论文部分内容阅读
室内空间的位置感知功能对人们来说具有重要意义,是基于位置的产品和服务的一项关键的基本要求,在养老看护,消防救援,施工管理,智能交通等领域都有着重要的用途,高精度的室内跟踪与导航是当前的主要研究热点之一。在本文的工作中,使用了基于Zigbee技术的无线传感器网络(Wireless Sensor Network,WSN),具有低成本、功耗小、近距离,组网规模大等优点。本文将室内定位问题建模为非线性贝叶斯跟踪问题,以解决无线室内目标跟踪中的噪声和定位精度问题。基于改进的粒子滤波算法(Particle Filter,PF),对使用接收信号强度指示(Received Signal Strength Indication,RSSI)测距的室内目标跟踪问题进行了研究,粒子滤波框架算法的优势在于其可以适用于任何系统,并没有线性或高斯分布的前提条件限制,精度与模型和分布也无关。由于其有较强的适应性和更加均匀的精度,在实际的状态估计问题中是一个理想的解决方案。算法的精度与所选取的重要性函数和粒子数量有关,因此针对粒子贫化问题和RSSI测量数据不稳定的问题,主要从优化粒子分布和RSSI数据预处理两方面做出了改进,从而提高了目标跟踪的精度。首先,对粒子分布进行了优化,提高了滤波算法的估计性能。高斯粒子滤波器(Gaussian particle filter,GPF)得到后验估计的粒子分布之后,引入了引力搜索算法(Gravitational Search Algorithm,GSA),导致粒子朝高似然区域运动,可以减少有效粒子的损失。并且,提出的算法无需标准PF中的重采样阶段,也保证了粒子的多样性。数值仿真实验说明,改进的GSA-GPF抑制了标准PF会发生的发散现象,在抽取少量粒子时,跟踪误差比PF减少了大约64.1%,而且比粒子群算法优化的GPF提供了更好的精度。其次,我们通过对测量数据的预处理提出了一种级联滤波器,无迹卡尔曼滤波器(Unscented Kalman Filter,UKF)可以降低环境噪声的影响,减小RSSI由于噪声引起的波动,然后将滤波后的RSSI值输入到PF中。设计和实现的UKF-GPF级联算法,与在2D环境中仅使用GPF相比,定位精度提高了约33.72%。此外,搭建了基于Zigbee的WSN,在建立的低成本低功耗室内定位系统中,进行了目标跟踪测试,验证了所改进算法的有效性。