基于行人航迹推算的室内定位算法研究

针对室内定位的实际应用需求,提出了基于行人航迹推算算法(PDR)的适用于手机采集数据的室内定位方法。不同于传统的数据采集方法,该种定位方法利用手机得到加速度、陀螺仪以及地磁原始数据,通过分析加速度信号实现步频探测和步长估计。利用扩展卡尔曼滤波器(EKF)融合各惯性传感器数据以提高方向角的解算精度。最后设计了基于Android平台的数据采集软件,可利用手机内置的传感器设备实现数据采集。经实验数据分析,该算法的定位精度优于2m,在实用的基础上具有较高的定位精度和较低的实现复杂度。     

基于实时步长匹配的行人室内定位方法

针对室内定位研究中行人航位推算（PDR）算法的传统步长模型无法充分反映个体差异性的问题,提出一种以卫星测距为基础,建立个体步长特征数据库代替步长模型的方法. 在室外将卫星测距应用到步长测算中,建立不同速度特征与步长的对应关系. 在室内,改进了K-最近邻（KNN）算法,对跨步进行实时步长匹配,结合方向信息计算出行人的当前位置. 实验结果表明,室内定位最大误差距离可以控制在4%以内,平均绝对误差距离可以控制在2%以内,定位精度较传统步长模型有较大提高.     

基于粒子滤波的多信息融合室内定位算法研究

针对现有室内定位技术精度低、实现复杂度高等问题,提出一种基于粒子滤波的多信息融合室内定位算法。在传统的行人航迹推算(PDR)以及地磁匹配等室内定位算法的基础上,通过粒子滤波动态地纠正行人步长和方向角,从而有效地减小了定位误差。通过PDR算法获得行人的步频、步长、方向等信息,由地磁匹配算法得到行人所在位置对应的地磁值,最后利用粒子滤波对以上信息进行融合处理从而得到粒子的权重,由粒子权重对步长和方向角不断地修正。实验结果表明,该算法可以实时动态地补偿PDR的定位误差,能够获得较高的定位精度。     

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RSS室内定位中极化敏感圆形阵列研究

针对当前DOA估计中基站布设复杂和阵元间距受限的问题,提出了一种极化敏感圆形阵列单基站定位方法.通过对圆形天线阵列布设进行分析,根据信道传播模型得到阵列接收信号,进而利用深度学习模型实现定位.在考虑电磁波极化特性的基础上,经过对圆形天线的数目以及基站的规模大小进行分析研究,最后给出一种比较理想的基站布设方式.仿真结果表...     

基于行人航位推算的室内定位技术综述

行人航位推算系统(PDR)因其无需部署信标节点、成本低廉的特点被广泛应用于室内定位中。围绕基于行人航位推算的室内定位问题,对行人航位推算中步态检测、步长推算以及方向推算的研究现状进行了系统的梳理和述评,综述了基于行人航位推算的室内定位的发展及该领域的一些主要研究成果,指出了该领域现有研究存在的问题,提出了相应建议和深入研究的方向。     

基于惯性传感器的行人室内定位算法

针对室内行人定位的运动特征和惯性器件MPU6050每次固定位置的水平差异所造成的定位精度降低的问题,提出了一种基于零偏置校正算法。利用惯性器件在行人静态时所测得的数据,将行人动态行走的数据减去静态时的均值数据,减小了水平位置误差。针对惯性器件本身的漂移误差在二重积分导航算法中因积累而导致定位不准确的问题,提出了一种基于改进零速度修正算法和频域积分算法。根据手机电子罗盘和惯性器件内置陀螺仪的优缺点,将其数据进行融合,由滑动均值滤波和角度补偿算法得到更准确的行人的航向角。将位移数据与方向数据进行结合得到行人运动轨迹,并进行仿真验证。实验结果表明:所提出的算法能够有效提高室内定位的精度。     

基于九轴传感器的行人室内定位方法

针对由步数、步长精度和航向角偏移带来的定位误差,提出一种基于九轴传感器的行人室内定位方法.利用一种改进的波峰检测法实现精准计步,利用传感器姿态的变化情况识别出原地踏步;在启发式随机漂移消除法(HDE)算法的基础上,提出一种基于主方向的航向修正方法对航向角进行修正;利用一种非线性步长估计模型对行走时的步长进行估算.实验结...     

基于PDR和地磁匹配融合的楼层定位方法

针对室内楼层定位的实际应用需求,提出了一种基于PDR/地磁匹配融合的楼层三维定位方法。不同于传统的定位整层位置,该算法主要研究了楼层间楼梯部分的行人定位方法,行人可利用手机等设备获取加速度、陀螺仪、气压计以及地磁数据,通过对加速度、气压值分析识别上下楼状态,根据楼梯角度和阶梯高度进而获得位置高度信息,由于行人航位推算 (PDR)方法存在累积误差的问题,通过获得的地磁数据构建地磁基准图,并融合粒子滤波的方法修正PDR累积误差以达到获得运动轨迹的目的。通过实验数据分析,该算法能有效获取行人楼梯位置,精度优于1m,满足室内楼层三维定位的基本需求。     

基于粒子滤波的PDR定位算法

针对目前行人航迹推算(PDR)定位精度不高的缺点,提出了一种基于粒子滤波(PF)的PDR定位算法.使用手机内置的加速度计进行步伐检测和计步,陀螺仪和磁力计进行方向估计,结合地图匹配信息,使用粒子滤波算法对定位数据进行滤波融合.实验结果表明:提出的算法提高了定位精度.     

