融合惯性传感器和WIFI的室内定位应用研究

发布时间：2020-07-12 12:00

【摘要】：近年来,随着移动终端技术的不断发展,人们对位置服务的需求不断增加,传统的GPS卫星定位在室外环境中已经可以精确定位到米级,但由于GPS信号的局限性在室内环境中信号无法获取,定位精度大幅度衰减,无法满足用户需求。故室内定位技术仍是现阶段研究的热点,目前涌现出多种定位技术,在众多领域得到了应用,例如仓库物品管理、医疗救助、室内机器人移动定位等。随着室内定位技术需求的持续增长,使得多种室内定位技术如WiFi定位技术、Zigbee定位技术、超声波定位技术、红外定位技术和超宽带定位技术如雨后春笋般的涌现而出。其中WiFi基础设施的覆盖范围越来越广,使得WiFi室内定位技术具有其独特的优势。移动智能设备的占有率逐年扩大,多数移动智能设备中均配备了微型传感器,通过传感器定位导航更加方便。通过阅读大量的参考文献,分析国内外室内定位技术发展状况,鉴于定位精度和硬件成本是限制室内定位发展的主要因素,本文着重研究WiFi室内定位技术和惯性传感器导航定位技术。传统的基于WiFi的室内定位方法由于受到多径效应的干扰以及移动设备的不同误差等因素,定位效果时常受到影响。而传感器中的惯性导航存在累计误差,无法长时间精确工作。针对以上问题,为了提高基于移动终端的室内定位精度,结合WiFi指纹定位和传感器惯性导航技术的优点,提出联合定位方法。本文主要针对WiFi定位和惯性传感器定位精度的干扰因素,分析当下室内定位技术常用的技术与定位方法,并探讨当前室内定位中存在的问题与发展方向,并提出融合惯性和WiFi的改进方案。利用移动终端自带的陀螺仪、加速度传感器和磁力计,通过动态阈值调整算法判断行人行走状态,在方向检测算法的支持下计算行人运动方向,然后通过地图匹配粒子滤波算法进行位置分析,结合WiFi指纹定位信息和惯性传感器导航信息提出联合定位算法周期地校正行人位置。通过对WiFi定位和惯性传感器室内定位相结合的系统进行需求分析,设计融合的系统设计方案。利用Android系统的软件平台,通过Android Studio软件开发平台,在智能手机硬件平台的支持,对定位系统进行整体框架设计,对整个系统的业务流程以及定位系统中各个模块间的通信协议进行分析。再分别对系统的服务器模块和客户端模块进行功能的分析并实现每个模块的功能。通过在真实的环境中进行实验测试,分别把单独用WiFi进行室内定位和惯性传感器进行室内定位与本文中的相互结合进行定位得出的结果进行比较,分析得出用本文提出定位方式可以有效的使定位精度控制在2米以内。
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN92;TP212
【图文】：

图 2-1 WiFi 网络结构点（Access Point）,使用设备创建环境供其它具有无络的中心节点。一般情况下用无线路由器就可以轻松点向四周辐射 WiFi 信号，作为媒介使区域内的终端可以承担连接无线工作站和有线主干的功能，使两者之的资源。（Wireless Medium ,WM），空气作为良好的传播介到的，电磁波在空气中传播速度为光速，完全可以能统（Distribution System DS），建立在网络上的软件个 WiFi 基本服务区，使它们相互桥接 DS 可以让无接（中继）使几个基本服务区互联成一个整体如图

