iBeacon技术下PDR增强的室内定位方法设计

提出一种利用iBeacon技术辅助PDR的室内定位方法.采用粒子滤波器将PDR和iBeacon技术定位信息融合,从而确定出用户的位置,以此减少PDR随距离增加而产生的累积误差.此外,基于iBeacon在线步长调整模型在一定程度上减少了步长不正确带来的误差.实验结果显示,提出的方法能够有效克服PDR产生的累积误差,有效提升了定位的鲁棒性和精度.     

激光雷达和行人航迹推算融合的室内目标定位方法

激光雷达(LiDAR)在室内定位中具有抗干扰能力强,速度、角和距离分辨率高等优点,但在定位过程中其精度易受环境因素干扰影响。本文提出一种LiDAR和PDR融合的室内定位方法,以扩展卡尔曼滤波(EKF)为基础,通过对LiDAR的位移增量、角度观测值以及PDR的位姿信息等量测值进行解算,令二者互补融合,有效抑制非视距影响和误差累积的问题,并对单一类组合算法和融合类组合算法的定位精度进行对比分析。实验结果表明：当室内人员为行走状态时,LiDAR和PDR融合定位算法较单一定位方法在精度和稳定性均有效提高,PDR定位误差为0.98m,LiDAR定位误差为0.6m,EKF滤波融合后定位误差可以下降到0.32m。     

智能室内定位系统研究与实现

针对全球定位系统GPS不能提供令人满意的室内定位结果,提出一种基于空间信息模式下的室内定位技术,通过感知空间环境中的特征信息,采用一种增量式信息构建方式,结合低功耗蓝牙iBeacon以及多种传感器信息,以空间中特征信息区为路标修正行航位推算累积误差,最终实现了稳定独立的室内定位系统。为了验证设计思路的效果,通过与传统行人航位推算算法和iBeacon单点修正航位推算结果进行对比实验,最终结果表明传统航位推算回字形行走平均误差为0.83 m,蛇形行走平均误差为0.95 m;iBeacon单点修正回字形行走平均误差为0.32 m,蛇形行走平均误差为0.30 m;基于空间信息模式环境感知定位方式修正航位推算回字形行走的平均误差为0.29 m,蛇形行走的平均误差为0.09 m。达到了室内定位精度的标准,同时也验证了新方案的有效性以及定位系统的实效性。     

多传感器融合的手机室内三维定位试验

以智能手机为用户端平台,利用行人航迹推算(pedestrian dead reckoning,PDR)改进算法和气压测高原理设计了三维多传感器融合定位的扩展卡尔曼滤波器,基于Android操作系统开发了手机传感器融合的室内三维定位程序。最后,利用中国矿业大学室内外无缝定位试验场进行了定位算法性能评估。结果表明,三维融合定位方法能有效抑制漂移误差,定位精度和可靠性能够满足室内应用环境的要求,且定位精度优于WiFi方法和常规PDR方法。     

融合地图信息与WiFi地标的室内粒子滤波定位算法

目前行人航迹推算(pedestrian dead reckoning,PDR)和WiFi指纹定位成为室内定位的主流技术,WiFi指纹定位由于无线信号的波动性导致定位结果不稳定,PDR算法随着应用时间的延长传感器累计误差增大,同样会导致定位精度降低。本研究提出一种基于地图信息的粒子滤波(particle filter,PF)与WiFi地标相结合的混合定位算法(WL+PF)。该算法通过地图信息约束粒子的位置,同时利用WiFi信号峰值检测相应地标信息,对观测信息修正的同时,更新粒子权重,从而实现最终的定位。实验结果表明,优化后的算法定位精度优于其他常规滤波融合定位算法。     

一种关于地标辅助行人航位推算技术的改进室内定位方法

近年来,基于智能手机的行人航位推算技术(pedestrian dead reckoning , PDR)、Wi-Fi以及多种融合室内定位技术得到了较快发展,与此同时,其存在对定位环境要求较高,定位结果偏差较大等缺点。为解决这一问题,我们在传统PDR基础上提出了一种结合地标库匹配的改进室内定位方法——地标辅助PDR定位算法(Landmark-aided PDR algorithm, LaPDR)。首先,将在传感器实时数据上识别出的特定地理位置(如墙,门,拐角,Wi-Fi接入点等)当做地标。然后,针对实验环境建立相应的地标库,目的是纠正传统PDR定位算法由于传感器安装精度较低及定位时间过长而产生的漂移。实验结果表明与传统PDR相比,地标辅助PDR定位精度明显提高,系统定位误差基本控制在1.5 m以内。     

