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。     

基于卡尔曼滤波的WiFi-PDR融合室内定位

为降低室内环境复杂性对WiFi指纹定位的影响,提出将支持向量机(SVM)分类与回归分析相结合的WiFi指纹定位算法,以提高定位精度。在基于智能手持设备惯性传感器的行走航位推算(PDR)中,为降低惯性传感器的误差及定位误差的累积,通过状态转换的方法识别行走周期并进行计步,提出对原始加速度数据进行预处理和根据实时加速度数据动态设置状态转换参数的算法。在改进的WiFi定位算法及PDR算法基础上,提出使用联邦卡尔曼滤波融合两种方法,并根据人体运动学确定各级滤波器的状态方程和量测方程。实验证明了该算法的有效性。     

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。     

自适应零速修正辅助的微惯性定位系统研究

针对GNSS失效情况下微惯性器件漂移大引起的定位精度低的问题,研究了一种多条件辨识零速时刻,基于速度信息构建观测方程的零速修正算法,以提高微惯性系统的定位精度. 论文阐述了行人步态特性,在分析行人步态的基础上设计了基于加速度量测方差、加速度量测幅值和角速度量测能量的多条件零速检测方法,并针对室内外不同环境设置了自适应阈值. 在此基础上,构建了速度信息为系统观测值的Kalman滤波器,在零速对姿态、速度及位置误差进行估计并修正. 实验结果表明,基于上述自适应定位修正算法可有效增强零速检测的可靠性,抑制定位误差的累积,定位的精度是行进距离的1.32%.     

An Indoor Localization Approach Based on Fingerprint and Time-Difference of Arrival Fusion

In this paper, an effective target locating approach based on the fingerprint fusion positioning (FFP) method is proposed which integrates the time-difference of arrival (TDOA) and the received signal strength according to the statistical variance of target position in the stationary 3D scenarios. The FFP method fuses the pedestrian dead reckoning (PDR) estimation to solve the moving target localization problem. We also introduce auxiliary parameters to estimate the target motion state. Subsequently, we can locate the static pedestrians and track the the moving target. For the case study, eight access stationary points are placed on a bookshelf and hypermarket; one target node is moving inside hypermarkets in 2D and 3D scenarios or stationary on the bookshelf. We compare the performance of our proposed method with existing localization algorithms such as k-nearest neighbor, weighted k-nearest neighbor, pure TDOA and fingerprinting combining Bayesian frameworks including the extended Kalman filter, unscented Kalman filter and particle filter (PF). The proposed approach outperforms obviously the counterpart methodologies in terms of the root mean square error and the cumulative distribution function of localization errors, especially in the 3D scenarios. Simulation results corroborate the effectiveness of our proposed approach.     

基于卡尔曼平滑的AWKNN室内定位方法

基于接收信号强度指示的WIFI室内定位方案存在采集信息跳变现象,进而影响定位精度的问题,提出一种基于卡尔曼滤波的改进自适应加权K最近邻（AWKNN）定位方法。对比分析多种平滑RSSI算法可行性,验证基于卡尔曼滤波对RSSI值进行平滑处理的优势,结合AWKNN算法并采用均方差计算匹配度,通过实时监控相匹配的无线接入点个数后自动调整均方差分母大小,以此实现定位误差的有效控制。实验结果表明,该基于卡尔曼的AWKNN算法在稳定性和定位精度方面较传统WIFI指纹算法有较大幅度提高。     

基于小样本的高精度室内停车场指纹定位算法

针对传统指纹定位算法在离线阶段采集样本工作量较大的问题,该文利用一种分区拟合值近似法（P-FP）来建立离线指纹库。为了解决在线阶段由于WiFi信号的波动导致的定位精度较低的问题,提出一种基于P-FP的设定阈值的序贯重要性采样（SIR）粒子滤波算法（PS-FP）来优化定位坐标。首先建立了路径的损耗模型,并对室内停车场进行分区拟合,得到每个分区的环境系数;然后用拟合值与实际测量值的差值来建立误差特性矩阵,并重新部署虚拟的参考节点（RP）;最后对离线指纹库进行C均值聚类。通过比较平均定位误差（MLE）寻找PS-FP算法的最优阈值,并采用PS-FP算法来优化在线定位坐标。实验结果表明,在部署很少的RP即获取样本比较少的条件下,PS-FP算法依然能达到较高的定位精度,其平均定位误差约为0.7 m。累积分布函数（CDF）的分析结果表明,采用PS-FP算法在2 m以内的定位误差能达到98%。     

