基于FDE-IRF的室内指纹定位方法

针对传统指纹库存在建立工作量大以及随机森林匹配误差大等问题,提出了一种基于指纹库自动扩充的改进随机森林指纹定位方法(FDE-IRF)以提升指纹库构建的效率和指纹匹配的精度. 该方法对传统全采样构建指纹库方法和随机森林回归定位方法进行改进,稀疏采样多时间段的指纹数据和Kriging插值方法组合补全未采样指纹点,提升建库效率,得到强代表性的指纹库. 同时,利用决策树加权策略改进传统随机森林平均投票的方式,根据袋外数据评估决策树的预测误差,分配相应的权重,提高该算法的回归准确率. 实验结果表明:该方法的平均定位误差为1.26 m,其误差值比同类方法至少降低14.3%,验证了算法的准确性和有效性.      

基于泛在信号融合的室内外场景鲁棒感知算法

针对室内外场景结合的导航应用服务需求的发展以及现有室内外场景感知方法的识别稳定性较低、准确率不高问题,本文提出一种基于泛在信号融合的室内外场景鲁棒感知算法,利用室内外场景中融合的泛在信号降低单一信号识别误差;同时为提高传统AdaBoost算法对不平衡数据集的分类精度,采用概率神经网络（PNN）作为训练的弱分类器,并引入熵权法,对迭代产生的弱分类器的权重进行修正来提高强分类器的分类准确率．现实场景下的实验表明,本文算法在采用室内外环境中的WiFi信号、全球卫星导航系统（GNSS）可用星数、光照强度这三种融合的泛在信号进行室内外场景感知时性能最佳,对于不同角度方向下的室内外场景切换,可以在误报率仅为1.7％的情况下,达到98％的识别准确率,验证了本文所提算法的准确性和鲁棒性．      

一种基于行人航位推算的改进航迹跟踪算法

针对在未知环境中行人轨迹跟踪问题,提出一种基于行人航位推算的改进航迹跟踪算法,有效实现了在磁场干扰环境下行人轨迹的高精确跟踪。在步数估计中,利用双重阈值二值化算法对加速度数据进行分析,进而获得行人的运动步数;在航向估计中,利用自适应融合算法来获取航向。该融合过程首先根据姿态更新微分方程,将角速度与加速度融合获取一次航向角,再通过磁感应强度阈值确定一次航向角与磁力计测算航向角融合的权重,最后通过实验验证算法的有效性和优越性。结果表明,在未知环境中行走32 m的距离,获得的轨迹跟踪误差小于1.1%,定位误差小于0.75 m和1 m的概率分别为59%和80%,显著优于对比算法。