基于WiFi指纹滤波法的室内行人定位方法仿真

为填补室内定位方面研究的空缺,针对超声波、射频识别、红外线等定位技术定位精度不足、解决实时性较差问题,提出一种新的基于WiFi指纹滤波法的室内行人定位方法,并利用惯性导航技术进行定位结果优化.研究具体过程如下:研究分为三个阶段,第一阶段基于WiFi指纹进行室内定位估算,内容包括指纹数据库建立、相似度匹配,实现目标位置估...     

基于卷积神经网络的室内指纹定位算法

随着无线网络和智能设备的普及,室内定位得到了迅速发展.在室内定位中,基于指纹的定位方法因为无需外部设施、抗干扰性强等优点逐渐成为研究热点.近几年深度学习的发展为提高指纹定位算法的精度带来了新的机遇.因此提出了一种基于CNN的指纹定位算法,使用卷积神经网络（convolutional neural network,简称CNN）来改进指纹库的构建.首先,在收集了CSI与磁场数据后,通过CNN对这些数据进行处理,将每个参考点处的CNN模型参数值用作为指纹.然后使用一种概率方法来进行最后的指纹匹配.实验结果表明,该定位算法比传统的指纹定位算法具有更好的鲁棒性和更高的定位精度.     

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RFID的室内定位算法研究

基于位置的服务带动了无线定位技术的研究与应用,基于RFID的室内定位技术具有非接触、非视距的优点,逐渐成为室内定位的首选。介绍了RFID定位系统的基本原理,探讨了当前常用的RFID定位算法的工作原理,并对几种算法进行了比较。     

基于CNN和在线学习的UWB室内定位算法

为了减小非视距(NLOS) 误差对超宽带(UWB) 室内定位系统定位精度的影响,提出了一种基于卷积神经网络 (CNN)的超宽带室内定位算法。利用超宽带系统采集非视距环境下的室内定位数据,根据信号在非视距环境下传播时的误差特性建立CNN模型,将定位数据输入网络进行训练,以减小NLOS误差对定位精度的影响。然后用扩展卡尔曼滤波(EKF) 进行位置估计,当系统处于不同室内环境时,使用在线学习算法调整 CNN参数,提高系统的兼容性。实验结果表明,该算法可以在不同室内环境下有效减小NLOS误差的影响,保持厘米级的定位精度,具有一定的实用价值。     

基于序列图像块匹配的室内定位算法研究

随着计算机技术、数字信号处理理论和视觉传感技术的发展,人们开始了视觉定位技术的研究;为实现精准、快速的定位效果,阐述了以块匹配法为核心,基于序列图像的室内定位算法;首先初始化序列图像,然后确定搜索区域,计算最小绝对差,返回图像的坐标值,进行坐标变换,最终计算得出两帧图像的位置变化;实验结果表明,经过算法处理的移动轨迹可以近似地表示定位目标的实际路径.     

基于二维网格融合特征参数的室内匹配定位算法

针对接收信号强度值(RSSI)的时变特性降低定位精度的问题,提出了一种基于二维网格特征参数融合的室内匹配定位算法。该算法融合RSSI和信号到达时间差(TDOA)构建网格特征参数模型,基于二维网格快速搜索策略降低匹配定位的计算量,采用网格特征向量的归一化欧氏距离进行最优网格匹配定位,最终由匹配网格的参考节点计算终端的精确位置。定位仿真实验中,该算法在3m网格粒度下的定位均方根误差为1.079m,平均定位误差小于1.865m;3m定位精度下的概率达到94.7%,相对于传统单一RSSI模型法提高了19.6%。所提算法能够有效提高室内定位精度,同时减少搜索数据量,降低匹配定位的计算复杂度。     

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,对行人航位推算的3个关键内容：步数检测、步长估计及航向估计分别进行了改进研究,提出了一种结合自相关分析和自适应波峰检测的新检测算法、一个基于Scarlett模型并融合前一步步长信息的改进步长估算模型、以及一个结合方向传感器算法与卡尔曼滤波的主导航向设置方法;实验结果表明以上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GLRT零速检测算法的行人室内定位系统

针对微机电系统中惯性传感器漂移大、精度低导致室内行人定位精度不高的问题,本系统在惯性导航解算算法的基础上,提出基于广义似然比检验的零速检测算法.该方法是利用广义似然比检验对行人处于站立相或摆动相的概率进行估计以及进行零速更新,提高行人定位精度.基于本文提出的行人室内定位模型,搭建以惯性测量单元为核心的实验平台,评估本文算法的可行性.实验结果表明行人定位的动态误差为-1.8141 m~1.4516 m,置信度为97.61%.表明本文的行人室内定位系统满足实际定位的要求.