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。     

基于GF-KF修正RSSI的室内指纹定位方法

针对Wi-Fi信号易受噪声等外界不确定因素的影响以及移动终端接收信号强度指示（RSSI）与真实值存在偏差而导致定位精度不高的问题,本文提出了一种基于GF-KF修正RSSI的室内指纹定位方法．由于采集的RSSI不稳定,该方法利用RSSI类高斯分布的特性,对RSSI数据进行高斯拟合,以得到较为确定的RSSI值．在此基础上,引入卡尔曼滤波算法对拟合后的RSSI数据进行误差修正,结合加权K近邻（WKNN）匹配算法进行定位．实验结果表明:本文方法的平均定位误差为1.5 m,2.0 m以内的误差累积分布概率为90.06％,定位效果优于同类方法．      

接收信号强度测距法无线室内定位解算方法研究

基于接收信号强度测距的无线室内定位精度受到测距精度和定位算法的影响。本文根据对数路径损耗模型得出距离值的无偏估计,对影响测距精度的因素进行了分析;对3种不同的基本定位解算方法展开了详细分析同时进行了精度评定,并通过仿真数据对不同定位解算方法的精度进行了比较。     

低成本毫米波雷达的室内自定位方法

毫米波雷达已广泛应用于汽车工业等领域,但其用途主要局限于障碍物或特定任务的环境感知方面。目前将低成本单芯片毫米波雷达用于导航定位领域的研究还较少。首先研究了毫米波雷达的原始数据处理原理,然后设计了一种基于低成本单芯片毫米波雷达的室内自定位方法。该方法利用DBSCAN(density-based spatial clustering of applications with noise)算法提取质心特征点,通过最近邻准则匹配质心特征点对,构造非线性优化函数以及使用列文伯格-马夸尔特方法求解定位结果。实验证明,利用低成本单芯片毫米波雷达可以实时进行室内导航定位解算。在静止条件下,其平均水平定位精度可达亚厘米级(均值为0.82 cm,标准差为0.47 cm);在动态条件下,其绝对轨迹误差可达0.66 m,平均航向角误差可达4.58°,可以说明低成本毫米波雷达自定位的可行性。最后还讨论了低成本毫米波雷达在导航定位中存在的问题及可行的研究思路。     

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。     

基于图像匹配的高精度室内定位技术研究

本文提出了一种新的室内定位方法,上传由手机摄像头拍摄的照片,在定位图像库中进行场景选择、图像匹配,得到最佳匹配图像,根据该图像的预留信息实现准确的室内定位。首先,利用深度卷积神经网络特征和无监督学习方法进行场景选择,然后采用ASIFT(Affine Scale Invariant Feature Transform)算法对既定场景的图像逐一匹配,同时加入对极几何约束,进一步提高定位精度和速度。这种基于图像匹配的室内定位技术能够同时得到用户的位置信息和拍照时的方向信息。     

精密单点定位中相位偏差估计与修正方法研究

本文针对相位偏差对精密单点定位(Precise Point Positioning,PPP)的影响,分析了PPP模型中相位偏差估计的原则,并给出了宽巷和L1相位偏差的估计方法;对相位偏差小数提取过程中整数不一致以及偏差小数值存在正负差异的两个问题进行了修正。算例从相位偏差时间和空间一致性两方面进行了分析,结果表明宽巷相位偏差具有较高的时间和空间一致性,单个站点相位偏差与其均值最大差值为0.050周;L1相位偏差受无电离层模糊度影响较为严重,其空间一致性较宽巷相位偏差稍差些,但基本控制在0.180周以内,可用于PPP模糊度的相位偏差改正。     

基于GIS的室内定位约束与优化算法

随着室内定位技术的不断发展,室内导航渐渐成为可能。但由于室内定位精度和稳定性较差,导致定位点漂移,导航引导错误,用户体验感差,无法满足室内精细导航需求。文中根据室内空间的特点,结合GIS空间分析与导航推测算法,设计出一种适合室内定位约束与优化算法,能在不影响定位效率的情况下很大程度上改善定位效果。经实际场地实验,效果良好。     

室内三维定位分类、方法、技术综述

室内三维技术是辅助室内人员快速定位导航、商业人员对室内业务统计分析决策、应急救援力量快速实施救援的重要手段.近年来,室外定位、导航、路径规划、可视化分析等技术已发展成熟,而室内位置服务需求(定位、导航、路径规划)正处于初始发展阶段.为快速推进室内三维技术发展,本文对目前市面上应用集中的几种室内三维定位技术方法进行了归纳...     

一种基于二维码的室内定位方法及其应用

针对传统静态标志系统的视野局限性以及室内导航系统在国内发展较缓慢等问题,结合地理编码原理及二维码技术提出了Quick Response标志导向方法,对其工作原理、编码方式、标志设计、布置和管理等问题进行了探讨,采用面向服务的构架进行了原型系统设计,通过Oracle、ArcGIS Server、Axis2、Android、ZXing等技术对系统数据库、服务端及移动端等各部分进行了实现并应用于实际工程中。实验证明,QR标志导向系统实现容易、使用简便可行,是现有室内导向、导航技术的一种有效补充。     

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...     

