首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 140 毫秒
1.
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.  相似文献   

2.
随着GNSS及计算机技术的不断发展,人们对室内外位置服务的需求不断增加。学校、医院、展厅、写字楼等都需要使用准确的室内外定位信息,特别是在应对紧急情况时,室内定位信息显得尤为重要。本文分析了多传感器融合的室内外定位技术研究进展,提出了基于数据融合的多传感器融合定位平台,以GPS技术为主导,结合WIFI、航位推算等定位技术的方法,通过一定的数据融合算法,增强室内外定位的完备性,为进一步实现室内外无缝定位、智慧地球等提供了参考。  相似文献   

3.
无线定位技术   总被引:2,自引:0,他引:2  
介绍了移动通信系统中的几种常用的无线定位技术及其定位误差的主要来源。接着阐述了几种利用数据库进行定位的技术—基于接收信号指纹的定位技术 ,指出了这种技术的主要优点和有待解决的问题。  相似文献   

4.
介绍了无线局域网定位技术的发展现状和目前3种常用的定位方法及其优缺点.结合三角定位以及RSSI定位的方法,提出了基于信号强度与一种更为准确且更为可行的定位方法——结合信号强度与信号指纹图的定位方法.  相似文献   

5.
无线定位技术是信息安全方面的重要研究领域.基于RFID射频技术对巡逻人员进行定位,参照巡逻人员路径的特点,结合无线信号检测分析技术,动态规划出当前巡逻人员所在区域的地理位置,减少了实施成本,方便对巡逻人员的安全定位和管理.最后通过实施人员定位系统验证了巡逻人员定位算法的有效性.  相似文献   

6.
分析了矿井巷道中的设施及设备导致的无线信号传播NLOS时延特点,采用几何光学方法论证了NLOS时延参考模型在矿井巷道环境中的适用性并提出矿井巷道NLOS时延分为巷道突发NLOS时延和巷道固定NLOS时延,为了消除NLOS时延对TOA定位精度的不利影响,提出基于卡尔曼滤波和指纹定位的矿井TOA定位方法.对于机车及不规律设置设备造成的巷道突发NLOS时延,提出基于卡尔曼滤波的方法消除其对TOA数据造成的较大误差,在此基础上提出基于历史和卡尔曼阈值的最近邻居指纹定位方法,抑制固定设施及规律设置设备造成的巷道固定NLOS时延引起的定位误差.结果表明,本文方法的定位性能优于SDS-TWR方法和基于SDS-TWR的指纹定位方法,定位实验的平均误差分别降低了3.6,1.2 m,提高了矿井TOA定位的精度,实现矿井人员的精确定位.  相似文献   

7.
分析了无线扩频技术的原理、性能及该系统存在的问题,并给出参考解决方案.结果表明:基于无线扩频的列车定位具有提高运输能力的特点,并且能够节省大量的轨旁信号设备.  相似文献   

8.
针对城市中的无线干扰源问题,提出了一种通过机载观测站测量目标信号的到来角及其变化率,从而对目标信号源定位的方法。观测站首先对目标信号的到来角进行实时估计,通过到来角和变化率对目标信号源的位置进行估计,并根据目标信号源的位置调整自身的运动方向和状态,实现对深埋于建筑物中的无线干扰源的快速定位。通过仿真验证了使用单个运动观测站可有效估计目标信号源位置,误差约为5个抽样间隔,作为解决城市中无线干扰源的新方法具备一定的研究意义。  相似文献   

9.
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.  相似文献   

10.
针对室内非视距无线环境中移动终端的三维定位问题,提出了一种非视距无线环境中基于线性回归与最小二乘法的三维定位算法。首先,基于无线通信环境中波达时间(TOA)的测量误差具有正偏置的特性,运用线性回归估计测试终端到基站之间的非视距测量距离误差与真实距离之间的线性关系;然后,根据该线性关系运用最小二乘原理对移动终端进行三维几何定位。实验结果表明,算法具有较高的定位精度,最大定位误差不超过2 m,且在非视距环境下,所提出的定位算法不仅不需要TOA的时延分布先验知识,而且定位精度优于其他基于TOA的两阶段最小二乘定位算法的定位精度。  相似文献   