图 2-1 WiFi 网络结构无线接入点（Access Point）,使用设备创建环境供其它具有无线网卡的设备连接，也是网络的中心节点。一般情况下用无线路由器就可以轻松创建一个 AP节点。AP 节点向四周辐射 WiFi 信号，作为媒介使区域内的终端可以相互通信。无线 AP 也可以承担连接无线工作站和有线主干的功能，使两者之间相互访问，增加有线网络的资源。无线介质（Wireless Medium ,WM），空气作为良好的传播介质是我们日常使用中最常见到的，电磁波在空气中传播速度为光速，完全可以能够满足传输需求。分布式系统（Distribution System DS），建立在网络上的软件。无线分布系统主要连接多个 WiFi 基本服务区，使它们相互桥接 DS 可以让无线 AP 之间通过无线进行桥接（中继）使几个基本服务区互联成一个整体如图 2-2 所示。

图 2-3 TDOA 原理图角度法 AOAAngle of Arrival）利用信号到达的角度不同进行测距，到达角度测动终端设备感知 AP 节点发射的信号所到达的方向，计算出 AP 之间的相对角度或者方向，再通过三角测量的方法计算出未知 A信号到达角度(AOA)的定位算法不需要移动终端与 AP 节点时间了时间测量设备，但是需要添加测量信号波入射角度的设备。这境变化比较敏感，且 AOA 需要增加额外硬件支持，在室内 WiFi 受到多径效应的影响，且信号是在非视距的情况下传播，精度变且需要额外添加角度测量设备，额外的增加了成本负担，使得 W低廉的优势不复存在。故该定位方法不适合在 WiFi 室内定位中如 2-4 所示。

【参考文献】

相关期刊论文 前10条

1 马燕;袁蔚林;陈秀万;许玉斌;孙华波;;基于WiFi与GPS组合定位算法的无缝定位方法研究[J];地理与地理信息科学;2013年03期

2 夏英;王磊;刘兆宏;;基于无线局域网接收信号强度分析的混合室内定位方法[J];重庆邮电大学学报(自然科学版);2012年02期

3 肇莹;刘红星;王仲宇;王元庆;;最近邻搜索用于分类问题的一种改进[J];南京大学学报(自然科学版);2009年04期

4 刘明;王婷婷;黄小燕;刘锐;;基于SVM分类区域的传感器网络节点自定位算法[J];计算机应用;2009年04期

5 林令娟;刘希玉;;基于微粒群优化的快速K-近邻分类算法[J];山东科学;2009年01期

6 付俊;;一种精密实时无线定位系统——Ubisense 7000定位系统[J];仪器仪表标准化与计量;2008年04期

7 罗德新;杜明辉;;无线局域网概述[J];中国科技信息;2008年11期

8 杨隆友;无线局域网[J];中国科技信息;2005年10期

9 柯东林;无线网络的接入技术[J];鄂州大学学报;2002年04期

10 桑玛斯·A·小斯丹塞尔;李振伍;;子午仪卫星导航系统的现状、原理、性能和应用范围[J];海洋地质与第四纪地质;1979年02期

相关博士学位论文 前1条

1 程超;面向物联网的定位系统链路选择与分配[D];吉林大学;2014年

相关硕士学位论文 前10条

1 李春跃;基于机器学习的WiFi室内定位技术研究[D];北京邮电大学;2017年

2 姜国庆;移动社交网络隐私保护算法及应用研究[D];东华大学;2016年

3 熊祝青;基于Android和IEEE 11073-10406标准的心电系统设计[D];南昌航空大学;2015年

4 刘莎莉;基于指纹-惯导融合的WiFi室内定位研究[D];新疆大学;2015年

5 朱建勇;面向移动终端的指纹定位技术研究[D];北京邮电大学;2015年

6 陈斌;基于SVM技术的室内室外定位方法研究与实现[D];北京邮电大学;2015年

7 胡伟娅;基于惯性测量和RSSI的个人室内定位系统[D];上海交通大学;2013年

8 胡天琨;基于Android的室内导航定位系统设计与实现[D];东华大学;2013年

9 曹硕;基于Wi-Fi直连的移动P2P联网及其应用[D];电子科技大学;2012年

10 刘敏;认知无线局域网室内定位算法的研究与实现[D];西安电子科技大学;2012年

本文编号：2751926