论文部分内容阅读
室内定位技术已广泛应用于商场导航、智能家居、人员搜救等领域,具有不可估量的商业价值和非常广阔的应用前景。全球导航卫星系统（GNSS）可以为室外定位提供良好的定位精度,然而在室内环境下卫星信号的不可见使得室内的位置信息获取困难,从而难以满足室内定位的需求。因此,如何实现室内环境下满足需求的定位服务成为了国内外研究的热点。虽然现阶段已经开发出许多关于室内定位技术的应用,但在室内这一复杂多变的时空环境下,室内单一的定位技术由于自身的局限性而效果不佳。参考室外的组合导航,融合定位技术成为了解决这一难题的有效方法。本文将分别从WiFi指纹定位和行人航迹推算（PDR）展开研究,对WiFi指纹定位和PDR定位存在的问题进行了合理改进,研究了两者定位信息互相融合的方法。文章研究内容如下:（1）针对WiFi指纹离线信号强度数据采集耗时费力的问题,提出改进的克里金插值算法快速构建离线指纹数据库。首先利用粒子群优化算法来更加准确地拟合变异函数模型,然后根据已知点的数据及拟合的变异函数模型在未知点进行插值得到离线指纹数据库。实验结果表明改进的克里金插值算法的插值效果较好,其建库效果接近传统网格采集法。（2）针对WiFi指纹在线定位匹配算法,提出了改进参考点排序的在线定位算法,减少WiFi信号强度动态变化以及物理位置信息带来的影响。实验结果表明所提算法的定位误差在3m以内的误差累计分布概率达81%,相比其他传统机器学习定位匹配算法具有更高的定位精度。（3）针对智能手机内置传感器数据处理问题,提出了基于有限状态机的步态检测算法以及利用卡尔曼滤波进行航向角的平滑来进行PDR解算;通过滑动窗口对加速度数据进行特征提取,并利用XGBoost分类算法进行模型训练来识别行人运动状态。实验结果表明所提步态检测算法抗干扰能力较强,航向估计误差较小;XGBoost分类算法识别准确率达95.3%,能够有效利用识别结果来辅助PDR定位。（4）针对WiFi指纹定位结果跳变和PDR定位误差累计的问题,提出优化的WiFi/PDR融合定位算法。利用PDR解算中的步长信息来对WiFi指纹定位进行约束,然后再利用扩展卡尔曼滤波将约束后的WiFi定位结果和PDR的解算结果进行融合。分别就正常步行和快速步行开展WiFi定位、PDR定位、EKF融合定位以及优化融合定位进行实验验证,优化融合定位结果更加接近实际轨迹。正常步行和快速步行情况下的融合定位精度分别为0.86m和0.98m,精度和稳定性都明显优于WiFi指纹定位、PDR定位和EKF融合定位结果。