SINS/GPS/PDR室内外无缝导航定位算法

针对城市高楼、隧道、室内外等多种复杂环境下单源导航定位系统的定位精度低、可靠性差和不连续等问题,提出一种基于GPS、MIMU、表面肌电信号(SEMG)传感器、三维电子罗盘的SINS/GPS/PDR室内外无缝导航定位算法.利用SEMG传感器配合三维电子罗盘进行行人航位推算,同时以捷联惯导为主,多传感器辅助的方式建立多源信息融合模型,设计自适应联邦卡尔曼滤波算法.行走测试结果表明,该方法能够实现室内外无缝导航定位,多源融合的精度水平优于1.5 m(室外)/2 m(室内),显著改善了定位精度与连续性.     

基于粗糙集理论的多传感器信息融合

利用粗糙集理论的属性约简、值约简、核和不完备信息系统等概念来进行多传感器信息的融合,除了传感器测量的数据之外,无需任何额外的信息.针对完备信息系统和不完备信息系统分别提出了相应的融合算法,为解决传感器数据超载以及不完整传感器信息融合提供了有效的方法.     

多传感器信息融合技术研究

多传感器信息融合技术被广泛应用于自动目标识别、医疗诊断、图像处理、模式识别、工业监控等领域。本文主要阐述了多传感器信息融合技术的概念,并对多传感器信息融合的常用算法进行了介绍。     

大型复杂电力系统的多传感器信息融合智能技术

研究大型复杂电力工业系统的现场数据检测与信息融合、控制、管理与决策及运行状态等特征,提出了实现复杂电力系统的多传感器信息融合处理的智能方法和技术,给出了复杂电力系统融合处理的应用实例．     

结构健康监测中的数据融合技术

目的为了充分利用大型结构健康监测系统中来自不同时间与空间的多传感器信息资源，获得被测对象的一致性决策和估计任务。进而提高确诊率．方法从多传感器数据融合的概念、基本原理出发，探讨了数据融合技术在结构健康监测与诊断中应用的可行性，重点研究了基于人工智能的数据融合技术在结构健康监测及诊断中的应用方法．结果提出了小波概率神经网络数据融合损伤检测技术及其在结构损伤检测中的应用．结论基于多传感器数据融合的健康监测与诊断是可行的、有效的．     

基于多传感器融合技术的粮仓环境监测系统设计

粮食仓储环境监测对于实现粮食减损、降耗、保鲜至关重要。针对单一传感器采集数据片面、易造成误报、漏报等情况，本文设计了一种基于多传感器融合的粮仓环境监测系统，采用物联网技术、通信技术、云计算技术及多传感器融合技术，对粮仓温湿度、二氧化碳浓度、氧气浓度进行实时监测，提高了粮仓环境信息监测智能化水平，确保了粮仓存储的质量，具有一定的推广应用前景。     

基于多传感器数据融合技术的预警系统的研究

将基于神经网络的多传感器数据融合技术应用到预警机制中,对不确定的预警信息进行数据融合,从而得到较为精确的判断.通过模拟火灾输入信号的仿真结果证明,采用神经网络BP算法后的多传感器数据融合技术能够准确预警,可以有效降低误报率,达到了预期良好的效果.     

多Agent技术在数据融合系统中的应用

数据融合充分利用多个传感器资源,对观测到的信息进行合理支配和使用,把在时间和空间上的冗余或互补信息按照某种准则进行组合,以获取对被观测目标的一致性认识.为提高目标跟踪系统的滤波精度,在滤波时采用了多Agent技术,使系统的跟踪精度有了显著提高.通过引入多Agent技术,对数据融合系统中的模型和方法进行改进,提出多Agent数据融合模型,为数据融合问题提供新的解决方法和途径.     

多传感器信息融合技术研究现状和发展趋势

多传感器信息融合可以避免单一传感器的局限性，获取更多的信息，提高目标识别能力．本文较为全面的介绍了多传感器信息融合技术的背景、概念、控制结构、融合层次的划分等内容，并预测其将来的发展趋势．     

一种多机器人编队协同定位的方法

针对多机器人编队导航,提出了一种协同定位的方法.一个主机器人带领其他成员机器人,主机器人配备视觉传感器及激光扫描仪,成员机器人通过融合内部传感器数据进行自身定位.主机器人利用双目视觉进行目标检测,确定目标方位及距离信息,并利用激光扫描仪结合视觉获取的方位信息得到成员机器人位置及航向.基于联邦滤波算法提出了一种联合滤波模型,融合多传感器信息得到精确定位.1个Pioneer 3-AT和3个AmigoBot机器人编队的协同定位实验表明:该方法可行,误差范围小,满足实际应用的精度要求.     

基于无线局域网信号的城区室内外无缝定位技术

无缝定位技术被认为是移动位置服务的支撑技术,讨论了基于无线局域网（WLAN）的城区室内外无缝定位技术,利用室外公众电话亭WLAN和室内普通WLAN信号,基于实际环境建模的简化无线信号路径衰减模型,通过Cell-ID排序和交会算法,实现在城市室外环境2.1～25 m、室内环境下0.8～4.2 m的定位精度,此技术可应用于城市室内外无缝定位服务。     

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.     

