排序方式: 共有5条查询结果,搜索用时 140 毫秒
1
1.
2.
随着室内定位需求的不断提高,室内定位精度的提高成为目前研究的热点,单一传感器定位技术在复杂的室内环境中定位误差较大、精度较低。针对上述问题提出了一种基于UWB和IMU融合的室内定位方法。该方法首先利用卡尔曼滤波算法对UWB定位技术的伪距信息进行非视距误差的处理,利用最小二乘法解算出位置信息,进而与IMU定位系统解算出来的位置进行松耦合,将UWB定位信息作为量测方程,IMU定位信息作为系统方程最终得到松耦合之后的定位结果。通过仿真实验表明,上述方法可以有效地抑制UWB非视距误差和IMU累积误差对定位精度的影响,提高室内定位的精度。 相似文献
3.
4.
5.
信道状态信息(Channel State Information,CSI)是一种WLAN物理层信息,具有更加细粒度的特征,在WLAN无线指纹定位模型中采用CSI作为指纹向量可以更好地避免多径效应的影响,达到较高的定位精度。但是从商用无线设备中采集的CSI噪声较大,因此提出一种基于离散小波变换的降噪方法对CSI进行预处理,然后建立CSI位置指纹数据库,采用WKNN算法进行在线匹配定位。基于IMU的行人航位推算方法是一种完全自主的导航方法,具有短时精度高的优点,但经过长时间积分运算会导致累积误差,影响定位精度。结合两种方法的定位特点,提出一种基于扩展卡尔曼滤波器的融合定位模型。此外,传统的步态探测模型易出现误探测现象,在峰值法基础上提出一种动态阈值法,有效提高了探测精度。通过实验验证,在办公室内行人行走轨迹的平均定位精度达到0.23m,而且与纯惯性导航解算轨迹相比,融合定位算法解算轨迹与实际行走轨迹匹配度更高。 相似文献
1