基于UWB/PDR组合的室内行人定位

针对室内复杂场景下非视距导致UWB定位系统定位精度下降以及行人航迹推算算法累积误差过大的问题,文中提出了一种基于超宽带与行人航迹推算组合的室内定位算法。首先使用行人航迹推算算法预测行人步长及航向,然后利用UWB测距信息计算行人位置,最后使用卡尔曼滤波将两种定位方法的信息进行融合。实验结果表明,文中提出的组合定位系统可以有效解决UWB非视距影响导致的误差过大问题,提高定位精度和系统的鲁棒性,整体定位误差在12 cm以下。     

基于PDR与蓝牙区段匹配的室内融合定位算法

针对行人航迹推算(Pedestrian Dead Reckoning)和蓝牙室内定位各自的特点及存在的问题,提出一种基于PDR和蓝牙区段模糊匹配的室内融合定位算法。根据用户与蓝牙信标距离匹配用户大概率所在区段,采用方向构建算法建立并反复纠正当前方向,依靠蓝牙不断修正PDR累积误差,最终使用防回退算法确定本次定位位置。实验表明,在地下环境中能够修正90%以上的定位误差到1.5m以下。利用PDR短期内高可靠性特点和蓝牙定位修正偏差,保证室内较高精度、较低时延的定位导航体验。     

基于鲁棒卡尔曼滤波的盲自适应多用户检测算法

提出一种新的基于虚拟噪声补偿技术的鲁棒卡尔曼滤波估计异步CDMA系统多用户接收器的最优判决向量的方法,构造出一种收敛速度快、跟踪性能好、数值稳定性好的高性能盲自适应多用户检测算法。仿真实验表明, 该文提出的方法具有很强的抗多址干扰能力和较高的数值鲁棒性。     

双目视觉辅助PDR的组合导航定位方法

为提高室内定位系统精度和跟踪性能以及适应复杂环境,将行人航迹推算（Pedestrian Dead Reckoning,PDR）与双目视觉组合,提出一种双目视觉辅助PDR的组合导航定位方法 .该方法通过选取或布置地标建立了地标位置数据表;基于轻量化目标检测实现了对地标实时双目测距,保证定位的实时性;利用PDR位置信息得到检出地标类别对应坐标,基于因子图的协同定位和误差估计算法将双目视觉与PDR有效融合,提高了定位精度并抑制PDR累计误差,同时对PDR中航向和单参数模型中单位转换常数进行误差补偿,提高PDR定位精度.实验结果表明,在地标纹理清晰且分布合理情况下,该方法能有效解决室内复杂环境下单一PDR累积误差问题,此外,对航向和单位转换常数实时补偿可提高组合定位系统的定位精度和稳定性.     

基于Wi-Fi的室内测时差定位方法

近年来室内Wi-Fi定位技术快速发展,已有多种定位方法投入商业运用。为满足用户对室内定位的更高精准度的要求,文章旨在研究基于室内Wi-Fi定位改进的测到达时差定位方法,采用高精度的相对时统、脉冲测时差及四站三双曲面定位技术,进一步提高定位精度,对Wi-Fi定位家族(体系)加强、补充和丰富。     

基于域自适应的Wi-Fi指纹设备无关室内定位模型

基于Wi-Fi指纹定位方法在大规模实际应用中存在设备多样性问题,定位精度受到极大影响.提出了一种设备无关的Wi-Fi指纹室内定位模型DeviceTransfer.该模型基于深度学习的域自适应理论,把智能手机的设备类型作为域,通过对抗训练来提取任务相关而设备无关的Wi-Fi数据特征,并把学习到的源域位置信息迁移到目标域上...     

