随着移动通信技术的快速发展，基于位置服务(Location Based Service,LBS)越来越受到人们的青睐。目前最为常用的定位技术有WIFI指纹定位技术和航位推算（Pedestrian Dead Reckoning,PDR）定位技术两种方法。但是PDR的定位误差会因为时间逐渐累积而增大，可以利用WIFI得到的定位信息进行校正。于是基于PDR和WIFI的融合室内定位算法被提出并受到了研究。而在滤波算法的选择中，粒子滤波算法由于其适合非线性非高斯的特点在众多滤波算法中应用最为普遍，但是粒子滤波算法本身有粒子退化、多样性缺失等问题。 本文通过改进粒子滤波中的重采样算法避免粒子退化和多样性缺失等问题进一步提高定位精度，采用射线跟踪模型代替原来的传播模型来减少指纹库建立的时间。重采样算法减少了粒子退化问题但是增加了粒子多样性缺失的新问题。本文通过在重采样步骤中增加预处理和权值优化的过程，使得权值小的粒子向高似然区移动，从而改善粒子多样性缺失的问题。原来用于融合定位的粒子滤波中用的都是基于对数距离损耗模型的无线信号传播模型或者指纹库模型，前者模型简单，计算量少，但是它未考虑在复杂的室内环境中无线信号多径效应，后者建立数据库采集数据需要耗费庞大的人力。因此我们用射线跟踪算法将这些情况考虑进来，提高观测模型得到的信号强度，减少指纹库的建立时间。 实验结果表明WIFI和PDR的定位误差减小到2.81m和1.62m时，经过融合改进后的粒子滤波算法得到的定位误差为0.79m，相比较融合标准滤波得到的误差减小了12.2%。
展开▼
