面向智能移动终端的多源信息融合定位关键技术研究
发布时间：2022-10-15 13:50
位置服务在公共安全、反恐维稳、应急救援等诸多领域发挥着重要作用,特别是随着普适计算、新一代移动通信等技术的发展,高精度位置服务的需求爆发式增长。传统单一的定位手段在复杂环境下易出现信息缺失导致定位精度差甚至无法定位,难以提供高精度高可用的定位信息。多源信息融合定位技术能够将卫星定位、无线网络定位以及传感器定位等手段有机结合,从而获得更加准确稳定的定位结果,因此成为位置服务领域的重要支撑技术之一。智能移动终端的普及大大拓宽了位置服务的应用场景,但同时终端传感器种类繁多、精度各异等给面向终端的高精度高可用定位带来诸多挑战,终端应用场景下的多源信息融合定位仍面临定位特征的空间高区分度表征、人体遮挡所致误差的准确分析与补偿、多定位特征的高精度融合等关键技术难题,导致定位精度不足、鲁棒性差。针对上述问题,本文深入研究了多维定位特征信息的关联表征、多特征协同的遮挡误差准确补偿、多层级定位特征信息的高精度融合等关键技术,开展了理论方法创新与工程实践,主要研究成果及创新点包括:1、针对指纹定位特征的空间高区分度表征难题,通过分析指纹特征结构及其相似性度量方法对特征的空间区分度作用机理,利用信道状态信息...
【文章页数】：147 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
符号说明
第一章 绪论
1.1 研究背景和意义
1.1.1 位置服务需求呈现爆发式增长态势
1.1.2 多源信息融合定位支撑高精度位置服务发展
1.1.3 智能移动终端的多源信息融合定位面临新难题
1.1.4 本文研究意义
1.2 国内外研究现状分析
1.2.1 定位特征的表征技术现状与分析
1.2.2 人体遮挡误差的补偿技术现状与分析
1.2.3 多定位特征的融合处理技术现状与分析
1.3 本文主要研究内容和贡献
1.4 本文章节安排
第二章 基于幅相融合的特征高区分度表征方法
2.1 引言
2.2 特征的空间区分度分析
2.2.1 空间区分度的内涵及计算方法
2.2.2 空间区分度的表征方法
2.3 幅相融合表征与特征匹配方法
2.3.1 现有定位特征及其相似性度量方法分析
2.3.2 幅相融合表征及特征相似性动态度量
2.3.3 基于局域RSSI关联的参考点优选策略
2.4 实验分析与性能评估
2.4.1 实验环境搭建
2.4.2 空间区分度评估
2.5 小结
第三章 IMU辅助的人体遮挡误差补偿方法
3.1 引言
3.2 定位误差源及遮挡误差作用机理分析
3.2.1 定位误差源分析
3.2.2 人体遮挡误差作用机理分析
3.3 人体遮挡误差的互反馈补偿方法
3.3.1 IMU辅助的遮挡状态辨识策略
3.3.2 遮挡误差补偿模型的建立方法
3.3.3 人体遮挡误差的补偿算法
3.4 实验分析与性能评估
3.4.1 实验环境搭建
3.4.2 误差补偿模型的参数拟合
3.4.3 误差补偿算法的性能分析
3.5 小结
第四章 定位特征信息的多层级融合方法
4.1 引言
4.2 定位信息的传统融合方法
4.2.1 基于KF的融合方法
4.2.2 基于PF的融合方法
4.3 定位信息的多层级融合方法
4.3.1 定位信息的多层级融合框架设计
4.3.2 基于多层粒子滤波的多源信息融合定位方法
4.3.3 融合定位方法性能的理论分析
4.4 仿真实验与结果分析
4.4.1 仿真环境设定
4.4.2 融合定位方法性能评估
4.5 小结
第五章 多源信息融合定位关键技术实验验证
5.1 引言
5.2 实验设备与环境搭建
5.2.1 实验设备介绍
5.2.2 实验环境搭建
5.3 多源信息融合定位算法性能测试
5.3.1 基于幅相融合特征的表征方法性能评估
5.3.2 IMU辅助的人体遮挡误差补偿方法性能评估
5.3.3 基于BPM-MPF的多源信息融合定位性能评估
5.4 小结
第六章 总结与展望
6.1 主要研究内容总结
6.2 融合定位研究展望
参考文献
缩略语
致谢
攻读学位期间发表的学术论文目录
攻读学位期间申请专利目录
【参考文献】：
期刊论文
