基于单加速度传感器的行走距离估计

针对行走距离估计问题,提出基于单加速度传感器的方法.将单个三轴加速度传感器固定在步行者小腿上,根据腿部状态(静止或运动)将读到的连续加速度值进行分步,并重积分运动状态下的加速度值获得行走距离.在原有阈值分步法基础上采用新的分步方法--自适应分步法进行分步计算,它根据步行者当前行走状态(步速、姿态等)对分步参数进行自适应调整.数据显示自适应分步受初始阈值影响小,具有较好鲁棒性,其平均分步误差为1步,平均距离误差在近匀速运动和变速运动情况下分别为15-18%和22-34%;而阈值分步的平均距离误差在近匀速运动和变速运动下则分别为3108%和4982%.实验表明：自适应分步法的结果更加准确且鲁棒性强.     

一种用于人体运动捕获的自适应混合滤波融合算法

针对基于惯性传感器的人体运动捕获系统存在陀螺漂移和噪声干扰等问题,提出一种多元传感器信息融合的自适应混合滤波融合算法。算法首先利用快速高斯牛顿法对加速度计和磁力计数据进行姿态信息迭代估算,用四元数将参考坐标系中的加速度和磁场强度分量转换到载体坐标中,将转换后的值与当前时刻测量值的差值代入高斯牛顿迭代算法中用于四元数的实时值估计,通过确定搜索步长的最优值来缩短迭代次数,提高算法收敛速度。设计自适应的互补滤波器将高斯牛顿法解算的姿态信息作为观测矢量对陀螺漂移进行补偿,分别使用高通滤波器和低通滤波器处理陀螺仪数据和高斯牛顿算法优化过后的加速度计、磁力计数据。在互补滤波器中引入重力矢量及地磁参考矢量自适应调节滤波器参数用于实时调整不同算法的权重大小,融合后输出最终的姿态信息,实现最优估计。进行实验对比分析本算法和其他算法融合效果,结果表明,本算法有效降低陀螺累积误差、线性加速度及磁场对解算精度的干扰,磁干扰状态下误差为0.94 °,自由运动状态下误差为1 °。对比扩展卡尔曼滤波融合算法,本文算法执行时间缩短25 %,有效提升了运动捕获系统的性能。     

基于扩展卡尔曼滤波算法的室内定位跟踪系统

为了解决无线室内定位系统实时跟踪位置坐标误差较大问题,提出一种基于扩展卡尔曼滤波(EKF)算法的室内定位方法。系统采用基于WiFi信号指纹定位,然后利用扩展卡尔曼滤波对估算的位置进行滤波,以改善WiFi指纹定位方法的精度,达到对目标实时跟踪。仿真和实验结果表明,该算法有效地改善了系统定位精度,能较好地满足室内定位的需求。     

基于稀疏表示的室内指纹定位算法

为解决室内实时定位中精度不高的问题,提出了一种基于稀疏表示的室内指纹定位算法.针对传统的指纹数据库匹配算法的不足,将待测点的位置估计看作多分类问题.首先在室内区域选择若干个参考点,多次测量参考点的WiFi信号强度,构建稀疏数据字典.通过稀疏表示的方法,用参考点的指纹矢量对待测点处的指纹矢量进行重构,计算重构误差并根据其对待测点位置进行估计.实验结果表明,与传统SVM定位方法相比,该算法的定位精度有明显提高.     

基于改进图优化的惯性/卫星/视觉组合导航方法

惯性/卫星/视觉组合导航在城市复杂环境下可以获得较高精度的连续定位信息,因此应用越来越广泛。但外界环境变化引起的传感器误差会导致组合导航精度下降,甚至造成组合导航结果发散。针对低成本惯性/卫星/视觉组合导航过程中因环境因素产生的传感器误差问题,提出基于改进图优化算法的惯性/卫星/视觉组合导航算法。在传统图优化算法的基础上,在代价函数中引入鲁棒核函数对环境引起的传感器误差进行过滤,并且在惯性测量单元（inertial measurement unit,IMU）预积分中加入地球自转加速度补偿来提高预积分精度,进而提高组合导航精度。最后基于kaist城市行驶数据集设计了对比实验,验证结果表明,提出的改进图优化方法可以有效过滤因外界环境因素产生的传感器误差,相比于传统的图优化方法导航精度提升了7%。     

卡尔曼滤波在管道地理坐标定位系统中的应用

针对惯性敏感元件（IMU）采集数据随机误差较大问题,建立了误差模型,应用卡尔曼滤波算法对其进行校正以提高定位精度.利用捷联惯导技术进行管道定位,得出地下管道形状的详细分布,搭建实际电路并对电路进行仿真,对采集的惯性数据用滤波算法进行去噪处理,并且对滤波前后的数据进行比较.结果表明,滤波算法能够有效降低加速度信号中随机误差的影响,可以在短距离内计算出惯性元件运动的轨迹,证明了该检测系统可以通过降低惯性误差的方法来实现对管道地理坐标的定位.     

