基于稀疏表示的室内指纹定位算法

为解决室内实时定位中精度不高的问题,提出了一种基于稀疏表示的室内指纹定位算法.针对传统的指纹数据库匹配算法的不足,将待测点的位置估计看作多分类问题.首先在室内区域选择若干个参考点,多次测量参考点的WiFi信号强度,构建稀疏数据字典.通过稀疏表示的方法,用参考点的指纹矢量对待测点处的指纹矢量进行重构,计算重构误差并根据其对待测点位置进行估计.实验结果表明,与传统SVM定位方法相比,该算法的定位精度有明显提高.     

基于卡尔曼滤波的WiFi-PDR融合室内定位

为降低室内环境复杂性对WiFi指纹定位的影响,提出将支持向量机(SVM)分类与回归分析相结合的WiFi指纹定位算法,以提高定位精度。在基于智能手持设备惯性传感器的行走航位推算(PDR)中,为降低惯性传感器的误差及定位误差的累积,通过状态转换的方法识别行走周期并进行计步,提出对原始加速度数据进行预处理和根据实时加速度数据动态设置状态转换参数的算法。在改进的WiFi定位算法及PDR算法基础上,提出使用联邦卡尔曼滤波融合两种方法,并根据人体运动学确定各级滤波器的状态方程和量测方程。实验证明了该算法的有效性。     

基于室内地图环境信息的多楼层WiFi定位技术研究

针对多楼层环境的室内定位需求,提出了一种基于地图环境先验信息的WiFi指纹定位方法。首先在离线阶段建立地图环境信息模型并对指纹进行仿射传播聚类,然后在线阶段采用RSSI阈值的楼层判别算法确定楼层,并结合地图信息模型和最大后验估计方法计算出终端位置。实验结果表明,相比于传统的指纹定位方法,室内定位技术不仅能提高定位精度,并且降低了在线阶段指纹匹配计算的复杂度。     

基于外辐射源的多目标CMKF跟踪算法研究

为了纠正传统的扩展卡尔曼滤波算法的病态特征,实现实时快速和稳定的定位,提出了一种基于外辐射源的多目标CMKF跟踪算法,并对该算法进行了详细的理论推导.计算机仿真结果证明了上述方法的正确性.     

基于卡尔曼平滑的AWKNN室内定位方法

基于接收信号强度指示的WIFI室内定位方案存在采集信息跳变现象,进而影响定位精度的问题,提出一种基于卡尔曼滤波的改进自适应加权K最近邻（AWKNN）定位方法。对比分析多种平滑RSSI算法可行性,验证基于卡尔曼滤波对RSSI值进行平滑处理的优势,结合AWKNN算法并采用均方差计算匹配度,通过实时监控相匹配的无线接入点个数后自动调整均方差分母大小,以此实现定位误差的有效控制。实验结果表明,该基于卡尔曼的AWKNN算法在稳定性和定位精度方面较传统WIFI指纹算法有较大幅度提高。     

一种基于Shapelet算法的指纹定位方法

信道状态信息（CSI）受时空影响较大,导致现有基于CSI的室内定位技术鲁棒性差.针对这一问题,提出了基于Shapelet算法的指纹定位方法.在训练阶段将CSI作为原始位置数据,通过3-σ异常值处理法和卡尔曼滤波对原始数据进行处理、修正;再使用Shapelet算法提取每个位置的指纹,并建立指纹库;最后使用指纹库构建Shapelet决策树,通过决策树分类实现较为精准的定位.通过与主成分分析算法以及k近邻算法的对比实验,结果表明,该方法在不同时间的定位精度较高,且能保持性能稳定,所需训练集更小.     

基于粒子滤波和地图匹配的融合室内定位

为提高室内定位的精确性与合理性,该文提出使用粒子滤波融合WiFi指纹定位和行人航位推算,应用室内地图对定位结果进行匹配与矫正。地图匹配中,首先通过室内地图约束粒子的不恰当转移来解决粒子的穿墙问题,然后采用基于回退的穿墙矫正算法对行走轨迹中的穿墙现象进行矫正。仿真实验中,经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹,优于WiFi指纹算法和行人航位推算算法估计的轨迹,而经过地图匹配与矫正后,定位精度和合理性得到进一步提高。     

仿蝎子振源定位机理的位置指纹室内定位方法

针对基于接受信号强度(RSS)的位置指纹室内定位方法易受到多径效应及噪声干扰而导致定位精度低这一问题,提出了一种仿蝎子振源定位机理的位置指纹室内定位方法。该方法首先仿蝎子的n/1神经元构型构建神经元结构对振动信号进行编码,将振动信号转化为脉冲。然后,提取脉冲作为位置指纹特征,并利用该脉冲建立位置指纹特征库。最后,用加权K近邻(WKNN)算法进行振源位置估计。为验证本文算法的有效性,模仿蝎子生理结构,搭建了一套仿蝎子振动感知的振动信号采集系统,在室内环境中进行用户踏步信号的采集,并根据振动数据进行定位试验。结果表明:本文提出的仿蝎子n/1神经元构型的位置指纹定位方法比基于RSS的位置指纹定位方法的平均定位准确度提高了0.148 4 m。     

基于GNSS的无源探测系统定位性能研究

针对基于全球卫星导航卫星系统（GNSS ）信号的无源探测系统,研究了探测系统的定位模型、系统目标定位数据处理方法。基于卡尔曼滤波,建立了扩展卡尔曼滤波无源探测系统的状态方程与观测方程,利用卫星工具包（STK）仿真软件对无源探测系统的定位性能进行仿真分析。仿真结果表明：使用扩展的卡尔曼滤波定位性能较好,具有较高的定位和跟踪精度。     

