基于自适应修正曼哈顿距离的室内定位方法

在室内WiFi环境下,针对常见指纹匹配算法所忽略的信号波动问题,提出了一种基于自适应修正曼哈顿距离和AP选择的指纹匹配算法,并结合加权K近邻方法实现定位。首先采用AP选择算法获取部分受干扰程度小和出现频率高的AP,在指纹匹配时仅使用该部分AP的接收信号强度进行计算;在分析WiFi信号传播衰减公式和信号波动的基础上,提出了将自适应修正曼哈顿距离作为指纹匹配的度量距离,使用该距离旨在平滑信号波动对指纹相似度计算的影响;最后采用加权K近邻方法估计测试点的坐标。实验结果表明,在加权K近邻方法的框架下,基于自适应修正曼哈顿距离的定位算法在定位精度上优于基于欧氏距离、曼哈顿距离、余弦距离和Sorensen距离的定位算法。     

信道状态信息指纹定位算法性能评价方法研究

基于WiFi的定位技术大多使用接收信号强度,但该方法受多径和噪声干扰较大,精度有待提高。信道状态信息(channel state information, CSI)能够更加精细地描述信道状态,具有更强的稳定性。将CSI作为格点特征建立指纹定位数据库,利用该指纹库和在线测量数据,比较了多种定位算法在位置指纹法中的定位效果,并提出了评价KNN、wKNN和随机森林算法的一种评价依据和样本容量扩充方法,分析了三种方法随样本容量增加时定位时间和定位精度的稳定性,从包含定位精度在内的多种角度更加全面地评估了三种方法。结果表明,在以上三种定位算法中,随机森林算法的定位时间与定位精度的稳定性最好。     

基于邻近点特征的地磁室内定位方法及性能分析

地磁室内定位以其成本低、适用范围广、复杂度低的特点而受到广泛关注。然而,它的定 位精度不稳定,且指纹采集工作量较大。因此,提出了一种基于磁场信息的邻近点特征,可由指纹 数据求得,特征范围是0~1。经实验证明,邻近点特征与定位精度呈正相关关系。邻近点特征越 大的测试点定位误差越小,定位准确率越高。邻近点特征均值越大的室内区域定位误差越小。结 合邻近点特征与快速构建指纹库的方法,可以实现对室内区域定位精度的预判,为室内区域定位 方法的选择提供依据。针对邻近点特征较大的室内区域,提出了使用插值算法以减少指纹库的采 集量。在实验中,仅采集原有指纹点的29.6%依然具有较好的定位表现,对定位精度的影响较小。 使用邻近点特征可以极大地提高地磁室内定位的效率。     

基于WiFi指纹库的室内定位研究进展和展望

首先简要说明了室内定位技术中WiFi定位的优势;然后通过梳理WiFi指纹库的室内定位相关技术研究,简要阐述了WiFi信号的相关特性,并以实验作为佐证,重点介绍了信号传播模型、指纹库构建方法、指纹信号匹配准则和不同手机对WiFi信号敏感差异的标校等相关技术进展;最后,简要介绍了WiFi室内定位技术的未来发展趋势。     

基于轨迹拐点滤波的激光雷达里程计定位算法研究

在GPS拒止环境下，激光雷达里程计可以利用帧间匹配跟踪车辆实现定位，但是定位误差随时间累积的特性造成激光雷达里程计(LO)缺乏持续性。为解决LO的误差累积问题，引入轻量级地图OSM。基于粒子滤波框架，以LO作为运动模型的输入，通过两次筛选提取拐点，利用拐点匹配完成与地图的对齐，并以粒子的均值作为车辆校正后的位置，实现对定位误差的校正。提出了一种新的粒子权重模型，利用不同节点的相似度模型及测量值作为粒子权重的更新依据，避免拐点与路网节点的错误关联导致定位误差加大。经由KITTI数据集上的实验验证，该算法可以有效克服LO误差漂移问题，相较于原始LO定位精度至少提高了49.22%，且具有较好的实时性。     

非视距误差神经网络改正的超宽带定位模型研究

非视距环境是造成超宽带定位系统精度下降的主要原因。由于非视距环境的测距精度下降难以通过常规计算方法建立改正模型,提出了一种基于反向传播算法的神经网络改正的超宽带稳健定位模型。该方法通过反向传播神经网络的自适应学习方法建立了一种超宽带非视距误差改正的稳健定位模型,实现了在非视距环境下超宽带定位精度的提升。首先采集非视距环境下超宽带测距值,提取超宽带在非视距环境下的坐标序列,计算得到误差序列,然后通过反向传播神经网络建立误差改正模型预测得到标签的误差改正值,最后使用超宽带Kalman滤波定位模型进行超宽带定位,从而消除非视距环境对定位精度的影响。通过对比实验分析,本模型较多项式拟合模型超宽带测距精度提高46.8%,定位精度提高43.4%;较多面函数拟合模型超宽带测距精度提高28.2%,定位精度提高26.2%。实验结果表明,反向传播算法的神经网络对超宽带非视距定位模型的误差改正有很好的效果,对超宽带定位精度的改正效果显著。     

