室内BLE/MEMS跨楼层融合定位算法

发布时间：2021-04-05 18:43

　　提出一种基于微机电系统（MEMS,micro electro mechanical system）传感器与低功耗蓝牙（BLE,bluetooth low energy）数据融合的室内BLE/MEMS跨楼层定位算法。首先利用仿射传播聚类、离群点检测和接收信号强度（RSSI,received signal strength indicator）滤波算法对指纹库进行去噪,然后采用扩展卡尔曼滤波器,并根据抗差M估计方法对二维目标位置进行最优估计,最后基于气压计输出和地理位置信息实现对目标的高度估计。实验结果表明,该系统在室内环境下能够达到水平和垂直定位均方根误差小于0.7 m和0.35 m的跨楼层融合定位。 

【文章来源】：通信学报. 2017,38(05)北大核心EICSCD

【文章页数】：10 页

【文章目录】：
1 引言
2 算法描述
    2.1 BLE指纹定位
    2.2 速度与航向角估计
        1) 速度估计
        2) 航向角估计
3 BLE/MEMS融合定位
    3.1 抗差EKF滤波
        1) EKF滤波
        2) 抗差估计
    3.2 高度估计
        1) 气压测量
        2) 设计流程
4 实验结果
5 结束语


【参考文献】：
期刊论文
[1]室内行人航迹推算/超声波组合定位融合算法[J]. 赵延鹏,时伟,艾明曦.  中南大学学报(自然科学版). 2016(05)
[2]基于气压传感器的无人机高度测量系统[J]. 茹滨超,鲜斌,宋英麟,曹美会.  中南大学学报(自然科学版). 2013(S2)
[3]基于数据融合的WLAN/MARG组合定位系统[J]. 刘兴川,张盛,林孝康.  系统工程与电子技术. 2012(11)
[4]基于动态阻尼因子的动态阻尼仿射传播聚类[J]. 王羡慧,陈俊英,覃征,张选平.  华中科技大学学报(自然科学版). 2012(02)
[5]利用中位数进行光纤陀螺信号抗差估计[J]. 蒋庆仙,王成宾,马小辉,陈晓璧.  武汉大学学报(信息科学版). 2011(06)
[6]一种基于密度的局部离群点检测算法DLOF[J]. 胡彩平,秦小麟.  计算机研究与发展. 2010(12)



本文编号：3119902