本文選題：室內(nèi)定位 + 多傳感器融合　； 參考：《計(jì)算機(jī)應(yīng)用》2016年05期

【摘要】：為提高室內(nèi)定位的精度和穩(wěn)定性,提出使用粒子濾波融合WiFi指紋定位和行人航位推算的室內(nèi)定位算法。為減少復(fù)雜室內(nèi)環(huán)境對WiFi指紋定位的影響,提出將支持向量機(jī)分類與回歸相結(jié)合的兩級WiFi指紋定位算法。在基于智能手持設(shè)備慣性傳感器的行人航位推算中,為減少慣性傳感器的誤差以及人隨意行走帶來的影響,采用狀態(tài)轉(zhuǎn)換的方法識別行走周期并進(jìn)行步數(shù)統(tǒng)計(jì),提出根據(jù)實(shí)時加速度數(shù)據(jù)動態(tài)設(shè)置狀態(tài)轉(zhuǎn)換的參數(shù),利用步長和垂直加速度之間的關(guān)系以及相鄰步長之間的關(guān)系,應(yīng)用卡爾曼濾波進(jìn)行步長計(jì)算。仿真實(shí)驗(yàn)中,基于支持向量機(jī)的WiFi指紋定位的平均誤差比最近鄰居(NN)算法降低34.4%,比K最近鄰居(KNN)算法降低27.7%。改進(jìn)的行人航位推算的性能優(yōu)于常用代表性計(jì)步軟件和步長計(jì)算算法,而經(jīng)過粒子濾波融合后估計(jì)的行走軌跡更加接近真實(shí)軌跡:直線行走平均誤差為1.21 m,優(yōu)于WiFi的3.18 m和航位推算的2.76 m;曲線行走平均誤差為2.75 m,優(yōu)于WiFi的3.77 m和航位推算的2.87 m。
[Abstract]:In order to improve the accuracy and stability of indoor positioning, an indoor localization algorithm using particle filter fusion of WiFi fingerprint location and pedestrian carrier reckoning is proposed.In order to reduce the influence of complex indoor environment on WiFi fingerprint location, a two-level WiFi fingerprint location algorithm combining support vector machine classification with regression is proposed.In order to reduce the error of inertial sensor and the influence of human walking at will, the method of state transition is used to identify the walking cycle and count the steps in the calculation of pedestrian position based on the inertial sensor of intelligent handheld device.According to the real time acceleration data, the parameters of state conversion are dynamically set, and the Kalman filter is used to calculate the step size by using the relation between step size and vertical acceleration and the relation between adjacent step sizes.In the simulation experiment, the average error of WiFi fingerprint location based on support vector machine is 34.4 lower than that of nearest neighbor (NN) algorithm, and 27.7m lower than that of K-nearest neighbor (KNN) algorithm.The performance of improved pedestrian carriageway calculation is better than that of typical step software and step size calculation algorithm.After particle filter fusion, the estimated trajectory is closer to the real track: the average error of straight line walking is 1.21 m, which is better than that of WiFi (3.18 m) and WiFi (2.76 m), the average error of curve walking is 2.75 m, which is better than that of WiFi (3.77 m) and WiFi (2.87 m).
【作者單位】： 電子科技大學(xué)信息與軟件工程學(xué)院;
【基金】：國家科技支撐計(jì)劃項(xiàng)目(2012BAH44F00)~~
【分類號】：TN92;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 白亮;秦永元;嚴(yán)恭敏;賴鵬;;車載航位推算組合導(dǎo)航算法研究[J];計(jì)算機(jī)測量與控制;2010年10期

2 王宏健;王晶;曲麗萍;劉振業(yè);;基于方差縮減粒子濾波的無人水下航行器航位推算[J];信息與控制;2013年02期

3 熊水茍,金濤;車載GPS導(dǎo)航系統(tǒng)航位推算的實(shí)現(xiàn)[J];南昌大學(xué)學(xué)報(理科版);1997年01期

4 Ben Wang;;縮短積分時間以提高航位推算導(dǎo)航系統(tǒng)的精度[J];今日電子;2013年11期

5 卜英勇;張濤;;基于航位推算的深海采礦車定位系統(tǒng)研究[J];礦冶工程;2009年01期

6 李旦;秦永元;張金亮;;車載慣導(dǎo)航位推算組合導(dǎo)航系統(tǒng)誤差補(bǔ)償研究[J];計(jì)算機(jī)測量與控制;2011年02期

7 孫銘;周琪;崔瀟;秦永元;;捷聯(lián)慣導(dǎo)/航位推算組合導(dǎo)航算法研究[J];電子設(shè)計(jì)工程;2013年15期

8 王忠;龍宇;;航位推算系統(tǒng)非線性過程處理新方法研究[J];電子科技大學(xué)學(xué)報;2010年03期

9 陳嬌;陳瑋;陸曉野;古文麗;;基于GPSOne和航位推算的定位算法研究[J];計(jì)算機(jī)與數(shù)字工程;2012年01期

10 肖永健;肖力;孫志剛;;基于步行者航位推算的井下人員輔助定位[J];太赫茲科學(xué)與電子信息學(xué)報;2013年04期

相關(guān)會議論文 前2條

1 許化龍;夏克寒;曲從善;;粒子濾波及其在車輛航位推算中的應(yīng)用[A];2004全國測控、計(jì)量與儀器儀表學(xué)術(shù)年會論文集（下冊）[C];2004年

2 申崇江;馮成濤;崔瑩;王麗華;陳婷;;穿戴式室內(nèi)行人航位推算系統(tǒng)研究[A];第五屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會論文集-S9 組合導(dǎo)航與導(dǎo)航新方法[C];2014年

相關(guān)碩士學(xué)位論文 前9條

1 胡可;基于智能手機(jī)的航位推算和Wi-Fi組合室內(nèi)定位方法研究與設(shè)計(jì)[D];江西師范大學(xué);2015年

2 肖茜;便攜式移動電子設(shè)備的步行者航位推算技術(shù)研究[D];電子科技大學(xué);2014年

3 馬嘉斌;基于便攜設(shè)備行人航位推算的室內(nèi)定位研究[D];上海交通大學(xué);2014年

4 彭樹萍;AUV動力學(xué)模型輔助的航位推算方法研究[D];哈爾濱工程大學(xué);2011年

5 付宇輝;基于MEMS航位推算系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工程大學(xué);2010年

6 趙艷飛;基于STM32的車載航位推算導(dǎo)航系統(tǒng)設(shè)計(jì)[D];北京交通大學(xué);2014年

7 宣秀彬;基于Wi-Fi和航位推算的室內(nèi)定位方法研究[D];燕山大學(xué);2013年

8 李村;無人水下航行器導(dǎo)航定位與環(huán)境感知技術(shù)研究[D];哈爾濱工程大學(xué);2012年

9 閆亭亭;基于粒子濾波的智能移動終端室內(nèi)定位方法研究[D];燕山大學(xué);2013年

，

本文編號：1736561