Kalman滤波在室内定位动态测量中的应用

为了解决室内定位动态测量系统应用中所估算的目标位置偏差大问题,提出一种基于卡尔曼滤波的室内定位法。利用双目视觉的标定原理估算出目标的位置坐标．再利用卡尔曼滤波算法对目标的估算位置进行滤波处理,以提高室内定位系统的性能和精度。实验结果表明,卡尔曼滤波算法具有良好的有效性。     

Kalman滤波在井下人员跟踪定位中的应用

针对基于RSSI定位算法在定位过程中不具备连续性问题,提出了一种基于Kalman滤波的连续性井下人员定位方法。采用Kalman滤波对基于RSSI定位算法估算出的井下人员位置坐标进行滤波处理,在此坐标的基础上,建立Kalman滤波模型,利用Kalman滤波实现对井下人员的实时跟踪。实验结果表明,基于Kalman滤波的定位方法对井下人员的跟踪效果较好,提高了系统的实时性和跟踪精度。     

基于三点定位与加权坐标的三角定位算法

针对传统的基于接收信号强度指示（Received Signal Strength Indication,RSSI）的三角定位算法产生的定位误差大和定位结果波动性大的问题,提出一种基于三点定位与加权坐标的三角定位算法。该算法对RSSI数据进行卡尔曼滤波操作,降低RSSI数据的波动性;将滤波后数据经过基于RSSI选取的三点定位算法,获取粗定位坐标;将获取的三个粗定位坐标基于加权坐标的三角定位算法得到待定位点坐标。实验结果表明,在RSSI-距离衰减模型拟合度为96%的条件下,提出的算法的最大误差为1.602 m,平均误差为0.880 m。     

基于Unscented卡尔曼滤波的室内定位

基于RSSI值的测距技术中,通过对天线全向性问题的分析,提出基于Unscented卡尔曼滤波（UKF）的定位算法。利用基于RSSI值的测距模型进行距离测量,并使用Unscented卡尔曼滤波算法估计节点坐标。由于RSSI值的测量和测距模型参数受到环境的影响,采用高斯滤波对RSSI值进行优化,对环境参数使用线性回归算法进行优化并采用自适应机制更新。通过与最大似然估计法（ML）的比较实验表明,该算法能有效地减小定位误差,提高定位精度。     

改进卡尔曼滤波的井下组合导航定位算法

为解决井下人员定位算法定位精度不高的问题,提出基于微惯性导航系统和无线传感器网络的井下组合导航定位算法.通过井下无线网络、惯性定位终端采集相关信息数据,利用行人航迹推算算法和改进加权质心定位算法分别估算出目标点的坐标和速度.将这两种算法通过正弦余弦蝙蝠融合算法优化后的卡尔曼滤波组合导航定位,估算出目标点最终的位置坐标....     

基于机器学习与蓝牙RSSI的室内定位技术研究

对一种基于蓝牙RSSI(received signal strength indicator)结合机器学习算法的室内定位技术进行了研究。以蓝牙低功耗信标作为发射节点，接收移动节点的RSSI信号，通过三坐标测算技术，结合k近邻（k-nearest neighbor, k-NN）机器学习算法，参考已知信标节点对移动节点RSSI数据进行分类，估算出待测点坐标，从而定位室内用户位置。所研究的室内定位技术，综合运用了蓝牙低功耗信号处理、RSSI测距及机器学习等多种技术，能精确地用于各种静态或动态的应用室内定位场景。在某高校图书馆室内部署本文技术方案，测试结果表明机器学习结合蓝牙RSSI的室内定位精度相比传统定位方法得到提高。     

基于支持向量机多分类的室内定位系统

为解决室内实时定位中定位精度不高、显示效果来回跳动的问题,提出了一种基于支持向量机(SVM)多分类的室内定位算法。针对传统基于采样点的匹配算法处理非线性问题的不足以及实时定位时信号采集时间较短、变化幅度较大等问题引入网格定位的概念,将定位匹配设计成多分类问题,利用SVM得到目标最有可能所属的K个网格;利用实时定位中前、后两个位置的相关性剔除这K个网格中可能性较小的网格,最终所属网格坐标加权后得到估算位置坐标,并利用卡尔曼滤波算法对估算位置坐标进行滤波处理。实验结果表明,算法的定位精度与传统SVM的精度相比有明显的提高。     

基于加权处理的三边测量定位算法

定位技术是无线传感器网络的关键技术之一,传统三边测量定位算法利用三个锚节点一次确定未知节点的位置坐标,而单次估算的坐标值无法准确反映未知节点的实际位置。提出了一种以RSSI值和通信质量为权值的锚节点选择算法,筛选对未知节点影响力大的锚节点用于节点定位计算。在此基础上,使用角度权重函数综合多次估算的未知节点坐标信息,进而确定未知节点位置坐标。仿真结果表明,与原三边测量定位算法相比,改进算法对锚节点随机分布有较高的鲁棒性,定位精度有较大提高。     

几何估算和RSSI相结合的室内定位算法

提出一种基于几何估算和RSSI相结合的定位方法。方法中,未知节点的位置可以通过参考节点的通信范围进行几何估算。参考节点的通信重叠区域可以估算出未知节点位置。在几何估算方法的基础上又引入了RSSI值优化。利用RSSI值对几何估算区域进行划分,运用改进公式计算出新的未知节点位置。实验结果表明,该方案优于基础定位算法,拥有较高的精度。同时在医院场景进行了初步系统测试,获得了良好的定位效果。     

基于RSSI校正的无线传感器网络定位算法

为了使接收信号强度指示（RSSI）的测量误差对节点定位精度的影响程度达到最小化,提出一种基于RSSI高斯加权校正的质心定位算法.首先通过高斯函数滤去偏差较大的RSSI值,然后再对余下的RSSI值加权计算得到优化的RSSI测量值,并利用测量到的RSSI值计算出锚节点与未知节点之间的距离,然后根据计算出的距离对锚节点坐标加权,并通过质心定位算法求出未知节点的位置坐标.仿真实验表明：该算法相比基于RSSI的质心定位算法,定位覆盖率提升3％～6％,平均定位误差至少减少4％,是一种定位精度更高的算法.     

