目前行人航跡推算（pedestrian dead reckoning,PDR）和WiFi指紋定位成為室內(nèi)定位的主流技術(shù),WiFi指紋定位由于無線信號的波動性導(dǎo)致定位結(jié)果不穩(wěn)定,PDR算法隨著應(yīng)用時間的延長傳感器累計誤差增大,同樣會導(dǎo)致定位精度降低。本研究提出一種基于地圖信息的粒子濾波（particle filter,PF）與WiFi地標(biāo)相結(jié)合的混合定位算法（WL+PF）。該算法通過地圖信息約束粒子的位置,同時利用WiFi信號峰值檢測相應(yīng)地標(biāo)信息,對觀測信息修正的同時,更新粒子權(quán)重,從而實(shí)現(xiàn)最終的定位。實(shí)驗(yàn)結(jié)果表明,優(yōu)化后的算法定位精度優(yōu)于其他常規(guī)濾波融合定位算法。 

【文章來源】：山東科技大學(xué)學(xué)報(自然科學(xué)版). 2020,39(01)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

PDR定位結(jié)果

使用地標(biāo)校準(zhǔn)后PDR結(jié)果

圖2 使用地標(biāo)校準(zhǔn)后PDR結(jié)果在很多場景中都需要利用一系列的觀測值對系統(tǒng)狀態(tài)向量進(jìn)行估計,常用的有卡爾曼濾波(Kalman filtering,KF)[18]、粒子濾波(particle filter,PF)[19]等算法,其中卡爾曼濾波是一種通過系統(tǒng)觀測值估計系統(tǒng)最優(yōu)狀態(tài)量的算法,但并不適用非線性系統(tǒng)。PF利用蒙特卡羅方法解決貝葉斯系統(tǒng)狀態(tài)估計問題,通過離散的隨機(jī)樣本來逼近實(shí)際的概率分布p(x0:k|z1:k)的積分值,通過大量的樣本估計一個系統(tǒng)的最優(yōu)狀態(tài)值。PF可應(yīng)用于非高斯、非線性系統(tǒng),應(yīng)用范圍較卡爾曼濾波算法而言相對廣泛。其公式為:


本文編號：3240780