基于数据与模型双驱动的音频/惯性传感器耦合定位方法

北斗卫星导航系统已于2020年实现全球覆盖。在开阔的室外环境,北斗可提供厘米级的定位服务,正向着更泛在、更融合、更智能的综合时空体系迈进。目前高精度室内定位技术处于百花齐放、百家争鸣的状态,尽管苹果支持的超宽带技术在市场中拥有优势,但是5G、音频和蓝牙测角等可支持所有大众手机的技术在市场中也具备竞争力。室内定位目前主要面临部署成本高、定位精度低、信号覆盖范围小和系统泛化能力差等难题。多源融合定位技术是解决这些难题的重要途径之一,特别地,融合低成本惯导定位源和高精度射频/音频定位源是目前具备实用价值的融合定位组合。行人航迹推算(pedestrian dead reckoning,PDR)定位源具有抑制积分误差累积的优势,但是由于用户手机握持姿态的复杂性和手机惯性传感器硬件的差异性,其在相对定位精度、手机泛化能力和多握持姿态支撑等方面也存在劣势,此外,受步频的影响,PDR定位源的位置更新率低于2 Hz。为了实现低成本、高精度和广覆盖的室内定位解决方案,本文提出了一种数据与模型双驱动的多源融合定位新范式,其中数据驱动的PDR部分通过构建神经网络模型,训练加速度传感器和陀螺仪测量值特征,学习速度变化矢量,推算高精度行人航迹,模型驱动部分为将数据驱动输出的相对航迹与高精度定位源输出的观测量通过扩展卡尔曼滤波,实现融合定位输出。试验结果表明,基于数据驱动的PDR方法可提供20 Hz的位置更新率,与高精度音频定位源融合,可实现0.23 m的动态定位精度。     

智能手机二维码室内定位系统

针对定位服务大多数基于全球定位系统,提供室内定位的应用相对较少且布设成本过高的问题,实现了一种简单而有效的室内定位系统,可以在安卓智能手机中获取精确的用户室内位置。该系统利用高德地图软件开发工具包获取室内地图,采用包含地理位置信息的QR二维码标识位置,比其他基于无线技术的方法成本更低,相对于传统的行人航迹推算算法提高了一倍的精度。     

用户行为感知辅助的室内行人定位

目的 提出了一种用户行为感知辅助的室内行人定位方法。该方法采用行为感知技术,通过智能手机内置的传感器获取行人经过室内特殊位置(如电梯、转角等)的连续多个位置相关的行为状态,结合室内路网的拓扑结构,将行人的位置匹配到相应的特殊位置,以消除行人航位推算(PDR)的累积误差,同时可以在起始点未知的情况下实现行人的自主定位。试验验证了该方法的有效性。     

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。     

智能手机Wi-Fi往返时间测距室内定位方法

针对室内活动场景下,额外布设定位基站成本较高,应用范围有限,基于手机的室内高精度位置服务需求难以满足的问题。考虑到Wi-Fi在全球网络中的广泛部署及智能手机内置多种运动传感器,本文实现了基于Wi-Fi RTT测距信息和手机内置多传感器的实时室内定位方法,并在室内进行静态和动态定位实验。实验结果表明：该算法无论是定位精度还是定位准度都优于仅依赖于Wi-Fi RTT测距信息的Wi-Fi RTT LS算法和Wi-Fi RTT UKF算法,平均定位误差为1.16 m,最大定位误差为2.14 m。     

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。     

基于智能手机的室内定位技术的发展现状和挑战

随着位置服务应用的兴起和移动智能终端的普及,高精度导航定位需求正在从孤立的区域延伸到无缝的全域,从专业群体走向大众用户。然而,实时、连续、完备的行人导航仍然面临着诸多挑战,如室外区域全球导航卫星系统（global navigation satellite system,GNSS）信号易受遮挡影响、室内环境Wi-Fi/低功耗蓝牙（bluetooth low energy,BLE）/地磁指纹库更新频繁、室外内过渡区域平滑切换困难等。此外,大众移动智能终端的定位传感器受成本与功耗限制,观测数据一般噪声较大且稳定性差。因此,提出设计了云-端协同的大众行人用户室内外无缝精密定位方案,突破了信标指纹库的众包采集与快速更新、智能手机多传感器信息融合的精密定位、室内外无缝切换等关键难题,研制了大众行人协同精密定位软件,通过综合利用位置服务平台提供的协同精密定位增强信息,以及智能手机终端获取的多源观测数据（GNSS、微型惯性测量单元（miniature inertial measurement unit,MIMU）、Wi-Fi、BLE、磁力计及气压计等）,实现了大众用户室外精度优于1.5 m,室内精度1~3 m,并具备室内外平滑切换能力的导航定位服务,支撑了大众用户室内外无缝精密定位的需求。     

光源编码+PDR组合的室内行人定位方法

针对光源编码定位系统存在定位不连续、易受遮挡导致定位性能下降等问题,提出了一种光源编码/行人航迹推算(PDR)组合的室内行人定位方法。该方法采用扩展卡尔曼滤波(EKF)对PDR位置和光源编码位置进行融合处理,并运用新息滤波对光源编码位置进行抗差处理。试验结果表明,光源编码+PDR组合算法能有效改善光源编码定位不连续、非视距环境中存在粗差的问题,实现连续、高精度的室内行人定位。     

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。     

Attitude determination by integration of MEMS inertial sensors and GPS for autonomous agriculture applications

