MEMS-SINS-iBeacon室內(nèi)組合導(dǎo)航與定位系統(tǒng)研究.pdf

1、目前室內(nèi)定位技術(shù)依然在藍海階段，其應(yīng)用意義不亞于室外定位技術(shù)。分析當(dāng)前在智能手機上的室內(nèi)定位技術(shù)精度低及難實現(xiàn)的問題，研究基于MEMS-SINS的行人航位推算算法及基于iBeacon室內(nèi)定位技術(shù)，提出了基于MEMS-SINS/iBeacon的室內(nèi)組合導(dǎo)航與定位系統(tǒng)算法。
　　在研究基于MEMS-SINS的行人航位推算算法過程中，針對載體在變速運動時因為加速度計不能區(qū)分重力加速度與運動加速度引起基于互補濾波的姿態(tài)解算誤差較大的問題，

2、提出一種互補與自適應(yīng)限幅組合濾波的姿態(tài)解算算法，并給出了自適應(yīng)限幅濾波門閥的設(shè)計方法；針對直接應(yīng)用MEMS-SINS時積分誤差較大的問題，設(shè)計根據(jù)行人步行狀態(tài)來自適應(yīng)調(diào)整的行人步伐檢測算法，及基于導(dǎo)航坐標系水平加速度的步長估計模型。在研究基于iBeacon的室內(nèi)定位算法過程中，針對在線匹配階段實時iBeacon RSSI值波動大，易匹配到相似度高但是距離遠的定位點的問題，提出基于距離的KNN加權(quán)算法；針對應(yīng)用于RSSI指紋庫優(yōu)化的主流的

3、聚類技術(shù)存在時間復(fù)雜度高的問題，提出基于RSSI排序特征向量的指紋庫處理算法，并給出了對應(yīng)的指紋匹配算法。分析了MEMS-SINS及iBeacon定位的優(yōu)缺點后，提出基于自適應(yīng)卡爾曼濾波的MEMS-SINS、iBeacon定位數(shù)據(jù)的融合方案,并論述確定估計狀態(tài)量、狀態(tài)轉(zhuǎn)換矩陣、測量矩陣及用輸出相關(guān)自適應(yīng)法將離散卡爾曼濾波自適應(yīng)化的詳細過程，并給出自適應(yīng)卡爾曼濾波初始化的詳細步驟。最終得出一個完整的MEMS-SINS/iBeacon室內(nèi)組

4、合定位與導(dǎo)航系統(tǒng)算法。
　　實驗表明，基于組合濾波的姿態(tài)解算算法，精度高，計算量小，易于在手機定位系統(tǒng)中實現(xiàn)；自適應(yīng)行人步伐檢測算法及步長估計模型在智能手機上的定位應(yīng)用都比傳統(tǒng)的行人航位推算算法精度更高；基于RSSI排序特征向量的指紋庫處理算法及指紋匹配算法能自動對定位空間分塊，有效抑制定位點的突變，降低匹配算法的時間復(fù)雜度等，是一種高效的指紋定位算法；采用自適應(yīng)卡爾曼濾波的數(shù)據(jù)融合策略的整體設(shè)計方案能很好地應(yīng)對復(fù)雜的室內(nèi)定位環(huán)境