室内行人航迹推算/超声波组合定位融合算法

发布时间：2021-12-30 09:13

　　为提高室内定位系统精度和跟踪性能以及适应复杂环境,将行人航迹推算与超声波定位组合,提出基于平方根无迹卡曼滤波的噪声权因子辅助协方差加权融合算法,并将全局最优融合状态作为反馈量引入算法。针对超声波对行人航向角测量困难,采用一种简单有效的几何方法。仿真结果表明:在模拟的室内动态环境中,包括在多路径效应和惯性累积误差的影响下,融合算法始终比单模型定位精度高,并有很好的收敛性、稳定性与适应性,对室内定位技术研究与应用具有重要意义。 

【文章来源】：中南大学学报(自然科学版). 2016,47(05)北大核心EICSCD

【文章页数】：11 页

【部分图文】：

行人航迹推算模型图

穿戴式设备超声波定位模型图

浦?k,jx(j=1,2)以及航迹误差协方差k,jS(j=1,2)基础上，由2组定位模型的系统噪声Q1和Q2的相关性估计噪声权因子和μ，满足以下关系：12FF22FF00;;1iiiiQQQQ(24)F为Frobenius范数，对于任意矩阵N，FNTdiag(NN)。针对室内动态环境，通过噪声权因子和μ辅助协方差加权，以满足系统的实时融合效果。同时，为提高系统的跟踪性与稳定性，将上一时刻的全局最优估计融合状态作为反馈量引入算法。基于以上分析，本文提出了基于SRUKF的噪声权因子辅助协方差加权融合算法，原理如图3所示。图3基于SRUKF的噪声权因子辅助协方差加权融合算法框图Fig.3DiagramofnoisepowerfactorsassistingcovarianceweightedbasedonSRUKF下面介绍噪声权因子辅助协方差加权融合算法具体步骤与策略：2组定位模型k时刻最优航迹状态估计值之差为,12,1,2kkkdxx(25)则k,12d的协方差矩阵为TT,12,12,1,2,1,2{}{()()}kkkkkkEddExxxxk,1k,2k,12k,21SSSS(26)式中：T,12,210kkSS为2个估计的互协方差。当采用SRUKF滤波器对定位模型进行状态估计时，互协方差k,12S可由下式求出：,1,2,12122kkkIKKSHHT121,121212()()()k+S+Q+QT,1,2122kkIKKHH(27)其中：k,jK(j=1,2)为SRUKF滤波器增益；为状态转移矩阵；Q为系统过程噪声方差矩阵；H为观测矩

【参考文献】：
期刊论文
[1]室内定位技术及应用综述[J]. 赵锐,钟榜,朱祖礼,马乐,姚金飞.  电子科技. 2014(03)
[2]基于多模型航迹质量的融合算法[J]. 张伟,王泽阳,张可.  计算机科学. 2013(02)
[3]室内定位技术及系统比较研究[J]. 张凡,陈典铖,杨杰.  广东通信技术. 2012(11)
[4]基于平方根UKF的多传感器融合再入段目标跟踪研究[J]. 司学慧,李小兵,张彦,乔朋朋.  系统工程与电子技术. 2012(02)
[5]航迹融合算法在多传感器融合中的应用[J]. 田雪怡,李一兵,李志刚.  计算机仿真. 2012(01)
[6]基于推算定位和超声波定位融合的机器人自主定位技术[J]. 原新,王东阳,严勇杰.  海军工程大学学报. 2009(05)
[7]迭代平方根UKF[J]. 成兰,谢恺.  信息与控制. 2008(04)
[8]组合滤波器在组合导航中的应用设计[J]. 张志鑫,张峰.  中国惯性技术学报. 2008(02)
[9]基于UKF的低成本SINS/GPS组合导航系统滤波算法[J]. 沈忠,俞文伯,房建成.  系统工程与电子技术. 2007(03)
[10]基于无味卡尔曼滤波的多雷达方位配准算法[J]. 金宏斌,戴凌燕,徐毓,彭焱.  数据采集与处理. 2006(01)

博士论文
[1]多传感器目标跟踪数据融合关键技术研究[D]. 崔波.西南交通大学 2012
[2]基于GPS和自包含传感器的行人室内外无缝定位算法研究[D]. 陈伟.中国科学技术大学 2010

硕士论文
[1]UKF算法及其改进算法的研究[D]. 刘铮.中南大学 2009



本文编号：3557899