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。     

智能手机Wi-Fi/PDR室内混合定位优化问题研究

室内定位广泛用于商场导购、反向寻车、警力动态部署、灾难现场精准救援及疫情位置追踪等,既是位置服务的关键环节,也是智能城市建设的重要助力.Wi-Fi定位、行人航位推算PDR及其混合定位是最普适的室内手段,通过对三者进行优化,能够有效地提升室内定位系统的定位精度、可用性和稳定性.     

复杂环境下智能手机RTK+PDR融合定位

针对室外复杂环境下智能手机定位精度低、抗干扰能力不足的问题,本文利用手机GNSS观测值和手机内置IMU数据,采用RTK和PDR算法融合定位,对比分析了小米8和华为Mate20X两款手机的GNSS数据质量和融合定位算法性能,以及不同观测条件下融合算法的定位精度和稳定性。试验结果表明,在良好和复杂两种观测条件下,采用RTK算法定位精度分别为1.8 m和4.6 m;采用RTK+PDR融合算法定位精度分别为1.2 m和2.6 m,在两种环境下,RTK+PDR融合算法的精度分别提高了50%和76%,即显著提高了智能手机在室外复杂环境下的定位精度。     

智能手机广域差分定位算法研究

针对当前智能手机原始观测数据不稳定导致实时定位精度不高,且未对电离层延迟进行较好修正等问题,该文研究了 2类3种不同芯片智能手机多普勒平滑伪距对实时广域差分定位影响,可改善数据质量,提升定位精度;在此基础上对比了广播电离层参数改正、实时电离层产品、电离层格网预测文件3种电离层产品对手机广域差分定位精度的影响.结果表明,...     

基于智能手机传感器的室内行人三维定位算法

针对室内行人定位中累积误差发散及高程值缺失的问题,提出了一种基于智能手机传感器(磁力计、加速度计、陀螺仪和气压计)的室内行人三维定位算法。该算法在使用行人航位推算获得二维定位信息的基础上,融合多传感器输出解算行人方位角,结合电子罗盘提出加权方位角以提高解算精度;通过传感器输出检测行人行为状态,结合虚拟地标点图层及其匹配算法,将行人的位置匹配到相应的特殊位置,重置行人初始位置以消除累积误差;使用基于气压计的差分气压测高法求解行人的高程值,从而获得行人三维定位信息。在智能手机上进行实验,结果表明,该算法不仅能够提供准确、连续的二维定位信息,还能提高行人对楼层的分辨力,可为室内行人导航、跟踪等基于位置服务提供有效的定位信息。     

基于CORS的智能手机高精度定位平台研究

以智能手机为载体,研究了连续运行参考站(CORS)和智能手机相结合高精度导航定位关键技术,形成了基于江苏省连续运行参考站(JS-CORS)的移动终端高精度导航定位解决方案.同时,开发了相应软件系统,包含一套移动端手机软件(APP)和一套位置管理平台.基于CORS的智能手机高精度定位平台的建设,对于延伸智能手机在地理测绘...     

基于卡尔曼滤波的Wi-Fi/PDR融合室内定位方法研究

当前智能手机大多集成了多种传感器,组合多种传感器数据进行室内定位已成为研究热点。本文针对传统的Wi-Fi位置指纹室内定位精度不高的问题,提出了一种基于卡尔曼滤波结合行人航位推算的融合定位方法,经测试,融合定位方法的平均定位精度为3.1 m,较单独Wi-Fi指纹定位精度提升了43%。同时针对PDR步数检测不准确的问题,本文提出了基于低通滤波和阈值滤波的组合滤波方法,将计步准确率提高至99%,对于不同的应用场景具有较强的适应性。     

基于KNN运动模式识别的改进PDR室内定位

为提高行人航迹推算(PDR)的定位精度,首先利用K最近邻法(KNN)对智能手机采集的6种行人运动模式数据进行识别,再与基于支持向量机(SVM)和高斯朴素贝叶斯(GNB)的运动模式识别方法进行对比,最后在实际环境下进行运动模式辅助的PDR实验。结果表明,KNN方法不仅比SVM和GNB方法易于实现,而且具有更高的识别正确率。在识别行人运动模式的前提下,PDR的室内定位效果比传统PDR方法定位效果更好。     

稀疏地磁点位辅助PDR室内定位研究

针对室内定位中仅使用PDR定位时出现的误差较大,以及PDR地磁组合定位实时匹配中存在的处理运算量大、实时性差、地磁采集耗时长,过于浪费人力、物力、财力等问题,文中提出通过稀疏的地磁点位辅助PDR进行室内定位,采集地磁时仅采集具有代表性地方的地磁定位,其余地方仅使用PDR定位,当在室内行走时行进到事先采集好的关键点时对P...     

基于移动智能终端的PDR/iBeacon融合室内定位

针对单传感器室内定位存在累积误差大、连续性差的问题,本文顾及行人航迹推算(PDR)与低功耗蓝牙信标(BLE Beacon)良好的互补性,研究了基于移动智能终端的融合PDR/iBeacon的室内定位算法：首先,采用电子罗盘和陀螺仪互补修正航向角法降低了PDR的累积误差,其次结合离线指纹库并利用加权K近邻法实现了iBeacon指纹定位,最后基于扩展卡尔曼滤波器(EKF)实现了PDR/iBeacon融合定位。两组实测结果表明,相较于传统的PDR,电子罗盘和陀螺仪互补修正航向角方法有效地抑制了航向误差的累积。室内行人航程为39和60 m时,融合PDR/iBeacon定位的平均误差分别为0.560、1.802 m,相比改进的PDR和iBeacon指纹定位精度提高了11.81%、25.53%和26.66%、11.75%。融合PDR/iBeacon的室内定位能降低PDR的误差累积和iBeacon定位的波动性,满足用户室内定位的需求。     

基于粒子滤波的PDR/地磁指纹室内定位

针对行人航位推算(PDR)定位存在误差累积和地磁指纹不唯一导致的误匹配问题,本文改进了基于粒子滤波的PDR/地磁指纹室内定位方法.在PDR定位过程中利用地图信息控制粒子权重更新,得到较为准确的位置信息后,利用动态时间规整(DTW)算法在PDR推算位置基础上进行快速序列匹配,获取最优位置估计.试验结果表明,融合定位方法有...     