基于无线惯性传感器的人体动作捕获方法

为解决光学式动作捕捉设备成本高昂和操作复杂的问题,提出一种通过佩戴在用户身体上的无线惯性传感器进行人体动作数据捕获的方法.在用户身体的各个运动部位绑定多个由加速度和磁通传感器构成的无线惯性传感器单元,传感器通过无线信号发送运动传感数据到计算机端,应用优化算法计算惯性传感单元的三维朝向信息,最后将四元数与动画角色的骨骼绑定后生成人体动作数据.为了解决运动过程中的行走导致的骨架根节点移动问题,利用地形参数反向计算和调整角色骨架根节点位置,使生成的动作符合地形和环境要求,达到真实自然的运动效果.实验结果表明,使用无线惯性传感器进行人体动作捕获得到的动作数据准确度高,朝向计算方法运行速度快,能够满足实时性应用的要求,同时显著降低动作捕获的成本和使用复杂度.     

基于AP筛选的节能WiFi指纹定位算法

针对智能手机WiFi室内定位普遍存在计算复杂度高、能量消耗大、实时性差等问题,提出了一种基于AP筛选的节能WiFi指纹定位算法.根据AP接收信号强度值与物理距离的非线性关系,利用AP信号路径损耗模型公式一阶求导来获得AP接收信号强度梯度,只筛选梯度较高数量合适的AP参与定位,从而确保定位精度不显著降低的情况下,降低计算复杂度,从而实现WiFi指纹定位的节能.实验结果表明：所提出的方法较传统WiFi指纹定位方法定位精度高9.6%,能耗低22.2%,验证了所提出的节能方法在不影响定位精度的前提下降低了能耗,获得了较好的节能效果.     

基于粒子滤波和地图匹配的融合室内定位

为提高室内定位的精确性与合理性,该文提出使用粒子滤波融合WiFi指纹定位和行人航位推算,应用室内地图对定位结果进行匹配与矫正。地图匹配中,首先通过室内地图约束粒子的不恰当转移来解决粒子的穿墙问题,然后采用基于回退的穿墙矫正算法对行走轨迹中的穿墙现象进行矫正。仿真实验中,经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹,优于WiFi指纹算法和行人航位推算算法估计的轨迹,而经过地图匹配与矫正后,定位精度和合理性得到进一步提高。     

坐标转换在移动用户行为识别中的应用

为了降低手机放置位置对移动用户行为识别的影响,提出了一种坐标转换的方法,将手机加速度传感器所获取的加速度信号通过方向传感器从手机坐标系转换到方位坐标系,使用蚁群算法对转换前后各坐标系的加速度信号进行特征优选,利用神经网络分类器对移动用户行为进行识别.实验结果证明,该坐标转化方法减少了重力加速度和手机放置位置对加速度信号的影响,有效提高了移动用户行为识别的准确率.     

应用室内结构布局提高Wi-Fi定位精度和稳定性

采用基于历史的Wi-Fi指纹定位算法,根据若干个时间上连续的Wi-Fi信号指纹进行移动设备的室内定位。提出将室内结构和布局通过无向连通图进行建模,并将其应用到基于历史的Wi-Fi指纹定位算法中。实验结果表明,该方法能够明显削弱信号不稳定造成的影响,有效地提高室内定位的精度和稳定性,同时减少错误的房间和楼层估计。针对多楼层情况,提出了一个针对多楼层的处理算法,进一步提高了楼层的正确估计率。     

3D indoor floor localization based on WiFi and PDR

A layered indoor 3D positioning technology based on WiFi positioning and Pedestrian Dead Reckoning (PDR) is proposed to solve the problem that the pedestrian can only get coordinates in the 2D plane and low accuracy of current indoor localization from intelligent terminal. In the PDR location, the pedestrian's horizontal walking or taking up-down stairs can be distinguished by detecting the pitch-rate mutation. Height change of the pedestrian is obtained by using the effective steps and stairs information. The equations of the two different behavior patterns are constructed and three-dimensional PDR is realized. In the part of the filter, a particle filter algorithm combining WiFi, PDR, building information and behavior patterns is proposed. By fusing the building information and behavior models into the weight calculation and the sampling of the particle, the localization precision is effectively improved. The results show that the average error of the horizontal location is 2.6m and the average error of the height estimation is 1.1m, which satisfies the demand of the individual intelligent terminal for the location service, with the elevation parameter enabling the user to recognize floor information.     

