地图匹配辅助的KF-PF室内定位算法模型

针对使用智能手机进行行人航迹推算（pedestrain dead reckoning,PDR）时航向角漂移,定位精度不高,误差累积的问题,提出了一种地图匹配辅助的卡尔曼滤波-粒子滤波（Kalman filter-particle filter,KF-PF）多重滤波算法对PDR算法进行优化。在传统PDR算法的基础上,使用KF融合陀螺仪数据和地图信息解算航向角,然后采用基于地图匹配的粒子滤波算法对轨迹结果进行处理。实验结果表明,该方法消除了航向角误差过大对定位结果的影响,在提高室内定位的灵活性的同时增强了定位的稳定性和精度,并通过地图匹配减少了传统粒子滤波采样点数,降低了运算量,使其在手机平台上实时运行成为可能。     

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。     

结合手机惯性传感器的地下定位算法研究

由于地下环境无导航卫星系统定位信号,导致地面常用的定位方法无法在地下空间内使用,而传统利用手机惯性传感器进行航位推算,往往需要固定手机姿态或联合其他无线定位方式来对步态及定位累积误差进行识别校正。为方便人们使用,减少额外硬件布置,避免无线信号间出现干扰,本文通过对步态检测算法进行改进,消除手机姿态对识别步态信息的影响,同时利用地下空间人们行走路径较为规则这一特点,提出了以路径的方向为特征对累积误差进行校正。选取了教学楼地下一层为试验区,结果显示当采样频率为50 Hz时,平均定位误差在2 m以内。     

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。     

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。     

基于智能手机的PDR定位航向估计算法研究

随着智能手机的普及,基于手机惯性传感器的PDR定位研究和应用越来越广泛。为探究不同航向估计算法对航向角解算的精度以及对PDR定位轨迹的影响,介绍了PI互补滤波法、梯度下降法、卡尔曼滤波法三种姿态解算算法的基本原理。在相同环境下,设置转台实验进行算法精度对比,设置PDR定位实验,分析三种算法对PDR定位轨迹的影响。通过试验结果的对比分析,论述了三种算法的精确度以及优缺点。     

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+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。     

室内行人移动行为识别及轨迹追踪

作为室内位置服务的基础,室内定位技术近年来得到了广泛的关注。针对现有室内定位技术存在成本高、精度有限以及效率不足等问题,提出了一种融合人类活动识别、行人航迹推算(pedestrian dead recko-ning,PDR)以及地标匹配修正等技术的室内行人位置推算方法。该方法使用基于智能手机的PDR技术来估算用户的位置信息,而人类活动识别技术则用来感知用户室内移动行为中的特定地标,利用这些地标信息来辅助修正PDR轨迹中产生的累积误差。此外,为了解决用户初始位置未知的问题,引入隐式马尔科夫模型进行推断,并提出了一种顾及室内环境特征的维特比算法来确定用户轨迹。实验结果显示,所提方法在提高室内行人移动行为识别和定位精度的同时,有效实现了用户室内轨迹的追踪。     

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。     

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。     

扩展卡尔曼滤波的安卓手机定位算法研究

随着手机定位的应用越来越多,目前市场中许多APP(Application)都会用到定位功能.但多数APP使用传统的定位算法,不能满足人们实时获取高精度地理位置信息的需求.现阶段对于手机的全球定位系统(GPS)芯片原始数据定位方法的研究较少,因此本文主要对利用手机GPS原始数据定位的可行性及定位算法进行了研究.利用Android 7.0系统提供的应用程序接口获取GPS芯片的原始数据参数,根据手机实用场景的速度特征,分别设计并实现了针对于静态场景的静态卡尔曼滤波和针对低速场景的动态卡尔曼滤波定位算法.通过静态实验以及电动车实验和步行实验的结果表明:与传统的定位算法相比,本文设计的静态卡尔曼滤波和动态卡尔曼滤波定位算法拥有更好的定位结果,更加接近实际行走路线,证明了利用手机GPS原始数据定位的可行性,同时也证明了设计的卡尔曼滤波算法可以提高定位精度,论文的研究结果为实现静态与动态的高精度手机定位算法提供了理论依据.     

蓝牙和地图辅助行人航位推算的室内定位系统

针对行人航位推算算法中误差积累的问题,提出并实现了一种蓝牙纠正+地图匹配辅助行人航位推算的室内定位方法:首先通过划分矢量域对手机航向角予以校正,削弱线性矢量域的累积误差,并使用蓝牙信号强度模型反演距离,达到纠正关键点的效果。实验结果表明,该方法在保证了PDR的实时性以及短时间内的高精度性的同时,大幅削弱了PDR的误差,在一定程度上提高了系统整体的精度、可靠性以及抗差性。     

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。     

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。     

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...     

结合CNN-BiLSTM-SA运动模式识别的自适应步频检测方法

随着位置服务(LBS)的普及，基于智能手机的行人步频检测方法对行人航迹推算(PDR)有重要影响.针对传统步频检测方法在行人多种运动模式下计步误差大的问题，提出一种结合CNN-BiLSTM-SA运动模式识别的自适应步频检测方法.首先根据行人行走特点划分运动模式，使用卷积神经网络(CNN)提取行人不同运动模式的局部特征，利用自注意力机制(SA)对提取的运动特征进行权重分配；再结合双向长短期记忆网络(BiLSTM)挖掘行人运动特征的前后时序关系进行分类识别；然后根据分类结果提出自适应最小峰距和自适应动态阈值两个特征约束的峰值检测算法对步频进行检测，并在步行中动态调整阈值大小.实验结果表明：本文提出方法在8种组合运动模式下步频检测平均误差率为1.31%，与传统峰值检测相比误差率降低5.97%，同时也优于固定阈值法.     

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...     

一种基于改进UKF滤波的GPS+PDR组合定位方法

针对接收信号质量恶化的环境,提出了一种适用于信号遮蔽环境的改进GPS+PDR组合定位算法。该方法用短时间内的陀螺仪积分数据校正数字罗盘的航向偏差,在一定程度上消除了数字罗盘受到的偶发干扰。采用约束残差的无迹卡尔曼滤波（UKF）算法对GPS和行人航迹推算（PDR）定位信息进行融合处理,有效克服了PDR定位中累积航向误差产生的位置漂移问题,提高了算法的定位精度和稳定性。试验结果表明,改进算法能有效抑制数字罗盘的漂移误差,航向相对误差平均降低56%;行人步行时,GPS定位标准误差为2.67 m,单纯PDR定位标准误差为6.83 m;随机给予若干点GPS数据辅助定位,标准误差降至3.12 m;全程融合GPS与PDR定位,标准误差可降至1.94 m。