基于Wi-Fi的室内定位技术研究

近年来,位置服务的相关技术和产业向室内发展,主要发展动力是室内位置服务应用范围很广且能带来巨大的商业潜能。各大运营商分别制定了大规模战略目标,促进新业务趁此机会迅速转型。文章首先介绍了当前主要的室内定位技术,然后在对基于Wi-Fi的室内定位技术的工作原理作出说明,结合各大运营商的Wi-Fi部署情况和各大商场内部对精准定位的需求,重点对RSSI和CSI技术来进行研究。     

基于VIO和Wi-Fi指纹技术的室内定位系统设计

针对视觉惯性里程计(Visual-Inertial Odometry,VIO)在特征高度重复的场合易产生较大误差以及Wi-Fi指纹精确度不高等问题,提出了一种基于VIO和Wi-Fi指纹技术的室内定位方法。该系统运用VIO和Wi-Fi指纹在系统层面的结合,利用Wi-Fi指纹的无漂移、成本低的特点和VIO在一定范围内的高精确度,先进行Wi-Fi指纹粗定位,后进行VIO精定位,将大面积切割成小面积从而有效提高系统室内定位精确度,降低误差。该系统能在精定位的同时进行对指纹数据库的更新。实验结果表明,该系统的定位误差小于单独使用VIO或Wi-Fi指纹的系统,平均误差达0.15 m,能够有效提高定位精度。     

基于iPhone的室内二维定位系统设计与实现

考虑到当前广泛存在的室内定位和导航需求,文章将用户随身携带的iPhone手机与室内定位相结合,提出了基于iPhone的室内二维定位系统设计与实现。通过iPhone手机配置的惯性传感器,首先使用苹果公司提供的CoreMotion框架和CoreLocation框架获取用户的移动距离和方向,并对获取的数据进行处理;然后使用行人航迹推算（Pedestrian Dead Reckoning,PDR）算法估算出行人的位置坐标;最后实现室内二维定位结果。实验结果表明,基于iPhone的室内二维定位系统具备一定的可用性和准确率。     

基于多源融合的OFDM室内定位技术研究

目前各种室内定位技术都有其自身的优势和局限性,单一的定位技术已经无法满足高精度的室内定位需求。针对该问题,提出了一种基于多源融合技术的室内定位方法。利用常见正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)信号的时频二维特性实现测距定位,并通过识别主径的方式来抑制多径对子载波相位的影响,同时采用行人航位推算技术得到预测的用户位置,使用粒子滤波器将OFDM定位结果和行人预测信息进行滤波融合。实验结果表明,相较于单一的定位方法,融合后的定位方法更能满足室内定位需求,其平均定位误差小于1 m的概率大于95%。     

基于人体运动识别约束的室内定位方法

针对传统的行人航迹推算（Pedestrian Dead Reckoning,PDR）方法无法满足多运动状态下的定位问题,提出了一种基于神经网络运动识别辅助室内定位的方法。构建出卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元（Gated Recurrent Unit,GRU）组合的神经网络模型,用于识别人体的运动状态并完成分类。根据运动分类的结果应用到行人航迹推算中,分析和筛选运动参数特征作为算法的阈值约束条件来提高定位精度。在算法中运动步数由合加速度计数据波形检测得到,步长由运动状态的特征自适应调整步长模型。通过实验验证,CNN-GRU模型在自建数据集上的准确率达到99.6%。将识别结果应用到PDR中,在112 m 4种动作的矩形路线中定位误差为1.8 m,误差远低于传统PDR定位的19.9 m。实验结果验证了该方法的可行性。     

不确定系统鲁棒协方差交叉融合稳态Kalman滤波器

针对带不确定模型参数和噪声方差的线性离散多传感器系统,基于极大极小鲁棒估值原理,该文提出一种鲁棒协方差交叉(CI)融合稳态Kalman滤波器。首先,用引入虚拟噪声补偿不确定模型参数,把模型参数和噪声方差两者不确定的多传感器系统转化为仅噪声方差不确定的系统。其次,应用Lyapunov方程证明局部鲁棒Kalman滤波器的鲁棒性,进而保证CI融合Kalman滤波的鲁棒性,且证明了CI融合器的鲁棒精度高于每个局部滤波器的鲁棒精度。最后,给出一个仿真例子来说明如何搜索不确定参数的鲁棒域,并验证所提出的鲁棒Kalman滤波器的优良性能。     

