本文選題：無線室內(nèi)定位　切入點：慣性傳感器　出處：《新疆大學(xué)》2016年碩士論文

【摘要】：在無線室內(nèi)定位研究中,目前通常使用的是WiFi位置指紋方法,該方法分為離線指紋數(shù)據(jù)庫建立階段和在線定位階段,離線階段首先把樓層劃分成網(wǎng)格,將網(wǎng)格中心點定為位置指紋點,逐個采集位置指紋點上對應(yīng)的若干個熱點(AP)的接受信號強(qiáng)度指示值(RSSI),建立該樓層位置指紋數(shù)據(jù)庫。位置指紋法實現(xiàn)的最大難點在于離線指紋庫建立階段,該階段需要采集所有指紋點的RSSI值,由于多徑、衰減、環(huán)境干擾等諸多因素,單個指紋點RSSI數(shù)據(jù)將會不固定,存在波動現(xiàn)象,因此在采集某個指紋點RSSI數(shù)據(jù)時,一般會在一個指紋點采集多個RSSI值,對采集到的原始數(shù)據(jù)做均值、分類等方法處理后,作為該位置指紋點的RSSI值存入指紋數(shù)據(jù)庫。一般需要定位的區(qū)域覆蓋區(qū)域普遍較大,每個指紋點都將花費數(shù)分鐘時間,該階段將花費大量時間及資源。為了減少離線階段指紋數(shù)據(jù)庫采集工作,本文提出了利用智能手機(jī)內(nèi)置慣性傳感器采集三軸加速度數(shù)據(jù),來計算用戶在室內(nèi)運動路徑,在經(jīng)過位置指紋點時記錄該點RSSI值,自動建立離線指紋庫的方法。若所有內(nèi)置慣性傳感器的手機(jī)用戶都參與數(shù)據(jù)采集工作,就可以基本覆蓋整個區(qū)域,將大大節(jié)省離線指紋數(shù)據(jù)庫建立成本,并且還解決了環(huán)境變化、AP變動需要重新采集指紋數(shù)據(jù)的問題。由于手機(jī)內(nèi)置慣性傳感器采集的數(shù)據(jù)存在噪聲和干擾等隨機(jī)噪聲,測量結(jié)果精度不高,將導(dǎo)致計算出的路徑有較大誤差,運動距離越遠(yuǎn),累積誤差越大。因此本文提出了改進(jìn)的高斯粒子濾波算法,采集到原始加速度數(shù)據(jù)后,先利用改進(jìn)的高斯粒子濾波算法對加速度數(shù)據(jù)濾波,再計算終端運動軌跡。實驗仿真表明,利用改進(jìn)的高斯粒子濾波算法對加速度數(shù)據(jù)濾波后,計算出的路徑較接近實際運動路徑,定位精度與傳統(tǒng)方法建立的數(shù)據(jù)庫基本一致。但是自動建立指紋數(shù)據(jù)庫的方法將節(jié)省大量資源,并且改進(jìn)的算法具有良好的實時性和魯棒性。
[Abstract]:In the research of wireless indoor location, WiFi location fingerprint method is usually used at present. The method can be divided into offline fingerprint database establishment stage and online location stage. At the off-line stage, the floors are first divided into grids. The center of the grid is designated as the fingerprint point, The received signal strength indication value of the corresponding hot spot APs on one by one is used to establish the location fingerprint database of this floor. The biggest difficulty of the location fingerprint method is the establishment of the off-line fingerprint database. In this stage, we need to collect the RSSI value of all fingerprint points. Because of many factors, such as multipath, attenuation, environment interference and so on, the RSSI data of a single fingerprint point will not be fixed and fluctuate, so when we collect RSSI data from a certain fingerprint point, In general, multiple RSSI values are collected at a fingerprint point. After processing the original data collected by means of mean, classification and other methods, the RSSI value of the fingerprint point at this position is stored in the fingerprint database. Generally, the area covered by the location is generally larger. Each fingerprint point will take several minutes, which will take a lot of time and resources. In order to reduce the work of fingerprint database acquisition in off-line stage, this paper proposes to collect three-axis acceleration data by using the built-in inertial sensor of smart phone. To calculate the indoor movement path of the user, record the RSSI value of the point when passing through the fingerprint point, and automatically establish the off-line fingerprint database. If all the mobile phone users with the built-in inertial sensor participate in the data collection, Can basically cover the entire area, will greatly reduce the cost of setting up an offline fingerprint database, It also solves the problem that the change of AP requires the re-acquisition of fingerprint data. Because of the random noise such as noise and interference in the data collected by the built-in inertial sensor of mobile phone, the accuracy of the measurement results is not high. Therefore, the improved Gao Si particle filter algorithm is proposed to collect the original acceleration data. The acceleration data is filtered by the improved Gao Si particle filter algorithm, and then the terminal motion trajectory is calculated. The experimental simulation shows that the acceleration data is filtered by the improved Gao Si particle filter algorithm. The calculated path is close to the actual moving path, and the location accuracy is basically the same as the database established by the traditional method, but the method of automatically establishing the fingerprint database will save a lot of resources. And the improved algorithm has good real-time and robustness.
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN92

