共查询到10条相似文献,搜索用时 31 毫秒
1.
在室内定位系统中,基于接收信号强度指示(RSSI)测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化,行人航位推算(PDR)定位系统存在错误地估计传感器的参数及左右脚运动不一致等产生累积误差的问题。针对上述问题,提出一种基于改进PDR与RDDI融合的定位算法,根据PDR定位的递归特性校正估计传感器的参数,同时进行左右脚坐标数据融合。在此基础上将扩展卡尔曼滤波器(EKF)作为RDDI和PDR定位的融合滤波器,以降低PDR累计误差,从而提高定位精度,获得系统的最优定位结果。实验结果表明,该融合定位算法有效地提高了定位精度。 相似文献
2.
针对基于传统接收信号强度指示(RSSI)指纹定位算法的井下人员定位系统在离线采样阶段指纹数据库采集工作量大、易受井下环境影响,基于行人航迹推算(PDR)算法的定位系统存在误差累计的问题,设计了一种基于改进RSSI指纹定位算法和PDR算法的矿井人员融合定位系统。该系统采用GS1011控制器和MPU9150惯性传感器构成智能终端,将采集的惯性传感器、RSSI和时间戳数据通过井下WiFi网络上传至地面监控中心定位服务器;定位服务器采用扩展卡尔曼滤波对RSSI指纹定位算法和PDR算法的定位信息进行融合,实现井下人员定位。试验结果表明,该系统平均定位误差为1.79m,小于单独采用RSSI指纹定位算法或PDR算法的系统定位误差,定位精度满足井下人员定位要求。 相似文献
3.
在室内定位的复杂环境中,WiFi指纹法的定位性能易受信号波动的影响,行人航位推算方法(Pedestrian Dead Reckoning,PDR)的定位误差会随时间逐渐累积,为了解决这两个方面的问题,提出了一种采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)与粒子滤波(Particle Filter,PF)的融合定位技术,该技术通过融合WiFi指纹法和优化后的行人航位推算方法来提高定位精度。在WiFi指纹法模块,该技术采用传统的加权k近邻法进行定位。在行人航位推算模块,该技术融合多种传感器进行航向估计,改进传统的非线性模型进行步长估计,使优化后的行人航位推算方法更适用于复杂环境中的实际应用。最后,结合粒子滤波和室内地图信息,该技术能够校正估计位置并进一步提高定位精度。通过实验表明,本文提出的融合校正方法能够有效提高定位精度。 相似文献
4.
为了解决在室内非视距(NLOS)定位场景中超宽带(UWB)技术性能不佳、航位推算(PDR)算法累积误差过大的问题,以及由环境因素引起的UWB性能下降的问题,提出了一种基于UWB误差预测而自适应系数调节的UWB/PDR融合定位算法。该算法创新地提出了利用支持向量机(SVM)回归模型对复杂环境中UWB定位误差进行预测,并以此为基础,为常规的扩展卡尔曼滤波(EKF)算法添加了自适应调节系数,以提高UWB/PDR的融合定位效果。实验结果表明,所提算法在复杂UWB环境中可以有效预测当前UWB定位误差水平,并通过自适应调整融合系数提高精度,使得较常规EKF算法在一般区域的定位误差降低了18.2%,在UWB精度较差的区域中的定位误差降低了48.7%,从而减小了环境对UWB性能的影响;在包含UWB的视距内(LOS)及NLOS的复杂场景中,通过融合定位算法,将定位每百米误差由米级降低至分米级,解决了NLOS场景中PDR 误差过大的问题。 相似文献
5.
针对地磁指纹在室内定位中存在重复性,以及行人航迹推算(PDR)累积误差明显的问题,提出了一种基于智能手机的多传感器融合定位方法。该方法首先通过WiFi和随机采样一致性(RANSAC)算法拟合路径,确定初始位置;然后利用手机中的加速度计进行步长估计,利用陀螺仪进行转向检测;最后通过地图约束的自适应粒子滤波(PF)算法以地磁场修正PDR的定位结果。仿真结果表明,该方法能够有效克服PDR的累积误差以及地磁值不唯一的缺陷,提高室内定位精度、减少能耗。 相似文献
6.
《传感器与微系统》2019,(5):13-16
针对北斗(BD)和WiFi单一系统定位精度不高和定位盲区问题,提出一种基于北斗差分与WiFi的室内外融合定位方法。根据北斗和WiFi异构网络建立多属性代价函数,优选参与定位信标及卫星组合;采用反距离加权内插的多基准站伪距差分法,修正北斗伪距方程减小空间伪距误差;构建基于接收信号强度指示(RSSI)传播模型的WiFi测距方程,并融合北斗差分伪距方程,通过泰勒迭代算法实现精确定位。实验结果表明:融合定位精度在95%的概率下优于2. 6 m,定位性能优于北斗和WiFi单独定位,有效解决了单一系统的定位缺陷和定位盲区问题,实现了室内外无缝融合精确定位,提高了定位精度和可靠性。 相似文献
7.
8.
9.