基于惯性传感器与蓝牙的室内定位算法研究

发布时间：2020-03-31 05:45

【摘要】：伴随着移动互联网时代的到来,移动智能终端设备(如智能手机)的销量正在超越传统台式计算机的销量。这种移动智能终端设备的增加激发了对位置感知以及其应用场景的探索。利用室内定位技术提供室内的位置服务,成为基于位置服务(LBS)领域一大研究热点。然而现有的室内定位技术在实用性和定位精度上还存在不足。本文在惯性传感器定位算法的基础上,结合蓝牙定位算法的优点,提出了基于扩展卡尔曼滤波的惯性传感器和蓝牙定位算法融合算法。并结合实际开发出室内定位系统。本文的工作主要包括以下几点:(1)现有的行人航位推算算法大都基于地理坐标系的,而行人在使用手机行进过程中获得传感器数据是基于载体坐标系的。因此,本文提出基于Mahony互补滤波算法的姿态解算算法,然后在姿态解算的基础上对行人计步算法、步长估计以及方向估计方面进行研究。对于计步算法,本文提出了对Z轴加速度进行高频和低频滤波来消除噪声干扰,通过阈值检测估计步数来提高计步精度;对于步长估计,本文研究了非线性步长模型。蓝牙定位技术主要包括三边测量定位方法和室内路径损耗模型。本文通过阅读大量文献分析当前三边测量算法和室内路径损耗模型,分别给出三边测量求解方法和室内路径损耗模型方程。另外,针对室内路径损耗模型,本文提出了两种校准技术来提高蓝牙定位精度。(2)惯性传感器定位算法容易造成累积误差,而蓝牙定位算法由于噪声干扰容易产生波动。本文结合两种算法的特点,提出了基于卡尔曼滤波的惯性传感器定位算法和蓝牙定位算法融合算法。首先建立融合算法的框架,然后选择合适的扩展卡尔曼滤波算法,最后经过理论验证和实验验证,证明了融合算法的有效性。(3)为了验证本文算法的实用性,本文开发了室内定位系统。该系统包括移动端和服务端,移动端在基于Android系统的智能手机上进行开发的,包括惯性传感器定位、蓝牙定位、通信模块以及用户交互模块;服务端在基于Python的Flask平台上进行开发的,包括用户认证交互模块、数据管理模块等。
【图文】：

三角测量,方法,直接序列,利用时间

图 1.2 四种三角测量方法Fig1.2 Four measuring methods for triangulation.TOA 是利用时间进行定位，，如图 1.2a 所示。(如文献[9][10]使用直接序列SSS)测量，文献[11]使用超带宽测量)，将信号从基站传输到移动终端(光速)

全球参考框架

上实现惯性导航系统的开发只需要对这几个传感器进行算法的开发，硬件支撑，一个智能手机就能完成。系统包括两种类型，一种是稳定平台系统；另一种是捷联式系统。二是加速度传感器和速率陀螺仪的工作框架。在本文中，我们将参考框架，如图 2.1 所示。
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP212.9;TN925

【参考文献】