基于多源數(shù)據(jù)融合的室內(nèi)定位算法的研究.pdf

1、定位技術(shù)是基于位置的服務(wù)(Location Based Service, LBS)的關(guān)鍵技術(shù)之一，定位系統(tǒng)的精度、功耗和魯棒性等因素都對(duì)基于定位技術(shù)的LBS應(yīng)用產(chǎn)生巨大影響。在現(xiàn)代的城市化環(huán)境中，越來(lái)越多的人類活動(dòng)發(fā)生在室內(nèi)，傳統(tǒng)的衛(wèi)星定位已不能滿足室內(nèi)LBS應(yīng)用的需求，專業(yè)的室內(nèi)定位技術(shù)至關(guān)重要。一方面，“互聯(lián)網(wǎng)+”戰(zhàn)略的提出帶動(dòng)了室內(nèi)LBS產(chǎn)業(yè)的興起；另一方面，大數(shù)據(jù)技術(shù)的繁榮也使得室內(nèi)LBS與其的關(guān)系越發(fā)密切，這兩方面的發(fā)展都需要

2、室內(nèi)定位技術(shù)的支持。
　　室內(nèi)定位技術(shù)的發(fā)展現(xiàn)在還處于初級(jí)階段，高精度、低功耗、低成本的室內(nèi)定位技術(shù)依然是學(xué)術(shù)界和工業(yè)界研究的熱點(diǎn)。本文針對(duì)多源定位技術(shù)展開(kāi)研究，希望通過(guò)多種定位技術(shù)融合定位的方式提高定位的精度，降低定位的成本。對(duì)此，本文研究了以下內(nèi)容：
　　(1)基于Wi-Fi和射頻識(shí)別(Radio Frequency Identification,RFID)數(shù)據(jù)融合的室內(nèi)定位方案
　　用按需部署的RFID標(biāo)簽配合少

3、量的Wi-Fi路由進(jìn)行融合定位，從而消除定位盲區(qū)，降低定位成本，再結(jié)合提出的室內(nèi)定位算法降低室內(nèi)噪聲對(duì)Wi-Fi信號(hào)的干擾，實(shí)現(xiàn)復(fù)雜室內(nèi)環(huán)境中的高精度的實(shí)時(shí)室內(nèi)定位。經(jīng)實(shí)驗(yàn)驗(yàn)證，本文提出的基于Wi-Fi與RFID數(shù)據(jù)融合的室內(nèi)定位方案在噪聲區(qū)間為[35dB,65dB]的室內(nèi)環(huán)境中，定位精度比基于標(biāo)準(zhǔn)Kalman濾波器的室內(nèi)定位算法提升了13％~28%。
　　(2)基于慣性測(cè)量單元(Inertial Measurement Unit

4、,IMU)定位的室內(nèi)行人定位模型
　　對(duì)智能移動(dòng)終端中IMU采集的傳感數(shù)據(jù)進(jìn)行校正和計(jì)算，對(duì)行人步行方向和行人步長(zhǎng)距離建立相應(yīng)的模型，并結(jié)合提出的自糾正粒子群優(yōu)化算法(Autocorrect Particle Swarm Optimization,APSO)進(jìn)行室內(nèi)定位，提高定位精度，糾正定位邏輯錯(cuò)誤。實(shí)驗(yàn)結(jié)果表明，基于本文提出的室內(nèi)行人定位模型，在50m直線行走的情況下，APSO算法比粒子群優(yōu)化(Particle Swarm O

5、ptimization,PSO)算法的最大定位誤差降低了150%左右，定位精度提升明顯。
　　(3)基于線性鏈條件隨機(jī)場(chǎng)(Linear Chain Conditional Random Field, LCCRF)的多源定位模型
　　首先，本文利用室內(nèi)場(chǎng)景磁感強(qiáng)度處處不相等的特點(diǎn)構(gòu)建了新穎的連續(xù)磁力指紋地圖；接著利用LCCRF框架，在基于IMU定位的基礎(chǔ)上，對(duì)磁力指紋地圖、BLE指紋地圖以及BLE的RSSI定位技術(shù)進(jìn)行定位融合