11.
Wireless local area network(WLAN) is developing to a ubiquitous technique in daily life.As a related product,WLAN based indoor positioning system is attracting more and more concern.Fingerprint is a mainstream method of wireless indoor positioning.However,it still has some shortcomings of that received signal strength(RSS) is multi-modal and sensitive to environmental factors.These characters would have a negative effect on the performance of positioning system.In this paper,a filtering algorithm based on multi-cluster-center is proposed.We make full use of this algorithm to optimize the training samples at off-line phase to improve the performance of non-linear fitting with the fingerprint feature,and further enhance the positioning accuracy.Finally,we use multiple sets of original WLAN signal samples and signal samples after filtering as the training input of positioning system respectively.After that,the results analysis is demonstrated.Simulation results show that it is a reliable algorithm to enhance the performance of WLAN indoor positioning.  相似文献   

12.
随着“互联网+”概念的提出,移动互联网飞速发展,国内数据业务和移动网络服务在用户中越来越普及,室内定位技术显现出了极大的应用价值。文章从室内定位的当前技术背景出发,分析了目前行业内主要的室内定位算法并进行详细介绍,然后针对当前主流的几种室内定位技术在其技术特点和应用限制方面进行了比较分析,同时以大型商超为主要切入点,对室内定位技术现在的应用状况及瓶颈问题进行了归纳总结。  相似文献   

13.
With the rapid development of WLAN (Wireless Local Area Network) technology, an important target of indoor positioning systems is to improve the positioning accuracy while reducing the online computation. In this paper, it proposes a novel fingerprint positioning algorithm known as semi-supervised affinity propagation clustering based on distance function constraints. We show that by employing affinity propagation techniques, it is able to use a fractional labeled data to adjust similarity matrix of signal space to cluster reference points with high accuracy. The semi-supervised APC uses a combination of machine learning, clustering analysis and fingerprinting algorithm. By collecting data and testing our algorithm in a realistic indoor WLAN environment, the experimental results indicate that the proposed algorithm can improve positioning accuracy while reduce the online localization computation, as compared with the widely used K nearest neighbor and maximum likelihood estimation algorithms.  相似文献   

14.
为了解决无线室内定位系统实时跟踪位置坐标误差较大问题,提出一种基于扩展卡尔曼滤波(EKF)算法的室内定位方法。系统采用基于WiFi信号指纹定位,然后利用扩展卡尔曼滤波对估算的位置进行滤波,以改善WiFi指纹定位方法的精度,达到对目标实时跟踪。仿真和实验结果表明,该算法有效地改善了系统定位精度,能较好地满足室内定位的需求。  相似文献   

15.
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...  相似文献   

16.
Currently,the WLAN indoor positioning system attracts a lot of interests,not only because of the cheap implementation but also because of the high positioning accuracy comparing with other indoor posit...  相似文献   

17.
针对国内外对室内定位技术中定位精度不高问题,提出一种基于CDMA(Code Division Multiple Access)-TDOA(Time Difference of Arrival)的室内超声波定位系统,并给出实时性差异等缺点,进行了其工作原理和超声波信号的分析。该系统基于射频和超声波传感器的固有性质,对超声波信号采用CDMA技术进行编码,以便在目标节点上能区分各个信标发来的超声波信号,并结合射频信号实现TDOA测距算法,最终实现三维定位。采用Matlab/Simulink模块对3个信标的超声波信号进行发射仿真与分析。仿真结果表明,该系统在目标节点上能被接收并识别相对应的超声波信号。  相似文献   

18.
目的研究室内定位方法机理,解决室内目标高精度定位的问题.方法设计了一种基于测距的室内定位系统,该系统采用测量射频信号和超声波信号到达时间差的方法测距并引入校正因子减小测距误差,通过极大似然估计定位方法计算目标位置,运用ZigBee制作节点模块组成网络实现对室内目标的定位.结果在测距实验中,EC-TDOA测距结果的误差小于0.02cm,满足测距精度要求.在定位实验中,最大定位误差和平均定位误差分别为4.3cm和1.64cm,而定位误差在2.5cm以内的比例达到90%.定位频率为20Hz,满足实时定位的要求.结论系统在室内环境中实现对超声波信号覆盖范围内移动节点的定位,通过测距校正有效提高定位精度.系统具有较强的容错性和自适应性.  相似文献   

19.
当今移动通信技术已经发展成熟,移动信号已覆盖了98%以上的区域.当用户在这些区域需要紧急救援时(比如在户外遇到灾害等),基于移动通信网定位技术的紧急救援服务就显得异常重要.紧急救援服务的实现方案多种多样,中国移动集团目前已制定了相应的企业标准.  相似文献   

20.
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。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号