基于深度学习的室内定位系统设计与实现

设计并实现了一个基于深度学习的室内定位系统,该系统分为信息采集模块、地磁定位模块、深度神经网络定位模块及联合定位模块4个模块。首先利用智能手机传感器采集室内地磁信号,以地理位置为标签保存为位置指纹文件。通过粒子滤波算法计算得出用户地理位置。然后使用深度神经网络模型和当前扫描的数据预测行人位置,最后对用户位置进行校正,消除地磁定位的累计误差。将基于深度学习的室内定位方法在Android平台实现并进行相应测试。实验结果表明,改进后的地磁室内定位的平均误差为2.2m,较只使用地磁定位技术进行定位时,定位误差平均降低了2.3m,具有更高的定位精度。     

基于MEMS/GPS/地磁组合的弹体姿态解算

MEMS惯性器件由于具有自主性、连续性和隐蔽性等优点被广泛运用于载体的姿态解算中,但由于MEMS惯性器件的制作精度和误差积累等问题使得解算出的姿态信息并不准确.同时由于地磁传感器可以实现高精度的姿态测量,但不能独立解算出姿态信息.因此为了提高惯导姿态解算的精度,所以采用GPS、地磁辅助惯导进行姿态解算.设计的方案是在传统惯导姿态解算误差状态方程的基础上,将地磁和GPS解算的滚转、偏航和俯仰角与惯导解算出来的相应角的差值添加到传统惯导姿态解算误差状态方程中,以速度误差和滚转、偏航和俯仰角误差为量测值,估计出组合系统的姿态误差,并与惯导解算出的姿态误差进行对比,从而验证所提出的方法的可行性.     

基于模拟退火优化BP算法的指纹地图构建方法

由于地磁信号的时间稳定性和位置差异性,基于地磁指纹的室内定位越来越受到重视。在离线建库过程中,为了降低采集数据工作量,提高构建精度,提出了一种模拟退火优化传统BP网络的模型预测方法。首先对所有的采集数据进行限幅滤波处理,然后通过模拟退火算法优化BP网络(SA-BP)中的权值以及阈值,避免其在训练过程中陷入局部最优解,提高预测性能。在不同的实验场景下用该方法进行指纹地图构建,并与传统的基于普通克里金插值法进行仿真比较,结果表明,用相同的指纹点数构建出来的指纹地图在正方形的实验区域估值误差控制在8.9%左右,在长方形的走廊实验区域估值误差控制在8.7%左右。同时在实际场景中做了定位实验,结合在线匹配阶段中的动态时间规整(DTW)算法和加权K最近邻(WKNN)算法进行定位,实验结果表明,定位误差均在1m,可以满足定位需求;同时,所构建方法和逐点采集构建方法相比,减少了大约30%的工作量。     

用于三维姿态估计的双矢量并行卡尔曼滤波

基于磁强计、加速度计和陀螺仪的微型航姿参考系统(AHRS)通常采用卡尔曼滤波算法实现传感器间的数据融合。然而,卡尔曼滤波包含的矩阵运算导致其计算复杂度较高,不利于在处理能力有限的单片机上应用。提出一种以地磁矢量和重力矢量为状态变量的双矢量卡尔曼滤波算法,极大地简化了量测模型,有助于降低计算量和避免线性化误差。在AHRS上进行了实验验证,结果表明所提出的双矢量卡尔曼滤波算法在单片机上的运行耗时可比已有的基于四元数的滤波算法减少60%以上,且姿态估计精度优于已有算法。所提出的算法可实现三维姿态的快速、准确估计,改善AHRS姿态输出的实时性。     

一种基于IMU的3D位置追踪算法

针对GPS技术无法在室内完成导航的问题,详细分析和设计了一种基于IMU的3D位置追踪算法.Foot-mounted的IMU模块包含3轴陀螺仪和3轴加速度计.姿态估计是通过基于四元数的互补滤波器实现的.得到旋转矩阵,将传感器坐标系的加速度值转换到地理坐标系下.人类双足运动中,当脚与地面接触时,这只脚的速度应为0.这个特性可用于精确的漂移误差校正.而相应的位置可通过对漂移校正后的加速度数据双重积分计算得到.初步的实验表明:该算法在室内行人航位推算有较高的性能,3D移动轨迹准确度较高.     

基于因子图的自主导航多源异构信息融合算法

为了解决惯性导航系统长航时累计误差和实时性问题,提出了一种基于因子图的多源信息融合算法.论文基于和积算法,采用了因子图模型进行基于最大后验概率的状态估计,计算变量的均值和方差完成数据融合,利用超宽带技术和视觉传感器对发生累积误差的惯性导航系统进行校准,完成误差修正.对信息融合算法进行了仿真,结果为:该算法各轴向的误差分...     