基于互补滤波融合WiFi和PDR的行人室内定位

提出了一种基于互补滤波融合Wi Fi和PDR的行人室内定位方法。首先改善Wi Fi位置指纹定位的KNN算法,通过阈值的设定,排除相似度高但实际上不可能的点,获取动态K值;然后通过行人航位推算(PDR)初始化算法,动态轨迹概率计算,确定PDR初始位置;最后在改进的Wi Fi和PDR的定位基础上,基于互补滤波原理,根据Wi Fi和PDR定位的不同特性,利用各自的定位优点,使用Wi Fi定位修正PDR的定位结果,通过相应权重参数的调整,输出最终融合定位结果。试验过程中,选取3种不同的室内环境区域,试验结果证明了该算法可大大提高室内定位的精度和稳定性。     

PDR算法对地磁室内定位精度的提升研究

利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位,而且基于地磁场的定位无需布设任何额外设施,因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题,本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法,并开发了地磁室内导航系统,以智能手机为硬件平台构建磁力计传感器模型,建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内,产生的平均定位误差为1.13 m,最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%;与单一地磁指纹匹配算法相比,定位精度提高了57%。试验证明,本文提出的融合算法对提高室内定位精度具有显著的作用。     

基于时延估计的无线定位技术研究

随着无线通信系统的蓬勃发展和人们安全意识的不断提高,古老的无线定位技术又焕发出新的生命,同时也出现了许多新的研究课题,吸引了众多学者的注意。在他们共同努力下,无线定位技术得到了极大的发展,在国民安全、行动导航和弱势群体监控等方面的作用也越来越大。     

一种基于速度约束的智能手机RTD算法研究

针对受限于低成本信号接收与处理单元,手机伪距单点定位和伪距差分定位无法满足用户对定位精度的要求的问题,该文利用多普勒测速和历元间差分求解速度矢量约束位置解,构建附加多普勒原始观测值速度约束、附加伪速度约束和历元间位置约束的3种实时差分(RTD)模型。并与常规RTD模型进行对比,探究其在双频多系统下的定位精度及其稳定性。实验结果表明,3种模型相较于常规RTD都能有效提高定位精度,其中历元间位置约束的RTD模型定位精度的提升最为明显;静态模式下,小米8利用历元间位置约束的RTD定位下E、N、U方向提升分别为65%、50%和47%;在动态模式下,小米8利用历元间位置约束的RTD定位后,平面精度可提升43%。     

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。     

一种基于智能手机的室内融合定位方法

随着室内无线终端与智能手机的快速发展,室内定位技术成为近几年的研究热点之一。本文研究了基于低功耗蓝牙(BLE)和行人航位推算(PDR)技术,利用扩展卡尔曼滤波(EKF)进行融合处理的室内定位方法。该方法包含3部分:①离线阶段利用蓝牙指纹快速采集方法建立指纹库,在线阶段利用加权K邻近算法进行指纹定位;②利用手机内置传感器准确估计航向角,并结合步态识别算法和步长估计算法推算行人位置;③利用EKF对两种定位结果进行融合,获取最优位置估计。试验结果表明,融合定位方法的平均定位精度为1.17 m,90%的概率定位精度达到2 m。     

安卓智能手机的精密单点定位模型研究

针对当前智能手机的全球卫星导航系统(GNSS)原始数据质量不佳导致常规精密单点定位(PPP)模型无法有效利用以及缺少智能手机PPP模型测试分析资料等问题,该文以载波加钟差的改进精密单点定位模型为基础,扩展至相应的载波加钟速模型、UofC模型、无模糊度模型、载波二次差模型及星间差分模型,简述了各个模型的特点,并利用华为P10智能手机的GNSS原始数据,测试并分析了各个模型定位精度情况:星间差分PPP模型在短期内(10 min)定位精度最优,平面中误差在1.8 m左右,高程2.1 m左右;改进模型与载波加钟速模型定位精度相当,UofC模型精度稍差;无模糊度模型与载波二次差模型需在Kalman滤波过程中采用降权方式防止其发散,定位精度取决于前期历元的数据质量。     

PDR+BLE融合的室内实时定位方法

由于导航卫星信号在室内被遮挡,室内定位技术逐渐成为泛在导航定位领域的研究热点。行人航迹推算(PDR)和低功耗蓝牙(BLE)定位是惯性定位和射频信号定位的常用定位手段,PDR定位连续稳定但存在累积误差,BLE定位无误差累积但定位精度较差。为此,本文面向室内复杂环境行人自主定位需求,对PDR和BLE的实时融合定位展开了研究。首先针对PDR误差累积问题,提出了BLE临近校正PDR的改进算法;然后针对BLE定位粗差大的的问题,提出了基于扩展卡尔曼滤波(EKF)的自适应抗差PDR+BLE融合定位算法。试验结果表明,相比传统算法,BLE临近校正PDR算法定位精度提高了19%,基于EKF的自适应抗差融合定位精度提高了21%,定位精度和稳定性都有显著提升,在室内定位领域中具有较高的适用性和可扩展性。