Semi-Supervised Clustering Fingerprint Positioning Algorithm Based on Distance Constraints

With the rapid development of WLAN (Wireless Local Area Network) technology, an important target of indoor positioning systems is to improve the positioning accuracy while reducing the online computation. In this paper, it proposes a novel fingerprint positioning algorithm known as semi-supervised affinity propagation clustering based on distance function constraints. We show that by employing affinity propagation techniques, it is able to use a fractional labeled data to adjust similarity matrix of signal space to cluster reference points with high accuracy. The semi-supervised APC uses a combination of machine learning, clustering analysis and fingerprinting algorithm. By collecting data and testing our algorithm in a realistic indoor WLAN environment, the experimental results indicate that the proposed algorithm can improve positioning accuracy while reduce the online localization computation, as compared with the widely used K nearest neighbor and maximum likelihood estimation algorithms.     

基于ZigBee和WiFi相结合的楼宇监测系统

ZigBee和WiFi各自具有明显的特点,并且许多特性具有互补性,将二者相结合具有很好的应用前景.提出了一种基于ZigBee技术和WiFi技术相结合的楼宇监测体系结构;研究了解决传感数据采集、坐标系统的建立、机器人的控制等关键技术的方法;实现了一种简单、易于实现、高效的基于能量均衡的分簇多跳路由算法,能够较好的提高传感器网络的生存期;实现了监测系统,并得到了实际应用.     

WiFi指纹定位中改进的加权k近邻算法

针对WiFi指纹定位中传统的信号欧氏距离不能很好地反映各位置点间物理距离的问题,提出了改进的加权k近邻定位算法。首先,在信号距离的计算中引入接收信号强度的方差;然后,根据接收信号强度和物理距离之间的非线性关系引入加权系数,设计了一种信号加权欧氏距离;最后,利用信号加权欧氏距离进行指纹匹配和位置估计,改进了加权k近邻算法。在真实环境下的实验结果表明,信号加权欧氏距离能够更准确地衡量各点之间的物理距离并选择更合理的最近邻参考点。与现有的加权k近邻算法相比,改进的加权k近邻算法能够明显地提高WiFi指纹定位的精度。     

基于自适应遗传的E-CID定位算法研究

针对LTE系统NLOS（非视距）环境下基于传统遗传的E-CID（增强小区识别）定位算法过早收敛于某局部最优解而非全局最优,文章提出了一种改进的自适应遗传E-CID定位算法,该算法通过对LTE终端位置数据进行加权最小二乘估算,利用遗传算法进行非线性最优解全局搜索,自适应的改变交叉及变异概率,避免了传统遗传算法过早收敛于局部最优解缺点。仿真结果表明：自适应遗传法比传统遗传算法优势更明显,定位精度更准确。     

Algorithm for recursive Bayesian localization triggered by temporalseries measurement information

To improve the robustness of a position system and reduce the localization error, this paper proposes a fingerprint positioning method based on the recursive Bayesian. To solve the blindness and unreliability of the location fingerprint data in an offline phase, the fingerprint database based on the sample variance is developed to measure the confidence of sampling values and reduce the impact of environmental factors, improving the reliability for online localization. The proposed method provides the target position at the current moment by utilizing the Markov model that is established by the constraint relationship between moments in the source movement, which avoids the jump problem of the position estimation and poor robustness and improves the localization accuracy. Extensive experimental results demonstrate that the average localization error norm of the proposed algorithm is no more than 0.927m, indicating significantly lower errors than other traditional schemes (often by more than 30 percent).     

多传感器融合定位技术研究进展分析

随着GNSS及计算机技术的不断发展,人们对室内外位置服务的需求不断增加。学校、医院、展厅、写字楼等都需要使用准确的室内外定位信息,特别是在应对紧急情况时,室内定位信息显得尤为重要。本文分析了多传感器融合的室内外定位技术研究进展,提出了基于数据融合的多传感器融合定位平台,以GPS技术为主导,结合WIFI、航位推算等定位技术的方法,通过一定的数据融合算法,增强室内外定位的完备性,为进一步实现室内外无缝定位、智慧地球等提供了参考。