基于位置指纹的混合定位算法的研究

随着移动智能终端的普及和移动互联网的迅猛发展,基于位置的服务和应用大量涌现。低成本、高精度的室内定位解决方案已成为新的研究热点。位置指纹和航位推算是解决室内定位问题的两个主要技术。位置指纹法将接收信号强度作为可识别的模式,用模式识别的方法训练出一个分类模型,根据接收信号强度信息判别定位者所在的位置。航位推算法将前一时刻的位置估计作为起点,利用速度和方向信息估计定位者下一时刻的位置。本文以位置指纹法和航位推算法为原型,提出了一种混合定位算法,该算法可以有效提高定位精度。此外,本文提出了一种在线更新定位模型方案,能适应无线环境的缓慢变化,节省重复采集指纹的人力成本。     

基于改进PDR与RSSI融合的定位算法

在室内定位系统中,基于接收信号强度指示(RSSI)测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化,行人航位推算(PDR)定位系统存在错误地估计传感器的参数及左右脚运动不一致等产生累积误差的问题。针对上述问题,提出一种基于改进PDR与RDDI融合的定位算法,根据PDR定位的递归特性校正估计传感器的参数,同时进行左右脚坐标数据融合。在此基础上将扩展卡尔曼滤波器(EKF)作为RDDI和PDR定位的融合滤波器,以降低PDR累计误差,从而提高定位精度,获得系统的最优定位结果。实验结果表明,该融合定位算法有效地提高了定位精度。     

基于扩展Kalman滤波的室内WiFi-PDR融合定位算法

为解决室内WiFi定位精度较低及行人航位推算(PDR)定位存在累积误差的问题,提出一种基于扩展Kalman滤波(EKF)的WiFi-PDR融合定位算法。WiFi通过改进的WKNN算法实现匹配定位,根据定位点与K近邻点的接收信号强度指示相对偏差进行权值修正,PDR定位采用多重约束条件的步态检测和在线步长估计方法。在此基础上,将EKF作为WiFi和PDR定位的融合滤波器,以降低WiFi定位回跳和PDR累计误差,从而提高定位精度。实验结果表明,在多次行迹转弯条件下,该融合定位算法的定位精度可达1.8 m。     

基于无线层析成像的室内监测定位算法研究

随着物联网技术的快速发展,通过传感网络实现定位的技术成为研究热点.通过部署传感网络,收集传感器的接收信号强度指示,设计对应的定位模型从而达到高效定位的功能.但在室内复杂多径环境下,接收信号强度指示的值容易受到外界因素的干扰,其定位的准确度和精确度将会因为多径干扰而大幅下降.为此,提出基于RTI的室内成像技术,建立成像模型,设计两种定位算法并完成相关实验.实验结果表明,均值法定位算法具有较高的准确性和精确性.     

基于磁场指纹辅助的手机室内定位系统

针对当前室内无线定位信号强度易受干扰、设备部署维护成本高等缺点,以及手机在室内航位推算过程中定位误差随时间累积的问题,本文提出了基于粒子滤波磁场匹配的室内定位方法。相比于传统的航位推算方法,通过改进步态判断方式,并提出了动态步长估计算法和卡尔曼滤波航向估计算法,有效减少步态误判和定位误差。同时通过结合航位推算位置选择粒子滤波算法中的重采样区域,加快粒子收敛速度。最后,通过仿真分析和实际室内环境测试结果表明,本文提出的定位方法能够有效地减小定位误差,并实现2米的定位精度。     

UTP/DR组合导航算法研究

针对UUV水下作业时航位推算存在导航误差积累的问题,研究了水下应答器辅助航位推算组合导航算法。采用"当前"统计模型作为航位推算模型,更准确地描述了航行器的运动状态。利用水下应答器与航位推算算法相组合,对航位推算导航误差进行校正。为获得更好的滤波效果,采用平方根容积卡尔曼滤波算法作为组合导航系统的滤波算法,并将其与EKF滤波算法进行比较。仿真实验表明,平方根容积卡尔曼滤波算法较EKF算法具有更好的滤波精度;UTP/DR组合导航算法有效避免了因导航误差积累而导致的导航定位误差发散问题,获得了较好的导航定位效果。     

