基于RSSI的机器人室内卡尔曼滤波定位算法研究

针对移动机器人在室内环境中定位难的问题,提出了一种基于RSSI（Receive Signal Strength Indicator）的卡尔曼滤波定位算法。利用基于RSSI的定位方法估算用户的位置坐标,利用卡尔曼滤波算法对用户的估算位置坐标进行优化处理,以提高室内定位系统的性能和稳定性。实验结果表明,卡尔曼滤波算法是鲁棒的,可以有效改善系统的定位精度,达到了预期的目的。     

基于支持向量机多分类的室内定位系统

为解决室内实时定位中定位精度不高、显示效果来回跳动的问题,提出了一种基于支持向量机(SVM)多分类的室内定位算法。针对传统基于采样点的匹配算法处理非线性问题的不足以及实时定位时信号采集时间较短、变化幅度较大等问题引入网格定位的概念,将定位匹配设计成多分类问题,利用SVM得到目标最有可能所属的K个网格;利用实时定位中前、后两个位置的相关性剔除这K个网格中可能性较小的网格,最终所属网格坐标加权后得到估算位置坐标,并利用卡尔曼滤波算法对估算位置坐标进行滤波处理。实验结果表明,算法的定位精度与传统SVM的精度相比有明显的提高。     

基于改进扩展卡尔曼滤波的单站无源定位算法

为了提高单站无源定位精度,降低定位误差,针对扩展卡尔曼滤波算法存在的不足,提出一种基于改进扩展卡尔曼滤波算法的单站无源定位方法。首先通过采集目标的相关信息,构建单站无源定位数学模型,然后利用改进扩展卡尔曼滤波算法目标位置进行估计,最后采用数据进行仿真对比实验。结果表明,相对于扩展卡尔曼滤波算法,改进扩展卡尔曼滤波提高了目标定位的精度,削弱异常误差对位置估值的影响。     

改进卡尔曼滤波的井下组合导航定位算法

为解决井下人员定位算法定位精度不高的问题,提出基于微惯性导航系统和无线传感器网络的井下组合导航定位算法。通过井下无线网络、惯性定位终端采集相关信息数据,利用行人航迹推算算法和改进加权质心定位算法分别估算出目标点的坐标和速度。将这两种算法通过正弦余弦蝙蝠融合算法优化后的卡尔曼滤波组合导航定位,估算出目标点最终的位置坐标。实验结果表明:该组合导航定位算法平均定位误差为1.71 m,其定位精度高于传统质心定位算法和行人航迹推算算法。     

基于卡尔曼滤波与中位加权的定位算法

为了有效解决基于接收信号强度的高精度室内位置服务计算困难问题,提出了一种新的基于卡尔曼滤波和中位加权(WMKF)的定位算法。该算法不同于以往的室内定位算法,首先应用卡尔曼滤波平滑了随机误差;然后利用中位加权方法抑制了显著误差,利用距离路径损耗模型得到衰落曲线并计算出估计距离;最后利用质心求解方法得到目标节点位置。实验结果表明,该算法初步解决了相对复杂环境下定位稳定性较差的问题,并有效地提高了定位精度,使精度达到0.81~1m。     

一种基于CKF的无线传感器网络分布式定位算法

为提高无线传感器网络节点定位的精度,降低算法计算复杂性,提出了一种基于容积卡尔曼滤波的无线传感器网络分布式节点定位算法。该算法假定移动锚节点按预定路径在传感区域移动,并周期性广播自身位置信标信息;每个未知位置节点首先收集多个锚节点信标信息及信号强度信息,然后估算出锚节点信标位置与未知节点的距离,最后在未知节点上运用容积卡尔曼滤波算法完成自身位置的分布式定位。仿真结果表明：本文所提算法具有优良的定位性能,定位精度和无迹卡尔曼滤波算法相当,明显优于极大似然估计定位算法,而计算复杂性则低于无迹卡尔曼滤波算法。     

