一种融合WiFi/地磁/PDR的室内定位方法

提出了一种改进的粒子滤波方法,利用室内常见的WiFi信号、地磁源并结合智能手机廉价传感器进行室内定位。WiFi室内定位错误匹配情况较少,地磁指纹室内定位具有较强的抗干扰能力,本文利用两者的优点并结合PDR提供连续的位置信息。与传统的粒子滤波相比,采用MD-DTW（多维动态时间规整算法）对粒子定权并提出分段粒子定权的方法对粒子序列长度进行约束,能有效加快粒子滤波收敛速度。仿真试验表明利用改进的粒子滤波进行定位结果可达1 m,有较强的实用性。     

基于MEMS的室内定位误差修正方法研究

根据室内惯性定位存在误差累积的特点,建立广义似然比检测的方法进行零速度检测,利用Kalman滤波对检测到的"零速度"时刻进行零速修正(zero velocity update,ZUPT),从而有效降低系统累积误差。但行人行走过程中存在的无效振动,导致测得的加速度和角速度数据中出现明显的噪声,这对长时间定位精度产生较大的影响。文中提出在利用Kalman滤波进行误差校正之前首先采用Butterworth低通滤波滤除加速度和角速度数据中由无效振动引起的高频部分,即噪声部分,从而消除行人运动过程中的无效振动对定位精度的影响。     

基于改进K-means算法的WiFi室内定位方法研究

针对传统K-means聚类算法存在初始聚类中心和聚类数目随机性问题,使得分类不准确,结果为局部最优解,本文提出通过利用数据特性构建参数筛选初始聚类中心,选择改进后的聚类评价函数,使得聚类结果全局最优。实验表明,改进后的K-means算法应用于WiFi指纹定位方法可以有效改善定位精度和定位效率。     

Xtion/IMU组合的机器人室内定位方法

针对机器人在室内、深海或者高楼林立的大都市导航定位存在的问题,该文展开了基于Xtion传感器与惯性测量单元(IMU)松组合的移动机器人室内定位算法的研究,采用了组合导航及自适应渐消扩展卡尔曼滤波算法等创新性方法,解决了机器人室内定位精度不高的问题。通过对机器人室内组合导航轨迹的实验验证,该文的组合导航方法能够提高机器人移动轨迹的精度,更接近于真实轨迹,满足了移动机器人室内导航定位的需求。     

模糊数学的WiFi室内定位算法

针对目前大多数基于位置指纹的WiFi定位算法都是以统计数学理论为依托,而且很少涉足定位精度在空间分布上的研究这一问题,该文在总结K近邻、加权K近邻以及最大似然模型的WiFi室内定位基础上,提出了一种结合模糊数学理论的WiFi定位算法。从平均误差、最小误差、最大误差、变异程度、定位时间这几个角度,将该算法与其他传统算法进行比较分析。基于真实场地的实验测试结果表明,该算法定位精度高,定位速度快。最后对定位误差进行空间插值分析,结果表明4种模型的定位精度均与WiFi信号源的分布位置有很强的相关性。     

基于WiFi信号室内定位技术的研究

主要对基于WiFi信号的室内定位技术中的三角形定位法进行了研究。鉴于现有的三角形定位模型受信号强度和环境干扰的约束影响,定位精度不高,提出了一种结合室内影响因素约束的权重改正定位模型,更加切合复杂的室内定位环境。通过试验测试和数据分析,经过加权去噪模型改正后的定位精度更高,适用性更广。     

融合地磁/WiFi/PDR的自适应粒子滤波室内定位

随着国民经济的快速发展,人们在室内活动的时间越来越长,室内空间环境也越来越复杂,对室内环境的位置与导航服务的需求也越来越高。由于地磁信号具有稳定性的特点,且Wi Fi技术已得到广泛部署,融合使用地磁和Wi Fi定位具有一定的优势。因此,本文基于Android系统智能手机作为接收设备,融合地磁、Wi Fi及行人航迹推算(PDR)技术,通过自适应粒子滤波模型和随机抽样一致性算法对采集的信号进行处理。试验证明,地磁、Wi Fi、PDR三者融合进行室内定位的方法与其他单类方法相比,实现了将室内定位精度的误差最小降低到1.02 m。     

