【摘 要】
：
随着移动互联网、地图测绘和室内导航技术发展,基于位置的服务受到了极大地关注。据统计人们平均80%的时间是在室内,数据连接应用平均80%也在室内,在室外广泛使用的卫星定位技术全球定位系统和北斗定位系统仅仅支持室外定位,在室内复杂环境中无法进行精确地位置服务。随着数字化时代的到来,无线技术的迅猛发展,移动技术得到了广泛的应用,人们开始了对室内定位技术的研究和探索。由于单一定位技术存在精度有限、稳定性不
论文部分内容阅读
随着移动互联网、地图测绘和室内导航技术发展,基于位置的服务受到了极大地关注。据统计人们平均80%的时间是在室内,数据连接应用平均80%也在室内,在室外广泛使用的卫星定位技术全球定位系统和北斗定位系统仅仅支持室外定位,在室内复杂环境中无法进行精确地位置服务。随着数字化时代的到来,无线技术的迅猛发展,移动技术得到了广泛的应用,人们开始了对室内定位技术的研究和探索。由于单一定位技术存在精度有限、稳定性不足、受环境影响较大等问题。本文提出了一种基于Wi Fi/蓝牙/PDR的融合室内定位方法。主要内容研究如下:提出了一种基于CMF-WKNN的Wi Fi定位算法。在离线阶段,先通过加权中值滤波和聚类算法建立指纹库,以此来减少在线阶段匹配的时间复杂度,提高Wi Fi定位的效率。在线匹配阶段,在WKNN算法的基础上对k值选取进行优化,提升算法的精度。最后通过加权融合方法得到最终的位置信息。提出了一种基于JP-WKNN的蓝牙定位算法。该算法在WKNN定位算法基础上,利用加权质心法进行融合,获得最终蓝牙定位坐标。并设计了基于自适应加权的Wi Fi/蓝牙融合定位算法,在进行一次Wi Fi定位的同时对蓝牙进行多次定位。经过预处理后利用权值自适应约束融合得到最终定位结果。本文中Wi Fi和蓝牙的融合定位算法平均误差从2.04m下降到1.75m,3m精度的概率从82.3%上升到86.5%,2m精度的概率从50%上升到67.8%。该算法可以解决单一定位中信号不稳定的问题,结合二者优势,提高定位精度和稳定性。最后设计了基于UKF的Wi Fi/蓝牙/PDR融合定位算法,首先对上步骤中通过权值自适应约束得到Wi Fi和蓝牙初步融合定位结果,利用初步融合定位结果和PDR定位通过UKF实现三源融合定位。该算法可以解决PDR中的累计误差问题和指纹定位中信号不稳定的问题。本文中Wi Fi/蓝牙/PDR融合定位最优精度相比Wi Fi/蓝牙融合定位最优精度从90%提高到了95%。
其他文献
长链非编码RNA（简称lnc RNA）在多种生物调节过程中扮演重要作用。一方面,lnc RNA不同亚细胞定位模式让它们能够执行不同的功能,识别lnc RNA的亚细胞位置有利于确定lnc RNA的功能。另一方面,lnc RNA的突变和失调影响多种人类疾病的发展进程,识别lnc RNA-疾病关联有利于揭示疾病的分子机制和探索治疗策略。然而,确定lnc RNA的亚细胞定位及与疾病的关联的生物学实验成本昂
电法勘探是在人工建立的电磁场中,通过观测地下岩（矿）石间所呈现的电磁学性质和电化学性质的差异性进行地质辨识的一种地质勘探方法。电法勘探仪器提供地下勘探信息,物探人员则结合地质资料、岩层构造判断地下矿物质存在的可能性并给出钻井验证的方案。仪器还可为城市工程、地下工程、水利工程等提供科学、可靠的地下构造信息,并作为工程上施工方案的参考资料。传统的时间域激电法存在发射功率大、测点密度稀疏、勘探信息量少、