[1]基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法[J]. 王守华,陆明炽,孙希延,纪元法,胡丁梅. 电子与信息学报. 2019(09)
[2]北斗三号观测数据质量及定位精度初步评估[J]. 程军龙,王旺,马立烨,刘万科. 测绘通报. 2019(08)
[3]基于LS-SVM方向判别模型的WLAN室内定位方法[J]. 李石荣,何富贵,朱雪梅. 井冈山大学学报(自然科学版). 2019(03)
[4]基于PDR和蓝牙加权定位的卡尔曼滤波算法[J]. 何梦园,刘小瑜,刘正熙,熊运余,袁钰涵. 现代计算机(专业版). 2019(10)
[5]基于迭代无迹卡尔曼滤波的小型无人机目标定位方法[J]. 唐大全,柳向阳,邓伟栋,丁鹏程. 指挥控制与仿真. 2019(01)
[6]室内Wi-Fi/PDR自适应鲁棒卡尔曼滤波融合定位方法[J]. 周牧,耿小龙,谢良波,聂伟,田增山. 电子学报. 2019(01)
[7]信息融合理论研究进展:基于变分贝叶斯的联合优化[J]. 潘泉,胡玉梅,兰华,孙帅,王增福,杨峰. 自动化学报. 2019(07)
[8]WiFi与惯导融合的渐消因子扩展卡尔曼滤波实时定位算法[J]. 段珊珊,李昕. 计算机与现代化. 2017(12)
[9]基于粒子滤波的多信息融合室内定位算法研究[J]. 王亚娜,蔡成林,李思民,于洪刚. 电子技术应用. 2017(11)
[10]人体对UWB测距误差影响模型[J]. 何杰,吴雅南,段世红,徐丽媛,吕家慧,徐诚,齐悦. 通信学报. 2017(S1)
硕士论文
[1]基于机器学习的多特征融合室内定位的研究[D]. 肖宁.北京交通大学 2019
[2]基于自适应矢量粒子滤波的多源融合定位算法研究与实现[D]. 李晶.北京邮电大学 2019
[3]基于粒子滤波的地磁/PDR室内融合定位技术研究[D]. 周家鹏.中国矿业大学 2019
[4]基于Wi-Fi 802.11n信道状态信息的定位技术研究[D]. 刘先峰.电子科技大学 2019
[5]融合多维空间谱信息的室内定位研究[D]. 王文锐.南京邮电大学 2018
[6]考虑人体遮挡效应的室内60GHz频段毫米波传播特性研究[D]. 盛仲.南京邮电大学 2018
[7]基于WiFi信道状态信息的单基站室内定位研究[D]. 吴志国.北京邮电大学 2018
[8]基于航向优化估计与多维度粒子滤波的行人融合定位方法研究[D]. 刘东辉.上海交通大学 2018
[9]融合地磁与RSSI的室内定位粒子滤波改进算法研究[D]. 姜浩.北京建筑大学 2017
[10]基于信道状态信息的单节点高精度室内定位方法[D]. 李毅.哈尔滨工业大学 2017
本文编号：3691425
【文章页数】：147 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
符号说明
第一章 绪论
1.1 研究背景和意义
1.1.1 位置服务需求呈现爆发式增长态势
1.1.2 多源信息融合定位支撑高精度位置服务发展
1.1.3 智能移动终端的多源信息融合定位面临新难题
1.1.4 本文研究意义
1.2 国内外研究现状分析
1.2.1 定位特征的表征技术现状与分析
1.2.2 人体遮挡误差的补偿技术现状与分析
1.2.3 多定位特征的融合处理技术现状与分析
1.3 本文主要研究内容和贡献
1.4 本文章节安排
第二章 基于幅相融合的特征高区分度表征方法
2.1 引言
2.2 特征的空间区分度分析
2.2.1 空间区分度的内涵及计算方法
2.2.2 空间区分度的表征方法
2.3 幅相融合表征与特征匹配方法
2.3.1 现有定位特征及其相似性度量方法分析
2.3.2 幅相融合表征及特征相似性动态度量
2.3.3 基于局域RSSI关联的参考点优选策略
2.4 实验分析与性能评估
2.4.1 实验环境搭建
2.4.2 空间区分度评估
2.5 小结
第三章 IMU辅助的人体遮挡误差补偿方法
3.1 引言
3.2 定位误差源及遮挡误差作用机理分析
3.2.1 定位误差源分析
3.2.2 人体遮挡误差作用机理分析
3.3 人体遮挡误差的互反馈补偿方法
3.3.1 IMU辅助的遮挡状态辨识策略
3.3.2 遮挡误差补偿模型的建立方法
