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。     

基于智能手机的粒子滤波室内融合定位方法

室内定位需求急剧增加,普及的智能手机带来了解决问题的一种方法。本文提出了一种基于智能手机的粒子滤波室内融合定位方法。利用三轴加速计和三轴罗盘等微机电系统(micro-electromechinical system, MEMS)传感器数据估计目标的运动状态信息,利用WiFi数据更新运动状态,实现融合定位。室内动态环境下实验结果表明,融合定位方法平均定位误差小于2 m,其有效利用智能手机平台获取多种传感器数据,很好地结合了行人航迹推算方法和K加权最近邻方法的优势,在定位精度和稳健性方面均有良好表现。     

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%。     

WiFi定位邻近个数对位置估计的影响

基于RSSI指纹的WiFi定位算法的位置估计精度受到线上阶段WiFi指纹匹配个数的影响。考虑到室内环境的复杂性,目前国内外学者多采用任意指定指纹匹配个数的策略。本文在室内环境下进行试验,提出了WiFi定位邻近指纹匹配点的最佳个数的确定指标,对常用的邻近点匹配个数的位置估计策略进行了比对分析。位置估计的可靠度检验和包围盒检验的结果表明,在单个房间的室内环境中,选取5~8个邻近点较为合理。     

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...     

零速修正与完备监测在UWB/MEMS IMU组合中的应用

针对超宽带(UWB)在室内定位过程中受非视距环境影响易出现粗差以及微机电系统(MEMS)惯性测量单元(IMU)定位误差随时间快速发散的问题,该文提出了采用自适应卡尔曼滤波的UWB/MEMS IMU组合的室内定位方法,并通过自主完好性监测算法对UWB测距异常值进行剔除,将零速修正算法加入到组合定位系统中,抑制在UWB数据中断情况下MEMS IMU误差的发散。实验结果表明,在UWB存在中断的复杂室内环境下,UWB/MEMS IMU组合定位的平面定位精度在0.2 m以内,自主完好性监测与零速修正能有效地提高组合定位系统的精度与稳定性。     

WiFi指纹定位中采样间距对定位精度的影响

在Android平台上利用WiFi信号强度特征进行定位,定位系统由安卓客户端、Tomecat服务器以及MySQL数据库组成。基于信号强度指示(RSSI)的WiFi指纹定位在离线阶段建立的指纹数据库受采样间距的影响,因此采样间距必然影响指纹定位的精度。为了探究采样间距对WiFi指纹定位影响,在教室内进行实验,选取不同采样间距进行基于RSSI的WiFi指纹定位实验和分析,以定位的精度和时效性作为定位结果的衡量标准,实验表明,在室内环境下,采样间距为3 m的时效性较高且定位精度也能满足要求。      

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。     

WiFi-PDR室内组合定位的无迹卡尔曼滤波算法

针对当前室内定位的应用需求和亟待解决的关键问题,结合城市室内环境下广泛存在的WiFi无线信号以及智能手机传感器信息,提出了一种WiFi无线信号联合行人航迹推算(PDR)的室内定位方法。该方法采用无迹卡尔曼滤波(UKF)算法对WiFi和PDR定位信息进行融合处理,有效克服了WiFi单点定位精度低和PDR存在累计误差的问题。针对融合算法中WiFi指纹匹配计算量大的问题,用k-means聚类算法对WiFi指纹库进行聚类处理,降低了指纹匹配算法的计算量,提高了算法的实时性。通过在华为P6-U06智能手机平台上实际测试,在时间效率上经过聚类处理后系统定位耗时有很大程度的改善,平均降幅为51%,其中最大降幅达到64%,最小的也达到了36%;在定位精度上,当室内人员为行走状态时WiFi定位平均误差为7.76m,PDR定位平均误差为4.57m,UKF滤波融合后平均定位误差下降到1.24m。     

WiFi指纹定位中AP个数对定位精度的影响

基于RSSI的WiFi指纹定位算法离线建立指纹数据库阶段受AP个数影响,因此AP个数也将影响到指纹定位算法精度。为了探究AP个数对定位精度的影响,文中在室内环境下进行实验,选取不同的AP进行基于RSSI的WiFi指纹定位实验和分析,定位精度和可靠性作为定位结果的衡量指标。实验结果表明:在单个办公室内,5~6个AP时定位精度较高且定位结果可靠性达到最高。     

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。      

WiFi信号强度空间分辨率的研究分析

基于RSSI技术的室内导航定位近些年得到了快速发展,对WiFi信号强度定位算法的研究是目前研究的热点。本文首先从理论上研究分析了WiFi信号强度用于导航定位服务的空间分辨率,说明该技术具有广泛的应用前景和挖掘潜力;然后在实际室内环境进行了试验,研究分析了WiFi信号强度在一维空间和二维空间的实际空间分辨率;最后在理论和实践两方面分析的基础上,初步分析说明了基于RSSI技术的室内导航定位的研究方向和重点,为未来的研究工作奠定了基础。     