基于铱星/INS组合定位技术在船舶中的应用研究

GNSS拒止环境下惯性/GNSS组合导航系统的性能会严重恶化,通过利用并提取机会信号中的有用观测量,可以实现机会信号和惯性系统的联合动态定位。提出了利用铱星/INS组合定位技术实现船舶的动态定位。首先深入研究了铱星的信号体制,建立了利用铱星瞬时多普勒频移进行定位的算法模型;然后,提出了利用基于扩展卡尔曼滤波(EKF)技术的铱星机会信号与INS组合定位算法;最后,通过船舶航行实测数据对所提算法进行了试验验证。结果表明,提出的利用铱星机会信号和INS组合定位方法可以有效改善无GNSS信号条件下的INS定位精度,在GNSS信号拒止环境下解决了船舶定位问题,具有重要的研究意义和实用价值。     

一种利用栅格光源特征编码的室内定位技术

目前,几种主流的室内定位技术分别存在定位精度低、设备成本高、易受环境干扰等一种或多种缺点,基于可见光通信的室内定位技术成为了研究热点。不同于主流的室内定位技术,提出了一种利用栅格光源特征编码的室内定位方案,先使光源照射区被划分为栅格,再用光源闪烁传递栅格特征信息,用户端接收闪烁光信号,对其解码实现定位。利用的编码方式结构巧妙,可以有效避免误读,同时相邻栅格编码相似度高,有利于跨栅格定位。在实验室中,以普通投影仪生成栅格光源,以市售安卓智能手机为用户终端,在较理想条件下的测试表明,该方案在动态和静态情况下均可确定用户位置,定位精度达到半个栅格,定位准确率达到100%。     

考虑关节回差的工业机器人精度补偿方法

工业机器人由于绝对定位精度低的缺点一直难以应用于航空航天高精制造领域。影响机器人定位误差的因素较多,对精确建立其误差模型提出了严峻的挑战。现有的建模方法通常将机器人定位误差与其位姿关联,忽略了同一位姿下关节回差对其定位误差的影响。为提高工业机器人绝对定位精度,提出了一种考虑关节回差的工业机器人误差相似度精度补偿方法。基于改进的Denavit-Hartenberg模型建立了包含机器人几何误差、坐标系误差和传动误差的综合辨识模型,利用最小二乘法辨识了关节回差。根据辨识得到的关节回差等参数构建了误差相似度模型,使用3种型号的机器人验证了该方法对提高机器人绝对定位精度的可行性和通用性,最终通过KUKA KR500-3机器人进行了制孔试验验证。试验结果表明,该方法相较于传统方法将机器人定位误差降低了约0.1 mm,精度提高了30%以上,制孔孔位精度从0.701 mm提升至0.134 mm,为有效提高工业机器人的绝对定位精度提供了一种技术手段。     

基于改进WKNN的位置指纹室内定位算法

位置指纹算法是目前解决室内定位问题的主要方法,指纹特征和匹配算法为影响算法精度的两大因素.针对室内复杂环境下Wi-Fi信号强度波动较大的现象,提出了基于方差的加权距离以改进WKNN算法.在离线特征提取阶段,选择了均值和方差两个特征值,既反映该采样点的RSS幅值,也反映该点RSS的波动情况;在线阶段,根据方差提出了加权距离进行相似度的计算,查找距离最近的K近邻点,并以实际环境下采集的数据验证了改进WKNN算法在RSS波动大的情况下对定位效果的改善,在综合考虑了AP组合的影响后,实现了误差均值为1.456m的定位效果.     

