基于智能手机的地磁与PDR定位算法

近年来室内定位技术成为国内外研究的热点,形成了多种室内定位技术共存的局面,其中WiFi、蓝牙、超宽带等无线网络定位技术应用较广,但是这些定位技术都依赖于基础设施,定位成本较高。此处使用室内地磁信号,无需部署任何基础设施即可定位,并利用手机端MEMS传感器实现行人不同运动模式下的步频探测与航向估计。针对地磁信号具有低辨识度的缺点以及PDR的误差累积问题,利用粒子滤波算法融合地磁与PDR定位结果,有效提高了系统的稳定性,保证了定位精度。实验表明,粒子融合定位方法能够消除PDR的漂移,并且平均定位精度达到1.38 m,定位误差在1.5 m内达到80%以上,具有较强的实用性。     

WiFi-PDR室内组合定位的无迹卡尔曼滤波算法

针对当前室内定位的应用需求和亟待解决的关键问题,结合城市室内环境下广泛存在的WiFi无线信号以及智能手机传感器信息,提出了一种WiFi无线信号联合行人航迹推算(PDR)的室内定位方法。该方法采用无迹卡尔曼滤波(UKF)算法对WiFi和PDR定位信息进行融合处理,有效克服了WiFi单点定位精度低和PDR存在累计误差的问题。针对融合算法中WiFi指纹匹配计算量大的问题,用k-means聚类算法对WiFi指纹库进行聚类处理,降低了指纹匹配算法的计算量,提高了算法的实时性。通过在华为P6-U06智能手机平台上实际测试,在时间效率上经过聚类处理后系统定位耗时有很大程度的改善,平均降幅为51%,其中最大降幅达到64%,最小的也达到了36%;在定位精度上,当室内人员为行走状态时WiFi定位平均误差为7.76m,PDR定位平均误差为4.57m,UKF滤波融合后平均定位误差下降到1.24m。     

PDR+BLE融合的室内实时定位方法

由于导航卫星信号在室内被遮挡,室内定位技术逐渐成为泛在导航定位领域的研究热点。行人航迹推算(PDR)和低功耗蓝牙(BLE)定位是惯性定位和射频信号定位的常用定位手段,PDR定位连续稳定但存在累积误差,BLE定位无误差累积但定位精度较差。为此,本文面向室内复杂环境行人自主定位需求,对PDR和BLE的实时融合定位展开了研究。首先针对PDR误差累积问题,提出了BLE临近校正PDR的改进算法;然后针对BLE定位粗差大的的问题,提出了基于扩展卡尔曼滤波(EKF)的自适应抗差PDR+BLE融合定位算法。试验结果表明,相比传统算法,BLE临近校正PDR算法定位精度提高了19%,基于EKF的自适应抗差融合定位精度提高了21%,定位精度和稳定性都有显著提升,在室内定位领域中具有较高的适用性和可扩展性。     

基于移动智能终端的PDR/iBeacon融合室内定位

针对单传感器室内定位存在累积误差大、连续性差的问题，本文顾及行人航迹推算(PDR)与低功耗蓝牙信标(BLE Beacon)良好的互补性，研究了基于移动智能终端的融合PDR/iBeacon的室内定位算法：首先，采用电子罗盘和陀螺仪互补修正航向角法降低了PDR的累积误差，其次结合离线指纹库并利用加权K近邻法实现了iBeacon指纹定位，最后基于扩展卡尔曼滤波器(EKF)实现了PDR/iBeacon融合定位。两组实测结果表明，相较于传统的PDR,电子罗盘和陀螺仪互补修正航向角方法有效地抑制了航向误差的累积。室内行人航程为39和60 m时，融合PDR/iBeacon定位的平均误差分别为0.560、1.802 m,相比改进的PDR和iBeacon指纹定位精度提高了11.81%、25.53%和26.66%、11.75%。融合PDR/iBeacon的室内定位能降低PDR的误差累积和iBeacon定位的波动性，满足用户室内定位的需求。     

基于粒子滤波的PDR/地磁指纹室内定位

针对行人航位推算(PDR)定位存在误差累积和地磁指纹不唯一导致的误匹配问题,本文改进了基于粒子滤波的PDR/地磁指纹室内定位方法.在PDR定位过程中利用地图信息控制粒子权重更新,得到较为准确的位置信息后,利用动态时间规整(DTW)算法在PDR推算位置基础上进行快速序列匹配,获取最优位置估计.试验结果表明,融合定位方法有...     