直接数字频率合成器（DDS）作为雷达系统及通信领域的关键模块,且随着高速数字化时代的到来,其发展迅速、应用逐渐普及。高性能DDS芯片的集成,需要高速、高精度的数模转换器（DAC）。电流舵DAC相对于其他DAC类型具有速度快、精度高、面积小等优点,成为当前较为热门的高速DAC主流结构,广泛应用于DDS中实现数模信号的转换。首先对数模转换器结构进行分析,并对比其优缺点,电流舵数模转换器无需电压缓冲器即
近年来,随着流媒体技术的高速发展,大型开放式网络课程被越来越多的人们关注。相比于传统的线下授课模式,慕课（Massive Open Online Course,MOOC）具有更高的开放性,用户可以根据自身兴趣爱好选择课程进行学习。然而,由于高度的自主选择性和缺乏师生之间的实时互动交流等原因,导致MOOC具有极高的辍学率。较高的MOOC辍学率引起用户规模和平台收益的缩减,从而成为制约MOOC平台发展
毫米波雷达是高级驾驶辅助系统的关键组成部分,随着汽车工业的发展道路上的毫米波雷达也越来越多。在众多雷达系统中,线性调频连续波雷达系统由于成本低、尺寸小和测量精度高等优点被广泛应用于汽车领域。随着毫米波雷达数量的增加以及有限的频谱资源,雷达间相互干扰的问题将会变得更加突出。线性调频连续波雷达之间的干扰可以分为交叉干扰和平行干扰,交叉干扰会增加频域的噪声基底,降低雷达的检测性能;平行干扰会产生虚假目标
抛丸机是制造业对各类异形零件非加工表面进行清理、抛光及强化处理的最常用设备之一,抛丸过程因硬质弹丸的连续高速运动,会同时造成设备内腔构件的迅速磨损。目前各型系列抛丸机普遍存在抛丸效率与设备寿命的矛盾,优化其核心部件抛丸器结构,配合升级整机智能控制技术是提高效率降低损耗的重要途径。研究学习机械、流体、自动控制、计算机应用等相关理论,结合目标抛丸器结构及运行工艺参数,以增效减损为目标制定抛丸器优化方案
基于机器学习方法的数字信号调制解调,可以在不进行载波恢复、滤波处理的情况下,实现在同一个网络模型下对多种数字调制信号进行解调,有助于提高通信系统中信息传输的效率,缓解日益复杂通信环境下硬件电路设计的压力。另外基于机器学习方法的数字信号调制解调,可以在不进行信道估计的情况下,直接将符号序列从衰落信号中恢复处理,有利提高通信系统的频率利用效率。因此,基于机器学习方法的数字信号调制的解调成为近年来研究的
深度相机的低成本化,加上有限的室内场景范围,极大地推动了基于RGB-D图像的室内视觉SLAM的发展。闭环检测与场景地图构建是RGB-D SLAM能够实现定位导航并保持全局一致的重要模块。闭环检测用于识别曾经到过的地方;地图构建用于将观测信息生成点云地图。目前的RGB-D SLAM存在两个方面的问题:一方面,传统的地图构建充分利用场景的几何信息,但忽略了语义信息,限制了机器人的任务能力;另一方面,常
目标检测是计算机视觉领域热点话题之一,它广泛应用在智能驾驶、智慧城市等方面。将目标检测技术应用到安全生产方面,是近年来国家倡导的跨领域结合,检测安全护具的佩戴情况具有重要的意义。传统方法使用图像处理和机器学习进行安全帽佩戴检测,存在检测准确率低、检测速度慢等问题,无法满足使用需求。安全帽佩戴检测使用深度学习技术使检测准确率大幅提升,但现有网络模型在复杂工作场景下仍存在错检漏检现象。本文基于YOLO
近年来,随着深度学习的快速发展,基于深度学习的单目标跟踪在算法性能方面也得到大幅度提升,而这一部分的提升很大程度上源于使用深度神经网络提取到的深度特征具有良好的分辨能力。目标跟踪在实际应用中存在以下问题,首先,小样本数据量不足、样本多样性低,导致网络提取到的特征数量有限。其次,在遮挡、形变和快速移动等因素的干扰下,目标跟踪精度低。针对上述问题,提出一种小样本目标跟踪算法,主要研究方向和创新点概括为