基于光流法算法的Visual Map快速建立方法

Visual Map是一个含有丰富位置信息的图像数据库,数据库中每一幅图片或图片的特征在存储时会加入相应的位置信息.室内定位的性能与Visual Map图片的数量有关.建立庞大的图片数据库能够使得定位结果更加准确,但是花费时间成本会更大.针对这个问题,本文提出了使用光流法算法来建立图片数据库Visual Map.针对光流法用于室内图像的计算会受到光线明暗不同的影响以及相机转向会产生横向偏移的问题,本文对光流法进行了改进,并使用改进后的光流法算法对摄像机采集的图像序列进行计算,得到摄像机的自身位移,从而得到每一幅图片的对应的地理位置信息.实验结果表明,利用使用光流法快速建立的Visual Map进行室内定位,误差小于1米的概率是26%,误差小于2米的概率是70%.与传统的视觉室内定位法相比,定位精度虽然略有降低,但建立图像数据库所需时间消耗大大减少.相比于视频流快速建立Visual Map方法,定位效果相当,建立Visual Map所需的设备更少,要求更加宽松.利用光流法算法快速建立Visual Map能够很好的应用于室内视觉定位系统,特别是应用于大型场所以及室内场景多变化的场所.     

NLOS环境中的线性回归最小二乘三维定位算法

针对室内非视距无线环境中移动终端的三维定位问题,提出了一种非视距无线环境中基于线性回归与最小二乘法的三维定位算法。首先,基于无线通信环境中波达时间(TOA)的测量误差具有正偏置的特性,运用线性回归估计测试终端到基站之间的非视距测量距离误差与真实距离之间的线性关系;然后,根据该线性关系运用最小二乘原理对移动终端进行三维几何定位。实验结果表明,算法具有较高的定位精度,最大定位误差不超过2 m,且在非视距环境下,所提出的定位算法不仅不需要TOA的时延分布先验知识,而且定位精度优于其他基于TOA的两阶段最小二乘定位算法的定位精度。     

基于伪自适应阈值零速检测法的室内个人导航系统

为了限制惯导误差的增长,根据人行走的规律提出了一种基于个人的多种步态模式下的伪自适应阈值零速检测法.通过加速度方差和陀螺模值的平方和作为检测依据,设置一个滑动的时间窗口来判断行人的运动模式,以此来自调节阈值的大小,对跑、走、台阶等运动模式都具有稳定可靠的检测效果.由于航向角不可观测,无法使用卡尔曼零速修正算法对航向角进行修正.采用融合室内地图的粒子滤波算法使穿越墙壁的粒子权重为零,对于大误差数据,通过自适应重采样的方法来有效避免粒子的严重退化现象.实验结果表明:速度在3 m/s内零速检测的准确率达到97%以上.采用融合室内地图的粒子滤波算法后,正常行走约210 m的距离室内定位误差从原来的2.3 m降低到0.2m.     

基于BIM&RFID的建筑质量智能检测系统设计与应用

为解决目前施工质量检测过程中存在的构件难以智能定位、数据重复转录和返工维修时反馈信息缺失等问题,借助BIM以及RFID技术,在Visual Studio环境下分别对Revit以及RFID手持端设备进行二次开发,构建了建筑质量智能定位检测系统。结果表明,融合了BIM与RFID技术的建筑质量智能定位检测系统能够实现BIM模型与实体构件信息的关联交互、对存在质量问题的构件进行精准定位、质检信息快速反馈以及可视化施工交底。     

利用测距值优化的室内三维定位算法

为了解决实际误差分布与假设误差分布不匹配导致最小二乘三维定位算法精度较低的问题,提出一种基于测距值优化的最小二乘室内三维定位算法.结合残差修正、Cayley-Menger行列式及空间四面体几何约束,利用非线性规划方法优化测距值,使测距误差符合高斯分布特性,从而提高最小二乘三维定位算法的定位精度.实验对比分析结果显示,所提算法具有较高的定位精度及稳定性.     

一种基于迭代EKF的FastSLAM算法

针对在传统的快速地图创建和同时定位算法(fast simultaneous location and map building, FastSLAM)中采用扩展卡尔曼滤波器(extend Kalman filter, EKF)来估计机器人位姿和地图创建所带来的线性化误差的问题,本研究提出了一种基于迭代EKF的FastSLAM2.0算法--IFastSLAM算法。该算法将迭代思想运用到EKF中,同时采用迭代EKF来估计粒子从而完成机器人地图创建和自身定位。实验结果证明,该算法提高了粒子的估计精度从而减缓粒子退化问题,并更好的维持了地图的一致性。     

Multi-Dimensional Pedestrian System on the New Campus of University of Macau

The Multi-dimensional Pedestrian System( MPS) is an integral part of the new campus of University of Macau. It observes the principle of "pedestrian first " and features a pedestrian-vehicle dividing system.Based on a comprehensive analysis of the location,climate,ecology and other factors of the project site,the conception of the idea of MPS and the related researches are illustrated. The transportation features of the MPS,as summarized,include multi-dimensions,short-distance and weather-resistance. Its features for the sake of livability include integration of nature, respect for the environment and sharing of landscape. Upon the completion of the project, the effects on its users were tested. Finally, some constructive rules for the construction of similar campus pedestrian systems were proposed.     