GPS单站定位的误差改正模型研究

GPS单站定位的作业方式、外业组织观测和数据处理等比较简单,同时,由于采用观测值不同、观测时间长短不同、定位模式和数据处理方式不同,其精度可以从毫米级到米级不等,实际应用中以伪距单点定位和精密单点定位为主。GPS单站定位不能通过求差方式来消除或消弱各项误差,为提高其定位精度,必须研究各项误差的改正模型,以便对其进行精细改正。本文用2010年10月31日CHAN站24小时的观测数据,确定各项误差在一天中的影响大小和变化规律,研究结果对精密单点定位的误差研究和GPS定位误差的教学工作等都有参考意义。     

超宽带双向到达时间测距的室内动态定位方法

针对超宽带室内定位系统中的标准偏差和非视距误差问题,该文设计了一种基于改进卡尔曼滤波动态定位方法。该方法首先针对双向到达时间测距信息进行标定,利用线性拟合剔除测距信息中的标准偏差,针对超宽带平面定位系统中的非线性量测方程推导得到线性化的量测方程,将改正后的测距信息作为改进卡尔曼滤波量测信息,通过设定阈值调整卡尔曼滤波增益,从而剔除非视距误差。实验结果表明,该方法能有效抑制标准偏差和非视距误差的影响,视距环境下能达到厘米级精度,非视距环境下亚分米级精度,实现室内环境下的高精度动态定位。     

一种基于蓝牙的室内定位导航技术

为解决GNSS定位技术的“最后一公里”问题,室内定位近年来成为定位领域的研究热点。为了满足室内定位和导航服务的需要,该文采用iBeacon信标节点,设计了一种蓝牙技术为基础的室内定位系统。利用不同AP对位置的影响差异,实现空间分割以自动构建指纹数据库,结合用户的运动状态实现室内定位。研究结果表明:该文的定位方案在500m2的室内环境下,定位精度优于2m,完全可以满足日常定位导航功能。     

正则化距离准则的Wi-Fi位置指纹室内定位方法

针对K-近邻法中常规指纹相似度匹配准则未能充分利用测试点和参考点的几何距离信息问题,该文提出了正则化距离准则的Wi-Fi位置指纹室内定位方法。该方法较常规距离准则兼顾了测试点与参考点的指纹距离和可靠几何距离,仅增加了正则化距离和K-近邻位置估算的迭代流程。而且,该方法仅含一个正则化因子,确定方法简便且可解释性好。密集与稀疏参考点格网间距下智能手机Wi-Fi平面定位实验表明,所提方法在正则化距离准则下能够有效提高约20%的定位精度,其中曼氏和欧氏定位中误差不超过2m。     

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。     

ARMA模型的MEMS陀螺随机误差卡尔曼补偿方法

针对微机械(MEMS)陀螺仪的随机误差导致其输出信噪比低的问题,该文提出一种基于ARMA模型的随机误差卡尔曼补偿方法。该方法通过对MEMS陀螺仪输出的原始信号进行均值化处理和趋势项提取后,分别采用轮次检验法和Jarque Bera检验法对随机序列平稳性和正态性进行检验,建立时间序列ARMA模型并采用卡尔曼状态方程对陀螺随机漂移进行补偿。6次卡尔曼滤波对比实验结果表明,MEMS陀螺仪信号幅度随着滤波次数增加而减小,滤波后的均值由2.454 4E-4减小到-4.830 0E-5,标准差由1.654 7减小到0.003 6,随机漂移被有效抑制。     

基于抗差LM的视觉惯性里程计与伪卫星混合高精度室内定位

视觉惯性里程计（VIO）和伪卫星已经广泛应用于室内环境定位中,但在实际应用中,二者各自都有明显的缺陷。视觉里程计依赖于实际场景,在景深变化明显和光照不均匀的环境下会产生粗差,而且误差会不可避免地随着时间累积,但是在相邻帧间能保证相对高精度的位姿测量。由于受到室内多径的影响,伪卫星室内定位的精度和可靠性很难保证。为增加室内定位的可靠性和稳定性,基于抗差LM非线性优化理论,本文主要研究利用视觉惯性里程计的相邻帧间高精度位姿测量和伪卫星融合的室内高精度定位技术。该算法不仅可以抵抗粗差,而且可以减弱不同传感器间权重设置不合理带来的影响。最后使用在室内环境下搭建的高精度动态捕捉设备对组合定位方法进行实验验证。试验结果表明,该方法不依赖回环即可消除视觉惯性里程计的累积误差,有效提高室内定位精度及可靠性。利用改进的LM算法融合后场景1和场景2,相对于VIO单独定位精度分别提高了59.0%和77.5%。