基于慣性傳感器和WiFi聯(lián)合室內定位方法的研究與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著WiFi無線接入點的廣泛覆蓋和內置慣性傳感器的智能手機的普及,基于WiFi和慣性傳感器的室內定位技術成為當前室內定位研究的熱點課題。WiFi定位技術,覆蓋范圍廣,無需增加額外的硬件設備,但定位精度有限。慣性定位技術在短時間內的定位精度高,但隨著時間的增加,會出現(xiàn)誤差的累積。將這兩種定位技術結合起來,既能提高室內定位精度,又能降低成本,解決了當前室內定位存在的共性問題。
  本文在研究WiFi定位和慣性傳感器定位影響因素的基礎上

2、,提出了三種融合室內定位算法。一是改進的慣性定位輔助位置指紋定位算法。該算法以WiFi位置指紋定位為主,離線訓練階段,采集大量的RSSI數(shù)據(jù),建立位置指紋庫,在線定位時,采用樸素貝葉斯算法估算出用戶的位置。新增滑窗功能用于檢測WiFi定位是否發(fā)生跳變,在出現(xiàn)跳變或者定位精度較低的情況下,用改進的慣性定位輔助,從而提高室內定位的精度。二是位置指紋智能輔助積分定位算法。該算法以慣性積分定位為主,在WiFi信號強且定位精度高的地方,用位置指紋

3、定位結果對積分定位進行校正,同時給出了智能檢索用戶初始狀態(tài)的算法,解決了積分定位初始位置需要事先設定的問題。三是行人航跡推算與位置指紋融合定位算法。行人航跡推算采用加速度計和磁力計讀出的數(shù)值,進行步態(tài)檢測、方向檢測和自學習步長估計,推算出行人位置。在WiFi信號強的時刻,使用位置指紋法定位,并對行人航跡推算累積誤差進行校正,在信號較弱的情況下,用上一時刻定位結果與行人航跡推算法聯(lián)合定位。實驗結果表明,這三種融合室內定位算法均提高了室內定

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論