多传感器跟踪型数据滤波融合算法

在实际系统中，常用的数据融合方法是基于扩展的卡尔曼滤波法的融合算法，但是这种融合算法的跟踪精度并不是很高，通过对滤波跟踪数据融合的研究，提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法，研究表明，在利用激光干涉仪进行目标跟踪时，这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法，但是，从仿真结果可以看出，两种融合算法的差别并不大，结果基本相同，因此，在非线性系统中，基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。     

基于改进MSCKF的无人机室内定位方法

针对无人机室内定位容易出现漂移的问题,提出基于改进多状态约束卡尔曼滤波器（MSCKF）的无人机（UAV）室内定位方法. 该方法在MSCKF的框架下,提出高鲁棒性、低时延的标志点检测方法. 利用在世界坐标系下坐标已知的标志点计算得到无人机位姿,实现惯性测量单元(IMU)信息与单目视觉信息融合以及无人机位姿修正. 对提出的定位方法进行测试. 测试结果表明,该方法的定位误差小于0.266 m,与OpenVins和LARVIO开源算法相比,定位精度提高了54.6%以上.     

基于地面特征的单目视觉机器人室内定位方法

针对高精度的机器人室内定位方法中成本过高的问题,提出一种基于地面特征的单目视觉机器人室内定位方法。该方法通过安装在机器人底盘的单目鱼眼摄像头采集地面图片,并经过一系列图像处理,将得到的地面方格直线和相机的位姿关系作为观测量,通过推导出观测方程并根据扩展卡尔曼滤波算法得到机器人的位置信息。基于机器人当前时刻位置数据和地面的固定方格大小提出线预测算法,有效地排除干扰线段的影响。实验结果表明,该机器人室内定位方法定位精度可以达到2 cm,具有较好的鲁棒性,能够为低成本的机器人室内定位提供较好的技术参考。     

3D indoor floor localization based on WiFi and PDR

A layered indoor 3D positioning technology based on WiFi positioning and Pedestrian Dead Reckoning (PDR) is proposed to solve the problem that the pedestrian can only get coordinates in the 2D plane and low accuracy of current indoor localization from intelligent terminal. In the PDR location, the pedestrian's horizontal walking or taking up-down stairs can be distinguished by detecting the pitch-rate mutation. Height change of the pedestrian is obtained by using the effective steps and stairs information. The equations of the two different behavior patterns are constructed and three-dimensional PDR is realized. In the part of the filter, a particle filter algorithm combining WiFi, PDR, building information and behavior patterns is proposed. By fusing the building information and behavior models into the weight calculation and the sampling of the particle, the localization precision is effectively improved. The results show that the average error of the horizontal location is 2.6m and the average error of the height estimation is 1.1m, which satisfies the demand of the individual intelligent terminal for the location service, with the elevation parameter enabling the user to recognize floor information.     

Kalman滤波预测的多小区子载波分配方法

小区间干扰协调是3G演进系统中抑制小区间干扰的重要策略, 并且在各类小区间干扰协调方案包含着不同的频率复用方法。为了在抑制干扰的同时提高频谱利用率,提出了可用频率集合的概念。如何分配可用频率集合中不同频点的子载波直接关系到小区间干扰的强弱程度,而现有的子载波分配方法往往基于当前信道状况, 导致在分配过程中因时间的滞后性而带来较大的干扰。针对这种情况,提出了一种基于Kalman滤波预测的自适应子载波分配方法。该方法通过检测获取不同子载波对用户的信道增益干扰比(GIR), 进而采用Kalman滤波估计得到下一时刻的GIR预测值大小,并以该预测值作为子载波分配的依据。仿真结果表明,与固定子载波分配方法和基于当前GIR的子载波分配方法相比,该方法能有效降低不同频率复用方法下的小区间干扰,改善小区和用户的性能,具体表现在提高了小区吞吐量,降低了用户的阻塞率,以及改善了小区边缘用户的比特丢失率。     

Coordinate correction algorithm for WLAN indoor positioning

In the fingerprint matching-based wireless local urea network (WLAN) indoor positioning system,Kalman filter (KF) is usually applied after fingerprint matching algorithms to make positioning results mo...     

基于改进APIT的移动机器人动态定位

针对室内无线传感器网络通信传输不稳定和定位精度较差的情况,提出了一种移动机器人自主动态定位系统,通过实时选择邻近信标节点,确定节点坐标构成的边界,绘制局部网格空间,实现机器人动态定位.利用接收信号强度指标实现测距,然后采用基于测距的改进近似三角形内点测试（APIT）算法完成定位,再使用卡尔曼算法修正定位误差.该方法适用于室内网络传输不稳定的实际情况,采用卡尔曼滤波器获得最优数据.实验结果表明,该移动机器人自主动态定位方法比基于网格的极大似然方法具有更好的精度和适应性.     

融合光流与特征点匹配的单目视觉里程计

针对城市平坦路面准确实时定位的问题,提出将光流跟踪法与特征点匹配进行卡尔曼融合的单目视觉里程计方法.基于平面假设,利用光流跟踪法进行帧间小位移定位,同时利用传统的加速鲁棒特征点（SURF）进行帧间大位移匹配来矫正光流法结果.通过卡尔曼滤波更新机器人的位置和姿态.结果表明,融合算法克服了光流法定位精度差和特征点匹配法处理速度慢的缺点,突出了光流法实时性和特征点匹配定位准确性的优点,该方法能够提供较准确的实时定位输出,并对光照变化和路面纹理较少的情况有一定的鲁棒性.