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.     

教学楼内人员移动定位系统方案研究

教学楼内人员位置信息对于基于位置服务应用具有重要意义。为了满足诸如大学生利用移动设备搜索和选择空闲自习室等需求,提出了一套融合无线信号强度地图和惯性导航技术的室内定位系统。这套系统能够为包括智能手机在内集成Wi-Fi和惯性导航单元的移动设备提供室内定位和轨迹跟踪功能。相应实验证明了该系统的可行性,即该系统可以持续提供人员室内位置信息。     

一种新颖的基于GPS与DTMB组合系统的定位跟踪算法研究

针对GPS卫星信号在楼群密集的城市和室内存在定位盲区而无法单独完成定位的难题,考虑到地面数字电视信号的自身优越性,提出GPS与DTMB组合导航的无缝定位方法.该方法通过融合多源信号的观测量来保证定位的精度,采用扩展卡尔曼滤波(EKF)算法对多源信号进行最优估计,并对比分析不同信号源组合下的定位跟踪效果.仿真结果表明,EKF滤波估计轨迹能较好地接近目标运动的真实轨迹,均方根误差约20 m,满足无缝定位需求,且参与定位的组合信号源参数越多,定位精度就越高.证明了在GPS定位盲区,采用GPS与DTMB进行组合导航定位的可行性.     

基于MEMS与Android智能手机融合的 室内个人导航算法

针对微机电系统(micro-electro mechanical system,MEMS)惯性器件在导航解算中存在较大的累积误差问题,提出了一种基于MEMS惯性器件与Android智能手机融合的室内个人导航算法.导航算法在捷联惯性导航算法的基础上,根据人行走时的运动特点,引入了零速度检测与修正算法来检测人行走过程中的静止状态,并对行人静止时刻的速度和位置信息进行校正,以降低累积误差.导航解算中由于陀螺仪漂移导致获得的行人运动方向角误差较大,故采用MEMS陀螺仪输出姿态信息与Android智能手机中的电子罗盘方向角融合的行人运动方向校正算法来获取行人运动方向,并结合滑动均值滤波算法来进一步校正行人的运动方向,提高导航精度.最后通过实验结果验证了导航累积误差修正算法的可行性和有效性.     

基于视觉辅助导航的小旋翼机群编队穿越障碍技术

该文基于单目视觉定位方法和LiDAR激光测高滤波算法,结合主?从式无人机编队策略,提出了一种低精度GPS条件下多传感器融合的小旋翼无人机编队穿越障碍技术。通过对该旋翼机编队系统的硬件架构、传感器分配、机载自组织网络以及机载编队地面站软件接口等关键模块的设计,最终搭建了一套完整的旋翼机编队测试平台。在完成视觉定位算法、激光数据时域滤波、ROS下编队飞行等仿真验证的基础上,进行了室外测试场地实机编队飞行测试,并利用该技术实现了对多组随机位置的门框类障碍的编队穿越、在线路径规划、一键式起飞返航等编队飞行任务,验证了该技术在室外复杂飞行环境中的可行性。     

基于INS定位和WIFI指纹定位技术的无人机室内定位方法研究

针对无人机室内定位问题,提出了一种基于惯性导航系统（INS）和WIFI指纹定位技术的四旋翼无人机的室内定位方法。该方法首先利用WIFI模块测量的信号接收强度信息,根据WIFI指纹定位原理求出该定位时刻下的无人机位置;同时,利用惯性传感器信息计算出INS定位下的无人机位置,结合两种定位结果得出更为精确的位置。最后,通过实验验证了INS定位和WIFI指纹定位相结合的无人机室内定位方法的有效性,且该方法较两种单独定位方法的定位精度更高。     

自适应零速修正辅助的微惯性定位系统研究

针对GNSS失效情况下微惯性器件漂移大引起的定位精度低的问题,研究了一种多条件辨识零速时刻,基于速度信息构建观测方程的零速修正算法,以提高微惯性系统的定位精度. 论文阐述了行人步态特性,在分析行人步态的基础上设计了基于加速度量测方差、加速度量测幅值和角速度量测能量的多条件零速检测方法,并针对室内外不同环境设置了自适应阈值. 在此基础上,构建了速度信息为系统观测值的Kalman滤波器,在零速对姿态、速度及位置误差进行估计并修正. 实验结果表明,基于上述自适应定位修正算法可有效增强零速检测的可靠性,抑制定位误差的累积,定位的精度是行进距离的1.32%.     

基于高斯过程回归与硬件优化的可见光室内定位设计

为了使可见光室内定位操作更加简单,不依赖于视线视图和位置登记,在硬件方面,使用光电二极管作为接收器,通过组装兼容的光电二极管和紧凑型LED完成硬件方面的优化。在软件算法方面,基于指纹技术,使用高斯过程回归（GPR）算法进行定位。首先对GPR环境进行建模,构建一个强度分布模型。然后,使用贝叶斯理论获得定位的表达形式。实验在3m×3m的平台区域上进行,对25个目标进行测试。与类似的室内定位系统相比,所提系统定位精度更高,实现了厘米级定位。且可以长时间精确定位运动目标,鲁棒性较好。