-
公开(公告)号：CN114710744B
公开(公告)日：2023-03-21
申请号：CN202210378315.4
申请日：2022-04-12
Applicant: 电子科技大学
Abstract: 本发明提供了一种深度融合WiFi测距与PDR推算的室内定位方法，属于WiFi定位技术领域，包括以下步骤：在定位场景中采集WiFi数据；处理采集的WiFi的RSSI数据，并对RSSI排序，进行RSSI测距，得到WiFi测距量；获取传感器数据，计算行人的前进方向、步长，进行行人航位推算，得到行人的预测位置；通过WiFi测距量、行人的前进方向、步数和步长，自适应调整扩展卡尔曼滤波的过程噪声和观测噪声；将过程噪声、观测噪声、WiFi测距量、行人预测位置和WiFi位置作为输入，利用自适应扩展卡尔曼滤波器融合WiFi测距量、行人的预测位置和WiFi位置，得到行人估计位置坐标。本发明在定位精度上比传统的三角定位和PDR定位的定位精度有所提升。
-
Patent Agency Ranking
公开(公告)号：CN114710744A
公开(公告)日：2022-07-05
申请号：CN202210378315.4
申请日：2022-04-12
Applicant: 电子科技大学
Abstract: 本发明提供了一种深度融合WiFi测距与PDR推算的室内定位方法，属于WiFi定位技术领域，包括以下步骤：在定位场景中采集WiFi数据；处理采集的WiFi的RSSI数据，并对RSSI排序，进行RSSI测距，得到WiFi测距量；获取传感器数据，计算行人的前进方向、步长，进行行人航位推算，得到行人的预测位置；通过WiFi测距量、行人的前进方向、步数和步长，自适应调整扩展卡尔曼滤波的过程噪声和观测噪声；将过程噪声、观测噪声、WiFi测距量、行人预测位置和WiFi位置作为输入，利用自适应扩展卡尔曼滤波器融合WiFi测距量、行人的预测位置和WiFi位置，得到行人估计位置坐标。本发明在定位精度上比传统的三角定位和PDR定位的定位精度有所提升。
-
公开(公告)号：CN115103437A
公开(公告)日：2022-09-23
申请号：CN202210453099.5
申请日：2022-04-27
Applicant: 电子科技大学
Abstract: 本发明提供了一种蓝牙和惯性测量单元的紧耦合室内定位方法，包括以下步骤：在定位区域布置蓝牙信标(BLE)，采集其位置信息，将其存储至数据库D；采集接收信号的强度指示(Received Signal Strength Indicator，RSSI)信号进行处理，根据数据库D，利用RSSI信号传播模型获取BLE到车辆的距离信息；采集惯性测量单元(Inertial Measurement Unit，IMU)提供的测量值，解算设备坐标系到世界坐标系的旋转矩阵；利用本时刻的状态量转移方程与旋转矩阵，分别得到方程关于状态量和噪声的雅可比矩阵；利用两个雅可比矩阵求出估计方差矩阵与下一时刻的状态量预测值；利用蓝牙采样的状态量，根据观测方程求出关于状态量的雅可比矩阵；根据解算的雅可比矩阵，利用扩展卡尔曼滤波器紧耦合蓝牙与IMU并修正得到的状态量与估计方差矩阵，完成蓝牙与IMU的紧耦合室内定位。本发明在定位精度上比传统的蓝牙定位算法有所提升。
-
公开(公告)号：CN115103437B
公开(公告)日：2024-03-15
申请号：CN202210453099.5
申请日：2022-04-27
Applicant: 电子科技大学
Abstract: 本发明提供了一种蓝牙和惯性测量单元的紧耦合室内定位方法，包括以下步骤：在定位区域布置蓝牙信标(BLE)，采集其位置信息，将其存储至数据库D；采集接收信号的强度指示(Received Signal Strength Indicator，RSSI)信号进行处理，根据数据库D，利用RSSI信号传播模型获取BLE到车辆的距离信息；采集惯性测量单元(Inertial Measurement Unit，IMU)提供的测量值，解算设备坐标系到世界坐标系的旋转矩阵；利用本时刻的状态量转移方程与旋转矩阵，分别得到方程关于状态量和噪声的雅可比矩阵；利用两个雅可比矩阵求出估计方差矩阵与下一时刻的状态量预测值；利用蓝牙采样的状态量，根据观测方程求出关于状态量的雅可比矩阵；根据解算的雅可比矩阵，利用扩展卡尔曼滤波器紧耦合蓝牙与IMU并修正得到的状态量与估计方差矩阵，完成蓝牙与IMU的紧耦合室内定位。本发明在定位精度上比传统的蓝牙定位算法有所提升。
-
公开(公告)号：CN114710745B
公开(公告)日：2023-04-18
申请号：CN202210378318.8
申请日：2022-04-12
Applicant: 电子科技大学
Abstract: 本发明提供了一种蓝牙与PDR信息深度融合的室内定位方法，属于蓝牙定位技术领域，包括以下步骤：采集场景中的蓝牙数据；处理采集的蓝牙的RSSI，对RSSI进行排序、测距，得到测距量；利用测距量生成新型测量误差模型，粒子滤波的状态方程和观测方程；利用前一时刻粒子滤波的估计粒子进行第一重粒子滤波，生成M个位置粒子；通过传感器数据，计算前进方向和步长，第二重粒子滤波利用PDR算法，生成N个步伐粒子，全部预测粒子数N*M；对全部预测粒子进行随机重采样，生成估计粒子，加权估计粒子的位置，得到定位位置。本发明的融合定位算法相比于蓝牙三角定位算法，鲁棒性更好，定位精度更高，实现成本比蓝牙三角定位算法更低。
-
公开(公告)号：CN114710745A
公开(公告)日：2022-07-05
申请号：CN202210378318.8
申请日：2022-04-12
Applicant: 电子科技大学
Abstract: 本发明提供了一种蓝牙与PDR信息深度融合的室内定位方法，属于蓝牙定位技术领域，包括以下步骤：采集场景中的蓝牙数据；处理采集的蓝牙的RSSI，对RSSI进行排序、测距，得到测距量；利用测距量生成新型测量误差模型，粒子滤波的状态方程和观测方程；利用前一时刻粒子滤波的估计粒子进行第一重粒子滤波，生成M个位置粒子；通过传感器数据，计算前进方向和步长，第二重粒子滤波利用PDR算法，生成N个步伐粒子，全部预测粒子数N*M；对全部预测粒子进行随机重采样，生成估计粒子，加权估计粒子的位置，得到定位位置。本发明的融合定位算法相比于蓝牙三角定位算法，鲁棒性更好，定位精度更高，实现成本比蓝牙三角定位算法更低。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