基于多传感器零速修正的行人导航系统研究

针对行人导航定位系统中惯性导航解算误差累积问题,提出基于多传感器零速修正的行人三维导航定位方法。根据行人足部运动特征,采用支持向量机决策方法对行人运动和静止阶段进行检测分类。在静止阶段,根据多传感器测量数据对导航解算速度、角速度、方向和高度进行误差修正,采用卡尔曼滤波递推方法进行数据融合和滤波估计,实现对方向、位置和速度的跟踪。行人行走实验表明,设计的行人导航定位系统能够有效地跟踪行人行走轨迹,水平方向各楼层平均误差为1. 82%,高度方向平均误差为2. 53%。     

750kV变电站设备支架姿态测量系统设计

为了消除750 kV变电站设备支架安装过程中的位置误差,在研究现有设备支架位置检测方法的基础上,设计了以STM32单片机为控制核心的设备支架姿态测量系统.该系统以三轴陀螺仪传感器测量设备支架的角速度数据,使用双加速度计以不同频率采样传感器数据以消除累积误差,增加测量系统的鲁棒性,利用四元数法解算出设备支架在三轴坐标系的姿态角,将陀螺仪和加速度计的数据进行融合,设计自适应姿态融合校准算法提高系统长期精度,实现对750 kV变电站设备支架姿态的准确测量,确保其安装过程中的位置精度.     

航空用多传感器组合导航信息融合的研究

在已有的SINS/GPS组合导航系统的基础上,将联邦kalman滤波算法与组合高度三阶回路算法动态结合,并利用改进型自适应滤波算法对系统进行实时系统噪声和量测噪声水平估计和修正,实现了SINS/GPS/高度计/磁罗盘多传感器组合导航系统有效融合。所设计系统综合利用了各传感器的优点,克服了各传感器的缺点,并能实时正确地测得载体的三维速度、位置和姿态信息,尤其是高度通道上的速度和位置信息,使多传感器组合导航系统能长时间、有效、稳定地进行飞行导航。经半实物仿真实验表明,所设计的组合导航系统具有较好的稳定性和较高的精度。     

高压带电作业机械臂姿态监测系统研究

针对电力系统高压带电作业机械臂作业过程中的姿态监测问题,研制了一种高压带电作业机械臂姿态监测系统,并提出了基于四元数法的姿态监测算法。首先,由加速度传感器、陀螺仪、地磁传感器和Zigbee无线通信单元组成的监测单元安装在机械臂各关节任意位置,并结合四元数算法,精确测量机械臂各关节的三维空间角度,同时,通过Zigbee无线通信单元,将各关节三维空间角度上传至监控终端;然后,监控终端通过简单的三角函数和迭加计算,即可快速得到机械臂各关节的实时位姿,并进行显示;最后,以美国Kraft公司生产的Grips机械臂为例,建立了基于四元数的机械臂运动学模型并进行了仿真实验,实验结果表明所提出的系统和方法测量精度可达0.05°,同时计算时间可缩短至1 ms。实验结果证明了所提出的系统及方法的有效性和高效性。     

基于WiFi辅助的自适应步长的室内定位算法

随着室内定位的需求越来越多,基于PDR算法的低成本惯性传感器定位方法备受青睐。在PDR算法的基础上,提出了一种步长可随着步频自适应变化的s f关系模型。同时针对PDR算法的误差累积问题,利用WiFi信号的接入点位置的绝对坐标对定位误差进行校正,利用连续的两个WiFi信号接入点位置辅助动态调整步长,避免了长时间的计步累积误差对步长的影响。实验验证该方法可有效提高室内定位的精度。     

基于 WiFi 指纹的层级学习室内定位模型

随着物联网和信息技术的飞速发展,基于移动位置的服务近年来日益受到关注,同时也促进了室内定位技术的发展.基于WiFi指纹的室内定位技术以其部署广泛、成本低廉等优点受到了学术界的广泛研究.针对移动设备在室内环境中的定位问题,提出了一种层级学习室内定位系统(hierarchical deep learning indoor ...     

基于UWB/PDR的航向发散自适应修正算法研究

为解决航位推算（PDR）算法累积误差过大并且长航时航向发散的问题,提出了一种基于UWB/PDR自适应扩展卡尔曼滤波（EKF）融合算法。该算法通过UWB定位值和PDR实时解算位置得到自适应校准因子,通过在常规的EKF算法的基础上增加自适应校准因子动态调整UWB观测值的权重来校准位置误差。并用UWB的实时测距对PDR的航向发散进行周期性修正。实验结果表明：自适应EKF融合算法相较于纯PDR航向发散误差降低了63.9%,相较于标准EKF融合算法发散误差降低了31.1%,同时定位百米误差降至0.33m。     

