论文部分内容阅读
单一数据源的室内定位系统难以满足人们对基于位置的服务的需求,高效的室内融合定位技术成为当前的研究热点。然而,融合定位系统的定位精度仍受限于各子系统的精度。提高各个独立定位系统的定位精度再将其融合,可以得到更优的定位结果。本论文分别对基于智能终端平台的蓝牙定位算法和行人航位推算(Pedestrain Dead Reckoning,PDR)算法进行改进,并最终实现了基于智能终端的室内融合定位算法。具体工作归纳如下:1.提出了一种基于运动模式识别的PDR算法。首先对基于智能终端的PDR算法中的航向估计、步数检测和步长估计三个问题进行了研究。由于用户的步长和其运动模式具有相关性,提出利用动态时间规整(Dynamic Time Warping,DTW)算法识别用户运动模式,然后根据运动模式动态估计步长的PDR算法。该算法能够解决传统机器学习算法中特征选择困难,计算复杂的问题。实验结果表明,基于运动模式识别的PDR算法能够提高定位精度。2.提出了一种接收信号强度指示(Received Signal Strength Indication,RSSI)实时修正算法。分析蓝牙室内定位系统中误差产生的原因,并对智能终端采集的RSSI进行误差分析。针对智能终端采集的RSSI存在波动的问题,提出了一种利用蓝牙网关实时修正RSSI的算法,能够在满足较低时延的条件下得到更平滑稳定的RSSI数据。实验结果表明,该算法能够降低RSSI波动造成的定位误差。3.提出了基于PSO-BPNN(Particle Swarm Optimization-Back Propagation Neural Network)的RSSI测距方法。利用PSO-BPNN训练RSSI与距离的映射关系,与传统模型相比,该模型能够更准确地估计盲节点与蓝牙信标间的距离。4.针对单一数据源的室内定位系统定位精度较低的问题,研究多传感器融合的定位算法,并采用粒子滤波算法将本文所提基于运动模式识别的PDR算法与基于改进RSSI测距模型的蓝牙定位算法进行融合,最终实现基于智能终端的室内融合定位算法。实验结果表明,该算法能进一步提高系统的定位精度。