一种基于到达时间差的卡尔曼滤波定位算法

针对超宽带室内定位技术在复杂室内环境下易受到非视距误差影响造成定位精度下降的问题,基于到达时间差（TDOA）定位模型,对Chan算法和泰勒（Taylor）算法进行联合,并引入了无迹卡尔曼（UKF）滤波算法来进一步提高标签的定位精度,建立了改进的Chan-Taylor-SVDUKF联合定位算法。主要体现在：(1)采用双边双向测距（DSTWR）的方法来获取TDOA值;(2)采用改进的Chan-Taylor联合算法对受到非视距（NLOS）影响的观测值进行筛除;(3)针对TDOA模型中状态方程为线性的情况,用一步预测和一步预测协方差代替UKF中对状态方程进行的无迹（UT）变换;(4)针对UT变换中采用平方根法（Cholesky）分解易分解失败,采用奇异值分解代替Cholesky分解。实验结果证明,Chan-Taylor-SVDUKF算法提高了定位精度和稳定性。     

基于集合经验模态分解的老年人步态信号的降噪方法

基于手机传感器的行人航位推算(PDR)作为一种不依赖外部信息和硬件就可以自主定位导航的方法,在室内环境下试图去普及应用。老年人与年轻人在步频与步幅上有很大差异,常用的年轻人步态降噪方法并不适用于老年人,大大降低PDR的定位精度。针对该问题,本文以手机内加速度传感器信号为数据依据,以检测老年人步数为研究目标,采用卡尔曼滤波、巴特沃斯低通滤波、集合经验模态分解等方法,确定老年人的步数。通过对比分析,确定基于集合经验模态分解的降噪方法,对老年的检步精度达到98%以上,较采用卡尔曼滤波与巴特沃斯低通滤波的方法提高了19.4%。