基于粒子滤波的WiFi行人航位推算融合室内定位

为提高室内定位的精度和稳定性,提出使用粒子滤波融合WiFi指纹定位和行人航位推算的室内定位算法。为减少复杂室内环境对WiFi指纹定位的影响,提出将支持向量机分类与回归相结合的两级WiFi指纹定位算法。在基于智能手持设备惯性传感器的行人航位推算中,为减少惯性传感器的误差以及人随意行走带来的影响,采用状态转换的方法识别行走周期并进行步数统计,提出根据实时加速度数据动态设置状态转换的参数,利用步长和垂直加速度之间的关系以及相邻步长之间的关系,应用卡尔曼滤波进行步长计算。仿真实验中,基于支持向量机的WiFi指纹定位的平均误差比最近邻居(NN)算法降低34.4%,比K最近邻居(KNN)算法降低27.7%。改进的行人航位推算的性能优于常用代表性计步软件和步长计算算法,而经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹:直线行走平均误差为1.21 m,优于WiFi的3.18 m和航位推算的2.76 m;曲线行走平均误差为2.75 m,优于WiFi的3.77 m和航位推算的2.87 m。     

矿井人员融合定位系统

针对基于传统接收信号强度指示(RSSI)指纹定位算法的井下人员定位系统在离线采样阶段指纹数据库采集工作量大、易受井下环境影响,基于行人航迹推算(PDR)算法的定位系统存在误差累计的问题,设计了一种基于改进RSSI指纹定位算法和PDR算法的矿井人员融合定位系统。该系统采用GS1011控制器和MPU9150惯性传感器构成智能终端,将采集的惯性传感器、RSSI和时间戳数据通过井下WiFi网络上传至地面监控中心定位服务器;定位服务器采用扩展卡尔曼滤波对RSSI指纹定位算法和PDR算法的定位信息进行融合,实现井下人员定位。试验结果表明,该系统平均定位误差为1.79m,小于单独采用RSSI指纹定位算法或PDR算法的系统定位误差,定位精度满足井下人员定位要求。     

基于优化RSSI精度的WSN加权质心定位算法

为消弱接收信号强度指示误差对无线传感器网络节点定位精度的影响,提出基于优化接收信号强度指示测距精度的加权质心定位算法。该算法根据接收信号强度指示（RSSI）和链路质量指示（LQI）在不同距离段的衰落曲线起伏的波动状况,采用分段测距的方法优化RSSI的测距精度,接着将优化后的距离值作为加权质心算法的权值因子对节点进行定位,进而提高定位精度。实验结果验证了该优化算法的有效性。     

基于捷联惯导/里程计的车载高精度定位定向方法研究

研究了一种基于捷联惯导系统和里程计进行车载高精度定位定向的方法;采用里程计与捷联惯导中的陀螺仪构成航位推算系统,建立了航位推算系统的误差模型;为了增强航位推算姿态误差的估计效果,将载车姿态与位置信息一起作为量测,构建组合定位定向的量测方程;采用Sage-Husa自适应滤波设计捷联惯导/里程计组合定位定向算法,以增强算法对外界环境和载车机动的鲁棒性;仿真结果表明,基于捷联惯导/里程计的车载定位定向方法能够达到±20.4m(3σ)的定位精度,航向精度达到±3.1′(3σ),水平姿态精度达到±0.6′(3σ)。     

基于RSSI与惯性测量的室内定位系统

介绍融合接收信号强度指示（RSSI）和惯性测量技术的无线传感器室内定位系统,该系统通过可穿戴式无线传感器节点和环境辅助传感器节点,采集步行者的位置信息。可穿戴式节点采用DeadReckoning惯性测量方法,存在累积误差,可通过在室内环境中布置RSSI节点矫正步行者的位置信息。采用扩展性的卡尔曼滤波算法将惯性测量与RSSI测量数据相结合,实现自适应的步长算法,较大程度改进步长不正确读取带来的误差。实验结果表明,与纯粹的惯性测量系统相比,该系统能提高66．3％的精确度。     

移动机器人的在线实时定位研究

对推算定位法进行了研究,提出了一种改进方案.通过对移动机器人运动轨迹与状态的 分析,导出了一类移动机器人的基于轨迹的运动学新模型.利用移动机器人三个轮子的里程信息 和导向轮的转角信息,通过信息模糊融合获得转弯半径和转角,再利用运动学模型获得机器人的 位置和方向.将这种改进的推算定位法与主动灯塔法相结合,提出了一种用于室内移动机器人的 定位方法.仿真结果表明,该方法具有实时性好、精度高、成本低、鲁棒性好等特点,并适用于不平 整地面.     

动态环境中的WiFi指纹自适应室内定位方法?