WiFi融合环境光定位方法研究

针对现有基于WiFi的室内定位算法精度低、稳定性差的问题,该文提出了一种基于WiFi定位的环境光匹配组合室内定位方法。该方法利用智能手机中内置的传感器即可实现连续、可靠的定位。该文首先利用手机光线感应器采集室内环境光强度信息,并构建环境光指纹数据库;其次利用基于RSSI的质心定位算法进行初步定位;最后通过K-近邻匹配算法进行环境光数据库匹配,从而实现融合定位。实验结果表明,相比传统的仅靠WiFi进行定位的方法,该文算法的定位精度和稳定性有明显提升,可为大型超市、地下停车场、隧道、矿井等室内环境光较为稳定的区域提供定位技术帮助。     

一种基于全向指纹库的WiFi室内定位方法

WiFi室内定位技术是导航与位置服务领域的研究热点。室内环境下WiFi信号衰减受人体遮蔽影响较大,本文考虑了用户朝向引起的信号强度差异,提出了一种基于全向指纹库的WiFi室内定位方法。试验结果表明,该方法定位精度高于基于方向识别的指纹定位方法,当K取4时,平均定位误差为1.44 m,定位精度优于1 m的置信概率为54%,优于2 m的置信概率为88%。     

GPS/DR组合定位方法研究

当今，诸多部门如公安、交通和银行等都要求在城市环境中对车辆连续跟踪和不间断定位。如何实现车辆在城市中的高精度连续定位是许多车辆监控和指挥系统及ITS（Intelligent Transportation System)的主要研究课题之一。然而，由于城市中的电波传播环境非常复杂，在其中定位要考虑很多方面的因素。本文就城市环境的特殊性，分析了其影响GPS定位精度的主要误差源，并设计了一种经济可行的组合定位方法－GPS／DR组合定位模式。     

基于位置融合的WiFi室内定位新策略

基于接收信号强度（RSS）的WiFi室内定位技术由于其成本低、易部署的特点成为近年来的一个研究热点。基于RSS的WiFi室内定位由于受到室内环境复杂、动态变化性强的特性,位置估计精度和可靠度较低,因此本文提出了一种新的位置融合定位策略进一步改善基于RSS的WiFi室内定位的精度。新的位置估计策略融合三种AP选取策略的位置估计结果,试验结果表明,新提出的位置融合定位策略能够提高位置估计的精度,同时保证定位结果的可靠性,其整体定位性能更优。      

超宽带与激光雷达组合的室内定位方法

针对室内及室内外过渡区域,GNSS信号受到严重影响导致的定位精度下降甚至无法定位的问题,该文提出了一种新的多传感器组合的室内定位方法。充分利用超宽带(UWB)超高的时间分辨率、良好的抗多径能力和较强的穿透能力,以及激光雷达(LiDAR)所表现在构图与定位方面主动、高效、精确的特点。使得两个系统相互作用,在复杂的室内环境下能够获得厘米级的定位结果。基于室内环境下的实测实验结果表明:无论是在非视距环境下UWB定位能力受到严重影响,还是在LiDAR定位结果出现较大发散的情况下,基于EKF的UWB/LiDAR组合定位系统都能够稳定维持厘米级的定位精度,定位结果比较接近参考轨迹。本文提出的基于EKF的UWB/LiDAR组合定位模型,实现了复杂室内环境下的高精度定位。     

基于PDR、WiFi指纹识别、磁场匹配组合的室内行人导航定位

提出了一种基于行人航迹推算(PDR)、WiFi指纹识别、磁场匹配组合的室内行人导航定位方法。该方法仅利用智能手机中的内置传感器和现有WiFi热点即可提供连续、可靠的室内导航结果。使用智能手机实测数据进行了验证,实测结果表明,PDR结果连续、短期可靠,但随行走距离发散;WiFi误匹配率低,但误差波动较大,且其性能取决于路由器分布;磁场匹配误差波动较小,但是存在明显的误匹配。本文算法相比PDR+WiFi或是PDR+磁场匹配算法,不需要额外工作量,但精度和可靠性有明显提升。     

