论文部分内容阅读
近年来,随着移动互联网技术和基于位置服务LBS(Location Based Services,LBS)的快速发展与普及,人们对室内位置服务需求也愈加强烈。传统单一定位技术由于自身局限性,已无法满足人们在复杂室内环境中的定位需求,采用多种定位技术融合定位已经成为室内定位领域的研究热点。考虑到定位成本、兼容性、定位精度等因素,大部分研究者逐渐将目光集中到WiFi定位和基于惯性传感器的行人航迹推算PDR(Pedestrain Dead Reckoning,PDR)定位方面。WiFi定位是利用无线接收信号强度RSSI(Received Signal Strength Indication,RSSI)进行位置定位,其定位精度受限于RSSI的稳定性。在实际应用中RSSI易受外界环境影响,波动性较大,这给定位精度带来了非常不利的干扰。PDR定位精度较高,其使用的传感器信息(如惯性传感器)不易受外界环境影响,但该方法在长时间定位时容易产生累积误差。因此,本文针对WiFi定位和PDR定位的优缺点,提出了一种基于WiFi和惯性传感器的多信息融合室内定位方法,分别对WiFi定位和PDR定位进行了优化和信息融合研究。在Wi Fi定位方面,为了降低响应时间,本文首先利用K-means算法构建位置指纹数据库,然后采用基于WiFi指纹的SVM分类定位算法获取位置信息。在PDR定位方面,针对行人步态检测,本文提出了基于动态阈值的自适应波峰检测算法,采用滑动窗口算法求取动态阈值,实现行走过程中更高精度的步数统计;针对行人行走的不确定性,使用WiFi定位动态修正步长;为了减小航向干扰,使用航向矫正算法纠正行人航向。在融合方面,为了充分发挥两种定位技术的优势,本文提出了一种基于扩展卡尔曼滤波的融合算法,既可利用Wi Fi定位减小PDR定位的累积误差,又可通过PDR定位减小WiFi定位的波动性。最后,本文基于Android平台和Windows+Apache+MySQL+PHP框架分别实现了系统的定位客户端和定位服务器端。通过客户端采集实验数据,从定位精度、计步准确率、行人步长估计准确率、定位轨迹对比等方面对该系统所提方法的可行性与有效性进行了验证和评估。结果表明本文提出的多信息融合定位方法相比单一WiFi定位、PDR定位有明显的优势。