基于空间位置约束的稀疏指纹室内定位方法

针对基于位置服务的实际应用需求,分析了现有室内定位技术的局限性,提出一种基于空间位置约束的稀疏指纹定位方法,在数据层有效融合惯导和无线局域网(WLAN)定位信息,充分发挥二者优势协同完成定位任务。首先利用WLAN提供的接收信号强度(RSS)信息构建空间位置指纹数据库,并基于RSS构建稀疏指纹表征与定位模型;鉴于RSS数据易受环境干扰呈现多变性,利用惯导技术对位移状态进行初步估计,并以此作为约束条件构建基于空间位置约束的稀疏指纹定位模型。仿真实验结果表明,所提方法较惯导和稀疏指纹方法在定位精度方面分别提升58%和33%。     

关于 PDR 算法步长估计模型的改进研究

为了更加精确地判别基于微惯性测量单元( IMU)的行人定位信息,本文深入研究了传统行人航迹推算(PDR)算法模 型,发现传统算法所采用的判别条件单一且精准度不高。 针对传统算法中步长估计模型不准确的问题,本研究首先提出一种基 于扩展卡尔曼滤波的误差补偿优化算法,以实现 IMU 内集成的加速度计、陀螺仪等传感器的误差补偿。 将优化后的原始数据 放入 BP 神经网络算法对单参数步长估算经验模型进行训练。 实验结果表明,基于 BP 神经网络融合基础模型的步长算法相比 单纯的基础步长模型,闭环精度提高了 0. 3%以上,开环误差减小了 8. 5 倍,基于 BP 神经网络的改进 PDR 算法可以有效抑制惯 性算法的误差发散。     

一种基于CKF的改进LANDMARC室内定位算法

针对传统LANDMARC室内定位算法受室内环境的干扰存在定位精度不高,波动大的问题,提出一种基于CKF的改进LANDMARC室内定位算法。该算法首先通过传统LANDMARC算法得到待定位目标的状态预估值;然后将得到的状态预估值作为观测量并用容积卡尔曼滤波(CKF)算法对其进行滤波处理,以提高算法的定位精度并降低定位结果的波动;最后用滤波处理后的结果代替LANDMARC得到的预估值作为待定位目标的状态估计。实验研究表明,所提算法误差在0.5 m以下的标签达到60%,与传统LANDMARC定位算法和经由无迹卡尔曼滤波(UKF)算法滤波的LANDMARC定位算法相比,定位精度和波动性均有明显提高,应用在室内定位中能够得到较为真实的目标移动轨迹。     

基于高性能磁链算法的永磁同步电动机无位置传感器控制

准确的磁链辨识是基于磁链观测法永磁同步电动机无位置传感器控制的关键,传统电压型磁链辨识算法消除了纯积分存在漂移问题,对圆形磁场的磁链可以准确辨识,但对实际中电机内普遍存在的椭圆形磁场的磁链辨识时存在稳态幅值和相位误差。分析了椭圆形磁场时磁链矢量与反电动势矢量的空间关系。对传统算法辨识椭圆形磁链的误差进行了分析,提出一种改进的新型磁链算法。改进后的新算法运算量与传统算法相当,但对圆形与椭圆形磁场的磁链均能准确辨识。将新算法应用于一台表贴式永磁同步电动机无位置传感器控制系统的转子位置估算,仿真证明,在稳态及转速突变时新算法均具有良好的位置和转速跟踪效果。利用数字信号处理器TMS320F2812DSP对其进行了数字化实现。实验结果表明,在中高速范围内,调速系统在稳态与电机转速突变时具有良好的动静态特性,但在低速区会出现系统不稳定。仿真与实验证明了新算法的有效性和实际可应用性。     

基于加权质心法的WLAN室内定位系统

在利用接收信号强度指示(RSSI)进行定位的WLAN室内定位系统中,为获得更高的定位精度,提出一种支持向量机与加权质心法相结合的定位算法。该算法首先以四边形对定位场地进行区域划分,在各四边形区域的顶点位置采样指纹点数据,利用支持向量机(SVM)多分类将定位点位置缩小到某个四边形区域内。最后利用加权质心法,计算出定位点的坐标。仿真实验与实地实验结果表明,该算法比支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)、K最近邻法(KNN),定位精度有明显提高,定位误差在1.4 m,定位精度在90%以上。     

基于RSSI-距离区间映射的加权质心定位算法

考虑到室内传播中RSSI的不稳定因素使得基于RSSI与位置(距离)一一对应关系的定位算法误差较大,在对RSSI统计分析后,提出了在离线采样阶段先建立符合实际环境的基于RSSI-距离区间映射的数据库,再在在线测量阶段根据待定位点RSSI在粗略位置区域中采用加权质心算法确定具体位置.从性能测试结果看出各测试点位置估计偏差略有不同,但平均偏差不高,表明在一定程度上改善了信号因多径效应、非视距传播等波动引起的定位偏差较大问题,验证了该方法的可行性和有效性.