基于自适应卡尔曼滤波的WiFi/PDR室内融合定位方法研究

摘要

室内位置服务需求不断增长，成熟的室外卫星定位技术由于信号遮挡严重又无法在室内环境中提取出定位所需的有效信息。当前研究人员研究开发各种室内定位技术虽各有优势，但也存在各自的局限。射频信号受制于硬件基础与定位环境，惯性定位又囿于累积误差，对室内多源技术定位进行有效融合以提升定位精度和稳定性成为研究热点。本文就WiFi指纹定位和基于手机低成本MEMS定位技术的融合定位方法开展了深入研究。 以Android智能手机为实验平台，充分利用室内广泛存在的WiFi信号以及手机惯性传感器信息，提出并实现了一种基于改进自适应卡尔曼滤波的WiFi/PDR融合定位算法。在视频监控辅助下实现WiFi指纹库信息快速采集，以提升WiFi指纹库采集效率；为降低设备异质以及指纹点误匹配影响，提高WiFi指纹定位精度和稳定性，提出一种改进的WKNN定位算法；针对移动智能终端低成本惯性传感器，系统地研究了传感器误差改正、行人步频探测、步长估计和航向更新四个方面的内容，并就此提出了相应的改进措施以提升惯性定位精度、控制误差累积。结合WiFi、PDR研究成果，深入研究了两者融合定位算法，并进行了相关定位测试。文章的主要内容如下： （1）深入分析了传统指纹信息采集效率低下的原因，研究使用运动目标检测、平面约束快速求解指纹点位置标签；介绍智能终端指纹点连续采集程序设计工作；探究视频录制设备同信号采集设备时间基准统一问题；针对连续采集中出现的稀疏采样问题，比较不同指纹点插值方法，优选克里金插值算法完成细粒度指纹库构建；分析、比较单点采集和连续采集在定位效果和效率上的差异。 （2）深入分析各类WiFi指纹定位算法和指纹定位误差影响因素；针对定位时效性问题，研究利用WiFi信息通过机器学习完成概略定位以提取区域指纹点信息的策略；针对设备异质问题，研究使用信号形态相似距离代替欧式距离进行信号距离计算；研究利用离群点探测和邻近点同待定点之间几何距离、信号形态相似距离组合定权方式剔除指纹误匹配点。试验结果表明改进的WKNN算法同常用指纹定位算法相比定位精度和稳定性都有较大提升。 （3）深入分析了基于手机惯性传感器的PDR定位原理，针对单一传感器计步可靠性不足问题，在研究不同设备位置传感器数据特征、传感器计步适用条件的基础上，提出基于手机多源传感器的自适应计步方法；同时一种提出多变量控制的步长估计方法以提升步长估计精度；针对行人航向估计偏差和稳定性较弱的问题，设计一种基于多参数的磁场准静态识别方法，结合零速探测结果，利用EKF完成航向更新。 （4）深入分析室内行人行为传感器数据特征，研究室内行人行为识别，构建行为分类模型并提出一种基于Key-DTW算法的行为理解方法，重点研究利用惯性传感器数据完成室内特征行为地标识别。 （5）深入分析了改进的SHAKF算法原理和流程，利用EKF、UKF和改进的SHAKF算法开展WiFi定位结果和PDR定位结果的融合对比试验，试验结果表明改进的SHAKF融合算法在一定条件下相较于EKF、UKF其定位精度和稳定性更高。

目录

声明

致谢

1 绪论

1.1.1研究背景

1.1.2研究意义

1.2国内外研究现状及存在的问题

1.2.1国内外研究现状

1.2.2存在的问题

1.3主要研究内容及技术路线

2 指纹库快速构建与改进的定位算法

2.1WiFi指纹定位方法简介

2.1.1WiFi定位算法原理

2.1.2定位指纹库构建方法分类

2.1.3指纹定位误差影响因素分析

2.2细粒度定位指纹库快速构建

2.2.1基于平面约束的连续采集线路跟踪

2.2.2多设备时间基准统一

2.2.3基于克里金插值的细粒度指纹库构建

2.3.1基于机器学习的概略定位

2.3.2基于形态相似距离的设备异构性处理

2.3.3基于离群点探测的邻近点优选

2.3.4组合定权

2.3.5试验结果与分析

2.4 本章小结

3 基于手机低成本MEMS行人轨迹跟踪

3.1.1 PDR定位原理

3.1.2 MEMS传感器常见误差校正

3.1.3传感器数据特征

3.2 基于多源传感器信息的自适应计步算法

3.2.1波峰检测算法

3.2.2基于手机多源传感器信息的自适应计步方法

3.2.3计步实验验证

3.3改进的EKF行人航向估计算法

3.3.1航向估计方法

3.3.2零速检测

3.3.3磁场准静态判断

3.3.4改进的基于EKF行人航向估计

3.3.5联合多变量控制的行人步长模型

3.3.6试验分析

3.4 本章小结

4 室内行人行为识别方法研究

4.1行人室内行为解析

4.2行人室内行为分类模型构建

4.2.1数据采集

4.2.2数据预处理

4.2.3机器学习分类试验

4.2.4试验分析

4.3 基于 Key-DTW 算法的行为匹配方法

4.4 本章小结

5 WiFi/PDR融合定位算法实现

5.1WiFi/PDR融合定位优势

5.2改进的Sage-Husa自适应卡尔曼滤波

5.3 融合算法实现和试验分析

5.4 本章小结

6 总结与展望

6.1 结论

6.2 展望

参考文献

作者简历

学位论文原创性声明

学位论文数据集