基于智能手机传感器数据融合的室内定位技术

发布时间：2021-04-22 22:43

　　智能手机内置了丰富的传感器,可以感知与室内位置相关的信息。充分融合多种传感器数据,对提高室内定位精度有重要作用,成为近年来研究的热点问题。手机的磁力计可以感知地磁场的强度。地磁场无处不在,信号稳定,在室内受磁性物质的影响发生局部畸变。这些畸变使地磁强度能够区分室内不同的位置。WiFi AP（Access Point）在室内广泛部署。WiFi的信号强度RSS（Received Signal Strength）随传输距离而衰减,也能用于室内定位。然而如何充分利用二者的特性,设计低成本高精度的室内定位算法依然面临严峻挑战。本文通过实验研究发现地磁场和WiFi信号在位置信息粒度和位置区分度方面具有互补特性。基于此提出了一个面向智能手机的两阶段定位框架:粗粒度定位阶段和细粒度定位阶段。在该框架下实现了基于地磁和WiFi融合的两种定位算法:MagWi和DeepLoc。MagWi是一种基于误差分配权重的特征融合室内定位算法。它使用独立于手机姿态的二维地磁特征。为了充分利用地磁和WiFi的互补性,MagWi建立了预测误差模型,该模型能够描述特征的定位能力。MagWi在粗粒度定位利用WiFi RSS特征... 

【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景
    1.2 研究现状及存在问题
        1.2.1 室内定位技术分类及其应用场景
        1.2.2 室内定位中的多传感器数据融合技术
        1.2.3 基于地磁和WiFi的室内定位算法
        1.2.4 基于深度学习的室内定位算法
    1.3 主要研究内容
    1.4 组织结构
第2章 传感器数据特征及其互补性
    2.1 二维地磁特征
        2.1.1 二维地磁特征的获取
        2.1.2 时间稳定性
        2.1.3 空间区分度
    2.2 WiFi RSS特征
        2.2.1 时间稳定性
        2.2.2 空间区分度
    2.3 二维地磁特征与WiFi RSS特征的互补性
        2.3.1 空间区分度的互补性
        2.3.2 位置信息粒度的互补性
    2.4 本章小结
第3章 基于误差分配权重的特征融合室内定位算法
    3.1 算法概述
    3.2 算法设计
        3.2.1 粗粒度定位
        3.2.2 细粒度定位
    3.3 算法实现
        3.3.1 指纹库的构建
        3.3.2 误差预测模型的建立
        3.3.3 在线定位
        3.3.4 设备多样性问题
    3.4 性能评价
        3.4.1 设备与场景
        3.4.2 子区域估计准确率
        3.4.3 误差预测模型
        3.4.4 定位误差分析
        3.4.5 设备多样性处理
    3.5 本章小结
第4章 基于深度学习的特征融合的室内定位算法
    4.1 算法概述
    4.2 子区域估计
        4.2.1 DNN分类模型的特征与标签
        4.2.2 DNN分类模型的结构与训练
        4.2.3 子区域划分
    4.3 位置估计
        4.3.1 DNN回归模型的结构
        4.3.2 DNN回归模型的训练
    4.4 性能评价
        4.4.1 数据集与实验设备
        4.4.2 子区域估计性能
        4.4.3 定位误差分析
        4.4.4 模型结构的影响
        4.4.5 模型训练时长与在线定位延迟
    4.5 本章小结
第5章 总结与展望
    5.1 本文总结
    5.2 研究展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3154599