面向智能移動(dòng)終端的室內(nèi)位置服務(wù)具有廣闊的市場應(yīng)用前景,發(fā)展高精度室內(nèi)定位又具有重要的社會(huì)意義。盡管市場需求巨大,目前尚沒有一個(gè)成熟且完備的精準(zhǔn)室內(nèi)定位技術(shù),國家及各大科技巨頭公司也投入大量資金和研發(fā)力量以推動(dòng)室內(nèi)定位技術(shù)的發(fā)展�；诼曇舻氖覂�(nèi)定位技術(shù)具有兼容性好、穩(wěn)定性高、定位精度高以及成本低等優(yōu)點(diǎn)受到學(xué)術(shù)界及工業(yè)界的關(guān)注,但受到實(shí)際場景中多徑和非視距現(xiàn)象的限制,許多關(guān)鍵技術(shù)亟待從基礎(chǔ)理論層面進(jìn)行解決。本文面向復(fù)雜室內(nèi)環(huán)境中智能移動(dòng)終端的高精度定位需求,依據(jù)現(xiàn)實(shí)場景及基于聲音室內(nèi)定位技術(shù)的特點(diǎn),基于廉價(jià)的實(shí)驗(yàn)平臺(tái),以算法的低復(fù)雜度為原則在基礎(chǔ)理論層面對(duì)關(guān)鍵技術(shù)展開研究。旨在突破聲音室內(nèi)定位的技術(shù)瓶頸,為室內(nèi)定位與導(dǎo)航領(lǐng)域提供新的方法和理論支撐,為該類技術(shù)在實(shí)際場景中的推廣鋪平道路。本文主要研究內(nèi)容包括:1.提出一種新的基于迭代消除過程iCleaning的高精度Chirp信號(hào)時(shí)延估計(jì)方法,在分?jǐn)?shù)階傅里葉變換域(FrFD)內(nèi)對(duì)第一徑成分進(jìn)行探測及提取,并結(jié)合基于最大值探測的匹配濾波(MF)估計(jì)方法在室內(nèi)強(qiáng)多徑環(huán)境中實(shí)現(xiàn)高精度的低成本聲音測距。提出了基于松弛閾值與嚴(yán)格閾值的第一徑成分探測方法...

【文章頁數(shù)】：162 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
致謝
摘要
Abstract
縮寫、符號(hào)清單、術(shù)語表
1 緒論
    1.1 研究背景及意義
    1.2 基于聲音的室內(nèi)定位系統(tǒng)
    1.3 關(guān)鍵技術(shù)及挑戰(zhàn)
        1.3.1 技術(shù)特征
        1.3.2 關(guān)鍵技術(shù)
        1.3.3 挑戰(zhàn)
    1.4 國內(nèi)外研究現(xiàn)狀
        1.4.1 室內(nèi)聲信號(hào)時(shí)延估計(jì)
        1.4.2 聲信號(hào)非視距識(shí)別
        1.4.3 非視距TOA定位
        1.4.4 室內(nèi)地圖構(gòu)建
    1.5 主要研究內(nèi)容及文章結(jié)構(gòu)
2 強(qiáng)多徑環(huán)境中Chirp信號(hào)的高精度時(shí)延估計(jì)
    2.1 引言
    2.2 問題描述
        2.2.1 不可靠的聲源信號(hào)參數(shù)先驗(yàn)信息
        2.2.2 不可靠的第一徑成分探測方法
    2.3 基于iCleaning的TOA估計(jì)方法
        2.3.1 iCleaning方法的過程描述
        2.3.2 信號(hào)參數(shù)估計(jì)
        2.3.3 基于FrFT的時(shí)頻濾波
        2.3.4 第一徑成分探測策略
        2.3.5 iCleaning算法流程
        2.3.6 迭代終止條件
    2.4 數(shù)值仿真
        2.4.1 算法過程圖形化展示
        2.4.2 算法性能評(píng)估
    2.5 實(shí)驗(yàn)及結(jié)果分析
    2.6 本章小結(jié)
3 基于聲信道特征的非視距識(shí)別
    3.1 引言
    3.2 視距與非視距情況下聲信道特征研究
        3.2.1 視距情況下的室內(nèi)聲音傳播特征
        3.2.2 非視距情況下的室內(nèi)聲音傳播特征
    3.3 聲信道相對(duì)增益及時(shí)延估計(jì)
        3.3.1 方法描述
        3.3.2 數(shù)值仿真
    3.4 數(shù)據(jù)采集及特征提取
        3.4.1 數(shù)據(jù)采集實(shí)驗(yàn)
        3.4.2 特征提取方法
    3.5 基于監(jiān)督學(xué)習(xí)的聲信號(hào)非視距識(shí)別
        3.5.1 分類器選擇
        3.5.2 交叉驗(yàn)證及性能評(píng)估指標(biāo)
        3.5.3 最優(yōu)分類器
    3.6 基于半監(jiān)督學(xué)習(xí)的聲信號(hào)非視距識(shí)別
        3.6.1 分類器選擇
        3.6.2 最優(yōu)分類器
    3.7 基于無監(jiān)督學(xué)習(xí)的聲信號(hào)非視距識(shí)別
        3.7.1 分類器選擇
        3.7.2 分類器性能評(píng)估
    3.8 實(shí)驗(yàn)及結(jié)果分析
    3.9 本章小結(jié)
4 強(qiáng)遮擋環(huán)境中運(yùn)動(dòng)目標(biāo)的魯棒定位
    4.1 引言
    4.2 非視距定位問題描述
        4.2.1 常規(guī)定位問題
        4.2.2 非視距定位問題
    4.3 基于TOA與FOA的定位方法
        4.3.1 數(shù)學(xué)模型描述
        4.3.2 最大似然解
        4.3.3 最小二乘解及其封閉解
        4.3.4 單有效LOS量測的定位策略
    4.4 基于運(yùn)動(dòng)學(xué)約束的TOA與FOA定位方法
        4.4.1 誤差分析
        4.4.2 方法描述
    4.5 數(shù)值仿真
        4.5.1 仿真平臺(tái)搭建及算法性能對(duì)比
        4.5.2 算法性能評(píng)估
    4.6 實(shí)驗(yàn)及結(jié)果分析
    4.7 本章小結(jié)
5 室內(nèi)精細(xì)地圖的快速動(dòng)態(tài)構(gòu)建
    5.1 引言
    5.2 問題描述
    5.3 基于移動(dòng)群體感知的室內(nèi)地圖動(dòng)態(tài)構(gòu)建方法
        5.3.1 室內(nèi)地圖的柵格矩陣模型
        5.3.2 基于后驗(yàn)概率模型的地圖構(gòu)建方法
        5.3.3 基于模板的地圖構(gòu)建方法
        5.3.4 移動(dòng)群體感知的參與者選擇策略
    5.4 實(shí)驗(yàn)及結(jié)果分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 本文工作展望
參考文獻(xiàn)
作者簡歷
攻讀博士學(xué)位期間主要的研究成果及參與的科研項(xiàng)目



本文編號(hào)：3853977