基于智能终端的移动机器人室内外无缝定位方法

提出了一种移动机器人室、内外无缝定位方法,利用全球定位系统(GPS)、惯性导航单元(IMU)和蓝牙信标(iBeacon)作为传感器,通过智能终端的惯性传感器对准建立移动机器人运动模型,推导出系统状态方程和观测方程;利用iBeacon/IMU和GPS/IMU组合导航系统的观测噪声建立系统的非线性模型,采用粒子滤波作为交互式多模型匹配模滤波器,针对模型切换频繁引入的不匹配模型竞争,采用误差压缩率的加权幂在线调整Markov参数.结果表明,与传统的交互式多模型粒子滤波(IMM-PF)算法、单模型算法和交互式多模型卡尔曼滤波(IMM-KF)算法相比,所提出的方法在观测噪声干扰的情况下可以自动调整系统模型,减小了不匹配模型的影响,提高了定位精度,实现了移动机器人的室内、外无缝定位.     

基于RSSI测距的井下人员区域定位算法

在煤矿井下人员定位系统中,常用的是基于无线传感器网络的定位方法,其中最适合实际应用的是基于接收信号强度指示(RSSI)的定位方法.为了进一步提高定位精度,针对煤矿井下特殊的巷道结构和复杂的电波传播环境,首先提出信标节点均匀间隔交叉分布模型.然后根据已知信标节点精确位置求得定位区域内RSSI测距误差的权值,通过引入比例调整因子、距离修正因子和差分平均因子,对目标节点的测距误差进行修正,获得区域内信标节点与目标节点之间较精确的距离量,最后利用加权质心定位算法对目标节点进行定位.仿真结果表明,该算法能够有效的提高目标节点的定位精度,尤其在沿巷道走向的水平方向上比其竖直方向的精度更高,该方法更适合煤矿井下特定的线型结构环境.     

基于行人航位推算的后向地磁匹配算法

针对行人航位推算(pedestrian dead reckoning,PDR)定位存在误差累积和智能手机内置传感器精度不高的问题,采用PDR结合地磁的方法进行室内定位研究,提出一种改进的基于PDR的后向地磁匹配算法.在构建地磁基准库阶段,使用克里金插值算法有效减少数据采集所耗费的大量时间并构建出双分辨率地磁基准库.在地磁匹配阶段,改进了基于动态时间规整(dynamic time warping,DTW)的后向地磁匹配算法,改进后的算法避免传统DTW地磁匹配需要全局搜索地磁序列的缺点,在保证定位精度的前提下,增强了定位实时性.实验结果表明,本文算法最大定位误差小于1.5m,可以满足普通室内定位需求.     

一种基于链路质量差值的无线传感器网络定位方法

针对基于测距的定位方法误差较大的缺陷,提出一种基于链路质量差值的节点定位方法.通过邻居信标节点的交互,获取相应的路径损耗因子,并根据信标节点和待定位节点间的不同链路质量值之差,利用极大似然估计实现低复杂度高精度定位.仿真结果表明,该方法同RSSI和DV-HOP等定位方法相比,具有较高的定位精度和定位成功率.     

基于多传感器数据融合的室内定位算法

基于惯性测量单元(IMU)的定位方法是一种全自主定位方法,该方法通常是基于单个IMU(Single-IMU)实施定位,其具有较大的漂移误差和累积误差.因此,提出了一种基于多个可穿戴式IMU(Multi-IMUs)与室内无线传感器网络(IWSN)的多传感器数据融合的室内定位算法,根据佩戴于不同部位的Multi-IMUs信息协同,提高人体姿态检测的有效性,并且利用模糊投票机制(Fuzzy Voting Scheme)融合Multi-IMUs位置信息;此外,结合IWSN,采用卡尔曼滤波算法(Kalman Filter Algorithm)融合IWSN解算出的位置信息与Multi-IMUs计算出的位置信息降低基于IMU的累积误差.实验结果表明,所提出的基于多传感器数据融合的室内定位算法能够识别出行走的姿态,与基于Single-IMU的定位算法相比,该算法有效地降低了累积误差和漂移误差,提高了室内定位的有效性和可靠性.     

基于RSSI的WSN节点室内定位分析

基于实验的基础,对基于接收信号强度（received signal strength indication,RSSI）的无线传感器网络（wireless sensor network,WSN）节点室内定位的几种不同情况进行分析.根据室内无线传播模型和实际测量数据得到RSSI室内传播模型;比较在不同位置的未知节点定位精度的不同;针对三点定位结果不理想的问题,采用粒子群优化（particle swarm optimization,PSO）算法对定位结果进行优化;比较不同数量的源节点对于节点定位精度的影响.当信标节点数量比较多时,通过筛选一些可靠的信标节点来提高定位精度.     