融合地磁/WiFi/PDR的自适应粒子滤波室内定位

随着国民经济的快速发展,人们在室内活动的时间越来越长,室内空间环境也越来越复杂,对室内环境的位置与导航服务的需求也越来越高。由于地磁信号具有稳定性的特点,且WiFi技术已得到广泛部署,融合使用地磁和WiFi定位具有一定的优势。因此,本文基于Android系统智能手机作为接收设备,融合地磁、WiFi及行人航迹推算（PDR）技术,通过自适应粒子滤波模型和随机抽样一致性算法对采集的信号进行处理。试验证明,地磁、WiFi、PDR三者融合进行室内定位的方法与其他单类方法相比,实现了将室内定位精度的误差最小降低到1.02 m。     

一种基于快速动态时间规整的地磁定位算法

针对地磁序列匹配定位中动态时间规整算法计算耗时长、实时性差的问题,该文提出一种基于快速动态时间规整的地磁定位算法。该算法首先利用粗粒度化的方法缩短地磁序列长度,得到"粗粒度"化的地磁数据;然后采用减小搜索空间的策略快速得出匹配地磁数据与指纹数据的相似距离和规整路径;最后将"粗粒度"化的地磁数据与规整路径再规整回原来地磁数据序列的大小。在该文提出的定位算法中,缩短地磁数据长度与控制搜索空间的策略较好地改善了地磁序列匹配定位的计算耗时问题。实验结果表明,当匹配定位的地磁序列数据长度为100时,基于快速动态时间规整的地磁定位算法的平均定位误差为1.31 m,均方根误差为1.44 m,且其单次定位时间比动态时间规整算法缩短了2.63 s,算法执行效率提升了78.5%。该文提出的地磁定位算法在保证定位精度的同时加快了算法运行速率,能满足室内定位实时性的需求,具有较高的应用价值。     

复杂环境下智能手机RTK+PDR融合定位

针对室外复杂环境下智能手机定位精度低、抗干扰能力不足的问题,本文利用手机GNSS观测值和手机内置IMU数据,采用RTK和PDR算法融合定位,对比分析了小米8和华为Mate20X两款手机的GNSS数据质量和融合定位算法性能,以及不同观测条件下融合算法的定位精度和稳定性。试验结果表明,在良好和复杂两种观测条件下,采用RTK算法定位精度分别为1.8 m和4.6 m;采用RTK+PDR融合算法定位精度分别为1.2 m和2.6 m,在两种环境下,RTK+PDR融合算法的精度分别提高了50%和76%,即显著提高了智能手机在室外复杂环境下的定位精度。     

改进粒子群优化算法在地磁匹配中的应用

针对传统地磁匹配算法精度较低及无法修正载体航向误差等问题,该文提出一种基于改进粒子群优化的地磁匹配算法.该算法以平均Hausdorff距离作为适应度函数,采用改进粒子群优化算法在待匹配区内搜索最优解,从而完成地磁匹配.文中基于某区域地磁场数据插值处理后得到的地磁基准图进行仿真实验.结果表明:当载体的初始位置存在较大误差时,改进粒子群优化算法仍具有较高的匹配精度;当载体航向误差较大时,其定位精度较MAGCOM算法相比有大幅的提高.该算法较好地弥补了传统地磁匹配算法存在的缺陷,实现了对地磁匹配算法精度的提高和载体航向误差的修正.     

稀疏地磁点位辅助PDR室内定位研究

针对室内定位中仅使用PDR定位时出现的误差较大,以及PDR地磁组合定位实时匹配中存在的处理运算量大、实时性差、地磁采集耗时长,过于浪费人力、物力、财力等问题,文中提出通过稀疏的地磁点位辅助PDR进行室内定位,采集地磁时仅采集具有代表性地方的地磁定位,其余地方仅使用PDR定位,当在室内行走时行进到事先采集好的关键点时对P...     

一种基于改进UKF滤波的GPS+PDR组合定位方法

针对接收信号质量恶化的环境,提出了一种适用于信号遮蔽环境的改进GPS+PDR组合定位算法。该方法用短时间内的陀螺仪积分数据校正数字罗盘的航向偏差,在一定程度上消除了数字罗盘受到的偶发干扰。采用约束残差的无迹卡尔曼滤波（UKF）算法对GPS和行人航迹推算（PDR）定位信息进行融合处理,有效克服了PDR定位中累积航向误差产生的位置漂移问题,提高了算法的定位精度和稳定性。试验结果表明,改进算法能有效抑制数字罗盘的漂移误差,航向相对误差平均降低56%;行人步行时,GPS定位标准误差为2.67 m,单纯PDR定位标准误差为6.83 m;随机给予若干点GPS数据辅助定位,标准误差降至3.12 m;全程融合GPS与PDR定位,标准误差可降至1.94 m。     

