基于多源數據融合的室內定位算法的研究.pdf

1、定位技術是基于位置的服務(Location Based Service, LBS)的關鍵技術之一，定位系統的精度、功耗和魯棒性等因素都對基于定位技術的LBS應用產生巨大影響。在現代的城市化環(huán)境中，越來越多的人類活動發(fā)生在室內，傳統的衛(wèi)星定位已不能滿足室內LBS應用的需求，專業(yè)的室內定位技術至關重要。一方面，“互聯網+”戰(zhàn)略的提出帶動了室內LBS產業(yè)的興起；另一方面，大數據技術的繁榮也使得室內LBS與其的關系越發(fā)密切，這兩方面的發(fā)展都需要

2、室內定位技術的支持。
　　室內定位技術的發(fā)展現在還處于初級階段，高精度、低功耗、低成本的室內定位技術依然是學術界和工業(yè)界研究的熱點。本文針對多源定位技術展開研究，希望通過多種定位技術融合定位的方式提高定位的精度，降低定位的成本。對此，本文研究了以下內容：
　　(1)基于Wi-Fi和射頻識別(Radio Frequency Identification,RFID)數據融合的室內定位方案
　　用按需部署的RFID標簽配合少

3、量的Wi-Fi路由進行融合定位，從而消除定位盲區(qū)，降低定位成本，再結合提出的室內定位算法降低室內噪聲對Wi-Fi信號的干擾，實現復雜室內環(huán)境中的高精度的實時室內定位。經實驗驗證，本文提出的基于Wi-Fi與RFID數據融合的室內定位方案在噪聲區(qū)間為[35dB,65dB]的室內環(huán)境中，定位精度比基于標準Kalman濾波器的室內定位算法提升了13％~28%。
　　(2)基于慣性測量單元(Inertial Measurement Unit

4、,IMU)定位的室內行人定位模型
　　對智能移動終端中IMU采集的傳感數據進行校正和計算，對行人步行方向和行人步長距離建立相應的模型，并結合提出的自糾正粒子群優(yōu)化算法(Autocorrect Particle Swarm Optimization,APSO)進行室內定位，提高定位精度，糾正定位邏輯錯誤。實驗結果表明，基于本文提出的室內行人定位模型，在50m直線行走的情況下，APSO算法比粒子群優(yōu)化(Particle Swarm O

5、ptimization,PSO)算法的最大定位誤差降低了150%左右，定位精度提升明顯。
　　(3)基于線性鏈條件隨機場(Linear Chain Conditional Random Field, LCCRF)的多源定位模型
　　首先，本文利用室內場景磁感強度處處不相等的特點構建了新穎的連續(xù)磁力指紋地圖；接著利用LCCRF框架，在基于IMU定位的基礎上，對磁力指紋地圖、BLE指紋地圖以及BLE的RSSI定位技術進行定位融合