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;新型慣性傳感器項目可行性報告[J];傳感器世界;1995年S1期

2 張福學(xué)，，任宏超;慣性傳感器的發(fā)展趨勢[J];電子科技導(dǎo)報;1996年10期

3 張浩,童調(diào)生,張帆,劉宏立;多微慣性傳感器的一致性檢測方法[J];傳感器技術(shù);2001年01期

4 徐景碩;慣性傳感器技術(shù)及發(fā)展[J];傳感器技術(shù);2001年05期

5 俞瑛;;硅微機(jī)械慣性傳感器技術(shù)及其應(yīng)用[J];集成電路通訊;2005年01期

6 楊延春;吳書朝;;擺式慣性傳感器機(jī)械零偏測量方法研究[J];傳感技術(shù)學(xué)報;2006年06期

7 趙德申;胡雪梅;;電容慣性傳感器的結(jié)構(gòu)分析[J];武漢理工大學(xué)學(xué)報;2009年06期

8 張通;張駿;張怡;;機(jī)載慣性傳感器信號降噪研究[J];控制工程;2010年05期

9 杜來林;楊超;;離心式慣性傳感器的結(jié)構(gòu)原理及性能測試[J];液壓氣動與密封;2011年06期

10 劉偉;;慣性傳感器在油氣資源勘探中的應(yīng)用相關(guān)技術(shù)分析[J];電子世界;2013年08期

相關(guān)會議論文 前6條

1 高楊;;微慣性傳感器的新進(jìn)展[A];中國工程物理研究院科技年報（2010年版）[C];2011年

2 張巧云;林日樂;謝佳維;張挺;翁邦英;王瑞;趙建華;鄭永祥;呂志清;;石英微機(jī)械慣性傳感器的研究[A];中國慣性技術(shù)學(xué)會第五屆學(xué)術(shù)年會論文集[C];2003年

3 蔣慶華;苑偉政;常洪龍;王濤;;電容式微機(jī)械慣性傳感器信號檢測技術(shù)研究[A];中國微米、納米技術(shù)第七屆學(xué)術(shù)會年會論文集（一）[C];2005年

4 趙汝準(zhǔn);趙祚喜;張霖;俞龍;孫道宗;;集成慣性傳感器ADIS16355的三軸轉(zhuǎn)臺實驗與性能分析[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

5 楊擁軍;徐愛東;鄭鋒;徐永青;何洪濤;卞玉民;吝海鋒;呂樹海;羅蓉;鄒學(xué)鋒;;硅MEMS慣性傳感器的研究和開發(fā)[A];中國慣性技術(shù)學(xué)會第五屆學(xué)術(shù)年會論文集[C];2003年

6 崔健;廖興才;楊軍;;MEMS慣性傳感器在汽車ESP中的應(yīng)用[A];慣性技術(shù)發(fā)展動態(tài)發(fā)展方向研討會文集——新世紀(jì)慣性技術(shù)在國民經(jīng)濟(jì)中的應(yīng)用[C];2012年

相關(guān)重要報紙文章 前1條

1 齊乃波;走近金字塔的中國人[N];中國航空報;2005年

相關(guān)博士學(xué)位論文 前2條

1 羅小兵;微慣性流體器件中的流動和傳熱及其工程應(yīng)用[D];清華大學(xué);2002年

2 鄭旭東;基于新型梳狀柵電容結(jié)構(gòu)的微機(jī)械慣性傳感器研究[D];浙江大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 楊翼;面向列車完整性監(jiān)測的慣性傳感器校準(zhǔn)方法研究[D];北京交通大學(xué);2016年

2 郭曉琳;基于手機(jī)慣性傳感器的相對定位技術(shù)的研究與應(yīng)用[D];北京郵電大學(xué);2014年

3 張旭;基于WLAN位置指紋與慣性傳感器的室內(nèi)定位技術(shù)研究[D];華東師范大學(xué);2016年

4 趙威;基于MEMS慣性傳感器的空中輸入筆研究[D];華中科技大學(xué);2014年

5 陽松波;隨鉆磁共振測井中的測量問題研究[D];華中科技大學(xué);2014年

6 陳波;基于慣性傳感器的改進(jìn)高斯粒子濾波室內(nèi)定位算法[D];新疆大學(xué);2016年

7 姚志鋒;基于WiFi和慣性傳感器的多信息融合室內(nèi)定位系統(tǒng)的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2016年

8 童汝超;基于慣性傳感器的睡眠識別研究[D];昆明理工大學(xué);2016年

9 唐薇;基于單節(jié)點慣性傳感器的人體行為監(jiān)測[D];電子科技大學(xué);2016年

10 閆中亞;基于粒子濾波的Wi-Fi和慣性傳感器融合定位算法的研究與實現(xiàn)[D];中國礦業(yè)大學(xué);2016年

本文編號：1689098