采用无线信号测距加权的室内协同定位

随着基于位置服务应用的普及,室内外无缝定位已成为下一代定位系统的核心,但是精确的室内定位至今仍是难点问题。众多学者提出过无线信号定位算法,然而无线信号具有不稳定性,且需要事先建立信号特征指纹数据库,这给定位带来了误差和繁琐性。通过对室内环境中超宽带信号测距结果分析以及对快速生成无线信号数据库方法的探讨,提出一种基于多用户测距约束的融合多传感器信息的协同室内定位算法。该算法利用粒子滤波集成了航向推算数据、WiFi数据、用户间测距以及室内地图等信息。测距约束能够剔除由于信号不稳定或数据库没有及时更新造成的误差。通过集成室内采集的数据,验证了该算法能够有效提高室内定位精度及稳定性。结果表明该算法比航向推算或WiFi定位结果提高了40%以上。     

WiFi指纹定位的一种新组合算法

探讨AP选取策略和贝叶斯位置估计算法对基于RSS的WiFi室内定位技术位置估计精度的影响。国内外学者分别对AP选取算法和贝叶斯位置估计算法进行了大量的研究。为了进一步深入研究不同算法的优劣性,利用组合优化的思想对不同算法进行组合,通过找出最优算法组合从而提升WiFi室内定位系统的性能。基于互信息最小化的AP选取策略和考虑AP相关性的贝叶斯位置估计算法,提出一种新的WiFi指纹定位组合算法。实验分析表明:新算法具有良好的实用性和定位性能。     

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。     

RSSI信号特征值对WiFi室内定位精度的影响分析

室内WiFi指纹定位一般取接收信号强度定位技术RSSI信号特征的平均值作为其定位特征值,但由于室内环境的复杂性,平均值并不总能准确地反映RSSI信号特征。选取不同的RSSI信号特征值,即平均值、众数、中位数和最大值,通过实验数据比较分析不同RSSI信号特征值对WiFi室内定位精度的影响。结果表明,平均值作为RSSI信号的特征值用于指纹定位,相对于中位数、众数和最大值等特征值,其定位精度并没有改善,而且稳态环境下其定位结果不如最大值理想,为后续的研究提出一种基于RSSI不同信号特征值的融合算法奠定了基础。     

关于MEMS惯性传感器的发展及在组合导航中的应用前景

介绍MEMS惯性传感器的原理和发展现状。与常规惯性传感器相比,MEMS惯性传感器有一系列优点。由于独特的性能优势,该类传感器已被作为国防关键技术予以发展。着重对MEMS惯性传感器在惯性导航中的应用现状进行分析,并展望其在组合导航中的应用前景。     

基于环境光修正的行人航迹推算

针对室内定位存在单一定位精度低,以及组合定位成本高、不易实现的问题,提出了一种利用环境光修正行人航迹推算(PDR)的方法。该方法利用智能手机采集的加速度、陀螺仪和磁力计数据实现PDR位置估计;同时利用手机的光线传感器实时获取所在位置的环境光强度信息,基于采集的室内环境光强度信息修正PDR轨迹中产生的累计误差。经试验数据分析,该方法可以有效地解决PDR轨迹中产生的累计误差,可为大型超市、地下停车场、隧道、矿井等室内光照强度较为稳定的区域提供定位技术帮助。     

基于智能手机的地磁与PDR定位算法

近年来室内定位技术成为国内外研究的热点,形成了多种室内定位技术共存的局面,其中WiFi、蓝牙、超宽带等无线网络定位技术应用较广,但是这些定位技术都依赖于基础设施,定位成本较高。此处使用室内地磁信号,无需部署任何基础设施即可定位,并利用手机端MEMS传感器实现行人不同运动模式下的步频探测与航向估计。针对地磁信号具有低辨识度的缺点以及PDR的误差累积问题,利用粒子滤波算法融合地磁与PDR定位结果,有效提高了系统的稳定性,保证了定位精度。实验表明,粒子融合定位方法能够消除PDR的漂移,并且平均定位精度达到1.38 m,定位误差在1.5 m内达到80%以上,具有较强的实用性。     

一种改进的组合定权的指纹定位算法

室内场景复杂、WiFi信号不稳定等因素,造成基于信号空间K最近邻法的WiFi指纹定位算法匹配的邻近点会出现偏差,使用偏差较大的点计算待定点位置会直接影响定位结果。本文提出了一种改进的组合定权的指纹定位算法,对K个邻近点的几何结构进行分析,剔除其中偏离邻近点几何中心较远的点后,同时分析匹配邻近点中心同待定点几何位置存在理论上的关联,利用选择后的邻近点与其中心点的几何距离、待定点与指纹点欧氏距离组合定权,加权求取坐标。与KNN、WKNN算法定位结果分别进行比较,表明该方法提高了定位准确性和精度。