基于多传感器Kalman滤波器的GPS/IMU数据融合算法设计

针对GPSIIMU组合导航系统，现有的滤波算法难以检测传感器的错误数据并及时排除。文章设计了一种考虑滤波器环境信息的多传感器Kalman滤波器，该算法适于在不重构滤波器的情况下对多传感器进行整合。仿真结果表明该算法提高了数据融合的可靠性。     

基于Wi-Fi即时定位与映射像素模板匹配的室内运动地图构建与定位

传统指纹定位方法由于建库人力时间开销大、系统通用性不强约束着指纹定位系统的推广,为了解决该问题同时结合即时定位与映射(SLAM)技术的优势,该文提出一种新的Wi-Fi/微机电系统(MEMS)融合室内运动地图构建与定位方法。首先利用行人航迹推算(PDR)、最小描述长度(MDL)原则和基于密度的空间聚类算法(DBSCAN)对众包运动轨迹进行预处理,提出基于轨迹主路径的运动地图构建方法。之后提出基于像素模板的地图匹配方法获取地图的绝对位置,并采用抗差扩展卡尔曼滤波(EKF)对目标位置进行最优估计。实验结果表明,所提聚类方法可以准确构建各区域运动地图,在少量的人力时间开销下实现较高的定位精度。     

基于自适应滤波器的MIMU/GPS组合系统的研究

设计了微惯性测量单元/卫星导航(MIMU/GPS)组合导航系统原理样机。针对低成本MIMU/GPS组合导航中的Kalman滤波器设计滤波参数(包括系统噪声方差阵Q和测量噪声协方差阵R)影响的问题,系统的分析了Kalman滤波器参数的选取对系统状态变量的估计精度和收敛性能的影响。根据分析设计了自适应估计技术的Kalman滤波器。试验结果表明:对于低成本MIMU/GPS组合导航采用自适应估计技术估计可得到满意的性能,在静态条件下,位置精度优于5 m(标准差),速度精度优于0.1 m/s;系统提供水平姿态角精度优于0.2°;航向角精度优于0.5°(磁罗盘辅助)。     

基于信道状态信息测距的Wi-Fi室内定位误差界分析方法

相较常用于室内定位的Wi-Fi接收信号强度(RSS),Wi-Fi信道状态信息(CSI)包含了信号传输过程中更细粒度的物理层信息(如各个子载波的幅值和相位),故可将其用于较精确的测距以实现较高的Wi-Fi室内定位精度.由于现有基于CSI测距的定位方法普遍缺少关于定位误差界的理论分析,从而导致难以对不同定位方法的理想性能进...     

量测提升卡尔曼滤波

滤波器设计是系统辨识和状态估计的重要基础.卡尔曼滤波通过状态预测和量测更新的实现框架,在最小方差准则下实现对目标状态的最优估计,但在单传感器量测环境中其滤波精度易受量测噪声随机性的影响.本文提出一种基于量测提升策略的卡尔曼滤波算法实现框架,新方法依据当前时刻量测和量测噪声先验统计信息构建虚拟量测,并通过对虚拟量测采样以及融合提升系统量测信息可靠性,进而改善状态估计精度.同时,针对算法在工程应用中实时性、准确性以及鲁棒性等需求,设计了分布式加权融合和集中式一致性融合的两种实现结构.理论分析和仿真实验结果验证了算法的可行性和有效性.     

多传感器融合机器人室内定位系统设计与实现

目前,室内机器人的应用越来越广,位置信息作为机器人自主技术的基本信息,亟需完善的室内定位系统解决方案.对基于多传感器融合的室内机器人定位系统进行设计与实现,以航位推算为基础方法,加之超声、激光测距信息以及地图信息,通过粒子滤波进行融合,从而得到更精确的定位信息.通过具体的实验测试和结果分析,文中设计的室内机器人定位系统具有很好的定位效果,可在航位推算的基础上,将定位误差降低到原误差的十分之一.