基于CFR的角度/距离联合单站定位

单站定位在室内定位中起着至关重要的作用。大多数室内定位算法都是联合多个Wi-Fi接入点（AP）进行定位,在只有w单个AP时定位精度很低甚至无法定位。针对室内环境中普遍存在的单AP定位情况,该文首先利用现有的三天线商用Wi-Fi网卡采集无线信道频率响应信息（CFR）进行信号到达角（AOA）估计。其次利用CFR幅值信息通过信号传播模型进行距离估计。提出了一种基于AOA和信号到达时间（TOA）二维聚类信息的直射路径识别算法。最后,利用现有的三天线Wi-Fi设备在室内进行了测角、测距以及定位测试,实验结果表明该文提出的单站定位系统在室内环境下中值误差可以达到1.3 m的定位精度,满足室内定位的需求。     

基于MEMS与Android智能手机融合的 室内个人导航算法

针对微机电系统(micro-electro mechanical system,MEMS)惯性器件在导航解算中存在较大的累积误差问题,提出了一种基于MEMS惯性器件与Android智能手机融合的室内个人导航算法.导航算法在捷联惯性导航算法的基础上,根据人行走时的运动特点,引入了零速度检测与修正算法来检测人行走过程中的静止状态,并对行人静止时刻的速度和位置信息进行校正,以降低累积误差.导航解算中由于陀螺仪漂移导致获得的行人运动方向角误差较大,故采用MEMS陀螺仪输出姿态信息与Android智能手机中的电子罗盘方向角融合的行人运动方向校正算法来获取行人运动方向,并结合滑动均值滤波算法来进一步校正行人的运动方向,提高导航精度.最后通过实验结果验证了导航累积误差修正算法的可行性和有效性.     

Pedestrian walking characteristics at stairs according to width change for application of piezoelectric energy harvesting

This work aims at finding pedestrian walking characteristics at U-type stairs according to the width change of stairs and appropriate spot for installing piezoelectric energy harvesting. The number of pedestrian at two kinds of stairs (one is stairs with 1.5 m in width and the other is stairs with 3 m in width) was estimated by calculating the number of steps on the stairs by a zone which is divided into 30 cm×30 cm. The result shows high density in the middle in the case of narrow stairs but traffic is concentrated on stair inside (pillar side) in stairs with large width. In conclusion, the location for installation of piezoelectric energy harvesting system should be considered differently on stairs width and the number of installation depends on total expected traffic and the expected traffic for a device.     

基于载波相位差值的室内Wi-Fi定位方法

到达角（AoA）的角度分辨力低,导致基于信道状态信息（CSI）的AoA定位精度难以突破亚米级.为了提升定位精度,提出了一种基于载波相位差值的室内Wi-Fi高精度定位方法.首先,提取CSI中心频点子载波的相位信息和直视路径的信号飞行时间,通过虚拟参考点构建载波相位差分定位模型,实现目标初始定位;然后,结合目标初始定位位置,采用虚拟基线约束的方法实现整周模糊求解;最后,提出基于扩展卡尔曼滤波的载波相位定位优化算法,得到目标精确位置.此外,通过实验对比了直线和任意路径下的动态定位结果,所提定位方法的中值定位误差在0.25 m以内,具有更高的准确性和可靠性.     

基于校园WIFI精确定位的多媒体推送技术

为了便于大学生在校园内能够更加方便获取学习资料,及时了解校园内的动态信息以及参与校内互动活动,提出了一种基于校园WIFI精确定位的多媒体推送技术.该技术依托于校园高覆盖率的WIFI网络与智能网络终端的普及,通过软件技术对移动智能终端进行定位,并利用服务器进行位置比对,向该设备推送距离终端最近信息点的多媒体信息.研究表明,多媒体推送技术能够完善校园生活,简化校园信息管理,同时能够降低大量宣传成本,为建设高水平大学做出贡献.     

An accurate indoor map matching algorithm based on activity detection and crowdsourced Wi-Fi

Map matching has been widely investigated in indoor pedestrian navigation to improve positioning accuracy and robustness.This paper proposes an accurate map matching algorithm based on activity detection and crowdsourced Wi-Fi(AiFiMatch).Firstly, by taking indoor road segments between activity-related locations as nodes, and the activity type from one road segment to another as directed edge, the indoor floor plan is abstracted as a directed graph. Secondly, the smartphone's motion sensors are utilized to detect different activities based on a decision tree and then the pedestrian's walking trajectory is divided into subtrajectory sequence according to location-related activities. Finally, the sub-trajectory sequence is matched to the directed graph of indoor floor plan to position the pedestrian by using a Hidden Markov Model(HMM). Simultaneously, Wi-Fi fingerprints are bound to road segments based on timestamp. Through crowdsourcing, a radio map of indoor road segments is constructed. The radio map in turn inversely promotes the HMM based map matching algorithm. AiFiMatch is evaluated by the experiments using smartphones in a teaching building. Experimental results show that the pedestrian can be accurately tracked even without knowing the starting position and AiFiMatch is robust to a certain degree of step length and heading direction errors.