融合RSSI测距定位的室内PDR算法

在室内定位系统中,针对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和行人航迹推算(PDR)定位系统漂移误差长时间的累积效果,提出融合RSSI测距定位的室内行人航迹推算算法,以扩展卡尔曼滤波器实现两者定位信息的融合,获得系统的最优定位结果。仿真结果表明,该融合定位算法的平均定位误差约为0.83205 m,范围维持在0.51948 m～1.13529 m内,并在定位稳定性方面表现出良好的性能,验证了该方法的合理性和有效性。     

狭长空间基于人体穿透损耗模型的组合定位方法

狭长空间定位问题普遍存在于室内定位应用场景中,虽然传统基于RSSI（Received Signal Strength Indicator）测距的定位方法简便易行,但是狭长空间RSS的波动性以及人体对无线信号的遮挡会严重降低人员定位精度。本文在分析了人体穿透损耗对狭长空间定位影响的基础上,提出将RSSI测距与扩展卡尔曼滤波定位算法组合实现定位,即在中等尺度（5λ~50λ）内采用基于人体穿透损耗模型的RSSI测距方法定位,在大尺度（>50λ）内采用基于人体遮挡修正模型的扩展卡尔曼滤波算法定位。实验表明该方法在狭长空间的定位精度明显优于RSSI测距定位方法。     

基于蓝牙信标的室内定位

近年来随着技术的进步和人们生活水平的提高,人们生活中的大多数时间都是在室内度过的,所以对室内定位的各种需求在不断增长,逐渐成为一个研究的热点。因此,本文设计了一种基于蓝牙信标的室内定位系统,该系统在分析了蓝牙信标的RSSI信号的分布特点的基础上,采用高斯滤波和卡尔曼滤波融合使用的方式来对接收到的信号实行滤波处理,接着在大量地实地测试的基础上,建立了RSSI信号的测距模型,最后使用三边质心算法作为定位算法。     

基于AIUKF的WSN节点定位算法

针对无线传感器网络节点定位精度不足的问题,在无迹卡尔曼滤波( UKF)的基础上,结合迭代约束条件和自适应因子,提出了一种自适应迭代无迹卡尔曼滤波( AIUKF)算法。根据基于测距的节点定位模型,采用RSSI进行测距,以极大似然估计法进行节点初步定位,利用AIUKF算法对节点进行精确定位,并且直接以RSSI作为系统的观测量。仿真结果表明,本文提出的基于AIUKF的定位算法相比EKF和UKF算法具有更高的定位精度。     

一种室内定位中NLOS误差抑制算法

在无线定位系统中,尤其是在室内定位中,非视距(NLOS)误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差,提出了一种针对NLOS环境下的基于卡尔曼滤波器(KF)的动态跟踪定位算法,将广泛应用于雷达系统和飞机导航系统的成熟的卡尔曼滤波器应用于室内定位中。实验结果表明,该方法可以满足室内环境下无线定位的需求,即使在恶劣的NLOS环境下也能够获得很高的定位精度,是一种可行的无线局域网定位技术。     

基于RSSI的WiFi指纹定位数据融合算法研究

目前已有的位置指纹室内定位算法大多都是建立在原始指纹数据库的基础上,指纹数据库的建立精度会直接影响到最后的定位精度,因此在基于WiFi的定位技术中,对接收信号强度(received signal strength indication,RSSI)的稳定性要求比较高。通过对指纹数据的研究,提出了一种基于高斯核函数融合卡尔曼滤波对数据进行预处理的方法。实验证明,该融合算法能有效剔除RSSI指纹数据中的突变数据和噪声波动,实现RSSI值的准确、平滑输出,从而建立准确的指纹数据库,使后期的定位结果更加精确。     

一种基于RSSI的贝叶斯室内定位算法

为提高室内定位系统中基于接收信号强度指示(RSSI)的定位精度,提出一种基于RSSI的贝叶斯室内定位算法。在对RSSI信号进行高斯滤波预处理后,利用三角形质心算法计算未知节点的初始坐标,对该初始坐标进行贝叶斯滤波处理,得到更加准确的坐标。实验结果表明,该算法能降低定位误差,定位精度可达98%。     

一种基于卡尔曼滤波的超宽带室内定位算法

为了减小室内环境中障碍物对超宽带(UWB)传感器测距结果的影响,提出了一种基于卡尔曼滤波(KF)的超宽带室内定位算法.利用超宽带接收信号的信噪比区分视距和非视距环境,给出了超宽带传感器测距性能最小二乘标定模型,减小测距系统误差;判断相邻测距差分是否在阈值范围内,否则用卡尔曼滤波先验估计替代后验估计处理测距结果,由此减弱多径效应和非视距误差对测距的影响;用扩展卡尔曼滤波器(EKF)实现室内定位.实验结果表明:算法在复杂室内环境中可达到亚米级的动态实时定位精度.