隨著社會(huì)的快速發(fā)展,無(wú)論是在國(guó)防領(lǐng)域還是在日常生活各個(gè)方面中,導(dǎo)航技術(shù)都有著越來(lái)越重要的意義。在室外環(huán)境中,定位導(dǎo)航技術(shù)已經(jīng)趨漸成熟,其中的典型代表就是全球定位系統(tǒng)(GPS)。在一些人口密集的商業(yè)公共場(chǎng)所,基于位置信息服務(wù)的位置導(dǎo)航、環(huán)境感知和對(duì)人或物的實(shí)時(shí)監(jiān)控的需求,人或物體的室內(nèi)環(huán)境的需要正在變得更強(qiáng),高精度的室內(nèi)定位技術(shù)成為人們得到這些位置服務(wù)的必備技術(shù)。本文就室內(nèi)定位地圖匹配算法進(jìn)行了研究,重新改進(jìn)了原始的地圖匹配算法,并通過(guò)多人次實(shí)地實(shí)驗(yàn)驗(yàn)證了算法的精確性與魯棒性。本文首先介紹了多種室內(nèi)定位技術(shù),闡述了各個(gè)室內(nèi)定位技術(shù)的定位原理并比較其中的優(yōu)劣勢(shì)。本文通過(guò)使用機(jī)器學(xué)習(xí)圖模型、和積算法和最大和算法的因子圖,構(gòu)建了智能自主學(xué)習(xí)函數(shù)的數(shù)據(jù)融合框架。本文使用粒子濾波(PF)以及條件隨機(jī)場(chǎng)(CRF)設(shè)計(jì)了兩套地圖匹配算法,完成了慣性導(dǎo)航軌跡與地圖的數(shù)據(jù)融合,實(shí)現(xiàn)了精確的行人室內(nèi)定位�；趯�(shí)際行人行走的模型分析,本文改進(jìn)了傳統(tǒng)的粒子濾波地圖匹配算法,通過(guò)對(duì)地圖的離散化處理,減少了算法的內(nèi)存開銷,針對(duì)室內(nèi)場(chǎng)景提出了更加合理的權(quán)重轉(zhuǎn)移方程,設(shè)計(jì)了高效的粒子合理性判斷算法。在CRF地圖匹配算法中,建立有效的特征方程來(lái)提高準(zhǔn)確性和降低能耗,本文提出的融合氣壓計(jì)數(shù)據(jù)的特征函數(shù)使得模型能夠利用電梯進(jìn)行樓層切換,從而完成線性條件隨機(jī)場(chǎng)模型的建模。通過(guò)建立訓(xùn)練集數(shù)據(jù),通過(guò)最大似然法建立損失函數(shù),利用隨機(jī)梯度下降法完成了模型的參數(shù)訓(xùn)練,最終利用維特比算法估計(jì)出行人的實(shí)時(shí)位置。通過(guò)實(shí)地多人次的行人測(cè)試,本文設(shè)計(jì)的粒子濾波地圖匹配算法與條件隨機(jī)場(chǎng)地圖匹配算法的定位精度都大幅提升,其中條件隨機(jī)場(chǎng)地圖匹配算法的軌跡誤差在5‰以內(nèi),粒子濾波地圖匹配算法的軌跡誤差在7‰以內(nèi)。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP181;TN713
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文組織安排
第二章 室內(nèi)定位與機(jī)器學(xué)習(xí)
    2.1 室內(nèi)定位技術(shù)
        2.1.1 依賴部署的定位系統(tǒng)
        2.1.2 不依賴部署的定位系統(tǒng)
        2.1.3 定位系統(tǒng)比較
    2.2 機(jī)器學(xué)習(xí)圖模型
        2.2.1 貝葉斯網(wǎng)絡(luò)
        2.2.2 馬爾科夫隨機(jī)場(chǎng)
        2.2.3 圖模型中的推斷
    2.3 本章小結(jié)
第三章 基于粒子濾波的地圖匹配算法研究
    3.1 粒子濾波基礎(chǔ)理論
        3.1.1 貝葉斯濾波
        3.1.2 貝葉斯重要性采樣
        3.1.3 序貫重要性采樣
        3.1.4 重采樣
    3.2 粒子濾波地圖匹配算法
        3.2.1 系統(tǒng)初始化階段
        3.2.2 粒子轉(zhuǎn)移階段
        3.2.3 粒子判別階段
        3.2.4 粒子重采樣階段
    3.3 實(shí)驗(yàn)結(jié)果
    3.4 本章小結(jié)
第四章 基于條件隨機(jī)場(chǎng)的地圖匹配算法研究
    4.1 條件隨機(jī)場(chǎng)
    4.2 條件隨機(jī)場(chǎng)地圖匹配算法
        4.2.1 地圖預(yù)處理
        4.2.2 勢(shì)函數(shù)的選擇
        4.2.3 模型訓(xùn)練
        4.2.4 實(shí)時(shí)估計(jì)位置
    4.3 實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷及攻讀碩士學(xué)位期間的研究成果