基于iBeacon的室内定位算法优化研究

针对无线传感网络中室内定位算法定位精度不高、算法收敛慢的问题,依托基于BLE 4.0的iBeacon基站设备,为提升室内定位算法精度和效率,提出IIDWC定位算法。该算法结合基于测距的RSSI技术、加权质心算法和倒数距离加权插值定位思想,在确定多个广播重叠区域加权质心坐标及其权重系数的过程中,反复利用倒数距离加权插值方法,通过提升关键锚节点在确定加权质心坐标过程中的重要性,进一步优化权重系数,在仿真环境中提升了定位精度和收敛速度。通过合理设置锚节点的功率、通信半径、部署密度和测量时间,该算法的定位精度能够达到0.8 m,满足了多数室内定位场景的技术要求。     

基于粒子群优化算法的井下目标定位方法

针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示:信标节点为5个,节点总数为15时,平均定位误差为0.877 m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21 m增长到4.65 m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82 m下降到0.76 m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。     

一种用于室内定位的线性规划算法

针对基于ToA定位中存在的信标节点较少和发送时间不能提前预知的问题,提出了一种新的应用于无线传感网络室内定位的线性规划算法.通过考虑测量值的最小平均绝对值误差,利用线性逼近方法,将一个复杂的、非凸的室内定位问题转换为一个简单的线性规划问题,并用迭代求精的方法求出最优解.仿真结果表明,提出算法计算复杂度低,收敛速度快,可以快速地求出未知节点的坐标;通过和已有的定位算法相比,提出算法在信标节点较少的情况下,仍能保持很好的定位精度,利用较少的节点资源达到比已有算法更好的定位性能.     

基于改进型粒子群优化的节点自定位算法

为了提高测距误差影响下无线传感器网络节点自定位精度,提出一种基于距离的节点自定位新算法.对混沌搜索与粒子群优化进行算法融合,给出一种改进型粒子群优化算法,将其应用于节点自定位.新算法利用未知节点与信标节点之间的距离信息,通过改进型粒子群优化算法获取未知节点的位置.仿真结果表明,改进型粒子群优化算法对两种标准测试函数的搜索结果优于一般的粒子群优化算法.在测距误差和信标节点数量相同的条件下,相对于最小二乘估计法,新算法在各个测距误差级上的定位精度更高,其定位误差随测距误差增大而上升的趋势更缓慢.新算法具有更好的鲁棒性,适用于测距误差较大、信标节点数量较少的情况.     

智能清管器检测管道缺陷的定位算法研究

研究了采用里程轮和加速度计实现智能清管器精确定位的三种算法,包括里程轮脉冲总数均分算法、里程轮速度补偿算法和加速度计定位法。其中加速度计定位法采用高分辩率加速度计测量清管器的轴向加速度,通过加速度值对时间进行二次积分运算并进行适当的误差修正,可以得到智能清管器行走的精确距离,依据时标与距离的线性关系,达到精确定位的目的。通过室内实验测量与分析,找出上述算法产生定位误差的原因,并提出了改进措施。智能清管器定位算法的研究与误差分析为提高长输管道缺陷的定位精度提供了相关理论指导。     

基于RSSI的室内定位改进算法

【目的】为提高室内环境的定位精度,提出一种改进的基于RSSI(接受信号强度显示)的室内定位算法。【方法】首先根据室内的实际布局情况对场所进行区域分割,然后采用等边三角形布局信标节点,接着用高斯模型对数据进行预处理,最后使用改进的加权三边测量法定位未知节点的最终坐标。【结果】改进的算法具有定位误差小、精度高的特点。【结论】该算法适用于室内精确定位,有利于无线传感器网络的发展。     

无线传感器网络节点定位误差的修正和仿真分析

针对传感器节点定位误差大、定位精度不高的问题,提出一种修正最小二乘法的无线传感器网络节点定位误差方法.该方法采用全局搜索能力强的粒子群算法对最小二乘法定位误差进行修正,提高了节点的定位精度.仿真对比实验结果表明,在相同条件下,改进后的节点定位算法的误差低于其他传感器节点定位算法,定位结果的稳定性更高;随着信标节点数的增加,平均定位误差明显减少,有效地提高了传感器节点的平均定位精度和定位速度.     

基于EC-TDOA和ZigBee技术的室内超声波定位系统

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0.02 cm,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4.3 cm和1.64 cm,而定位误差在2.5 cm以内的比例达到90%.定位频率为20 Hz,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..