首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 125 毫秒
1.
为了解决室内定位动态测量系统应用中所估算的目标位置偏差大问题,提出一种基于卡尔曼滤波的室内定位法。利用双目视觉的标定原理估算出目标的位置坐标.再利用卡尔曼滤波算法对目标的估算位置进行滤波处理,以提高室内定位系统的性能和精度。实验结果表明,卡尔曼滤波算法具有良好的有效性。  相似文献   

2.
基于支持向量机多分类的室内定位系统   总被引:1,自引:0,他引:1  
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。  相似文献   

3.
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。  相似文献   

4.
《微型机与应用》2016,(22):72-76
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。  相似文献   

5.
余木琪  邓平 《传感技术学报》2015,28(7):1041-1045
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。  相似文献   

6.
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。  相似文献   

7.
针对基于RSSI定位算法在定位过程中不具备连续性问题,提出了一种基于Kalman滤波的连续性井下人员定位方法。采用Kalman滤波对基于RSSI定位算法估算出的井下人员位置坐标进行滤波处理,在此坐标的基础上,建立Kalman滤波模型,利用Kalman滤波实现对井下人员的实时跟踪。实验结果表明,基于Kalman滤波的定位方法对井下人员的跟踪效果较好,提高了系统的实时性和跟踪精度。  相似文献   

8.
针对井下作业的安全保障问题,提出来一种基于5G+UWB融合基站的井下定位优化方法。通过结合基于Taylor加权最小二分法与卡尔曼滤波算法,优化基于TOA的井下定位方式,并通过5G+UWB融合基站的无线网络通信定位,实现井下定位系统的优化设计。仿真实验证明,引入卡尔曼滤波的定位算法得到的定位坐标,相较于没有没有引入卡尔曼滤波算法得到的定位坐标,与真实位置的距离更近,仿真定位误差和均方根误差相较于没有引入卡尔曼滤波的定位算法分别下降了23.55和6.44,下降幅度明显。最终,基于5G+UWB融合基站的井下定位优化系统,在真实的井下挖掘环境中,测试的总体定位误差为0.794,定位精度在1 m之内,符合井下工作对人员定位技术的工程要求。  相似文献   

9.
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。  相似文献   

10.
基于加权处理的三边测量定位算法   总被引:3,自引:0,他引:3       下载免费PDF全文
定位技术是无线传感器网络的关键技术之一,传统三边测量定位算法利用三个锚节点一次确定未知节点的位置坐标,而单次估算的坐标值无法准确反映未知节点的实际位置。提出了一种以RSSI值和通信质量为权值的锚节点选择算法,筛选对未知节点影响力大的锚节点用于节点定位计算。在此基础上,使用角度权重函数综合多次估算的未知节点坐标信息,进而确定未知节点位置坐标。仿真结果表明,与原三边测量定位算法相比,改进算法对锚节点随机分布有较高的鲁棒性,定位精度有较大提高。  相似文献   

11.
狭长空间定位问题普遍存在于室内定位应用场景中,虽然传统基于RSSI(Received Signal Strength Indicator)测距的定位方法简便易行,但是狭长空间RSS的波动性以及人体对无线信号的遮挡会严重降低人员定位精度。本文在分析了人体穿透损耗对狭长空间定位影响的基础上,提出将RSSI测距与扩展卡尔曼滤波定位算法组合实现定位,即在中等尺度(5λ~50λ)内采用基于人体穿透损耗模型的RSSI测距方法定位,在大尺度(>50λ)内采用基于人体遮挡修正模型的扩展卡尔曼滤波算法定位。实验表明该方法在狭长空间的定位精度明显优于RSSI测距定位方法。  相似文献   

12.
近年来随着技术的进步和人们生活水平的提高,人们生活中的大多数时间都是在室内度过的,所以对室内定位的各种需求在不断增长,逐渐成为一个研究的热点。因此,本文设计了一种基于蓝牙信标的室内定位系统,该系统在分析了蓝牙信标的RSSI信号的分布特点的基础上,采用高斯滤波和卡尔曼滤波融合使用的方式来对接收到的信号实行滤波处理,接着在大量地实地测试的基础上,建立了RSSI信号的测距模型,最后使用三边质心算法作为定位算法。  相似文献   

13.
针对无线传感器网络节点定位精度不足的问题,在无迹卡尔曼滤波( UKF)的基础上,结合迭代约束条件和自适应因子,提出了一种自适应迭代无迹卡尔曼滤波( AIUKF)算法。根据基于测距的节点定位模型,采用RSSI进行测距,以极大似然估计法进行节点初步定位,利用AIUKF算法对节点进行精确定位,并且直接以RSSI作为系统的观测量。仿真结果表明,本文提出的基于AIUKF的定位算法相比EKF和UKF算法具有更高的定位精度。  相似文献   

14.
在无线定位系统中,尤其是在室内定位中,非视距(NLOS)误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差,提出了一种针对NLOS环境下的基于卡尔曼滤波器(KF)的动态跟踪定位算法,将广泛应用于雷达系统和飞机导航系统的成熟的卡尔曼滤波器应用于室内定位中。实验结果表明,该方法可以满足室内环境下无线定位的需求,即使在恶劣的NLOS环境下也能够获得很高的定位精度,是一种可行的无线局域网定位技术。  相似文献   

15.
目前已有的位置指纹室内定位算法大多都是建立在原始指纹数据库的基础上,指纹数据库的建立精度会直接影响到最后的定位精度,因此在基于WiFi的定位技术中,对接收信号强度(received signal strength indication,RSSI)的稳定性要求比较高。通过对指纹数据的研究,提出了一种基于高斯核函数融合卡尔曼滤波对数据进行预处理的方法。实验证明,该融合算法能有效剔除RSSI指纹数据中的突变数据和噪声波动,实现RSSI值的准确、平滑输出,从而建立准确的指纹数据库,使后期的定位结果更加精确。  相似文献   

16.
一种基于RSSI的贝叶斯室内定位算法   总被引:2,自引:0,他引:2       下载免费PDF全文
彭玉旭  杨艳红 《计算机工程》2012,38(10):237-240
为提高室内定位系统中基于接收信号强度指示(RSSI)的定位精度,提出一种基于RSSI的贝叶斯室内定位算法。在对RSSI信号进行高斯滤波预处理后,利用三角形质心算法计算未知节点的初始坐标,对该初始坐标进行贝叶斯滤波处理,得到更加准确的坐标。实验结果表明,该算法能降低定位误差,定位精度可达98%。  相似文献   

17.
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.  相似文献   

18.
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。  相似文献   

19.
提出一种用于室内定位的基于接收信号强度( RSSI)的二次定位方法。首先利用全网中已有节点的信息,建立已知节点的初始路径传播损耗指数,采用统计中值滤波来减少RSSI的粗大误差和干扰,然后利用RSSI初次定位的位置结果对传播损耗指数进行再次修正,最后进行二次定位解算,显著提高了未知节点的定位精度。通过仿真和搭建实验平台验证了该算法的有效性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号