论文部分内容阅读
随着第四次科技革命的深入发展,物联网等新兴技术的市场将被广泛开拓,室内定位技术也是其中一员。Wi-Fi信号功率可以作为表征地理位置信息的“指纹”,以此为基础可进行指纹匹配定位。然而多变的室内环境导致Wi-Fi信号波动较大,所以定位准确度较低。地磁强度信息是室内环境中稳定性较高的信息资源,而且室内地磁信号的强度分布不均匀,这使得地磁信息也可以作为区分地理位置的有利依据。然而,不同地理位置的地磁强度又可能是相似的,单独使用地磁信息进行室内定位的算法比较复杂,不易于实现。根据行人运动特征而提出的行人航位推算定位,以递推的形式估计行人位置坐标,该定位方法存在累积误差,无法实现高质量的定位目标。由于单一的Wi-Fi、地磁和行人航位推算定位都存在明显的缺陷,为实现优势互补,克服彼此的不足,经过对相关文献的研究和实验分析,本文将改进粒子滤波融合定位系统作为最终的定位方案,其研究过程分为如下三步进行:(1)本文基于Wi-Fi和地磁进行扩展指纹定位。离线阶段,多次采集室内所有参考点处多个Wi-Fi信号功率和地磁强度数据,分别进行均值处理和高斯拟合处理,生成初始的指纹数据库,再经过三次样条插值处理,构建丰富的扩展指纹数据库。在线阶段,采集待定位点的Wi-Fi和地磁指纹信息,基于自适应加权K近邻(Self-adaptive Weighted K-nearest Neighbor,SA-WKNN)算法对待定位点进行位置估计。经验证,扩展指纹比单一指纹的定位性能更优。(2)针对行人航位推算定位,本文通过智能手机的惯性传感器采集行人行走过程中的加速度、角速度和方向数据。根据加速度数据估算出步数和步长,根据角速度和方向数据联合估计前进的方向角,再结合行人上一步的位置坐标便可估算出当前位置坐标。经验证,改进后的步长和方向估计都实现了良好的效果。(3)本文采用马尔可夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法对粒子滤波(Particle Filter,PF)进行了改进。基于改进PF算法对上述两种定位方法进行融合,将扩展指纹定位的结果作为测量值,将行人航位推算定位结果作为状态值,据此完成动态的融合定位。经过与传统的融合定位算法相比较,本文提出的算法能实现精度更高、稳定性更好的定位效果。