隨著移動通信、微機電系統(tǒng)（MEMS）技術的的蓬勃發(fā)展,基于位置的服務（LBS）需求連年劇增。LBS被廣泛應用在軍事物流、倉儲醫(yī)療、搶險救災等領域。在室內(nèi),GNSS因復雜的室內(nèi)環(huán)境難以進行準確定位。于是,被稱為“位置服務的最后一厘米”的室內(nèi)定位技術備受各大科技公司和科研機構青睞。WiFi,慣導技術是現(xiàn)有較為成熟的室內(nèi)定位系統(tǒng)中主要運用到的定位技術。近年來,無線WiFi憑借部署廣泛、成本低、擴展性強、實現(xiàn)簡單倍受關注。在室內(nèi)WiFi場景定位中,WiFi指紋被廣泛采用。盡管WiFi指紋定位技術正不斷被改善,但仍存在單點定位精度低,不夠穩(wěn)定的缺陷。PDR（pedestrian dead reckoning）定位技術在短時具有較高精度,無設備依賴性,普適性較強特點,但卻存在隨時間變化的累積誤差缺點。針對上述兩種常用定位技術中存在的問題,本文主要開展了以下研究工作:（1）在WiFi指紋定位部分,首先,為保證所構建指紋庫的準確性,就RSSI信號處理部分,分析并確立了本文的信號濾波去噪方法。其次針對傳統(tǒng)的基于BP神經(jīng)網(wǎng)絡室內(nèi)WiFi定位算法存在著定位精度低和收斂速度慢的問題,考慮到室內(nèi)無法使用信號強度... 

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 相關研究意義及背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究工作
    1.4 本文的組織架構
第二章 室內(nèi)定位技術方法理論概述
    2.1 室內(nèi)定位的相關技術分類
        2.1.1 基于無線WiFi系統(tǒng)的室內(nèi)定位技術
        2.1.2 基于Bluetooth的室內(nèi)定位技術
        2.1.3 基于慣性導航的室內(nèi)定位技術
        2.1.4 基于地磁場的室內(nèi)定位技術
    2.2 室內(nèi)定位主要方法
        2.2.1 三邊測距法
        2.2.2 三角定位法
        2.2.3 指紋匹配法
    2.3 室內(nèi)定位主流技術對比
    2.4 位置指紋庫RSSI信號的獲取
        2.4.1 RSSI信號高斯濾波去噪處理
        2.4.2 RSSI信號均值濾波去噪處理
    2.5 本章小結
第三章 基于人工魚群優(yōu)化的BP神經(jīng)網(wǎng)絡WiFi指紋室內(nèi)定位方法
    3.1 基于WiFi信號指紋(fingerprinting)的定位與數(shù)據(jù)預處理
        3.1.1 基于WiFi信號指紋(fingerprinting)的定位
        3.1.2 室內(nèi)WiFi信號指紋數(shù)據(jù)的采集和預處理
    3.2 BP神經(jīng)網(wǎng)絡介紹
        3.2.1 BP神經(jīng)網(wǎng)絡的拓撲結構
        3.2.2 BP神經(jīng)網(wǎng)絡學習算法及其缺陷分析
    3.3 人工魚群算法描述
        3.3.1 人工魚群算法概念及原理簡介
    3.4 IAFSA-BP神經(jīng)網(wǎng)絡室內(nèi)定位算法總體流程
        3.4.1 IAFSA優(yōu)化的BP神經(jīng)網(wǎng)絡
    3.5 算法實驗與對比分析
        3.5.1 實驗環(huán)境
        3.5.2 實驗分析
    3.6 本章小結
第四章 融合BP神經(jīng)網(wǎng)絡WiFi指紋和PDR室內(nèi)定位方法
    4.1 步態(tài)檢測方法
        4.1.1 常規(guī)步態(tài)檢測算法
        4.1.2 過零檢測法
        4.1.3 自適應步態(tài)檢測算法
    4.2 行人步長估計模型
        4.2.1 常用步長模型介紹
        4.2.2 非線性步長模型實驗
    4.3 航向角估算
    4.4 地標輔助行人航跡推算方法
    4.5 基于擴展卡爾曼濾波的WiFi指紋-PDR融合定位算法
    4.6 擴展卡爾曼濾波融合模型
        4.6.1 擴展卡爾曼濾波算法原理
        4.6.2 融合模型定位方法
    4.7 定位實驗和性能結果分析
        4.7.1 實驗條件及環(huán)境
        4.7.2 融合定位實驗測試及結果分析
    4.8 本章小結
第五章 總結和展望
    5.1 論文工作總結
    5.2 論文研究展望
參考文獻
致謝
在讀期間公開發(fā)表論文(著)及科研情況


【參考文獻】：
期刊論文
[1]基于RSSI的定位技術中數(shù)據(jù)預處理的濾波算法[J]. 曹子騰,郭陽,趙正旭.  電腦編程技巧與維護. 2020(01)
[2]PDR算法對地磁室內(nèi)定位精度的提升研究[J]. 黃鶴,張新宇,仇凱悅.  測繪通報. 2019(12)
[3]國內(nèi)室內(nèi)定位技術發(fā)展現(xiàn)狀綜述[J]. 閆大禹,宋偉,王旭丹,胡子燁.  導航定位學報. 2019(04)
[4]基于EKF算法的UWB和ZigBee測量技術的混合運動目標定位[J]. 王嫣,常曉鵬,張建平.  應用科學學報. 2019(06)
[5]基于無跡卡爾曼濾波的iBeacon/INS數(shù)據(jù)融合定位算法[J]. 王守華,陸明熾,孫希延,紀元法,胡丁梅.  電子與信息學報. 2019(09)
[6]一種UWB與PDR融合的行人室內(nèi)定位方法[J]. 儀玉杰,黃智剛,蘇雨.  導航定位學報. 2019(03)
[7]基于RSSI的混合濾波算法[J]. 倪曉軍,高雁,李凌鋒.  計算機科學. 2019(08)
[8]基于Wi-Fi指紋與視覺融合的室內(nèi)交通定位[J]. 張帆,胡釗政,陳佳良,李飛,謝靜茹.  交通信息與安全. 2019(03)
[9]基于圖優(yōu)化的藍牙信標室內(nèi)定位方法[J]. 張俞,冷璐.  電子測量與儀器學報. 2019(06)
[10]一種BP神經(jīng)網(wǎng)絡的室內(nèi)定位WiFi標定方法[J]. 宋斌斌,余敏,何肖娜,薛峰,阮超.  導航定位學報. 2019(01)

碩士論文
[1]基于MEMS傳感器的室內(nèi)定位人員步態(tài)檢測方法研究[D]. 仇潮汐.西安電子科技大學 2019
[2]基于WIFI/PDR的室內(nèi)組合定位算法的研究[D]. 劉遠恒.哈爾濱工程大學 2019
[3]基于多源數(shù)據(jù)融合的室內(nèi)無線定位與跟蹤方案[D]. 毛鈺超.西安電子科技大學 2018
[4]基于智能手機的WiFi-PDR組合室內(nèi)定位算法研究[D]. 馮濤.江西師范大學 2018
[5]基于卡爾曼濾波器的在軌目標跟蹤算法研究[D]. 梁曉波.中國科學院大學(中國科學院光電技術研究所) 2017
[6]基于Android手機的室內(nèi)定位技術研究與實現(xiàn)[D]. 徐偉.華中師范大學 2014



本文編號：3664532