一种改进的支持向量机的室内指纹定位技术

为提高室内定位算法定位的精度和实时性,提出一种改进的支持向量机(A-SVM)的室内指纹定位方法。利用SVM具有较好的学习和泛化能力的特点,把定位匹配转换为多分类问题。为克服SVM分类存在的片面性问题,提出基于SVM与反K近邻融合的位置指纹分类方法得到估计位置,并利用卡尔曼滤波对估计位置进行滤波处理。实验结果表明,算法有效减小了定位结果的波动性,与传统SVM相比具有较高的定位精度。     

一种多元信息融合的室内定位方法

针对现有室内定位技术在定位精度方面的不足,基于智能手机获取的多元传感器信息,提出一种多元信息融合的室内定位方法。首先,利用基于KNN(K-Nearest Neighbor)的Wi Fi指纹滤波法得到行人初始位置坐标,通过行人航迹推算技术估算下一个时刻位置;然后利用WiFi和地磁加权平均后的定位坐标对行人运动轨迹进行修正;最后对获取的位置信息进行卡尔曼滤波后得到了行人的最终位置。此外,设计了基于Android平台的手机室内定位软件,实现了高精度的轨迹生成。实验结果表明,该方法有效提高了定位的精确度,平均定位误差降至1 m。     

改进的室内移动机器人模糊位置指纹定位研究

在深入研究现有的室内机器人定位算法的基础上,提出了改进的室内机器人模糊位置指纹定位方法(IRF)。该方法首先利用样本节点之间的空间相关性,采用重心拉格朗日插值算法形成位置指纹库,然后将传统的求解高次坐标问题转换成空间隶属度问题,利用模糊匹配算法计算未知节点与指纹库中已知节点的贴近度,通过贴近度加权定位未知节点。利用卡尔曼滤波算法进行误差修正。实验结果表明,IRF定位方法与传统的定位算法相比,在降低误差、提高稳定性和效率方面具有更高的性能。     

基于卡尔曼滤波的室内定位可信指纹库研究与实现

在基于iBeacon技术的指纹库室内定位算法中,由于室内环境中人员走动、多径效应等因素所带来的噪声影响,需要加以抑制。卡尔曼滤波算法可以用来抑制这些噪声,进而建立可信（即更接近真实值）的指纹库。重点研究在使用卡尔曼滤波算法时,根据具体的室内环境进行测量,估算出不同iBeacon节点的观测噪声以及卡尔曼滤波算法的迭代初值,使卡尔曼滤波算法更快收敛。实验结果表明,通过卡尔曼滤波算法建立的指纹库比通过平均值建立的指纹库,定位精确度和稳定度均有明显的提升。     

基于UWB的消防员室内协同定位算法

为了在复杂火场环境下获取消防员的精确位置,提出基于超宽带（ultra-wideband,UWB）的消防员室内协同定位算法,充分利用目标到UWB基站以及到其他目标的测距信息进行定位。采用线性拟合方式对测量距离中存在的标准偏差进行预处理;针对目标位置解算及非视距（non-line-of-sight,NLOS）误差缓解问题,提出基于偏移扩展卡尔曼滤波的协同定位算法,根据待定位目标之间的内在联系,建立新的状态方程和量测方程,并通过构造的系数矩阵调整卡尔曼增益,修正偏离的位置估计值;针对定位坐标跳变问题,提出基于阈值筛选的均值滤波算法对定位结果进行二次优化。实验结果表明,所提算法的定位精度在弱NLOS环境下高达0.17?m,在强NLOS环境下高达0.28?m,与文中其他算法相比具有更好的定位性能,降低了定位对UWB基站分布密度高的要求,最大程度地使用了整个协同网络的资源,为深入火场内部的消防员群体因障碍物遮挡导致的定位困难或定位不准问题提供了一种解决方案。     

