论文部分内容阅读
随着信息技术的飞速发展,位置服务(Location based services,LBS)已经广泛应用于公共安全、紧急救援、智能交通、位置跟踪与监控、大数据分析等方方面面。LBS的发展需要高精度高可靠的位置信息提供支撑。目前卫星导航信号在室外开阔环境下可以为人们提供高精度定位,但在室内环境下无法实现楼宇、建筑内部等小尺度空间的高精度定位,所以亟需研究高精度高可靠的室内定位技术以满足日益增长的位置服务需求。本文面向高精度高可靠的室内定位技术需求,针对无线信号等单源定位技术信息不完备导致定位精度低、鲁棒性差的问题,重点开展基于粒子滤波的无线信号、行人航位推算(Pedestrian dead reckoning,PDR)和地图信息的融合定位方法研究,提出了无线信号指纹定位的改进算法和自适应矢量粒子滤波算法,并设计了基于自适应矢量粒子滤波的多源融合定位系统,能够有效提高定位性能。具体的研究工作如下:1.针对无线信号指纹定位技术中离线阶段和在线阶段的环境波动导致两个阶段测量值匹配度不高的问题,本文提出一种模型校准在线接收信号强度(Received Signal Strength Indication,RSSI)测量值的指纹算法(Calibrating online-RSSI by Model between offline-RSSI and online-TDOA,MCRT),该算法通过建立离线RSSI和在线到达时间差(Time Difference of Arrival,TDOA)的映射模型,利用该模型估计出与离线阶段最匹配的在线RSSI值,同时采用卡尔曼滤波算法对RSSI估计值和测量值进行优化校正,最后对RSSI优化值和离线指纹进行匹配定位。仿真和试验测试表明,该算法可以将离线阶段和在线阶段的RSSI波动差异降低到6dB以下。2.针对粒子滤波观测量噪声影响权重计算精度问题和重采样时粒子多样性锐减问题,本文创新的提出自适应矢量粒子滤波算法(Particle Filter with Multiple directions and Adaptive weights,MDAW-PF),该算法创新地构建矢量粒子,对粒子方向进行均匀采样使得粒子具有多个更新方向,保障了粒子的重采样过程中粒子的多样性;同时在计算粒子权重时对观测量进行均匀采样获得观测粒子,根据观测粒子和更新粒子区域的重叠度来自适应地计算粒子权重。仿真和实验测试表明,自适应矢量粒子滤波的初始化粒子数目设置为50,粒子方向采样数目设置为3时可达到最好的跟踪性能。3.针对单源定位系统中由于信息不完备和传感器噪声影响导致定位精度低的问题,设计基于自适应矢量粒子滤波的多源融合定位系统,该系统以自适应矢量粒子滤波为核心融合了MCRT定位结果、PDR和地图信息,其中PDR运动方程作为自适应矢量粒子滤波的状态更新方程,MCRT定位结果作为观测量,地图信息作为位置估计的约束条件。仿真和实验测试表明,该融合系统有效提高了定位精度。综上所述,本文提出的MCRT算法有效提高了指纹定位中离线阶段和在线阶段测量值的匹配度;自适应矢量粒子滤波算法有效提升了粒子滤波的跟踪性能,为本文设计的多源融合系统提供了有效滤波方法。本文设计的多源融合系统的平均定位误差为0.68m,有效提升了基于粒子滤波融合指纹算法和PDR的系统定位精度。