一种单目视觉/INS组合室内定位抗差方法

针对单目视觉/INS的组合定位算法中,单目视觉本身不具备尺度的问题以及在景深变化明显和光照不均匀的环境下会产生粗差的问题,提出了一种单目视觉/INS组合室内定位抗差方法。在尺度恢复方面,借助INS的位置增量信息,基于最小二乘法对单目视觉进行尺度恢复。在抗差方法方面,利用INS在短时间间隔内增量信息高精度的特性,对单目视觉在此时间间隔内的增量信息进行检测,判断是否产生粗差并进行粗差剔除,进而提高组合定位系统的定位精度。实验结果表明,所提算法可以有效的探测并剔除单目视觉/INS组合系统在恶劣环境下产生的粗差,提高组合定位系统的精度及鲁棒性。     

基于人工鱼群优化的BP神经网络WiFi指纹室内定位方法

针对传统的基于反向传播(BP)神经网络室内定位算法存在着低精度和慢收敛问题,且考虑到室内环境复杂,通常存在多径效应,无法使用信号强度衰减测距模型进行精确定位,提出一种改进的人工鱼群优化的BP神经网络WiFi指纹室内定位算法．利用人工鱼群觅食和寻优方式来提高全局寻优搜索的速度和能力,采用改进的人工鱼群算法(IAFSA)优化选取室内定位BP神经网络的权值和阈值,有效避免了传统BP神经网络的预测值易陷入局部最优的缺点,同时利用高斯滤波对信号进行去噪处理,建立采样点获取到的信号强度值(RSSI)与位置坐标的关系．实验结果证明所提方法与传统的BP神经网络方法相比,平均定位误差减少了0.75 m,平均定位精度提高32.2％,提高了定位可靠性,算法具有更好的稳定性.      

北斗/GPS组合定位方法

随着北斗卫星导航系统的逐渐完善,有关北斗系统定位的研究越来越深入,为了对比分析北斗系统和全球定位导航系统(GPS)定位的差异性,充分利用北斗地球静止轨道卫星(GEO)和倾斜地球同步轨道卫星(IGSO)高轨道卫星的特殊性,本文提出一种新的组合选星方法,选取卫星数较少且Position Dilution of Precision(PDOP)最小的北斗/GPS组合,分别对比分析北斗系统、GPS系统及其组合系统在楼顶开放环境和楼间恶劣环境下的定位效果。实验结果表明:北斗比GPS有更加稳定的定位效果,依据本文组合选星方法,利用少量卫星即可获得较好的定位精度。     

智能手机音频信号与MEMS传感器的紧耦合室内定位方法

基于智能手机内置的传感器,开展了音频信号和MEMS传感器的紧组合室内定位研究.首先,将时频分析技术用于音频信号TOA估计,提出了一种基于短时傅里叶变换和优化互相关方法的两步估计方法.之后,研究了一种基于音频T DOA和行人航迹推算的紧组合定位算法,静态测试的平均定位精度为0.238 m,相比最小二乘方法提高了38.66...     

基于MEMS IMU的GNSS RTK/INS紧组合定位分析

本文针对复杂动态的城市环境自动驾驶规模化应用需求,提出惯性单元辅助RTK快速收敛的自动驾驶低成本、高精度定位方法。使用MEMS IMU M39和战术级IMU Pos320,通过对多组实测车载数据进行仿真中断,得到INS位置漂移误差、模糊度收敛时间、模糊度固定正确性指标,再对无惯导辅助、M39辅助模糊度固定和Pos320辅助3种情形下的模糊度固定时间和定位精度进行了统计和分析。结果表明,M39在GNSS中断5 s时可辅助RTK实现模糊度瞬时固定,中断时间为10 s时可以将RTK模糊度收敛时间压缩至1/4。MEMS IMU的加入使得RTK模糊度固定错误个数显著下降,10 cm以内高精度定位占比由62.25%提高至98.44%。试验验证了MEMS IMU辅助RTK能够加快模糊度收敛速度,提高了其在自动驾驶导航定位应用中的精度和可靠性。