基于PDR/UWB紧耦合的足绑式行人导航技术

为了解决低成本微机电惯性导航系统存在的累积误差问题,提出一种基于融合行人航迹推算(PDR)和超宽带(UWB)无线定位的实时室内行人导航系统.利用加速度计和磁强计进行初始姿态对准;考虑滤波误差估计,推导了惯性导航算法;依靠加速度计和陀螺仪的"与"逻辑进行行人步态检测;实施零速更新(ZUPT)提供速度误差观测量,利用UWB系统提供位置误差观测量;设计具有野值辨识机制的扩展卡尔曼滤波器进行数据融合.对提出的行人导航算法进行实验验证,结果表明该行人导航算法与传统定位方法相比能够有效提高行人定位精度.实验中,该行人导航算法能够获取低于0.2 m的定位误差,且稳定、不发散.     

一种基于卡尔曼滤波的超宽带室内定位算法

为了减小室内环境中障碍物对超宽带(UWB)传感器测距结果的影响,提出了一种基于卡尔曼滤波(KF)的超宽带室内定位算法.利用超宽带接收信号的信噪比区分视距和非视距环境,给出了超宽带传感器测距性能最小二乘标定模型,减小测距系统误差;判断相邻测距差分是否在阈值范围内,否则用卡尔曼滤波先验估计替代后验估计处理测距结果,由此减弱多径效应和非视距误差对测距的影响;用扩展卡尔曼滤波器(EKF)实现室内定位.实验结果表明:算法在复杂室内环境中可达到亚米级的动态实时定位精度.     

面向室内定位的改进行人航位推算方法

为提高室内定位精度,本文对行人航位推算的步数检测、步长估计及航向估计进行了改进研究;首先,将自相关分析法和自适应波峰检测法相结合提出了一种新检测算法;其次,基于Scarlett模型提出了融合前一步步长的改进步长估算模型;再次,基于方向传感器算法,通过设定主导航向并结合卡尔曼滤波,来减少直线行走航向估计误差;最后,通过实验验证改进方法提高了步数检测准确率和步长检测精度,减少了航向角误差,取得了较好的室内定位效果。     

基于自适应射频指纹地图的WSN室内定位算法研究

针对目前基于无线传感器网络进行室内定位时由于节点间收发信号的强时变特性而造成的定位精度不高、自适应性差的问题,提出了一种基于自适应射频指纹地图的WSN室内定位算法。该算法利用固定位置处信标节点间的信号强度来实时刻画环境的动态变化,从而构建出自适应环境变化的射频指纹地图;实时定位阶段,利用贝叶斯估计法计算目标初始位置,通过有限状态自动机滤除目标移动过程中出现的不可能跳变位置。实验结果表明,该方法在增加环境自适应性的同时大大提高了定位精度。     

基于超宽带定位的四旋翼目标跟踪技术研究

针对无人机室内地面目标跟踪问题,论文提出了一种基于超宽带室内定位技术的跟踪方法.首先建立了四旋翼和地面机动目标的动力学模型.然后,通过超宽带定位技术得到目标的量测信息.其次,利用扩展卡尔曼滤波估计目标的状态信息达到减少跟踪误差的目的,并且基于解算的信息提出了人工势场法作为四旋翼的路径规划算法.最后利用反步法控制策略解决...     

基于空间特征分区和前点约束的WKNN室内定位方法

高精度室内定位有着广阔的市场前景.针对传统的WKNN室内定位方法所面临的在处理面积较大目标区域时,位置估计结果跳动跨度较大、精度不高等问题,提出了一种基于空间特征分区和前点约束的WKNN室内定位方法.该方法通过将面积较大的目标区域按其空间特征划分为多个分区,解决了指纹数据库无法实现全域覆盖的问题;又通过考虑行人在相邻时刻所处位置之间的空间约束关系,缩小了参考点的候选范围,很好地提升了位置估计的平顺性.大量真实环境下室内定位实验的结果表明,该方法可以有效地解决大面积目标区域内的室内定位问题;且与传统方法相比,定位精度大幅度提升.