾斜程度较大时定位误差大且定位误差随步数累积的问题,提出一种改进PDR定位与外部位置信息融合的定位算法。算法首先估计手机姿态矩阵并利用姿态矩阵旋转加速度、角速度与磁感应强度的测量向量。再利用旋转后的加速度向量进行步伐探测、步频步长估计;旋转后的角速度与磁感应强度向量进行方向角估计。最后根据PDR定位结果与外部位置信息的误差特性,通过比例积分(PI)控制器进行融合定位并反馈调节步长模型参数。实验表明算法中传感器测量向量旋转、融合定位和步长模型参数反馈调整有效减小了算法的定位误差,定位轨迹更接近于真实行进轨迹。     

一种融合地图与传感器信息的室内地图匹配新算法

基于粒子滤波技术,提出了融合地图信息与传感器信息的室内地图匹配算法,对于在室内定位中由状态空间模型描述的非线性系统,通过非参数化的蒙特卡洛( Monte Carlo)模拟方法来实现递推贝叶斯滤波,将室内地理信息数据、传感器信息、无线定位信息融入到粒子的权重值中,对观测值进行不断修正。实验证明,所提出的基于粒子滤波的地图匹配技术有效解决了由于无线定位结果穿墙、错定至隔壁房间而造成的用户体验差等问题,同时对室内定位结果进行了修正,提高了室内定位精度。     

利用现有无线局域网进行室内定位算法研究

目前,多种WiFI室内定位方案被提出,但是往往需要重新部署无线AP,造成成本和复杂度上升。本文充分利用现有无线局域网的拓扑结构进行室内定位研究,提出了一种自适应网络变化的WKNN指纹算法,该算法通过实时监控无线AP的匹配数,自动根据位置适应网络变化,定位精度明显提高。在此基础上,为了减少无线信号不稳定引起的定位误差,提出了一种新的数据修正方法,该方法根据移动平均速度动态预测标准,动态调整a参数将预测坐标与实测坐标加权,从而得到最终定位坐标。最后,算法在实际环境中验证表明,利用现有无线局域网的自适应网络算法和数据修正使定位获得了33.5%的误差改善。      

基于KL散度与K-means的Wi-Fi与蓝牙融合室内定位方法

针对当前对室内定位高精度的要求,本文提出了一种基于Wi-Fi和蓝牙融合的室内定位方案。该方案Wi-Fi部分利用核回归的KL散度算法得到观测点估计坐标,蓝牙部分利用K-means算法聚类出圆形估计区域。在融合阶段,用蓝牙聚类得到的圆形区域对Wi-Fi估计的观测点估计坐标进行修正,得到最终结果。实验结果表明,利用本文方案得到的定位结果,与单一利用基于KL散度的Wi-Fi定位结果相比,均方误差减少了21%,与现有的Wi-Fi和蓝牙融合的定位方法相比,定位精度也有了一定的提高。