A novel particle filter approach for indoor positioning by fusing WiFi and inertial sensors

WiFi fingerprinting is the method of recording WiFi signal strength from access points(AP) along with the positions at which they were recorded, and later matching those to new measurements for indoor positioning. Inertial positioning utilizes the accelerometer and gyroscopes for pedestrian positioning. However, both methods have their limitations, such as the WiFi fluctuations and the accumulative error of inertial sensors. Usually, the filtering method is used for integrating the two approaches to achieve better location accuracy. In the real environments, especially in the indoor field, the APs could be sparse and short range. To overcome the limitations, a novel particle filter approach based on Rao Blackwellized particle filter(RBPF) is presented in this paper. The indoor environment is divided into several local maps, which are assumed to be independent of each other. The local areas are estimated by the local particle filter, whereas the global areas are combined by the global particle filter. The algorithm has been investigated by real field trials using a WiFi tablet on hand with an inertial sensor on foot. It could be concluded that the proposed method reduces the complexity of the positioning algorithm obviously, as well as offers a significant improvement in position accuracy compared to other conventional algorithms, allowing indoor positioning error below 1.2 m.     

基于PDR和磁场匹配的智能手机室内定位

目前，基于磁场的室内定位方法存在指纹采集无法快速建库的问题，导致匹配特征较少、无法快速进行匹配操作和航向角估计精度低。基于磁场梯度的快速近似，使用高斯牛顿迭代方法结合通过PDR测量的轨迹进行磁场轮廓匹配定位，提高了单点磁场指纹的可分辨性。基于步态模型的更新用作测量信息以改善C-INS的导航性能，提出了一种基于捷联惯性导航系统的行人航位推算算法。基于MFS参考位置，使用扩展Kalman滤波器控制PDR惯性导航的位置漂移误差，进一步提高了轨迹轮廓的精度。测试结果表明，该算法可以获得更好的位置估计和航向估计结果。     

基于WLAN的室内定位方法研究

室内定位技术是指当携带定位设备的人或物处于室内环境时,携带者或外部监控系统获取其室内位置信息的技术。选取了目前应用前景较为广泛的WLAN定位技术进行研究,阐述了WLAN室内定位技术的基本原理,对比分析了目前两大WLAN定位技术:三边定位法和指纹定位法。针对现有技术的不足提出了新算法进行优化和改进,选取实际环境设计实验验证算法性能,结果表明新算法综合现有技术优点,可在降低成本的同时提高精度并减少运算时间。     

Intelligent SINS/RDSS Integrated Algorithms for Land Vehicle Navigation

This is a discussion of the design of strap-down inertial navigation systems (SINS) and radio determination satellite service (RDSS) integrated navigation algorithms. The research aims at testing the effectiveness of artificial intelligence (AI)-aided Kalman filtering (KF) approaches for land vehicle applications. A back-propagation neural network (BPNN)-aided K*F algorithm and a fuzzy inference-based KF algorithm are presented in order to overcome the time delay of RDSS positioning provided by a double-star positioning system in China. Traditional KF causes biased solutions, and indeed, leads to filter instability easily since the time delay of RDSS positioning, in an active mode, is hard to be modeled and sometimes suffers from RDSS outages. Therefore, a fuzzy inference is used to correct the variance matrix of KE measurement noises adaptively; and a trained BPNN corrects the outputs of the Kalman filter. The algorithms proposed herein have been verified on real SINSIRDSS data. collected in land vehicle tests and are compared with other approaches. The results demonstrate that fuzzy inference-based KF algorithms improve the positioning accuracy to over 40 % better than KF algorithms, and BPNN-aided KF algorithms have the same precision as GPS which is the reference station In dynamic experiments without RDSS outages. The test results with RDSS outages indicate that the fuzzy inference-based KF is feasible but with positioning errors of hundreds of meters, so the BPNN-aided KF is designed to efficiently compensate for RDSS outages and improve system performance.     

北斗三号系统精密单点定位服务解析与应用

为提高北斗三号系统在高精度应用领域的竞争力,规划并设计了精密单点定位服务.基于精密单点定位服务信号接口控制文件,对北斗三号精密单点定位服务的信号设计进行解析,并提出了一种用户应用算法,最后给出了北斗三号精密单点定位服务的试验验证结果.试验结果表明,北斗三号精密单点定位服务水平定位精度优于0.3m,高程精度优于0.6m,收敛时间小于30min.     

高轨导航接收机的时钟辅助定位算法

针对高轨卫星导航接收机接收信号弱、可用卫星少及定位精度差的问题,提出利用恒温晶振的频率稳定性抑制观测噪声,进一步改善定位精度的时钟辅助定位算法。通过区分星历星钟误差和用户测距误差在本算法中的不同传递路径,在理论上给出了算法的定位精度与星座几何构形之间的关系,并指出本算法在高轨场景下具有显著的精度优势,在低轨和地面场景下没有精度优势。仿真试验证实了算法的有效性,在典型的高轨场景下,本算法的单点定位误差仅是标准算法的1/10。