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬春林;崔革;王欣;;針對(duì)簡(jiǎn)化路網(wǎng)的基于序列的雙向合并地圖匹配算法[J];測(cè)繪與空間地理信息;2017年05期

2 安利;張?zhí)m;付飛;李泓根;;航向垂線的地圖匹配算法[J];測(cè)繪科學(xué);2017年06期

3 鄭林江;劉旭;易兵;;考慮時(shí)空特性的動(dòng)態(tài)權(quán)重實(shí)時(shí)地圖匹配算法[J];計(jì)算機(jī)應(yīng)用;2017年08期

4 周成;袁家政;劉宏哲;邱靜;;智能交通領(lǐng)域中地圖匹配算法研究[J];計(jì)算機(jī)科學(xué);2015年10期

5 買庚辰;王超;;交通數(shù)據(jù)的地圖匹配算法研究[J];科技資訊;2014年17期

6 王忠;胡建超;;基于車速推算的改進(jìn)地圖匹配算法研究[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2010年04期

7 周穎,程蔭杭;基于曲線擬合的地圖匹配算法[J];交通運(yùn)輸系統(tǒng)工程與信息;2004年02期

8 ;[J];;年期

9 李磊磊;陳家斌;楊黎明;尹靜源;胡鳴凱;高宏斌;;基于道路信息的智能地圖匹配算法[J];中國(guó)慣性技術(shù)學(xué)報(bào);2016年02期

10 劉興權(quán);金美含;;地圖匹配算法綜述[J];科技信息;2014年04期

相關(guān)博士學(xué)位論文 前4條

1 李洋;地圖信息識(shí)別和地圖匹配算法的研究[D];北京交通大學(xué);2013年

2 王志建;基于動(dòng)態(tài)GPS信息的誘導(dǎo)平臺(tái)關(guān)鍵技術(shù)研究[D];吉林大學(xué);2011年

3 毛華堅(jiān);云環(huán)境中的移動(dòng)文件存儲(chǔ)和時(shí)空數(shù)據(jù)分析關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

4 祁暉;動(dòng)態(tài)車載導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)研究[D];吉林大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 周杰;基于機(jī)器學(xué)習(xí)的室內(nèi)定位算法研究[D];電子科技大學(xué);2018年

2 崔松林;工程車輛行駛軌跡實(shí)時(shí)監(jiān)管系統(tǒng)的研究與開發(fā)[D];西南交通大學(xué);2018年

3 屠啟超;低樣本率下融合幾何信息與拓?fù)潢P(guān)系的地圖匹配算法研究[D];湖南大學(xué);2017年

4 成亞雄;車輛軌跡的數(shù)據(jù)分析與研究[D];武漢理工大學(xué);2015年

5 顏飛;基于低頻浮動(dòng)車數(shù)據(jù)的地圖匹配算法研究[D];華中科技大學(xué);2016年

6 張文;大數(shù)據(jù)平臺(tái)下地圖匹配算法的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2017年

7 陳瓊;物流運(yùn)輸車輛的GPS定位監(jiān)控系統(tǒng)[D];南昌大學(xué);2018年

8 李星軍;車輛定位導(dǎo)航系統(tǒng)中地圖匹配算法研究[D];西安電子科技大學(xué);2015年

9 劉智;基于航跡推算的地圖匹配算法的設(shè)計(jì)與實(shí)現(xiàn)[D];東北大學(xué);2009年

10 趙迪華;車輛導(dǎo)航系統(tǒng)中的地圖匹配算法研究[D];云南大學(xué);2012年

本文編號(hào)：2849922