针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算(Pedestrian Dead Reckoning,PDR)融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融...针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算(Pedestrian Dead Reckoning,PDR)融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融合,推算用户的最优估计位置.同时,基于滤波反馈机制,通过融合定位结果对加权最小二乘法中的路径损耗指数和滤波模型中的观测协方差进行动态修正,保证Wi-Fi传播模型接近于真实室内环境.实验结果表明,该方法能够有效解决室内复杂环境下单一Wi-Fi定位精度低和PDR累积误差的问题,此外,路径损耗指数和观测协方差的实时修正可以提高融合定位系统的定位精度和稳定性.展开更多
非视距传播是无线传感器网络定位中的难题,尤其在复杂的室内环境中,由于视距(Line of Sight,LOS)和非视距(Non-Line of Sight,NLOS)环境的不断切换,对移动目标的精准定位仍是一项难题。文中提出了一种基于平方根无迹卡尔曼滤波和鲁棒扩...非视距传播是无线传感器网络定位中的难题,尤其在复杂的室内环境中,由于视距(Line of Sight,LOS)和非视距(Non-Line of Sight,NLOS)环境的不断切换,对移动目标的精准定位仍是一项难题。文中提出了一种基于平方根无迹卡尔曼滤波和鲁棒扩展卡尔曼滤波并行工作的定位方法,首先对所有节点同一时刻多次采样的TOA测量值进行是否处于非视距环境的判别,如果处于LOS环境,则使用平方根无迹卡尔曼滤波算法进行动态跟踪,若某一节点处于NLOS环境,则采用高斯混合多模型算法对多次采样值进行聚类,并将聚类结果送入并行工作的2个鲁棒扩展卡尔曼滤波器和无迹卡尔曼滤波器,经概率加权后输出定位结果。理论分析和仿真结果表明,本方法具有良好的定位精度。展开更多
文摘针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算(Pedestrian Dead Reckoning,PDR)融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融合,推算用户的最优估计位置.同时,基于滤波反馈机制,通过融合定位结果对加权最小二乘法中的路径损耗指数和滤波模型中的观测协方差进行动态修正,保证Wi-Fi传播模型接近于真实室内环境.实验结果表明,该方法能够有效解决室内复杂环境下单一Wi-Fi定位精度低和PDR累积误差的问题,此外,路径损耗指数和观测协方差的实时修正可以提高融合定位系统的定位精度和稳定性.
文摘非视距传播是无线传感器网络定位中的难题,尤其在复杂的室内环境中,由于视距(Line of Sight,LOS)和非视距(Non-Line of Sight,NLOS)环境的不断切换,对移动目标的精准定位仍是一项难题。文中提出了一种基于平方根无迹卡尔曼滤波和鲁棒扩展卡尔曼滤波并行工作的定位方法,首先对所有节点同一时刻多次采样的TOA测量值进行是否处于非视距环境的判别,如果处于LOS环境,则使用平方根无迹卡尔曼滤波算法进行动态跟踪,若某一节点处于NLOS环境,则采用高斯混合多模型算法对多次采样值进行聚类,并将聚类结果送入并行工作的2个鲁棒扩展卡尔曼滤波器和无迹卡尔曼滤波器,经概率加权后输出定位结果。理论分析和仿真结果表明,本方法具有良好的定位精度。
