基于人工鱼群的BP神经网络WiFi指纹-PDR融合定位研究

发布时间:2022-07-20 18:33
  随着移动通信、微机电系统(MEMS)技术的的蓬勃发展,基于位置的服务(LBS)需求连年剧增。LBS被广泛应用在军事物流、仓储医疗、抢险救灾等领域。在室内,GNSS因复杂的室内环境难以进行准确定位。于是,被称为“位置服务的最后一厘米”的室内定位技术备受各大科技公司和科研机构青睐。WiFi,惯导技术是现有较为成熟的室内定位系统中主要运用到的定位技术。近年来,无线WiFi凭借部署广泛、成本低、扩展性强、实现简单倍受关注。在室内WiFi场景定位中,WiFi指纹被广泛采用。尽管WiFi指纹定位技术正不断被改善,但仍存在单点定位精度低,不够稳定的缺陷。PDR(pedestrian dead reckoning)定位技术在短时具有较高精度,无设备依赖性,普适性较强特点,但却存在随时间变化的累积误差缺点。针对上述两种常用定位技术中存在的问题,本文主要开展了以下研究工作:(1)在WiFi指纹定位部分,首先,为保证所构建指纹库的准确性,就RSSI信号处理部分,分析并确立了本文的信号滤波去噪方法。其次针对传统的基于BP神经网络室内WiFi定位算法存在着定位精度低和收敛速度慢的问题,考虑到室内无法使用信号强度... 

【文章页数】:67 页

【学位级别】:硕士

【文章目录】:
摘要
Abstract
第一章 绪论
    1.1 相关研究意义及背景
    1.2 国内外研究现状
    1.3 本文主要研究工作
    1.4 本文的组织架构
第二章 室内定位技术方法理论概述
    2.1 室内定位的相关技术分类
        2.1.1 基于无线WiFi系统的室内定位技术
        2.1.2 基于Bluetooth的室内定位技术
        2.1.3 基于惯性导航的室内定位技术
        2.1.4 基于地磁场的室内定位技术
    2.2 室内定位主要方法
        2.2.1 三边测距法
        2.2.2 三角定位法
        2.2.3 指纹匹配法
    2.3 室内定位主流技术对比
    2.4 位置指纹库RSSI信号的获取
        2.4.1 RSSI信号高斯滤波去噪处理
        2.4.2 RSSI信号均值滤波去噪处理
    2.5 本章小结
第三章 基于人工鱼群优化的BP神经网络WiFi指纹室内定位方法
    3.1 基于WiFi信号指纹(fingerprinting)的定位与数据预处理
        3.1.1 基于WiFi信号指纹(fingerprinting)的定位
        3.1.2 室内WiFi信号指纹数据的采集和预处理
    3.2 BP神经网络介绍
        3.2.1 BP神经网络的拓扑结构
        3.2.2 BP神经网络学习算法及其缺陷分析
    3.3 人工鱼群算法描述
        3.3.1 人工鱼群算法概念及原理简介
    3.4 IAFSA-BP神经网络室内定位算法总体流程
        3.4.1 IAFSA优化的BP神经网络
    3.5 算法实验与对比分析
        3.5.1 实验环境
        3.5.2 实验分析
    3.6 本章小结
第四章 融合BP神经网络WiFi指纹和PDR室内定位方法
    4.1 步态检测方法
        4.1.1 常规步态检测算法
        4.1.2 过零检测法
        4.1.3 自适应步态检测算法
    4.2 行人步长估计模型
        4.2.1 常用步长模型介绍
        4.2.2 非线性步长模型实验
    4.3 航向角估算
    4.4 地标辅助行人航迹推算方法
    4.5 基于扩展卡尔曼滤波的WiFi指纹-PDR融合定位算法
    4.6 扩展卡尔曼滤波融合模型
        4.6.1 扩展卡尔曼滤波算法原理
        4.6.2 融合模型定位方法
    4.7 定位实验和性能结果分析
        4.7.1 实验条件及环境
        4.7.2 融合定位实验测试及结果分析
    4.8 本章小结
第五章 总结和展望
    5.1 论文工作总结
    5.2 论文研究展望
参考文献
致谢
在读期间公开发表论文(著)及科研情况


【参考文献】:
期刊论文
[1]基于RSSI的定位技术中数据预处理的滤波算法[J]. 曹子腾,郭阳,赵正旭.  电脑编程技巧与维护. 2020(01)
[2]PDR算法对地磁室内定位精度的提升研究[J]. 黄鹤,张新宇,仇凯悦.  测绘通报. 2019(12)
[3]国内室内定位技术发展现状综述[J]. 闫大禹,宋伟,王旭丹,胡子烨.  导航定位学报. 2019(04)
[4]基于EKF算法的UWB和ZigBee测量技术的混合运动目标定位[J]. 王嫣,常晓鹏,张建平.  应用科学学报. 2019(06)
[5]基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法[J]. 王守华,陆明炽,孙希延,纪元法,胡丁梅.  电子与信息学报. 2019(09)
[6]一种UWB与PDR融合的行人室内定位方法[J]. 仪玉杰,黄智刚,苏雨.  导航定位学报. 2019(03)
[7]基于RSSI的混合滤波算法[J]. 倪晓军,高雁,李凌锋.  计算机科学. 2019(08)
[8]基于Wi-Fi指纹与视觉融合的室内交通定位[J]. 张帆,胡钊政,陈佳良,李飞,谢静茹.  交通信息与安全. 2019(03)
[9]基于图优化的蓝牙信标室内定位方法[J]. 张俞,冷璐.  电子测量与仪器学报. 2019(06)
[10]一种BP神经网络的室内定位WiFi标定方法[J]. 宋斌斌,余敏,何肖娜,薛峰,阮超.  导航定位学报. 2019(01)

硕士论文
[1]基于MEMS传感器的室内定位人员步态检测方法研究[D]. 仇潮汐.西安电子科技大学 2019
[2]基于WIFI/PDR的室内组合定位算法的研究[D]. 刘远恒.哈尔滨工程大学 2019
[3]基于多源数据融合的室内无线定位与跟踪方案[D]. 毛钰超.西安电子科技大学 2018
[4]基于智能手机的WiFi-PDR组合室内定位算法研究[D]. 冯涛.江西师范大学 2018
[5]基于卡尔曼滤波器的在轨目标跟踪算法研究[D]. 梁晓波.中国科学院大学(中国科学院光电技术研究所) 2017
[6]基于Android手机的室内定位技术研究与实现[D]. 徐伟.华中师范大学 2014



本文编号:3664532

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/3664532.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户6cdc3***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com