融合地图信息与WiFi地标的室内粒子滤波定位算法

发布时间：2021-06-21 13:42

　　目前行人航迹推算（pedestrian dead reckoning,PDR）和WiFi指纹定位成为室内定位的主流技术,WiFi指纹定位由于无线信号的波动性导致定位结果不稳定,PDR算法随着应用时间的延长传感器累计误差增大,同样会导致定位精度降低。本研究提出一种基于地图信息的粒子滤波（particle filter,PF）与WiFi地标相结合的混合定位算法（WL+PF）。该算法通过地图信息约束粒子的位置,同时利用WiFi信号峰值检测相应地标信息,对观测信息修正的同时,更新粒子权重,从而实现最终的定位。实验结果表明,优化后的算法定位精度优于其他常规滤波融合定位算法。 

【文章来源】：山东科技大学学报(自然科学版). 2020,39(01)北大核心

【文章页数】：9 页

【部分图文】：

PDR定位结果

使用地标校准后PDR结果

图2 使用地标校准后PDR结果在很多场景中都需要利用一系列的观测值对系统状态向量进行估计,常用的有卡尔曼滤波(Kalman filtering,KF)[18]、粒子滤波(particle filter,PF)[19]等算法,其中卡尔曼滤波是一种通过系统观测值估计系统最优状态量的算法,但并不适用非线性系统。PF利用蒙特卡罗方法解决贝叶斯系统状态估计问题,通过离散的随机样本来逼近实际的概率分布p(x0:k|z1:k)的积分值,通过大量的样本估计一个系统的最优状态值。PF可应用于非高斯、非线性系统,应用范围较卡尔曼滤波算法而言相对广泛。其公式为:


本文编号：3240780