3.3.3 人体遮挡误差的补偿算法
3.4 实验分析与性能评估
3.4.1 实验环境搭建
3.4.2 误差补偿模型的参数拟合
3.4.3 误差补偿算法的性能分析
3.5 小结
第四章 定位特征信息的多层级融合方法
4.1 引言
4.2 定位信息的传统融合方法
4.2.1 基于KF的融合方法
4.2.2 基于PF的融合方法
4.3 定位信息的多层级融合方法
4.3.1 定位信息的多层级融合框架设计
4.3.2 基于多层粒子滤波的多源信息融合定位方法
4.3.3 融合定位方法性能的理论分析
4.4 仿真实验与结果分析
4.4.1 仿真环境设定
4.4.2 融合定位方法性能评估
4.5 小结
第五章 多源信息融合定位关键技术实验验证
5.1 引言
5.2 实验设备与环境搭建
5.2.1 实验设备介绍
5.2.2 实验环境搭建
5.3 多源信息融合定位算法性能测试
5.3.1 基于幅相融合特征的表征方法性能评估
5.3.2 IMU辅助的人体遮挡误差补偿方法性能评估
5.3.3 基于BPM-MPF的多源信息融合定位性能评估
5.4 小结
第六章 总结与展望
6.1 主要研究内容总结
6.2 融合定位研究展望
参考文献
缩略语
致谢
攻读学位期间发表的学术论文目录
攻读学位期间申请专利目录
【参考文献】：
期刊论文
[1]基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法[J]. 王守华,陆明炽,孙希延,纪元法,胡丁梅. 电子与信息学报. 2019(09)
[2]北斗三号观测数据质量及定位精度初步评估[J]. 程军龙,王旺,马立烨,刘万科. 测绘通报. 2019(08)
[3]基于LS-SVM方向判别模型的WLAN室内定位方法[J]. 李石荣,何富贵,朱雪梅. 井冈山大学学报(自然科学版). 2019(03)
[4]基于PDR和蓝牙加权定位的卡尔曼滤波算法[J]. 何梦园,刘小瑜,刘正熙,熊运余,袁钰涵. 现代计算机(专业版). 2019(10)
[5]基于迭代无迹卡尔曼滤波的小型无人机目标定位方法[J]. 唐大全,柳向阳,邓伟栋,丁鹏程. 指挥控制与仿真. 2019(01)
[6]室内Wi-Fi/PDR自适应鲁棒卡尔曼滤波融合定位方法[J]. 周牧,耿小龙,谢良波,聂伟,田增山. 电子学报. 2019(01)
[7]信息融合理论研究进展:基于变分贝叶斯的联合优化[J]. 潘泉,胡玉梅,兰华,孙帅,王增福,杨峰. 自动化学报. 2019(07)
[8]WiFi与惯导融合的渐消因子扩展卡尔曼滤波实时定位算法[J]. 段珊珊,李昕. 计算机与现代化. 2017(12)
[9]基于粒子滤波的多信息融合室内定位算法研究[J]. 王亚娜,蔡成林,李思民,于洪刚. 电子技术应用. 2017(11)
[10]人体对UWB测距误差影响模型[J]. 何杰,吴雅南,段世红,徐丽媛,吕家慧,徐诚,齐悦. 通信学报. 2017(S1)
硕士论文
[1]基于机器学习的多特征融合室内定位的研究[D]. 肖宁.北京交通大学 2019
[2]基于自适应矢量粒子滤波的多源融合定位算法研究与实现[D]. 李晶.北京邮电大学 2019
[3]基于粒子滤波的地磁/PDR室内融合定位技术研究[D]. 周家鹏.中国矿业大学 2019
[4]基于Wi-Fi 802.11n信道状态信息的定位技术研究[D]. 刘先峰.电子科技大学 2019
[5]融合多维空间谱信息的室内定位研究[D]. 王文锐.南京邮电大学 2018
[6]考虑人体遮挡效应的室内60GHz频段毫米波传播特性研究[D]. 盛仲.南京邮电大学 2018
[7]基于WiFi信道状态信息的单基站室内定位研究[D]. 吴志国.北京邮电大学 2018
[8]基于航向优化估计与多维度粒子滤波的行人融合定位方法研究[D]. 刘东辉.上海交通大学 2018
[9]融合地磁与RSSI的室内定位粒子滤波改进算法研究[D]. 姜浩.北京建筑大学 2017
[10]基于信道状态信息的单节点高精度室内定位方法[D]. 李毅.哈尔滨工业大学 2017
本文编号：3691425
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3691425.html