针对传统的基于WIFI信号的室内定位方法难以有效解决环境动态变化对RSSI值的影响问题,设计并实现了一种基于WIFI射频信号强度指纹的室内定位方法。该方法通过采用一种基于用户使用状况与布置定位参考点的方法来动态更新系统的WIFI指纹数据库,从而有效降低了在实际使用过程中用户手持手机的方向、用户的身体遮挡以及使用环境的动态变化对RSSI值所带来的影响。实验结果表明,本文设计并实现的定位方法比传统定位方法更稳定、易维护,同时也具有更高的定位精度和自适应性。     

动态环境中的WIFI指纹自适应室内定位算法

针对传统的基于WIFI信号的室内定位方法难以有效解决环境动态变化对RSSI值的影响问题,本文设计并实现了一种基于WIFI射频信号强度指纹的室内定位系统。在该系统中,通过采用一种基于用户使用状况与布置定位参考点的方法来动态更新系统的WIFI指纹数据库,从而有效降低了在实际使用过程中用户手持手机的方向、用户的身体遮挡以及使用环境的动态变化对RSSI值所带来的影响。实验结果表明,本文设计并实现的定位系统比传统定位系统更稳定、易维护,同时也具有更高的定位精度和自适应性。     

融合多模传感器的室内实时高精度轨迹生成

提出了一种融合多模传感器的室内实时高精度轨迹生成方法,亦即将室内Wi-Fi定位与传感器定位结合起来,生成用户在室内移动的实时轨迹。首先由Wi-Fi定位出用户的初始位置,然后结合Wi-Fi定位的结果以及多个传感器的数据,得到用户的运动速度以及方向,通过航迹推算算法得到用户下一时刻的位置,最后对得出的位置坐标进行卡尔曼滤波处理,得到用户的位置坐标,最终生成用户移动的实时轨迹。实验结果表明,该方法可以得到比Wi-Fi定位更为平滑稠密的移动轨迹,且精确度 比其他同类方法更高。     

基于WT-UKF 的PDR/GPS 组合定位算法

针对行人航迹推算(PDR) 与全球定位系统(GPS) 组合定位问题, 提出一种基于小波变换(WT) 的无迹卡尔曼滤波(UKF) 改进算法, 对PDR 和GPS 定位结果进行数据融合. 建立PDR/GPS 组合定位系统数学模型, 采用小波变换对运动加速度信号噪声特性进行在线估计, 以更新UKF 的协方差矩阵. 所提出的WT-UKF 滤波算法弥补了传统UKF 算法因人为假定信号噪声为高斯白噪声而影响滤波效果和精度的缺陷. 实验结果表明, 使用WT-UKF 滤波算法对PDR/GPS 进行数据融合时稳定性更强, 精度更高.     

融合RSSI测距定位的室内PDR算法

在室内定位系统中,针对RSSI测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化和行人航迹推算(PDR)定位系统漂移误差长时间的累积效果,提出融合RSSI测距定位的室内行人航迹推算算法,以扩展卡尔曼滤波器实现两者定位信息的融合,获得系统的最优定位结果。仿真结果表明,该融合定位算法的平均定位误差约为0.83205 m,范围维持在0.51948 m～1.13529 m内,并在定位稳定性方面表现出良好的性能,验证了该方法的合理性和有效性。     

基于Android平台的室内LBS系统设计与实现

为了使人们在各种各样的室内环境中,也能享受到定位服务带来的便利,基于Android手机平台通过采用RSSI定位的方法,设计和实现了一个LBS系统平台.该平台整合了室内定位的功能以及时下最流行的微博功能,使其他用户可以通过调用平台的接口,基于该平台设计出各种应用于不同环境的购物辅助系统.当消费者购物时可以通过该系统更方便的进行购物,从而使人们在室内环境下也能享受到普适计算带来的便利.通过一个实例验证了该系统的可行性及实用性.     

结合位置指纹和行人航迹的室内定位技术

主要对室内定位技术展开研究,首先通过手持智能设备收集指定范围样本点的坐标及wifi热点信息;然后应用位置指纹定位方法进行绝对定位;为了提高行走过程中定位的准确性和实时性,采用行人航迹推算算法,即通过手机传感器采集并经处理的数据进行步频检测、步长估算和方向检测,实现相对位置变化的估算.行人航迹算法克服位置指纹定位的不稳定性,而位置指纹定位算法及时调整行人航迹算法带来的累积误差.实验结果表明两种室内定位技术的结合有效提高了室内定位的准确性,能充分应用到实际生活中.     

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。