论文部分内容阅读
智能终端相关技术的发展,对实现城市峡谷、室内盲区和封闭地下空间的位置服务提拱了机遇,随之,基于广域和局域层面上的多种室内定位方案应运而生。然而大多数室内定位方案存在对室内环境、定位设备、用户状态、定位终端状态和定位区域的诸多限制,急需研究自适应环境变化、稳定、可靠的室内全空间导航定位技术。目前Wi-Fi网络和智能移动终端已逐渐普及,且内嵌有Wi-Fi模块和各种惯性传感器等,故在智能终端平台上研发室内定位系统具有可行性和实用性。本文以室内环境为切入点,通过实验找出室内定位效果的影响因素,采用Wi-Fi定位模型和行人航迹推算模型,分别获取绝对位置信息和相对位置信息,从而设计相应的定位算法和融合方案来解决或削弱定位影响。主要研究内容如下:(1)以Wi-Fi信号特征分析为切入点,分别从时间和空间两个方面研究。在这两个方面、四种情况(仅考虑随机因素影响的短时间间隔和微空间距离变化,可忽略随机因素影响的时间间隔和空间距离变化)下分析了Wi-Fi信号特征规律。(2)基于KNN算法,结合所得的Wi-Fi信号特征,考虑特定区域和实际室内定位环境,提出了自适应环境变化的Wi-Fi定位算法。包括提出了人工矢量域聚类算法,以满足特定区域的位置服务需求;基于具有较稳定Wi-Fi信号的AP点和定位终端间存在着稳定的空间位置关系的特性,改进了KNN算法,以削弱随时间推移Wi-Fi信号的波动对定位结果的影响;提出了识别单体故障AP方法,增强了Wi-Fi定位对突变因素的识别和剔除能力;并利用Wi-Fi定位中欧式距离和定位效果对应关系,提出了一种粗略判别指纹库有效性的方法。(3)结合不同运动场景和行人跨步统计结果,分析了惯性传感器信号特征。依据分析结果,采用数字FIR带通滤波器对传感器信号进行预处理;通过利用行人在静止、正常行走和跑步时一步所消耗的时间与一步时间内样本粒子数的相关性,以自适应波峰检测算法所获取的样本粒子数,来识别运动状态;得出在航向上,由于不同环境下磁偏角和不同运动场景下定位终端的放置偏角不同,在多种运动场景并存的情况下,通过惯性传感器获取的航向信息无法应用于室内定位的结论。(4)利用两种定位模型较强的非相似性和互补性,基于粒子滤波,研究以Wi-Fi定位为主,行人航迹推算为辅的组合定位方法。在粒子滤波运用上,从易于实现、具有较宽分布和充分利用最新的观测信息等角度考虑建立重要性分布函数,对系统状态的后验概率分布采用局部非线性滤波算法,如EKF进行初始估计,确定出粒子分布的定义域,在此定义域上利用高斯分布生成粒子滤波的重要性分布函数,最后基于粒子滤波完成定位。