基于WiFi和惯性传感器室内融合定位研究

【摘要】：随着无线网络和移动终端的快速普及,基于位置服务的应用技术不断成熟,在人们的日常生活中变得越来越不可或缺。基于位置指纹的WiFi室内定位技术具有定位精度高、定位成本低、部署过程简单等优点,受到越来越多研究者关注和青睐。此外,随着微电子技术和微电子机械系统(MEMS)的快速发展,移动终端集成了大量高精度传感器,这使得基于惯性传感器的室内定位技术成为可能。基于惯性传感器的室内定位技术,具有很强的抗外界干扰能力。但是由于陀螺仪和方向传感器误差会随着时间不断累积,会引起定位精度下降。本文针对WiFi定位技术和惯性传感器定位技术的特点,分别对WiFi和惯性传感器定位技术存在缺点进行了改进和优化。主要研究工作如下:(1)针对WiFi定位技术中位置指纹数据库建立工作量庞大的问题,本文提出了一种基于泰森多边形改进的克里金插值位置指纹构建算法。为消除变异函数模型选择随机性带来的影响,利用改进的最小二乘法拟合函数表达式,最后给出待插值点位置指纹数据。仿真实验结果表明,未填充的数据库进行WKNN算法定位误差为1.345m,填充后的数据库进行WKNN算法定位误差1.058m,相同数目的指纹数据库定位误差为1.014m。因此,在保证定位精度要求的情况下,与逐点法相比,该方法工作量减少了45%。(2)对基于惯性传感器室内定位行人航位推算(PDR)算法中的行人步态检测,步长估计和航向角估算等关键步骤进行了改进。针对步态检测提出了基于滑动窗口的动态阈值来检测步态,实时估计步态的长度,并对航向角估算过程中存在的误差累计进行修正。实验验证表明,改进后的算法步态检测准确率提高了约10%,定位误差积累得到有效抑制。(3)基于扩展卡尔曼滤波融合的WiFi位置指纹和航位推算(PDR)算法,提出WiFi/PDR融合室内定位方案,分别建立定位系统的状态方程和观测方程。在仿真验证过程中,融合系统的平均误差比PDR定位算法的平均误差降低了45.3%,比WiFi定位算法的平均误差减少57.9%,表明该系统在精确度和稳定性上有明显优势。