论文部分内容阅读
近年来,越来越多的研究人员将多种定位技术相融合去克服单一技术带来的局限性,并应对复杂多变的环境,提高了定位精度。其中基于WiFi技术与惯性技术的融合方法由于其基础设施的普遍性得到了广泛的研究。在WiFi技术与惯性系统的融合方法中,两种方法各自的性能影响着融合方法整体的性能。由于室内定位系统最终面向市场,目前室内行人导航系统的主要研究方向由原来单一的定位精度趋向于如何在保证定位精度的同时,降低系统的成本,提升系统在线时的响应性能。在研究分析了大量融合定位方法的基础上,本文从单独的WiFi与惯性传感器方法进行研究,最终达到优化两者融合方法的目的。文章的主要研究和工作如下:(1)在单独的WiFi定位技术中,针对利用RSS定位时精度低与利用CSI定位时时间长的问题,提出了一种基于WiFi两种信号的二阶段室内指纹定位方法。考虑到WiFi技术中利用两种信号分别进行定位时的优缺点,充分结合利用RSS定位方法速度快与CSI定位方法精度高的优点,首先利用RSS与MDS算法进行粗定位并构造子指纹库,由于CSI数据在计算中成本较高,随后通过线性时域滤波减少了CSI数据的冗余,最后在新构造的子指纹库中利用处理后的CSI信号精确定位。保证定位精度的同时,提升了系统的响应性能。(2)针对室内无WiFi信号或者WiFi信号过于微弱不可用与利用惯性定位系统实现定位时累积误差过大的情形,提出了一种基于改进粒子滤波的地图辅助算法。为了降低INS模块步态检测误差,利用自适应高低阈值方法来减少变速行走状态下的步态检测错误次数。引入级联结构降低上层粒子滤波的更新频率,降低开销,最后面对粒子滤波更新过程中粒子匮乏问题,利用改进的萤火虫算法在量测更新阶段改变穿墙粒子的状态,提升了粒子滤波的性能,提高了定位精度。(3)针对以往基于KNN模型的融合定位方法离线阶段花费过高、扩展性能与在线响应性能差的问题,以及多层建筑物中的三维定位需求,提出了一种基于WiFi与惯性传感器的三维定位方法。通过引入MDS模型,在实现较大面积定位时,提升了WiFi与多传感器融合定位系统的扩展性,在保证定位精度的同时,提升了系统的响应性能。提出的WiFi与多传感器联合高度估计方法在没有额外部署设施(例如,摄像头)的条件下,可以实现连续稳定的高度测量。