Integration of Global Positioning System (GPS) and Inertial Navigation System (INS) technologies, which has widespread usage in industry, is also regarded as an ideal solution for automated agriculture because it fulfils the accuracy, reliability and availability requirements of industrial and agricultural applications. Agriculture applications use position, velocity and heading information for automated vehicle guidance and control to enhance the yield and quality of the crop, and in order to vary the application of fertilizer and herbicides according to soil heterogeneity at sub-field level. A loosely coupled GPS/INS integration algorithm known as “AhrsKf” is introduced for automated agriculture vehicle guidance and control utilizing MEMS inertial sensors and GPS. The AhrsKf can produce high-frequency attitude solutions for the vehicle’s guidance and control system, by using inputs from a single survey grade L1/L2 antenna, eliminating the need for the previous two antenna solutions. Given its agricultural application, the AhrsKf has been implemented with some specific design features to improve the accuracy of the attitude solution including, temperature compensation of the inertial sensors, and the aid of plough lines of farm lands. To evaluate the AhrsKf solution, two benchmarking tests have been conducted by using a three-antenna GPS system and NovAtel’s SPAN-CPT. The results have demonstrated that the AhrsKf solution is stable and can correctly track the movement of the farming vehicle.     

Android智能手机GNSS定位性能分析

随着全球卫星导航系统(GNSS)的发展和移动通信技术的进步,用户对位置服务(LBS)提出了更高的要求. 本文采用市面上常见的两部Android智能手机采集GNSS数据,对Android智能手机伪距单点定位(SPP)和单频精密单点定位(PPP)算法进行研究,分析了在不同条件下智能手机的SPP、单频PPP定位性能. 结果表明:在使用多普勒平滑伪距和信噪比随机模型的基础上,Android智能手机GPS单系统的SPP定位精度可达3 m,GPS、Galileo、GLONASS、北斗卫星导航系统(BDS)四系统定位精度可达亚米级. 在单频PPP静态定位中,在GPS单系统下,定位精度仅能达到米级,且收敛时间较长;在GPS、Galileo、GLONASS、BDS四系统下,定位精度可达亚米级,且平面方向可在40 min内收敛. 在单频PPP动态定位中,手机的定位精度仅能达到米级.      

室内定位多传感器的空间配准

针对卫星信号到达地面时较弱、不能穿透建筑物的问题,该文对无法使用卫星定位时的辅助手段之一——室内定位技术作了研究。室内定位多传感器信息融合需要在统一坐标框架下进行,传统的空间配准解决方案多为简单的"松组合"加工。该文给出了多传感器空间配准数学模型,通过构造极大似然函数估计传感器间的位置偏差,采用粗估计与高斯牛顿迭代估计的两步法求解,并用仿真算例验证了该文所采用算法的有效性与正确性。     

地磁室内定位技术研究

基于指纹库进行室内定位,传统的数据采集方式为单点采集,这种采集方式既费时又费力,又不利于数据的更新。本文针对地磁数据的特征,提出一种指纹快速采集方法,借助克里金插值算法快速建立地磁数字基准图,并利用动态时间规整算法实现快速定位。通过试验测试和数据分析,快速采集方式的定位精度能够满足用户的位置服务需求,具有较高的实用价值。     

一种融合空间拓扑关系的室内无线定位方法

针对仅利用无线信号源和其发射信号强度定位会丢失待测位置与信号源之间固有空间关系的问题,提出了利用已知位置接收信号源发射的无线信号强度测量未知点的低成本室内定位方法。该方法深入分析了待定位点和无线信号源以及信号覆盖范围之间的空间关系,充分利用RCC-8空间关系模型进行无线定位。实验结果表明,采用这种融合空间拓扑关系的基于无线信号强度的室内定位方案能够优化定位流程,并在测得位置中反映待测点和信号源之间的相对空间关系。     

基于MCS-SCKF的超宽带室内定位算法

针对传统超宽带（UWB）室内定位中非线性跟踪问题,基于当前统计（CS）模型和容积卡尔曼滤波（CKF）,本文提出了一种新的定位算法。即采用奇异值分解（SVD）代替标准CKF算法中的Cholesky分解,提高了算法的稳定性,构造了奇异值分解容积卡尔曼滤波器（SCKF）。首先在CS模型的基础上改进了先验参数的函数形式,得到改进的CS模型（MCS）,实现模型参数的自适应调整;然后将MCS模型引入SCKF滤波器,实现滤波算法的自适应调整;最后利用MCS-SCKF算法对UWB定位系统模型进行解算,从而得到移动目标位置。仿真和试验结果表明,该算法优于CS模型-卡尔曼滤波算法（CS-KF）和CS模型-SCKF算法（CS-SCKF）,提高了UWB室内定位的定位精度。     

多卫星系统融合精密单点定位性能分析

随着全球四大卫星导航系统格局的成型,卫星定位系统已从单系统模式发展为如今多系统、多频率融合定位、交互操作的模式。在分析多系统精密单点定位模型及各误差项处理策略的基础上,利用RTKLIB进行GPS,GLONASS,GALILEO,BDS多系统融合精密单点定位试验,并分析其动/静态定位性能。实验结果表明:在单系统空间几何构型较差的情况下,多系统融合精密单点定位较单GPS定位精度可提高20%~40%,收敛时间可缩短35%~50%;在截止高度角超过40°的情况下,单系统会因可见卫星数量不足而无法完成连续定位,而多系统仍能实现高精度的连续定位。这在城区、山区或卫星遮蔽较严重的不利环境中有重要的利用价值。