一种基于智能手机的室内地磁定位系统

研究分析了手机传感器和室内地磁场的性质后,针对室内定位问题提出了一种基于客户端 服务器架构的定位系统.因智能手机大多搭载了能够收集地磁信号的三轴磁通门传感器,提出了两种构建位置指纹的方法:将地磁传感器的数据水平化,或是结合方向信息和地磁数据构建混合位置指纹,并通过将定位区域划分为网格的方式构建定位基准图.针对两种位置指纹设计了基于欧几里得距离的匹配算法.最后,在Android平台部署应用并进行实验,分别对比了两种位置指纹的定位准确度、地磁匹配速度,实验结果表明系统能够达到1 m的定位精度.      

基于航迹推算的室内行人地图辅助定位方法

行人航迹推算(PDR)是室内定位领域中应用最广泛,最廉价有效的一种定位方法,但其误差会随时间而累积。为了有效减少航迹推算的累计误差,基于航迹推算原理建立了粒子滤波模型,辅以室内地图约束粒子传播方向;同时提出虚拟路标匹配算法克服传统定位方法中由于航向角变化误差模型不准确导致定位失败的缺点。结果表明,该算法可以有效的提高航迹推算的稳健性。     

融合UWB+PDR的室内定位方法改进

近年来,随着科技的进步和创新,对室内定位的研究正朝着多技术互补融合的方向发展,将导航技术与室内定位相融合成为目前的研究热点。行人航位推算(PDR)和超宽带(UWB)技术以其独特的定位优势和精确度等众多优点成为室内定位的主流技术,但PDR由于其累积误差的影响只适用于短时间内高精度室内导航需求,而超宽带在复杂环境中,时间信息可能会严重失真,导致定位信息缺失。因此,本文利用扩展卡尔曼滤波(EKF)对两者进行融合改进,以此发挥各自技术优势。试验结果表明,定位解算的终点误差最大为0.819 5 m,最小为0.144 3 m,平均误差为0.347 8 m,位置平均误差为0.475 0 m,有效提升了室内定位的精度。     

一种融合WiFi/地磁/PDR的室内定位方法

提出了一种改进的粒子滤波方法,利用室内常见的WiFi信号、地磁源并结合智能手机廉价传感器进行室内定位。WiFi室内定位错误匹配情况较少,地磁指纹室内定位具有较强的抗干扰能力,本文利用两者的优点并结合PDR提供连续的位置信息。与传统的粒子滤波相比,采用MD-DTW（多维动态时间规整算法）对粒子定权并提出分段粒子定权的方法对粒子序列长度进行约束,能有效加快粒子滤波收敛速度。仿真试验表明利用改进的粒子滤波进行定位结果可达1 m,有较强的实用性。     

基于手机传感器和互补滤波的行人航向解算

目前行人航迹推算逐渐成为室内定位研究与应用的热点。针对利用陀螺仪推算行人航向时存在较大累积误差的问题,本文提出了一种基于智能手机传感器的行人航向解算算法。该算法根据陀螺仪输出的角速度数据与手机传感器参数计算合适的阈值,实时调节PI调节器的误差补偿系数,对预处理后加速度计和磁力计数据解算的航向角进行补偿,并与陀螺仪数据互补滤波融合,得到融合后的航向角。试验基于低成本智能手机,分别在磁场强弱环境下采集手机传感器数据,对比分析本文算法与传统互补滤波算法及九轴数据融合算法在推算行人航向时的精度。试验结果表明,在室内磁干扰较强的环境下,本文算法与传统互补滤波算法、九轴数据融合算法相比定位精度分别提升了68.4%和65.9%,平均航向误差分别减小了3.4°和1.8°,验证了本文算法有较好的抗磁干扰性能,提高了行人航向角解算的可靠性。     

基于互补滤波融合WiFi和PDR的行人室内定位

提出了一种基于互补滤波融合Wi Fi和PDR的行人室内定位方法。首先改善Wi Fi位置指纹定位的KNN算法,通过阈值的设定,排除相似度高但实际上不可能的点,获取动态K值;然后通过行人航位推算(PDR)初始化算法,动态轨迹概率计算,确定PDR初始位置;最后在改进的Wi Fi和PDR的定位基础上,基于互补滤波原理,根据Wi Fi和PDR定位的不同特性,利用各自的定位优点,使用Wi Fi定位修正PDR的定位结果,通过相应权重参数的调整,输出最终融合定位结果。试验过程中,选取3种不同的室内环境区域,试验结果证明了该算法可大大提高室内定位的精度和稳定性。