多源数据融合的室内定位算法研究

《多源数据融合的室内定位算法研究》以智能手机为定位终端，利用惯性传感器、Wi-Fi信号接收器、地磁传感器等手机内部集成传感器，通过感知建筑物内Wi-Fi信号、行人航迹及地磁特征实现室内定位，并对传统定位算法及融合方式进行改进，以提高定位精度、稳定性及抗干扰能力，利于基于室内定位的LBS的推广应用。
《多源数据融合的室内定位算法研究》是作者在总结前人研究成果的基础上，在河北省自然科学基金资助项目的（E20200402086）资助下完成的。全书共分八章：第1章概述了室内定位算法的研究进展，变形分析与预测模型和小波分析的研究现状以及存在的问题。第2章介绍了与室内定位相关的理论知识。包括常见的四类室内定位技术：基于无线信号发射设备的室内定位技术、基于惯性导航的IMU及MEMS室内定位技术、基于图片（视频）的计算机视觉定位技术、其他技术，以及常用的两类室内定位方法：三角测量方法和RSSI测量方法；总结了影响室内定位的各个因素，尽量减小或者避免定位过程中的误差。第3章介绍了Wi-Fi的发展历程、工作原理、系统组成，以及利用Wi-Fi技术进行室内定位的流程及原理，阐述了Wi-Fi室内定位的优缺点；详细介绍了蓝牙5.0技术，以及网络侧定位和终端侧定位两种蓝牙定位方式及其定位流程，为Wi-Fi和蓝牙技术室内定位融合提供了理论支持；为了验证Wi-Fi和蓝牙室内定位精度，构建了Wi-Fi和蓝牙数据采集的实验环境，制订了数据采集计划，编写了数据采集软件，并详细介绍了Wi-Fi和蓝牙信号强度的采集软件及使用方法。第4章提出了利用邻域均值滤波算法将指纹数据库中的噪声进行剔除，提高了定位结果精度，说明了数据库中噪声对定位结果的影响程度以及指纹数据库滤波去噪的重要性；提出准确域的概念，用于确定两种定位结果的准确度，为融合两种定位方法提供可行性依据；确定了融合过程中Wi-Fi和蓝牙定位结果的权重问题，最终得到Wi-Fi和蓝牙定位技术融合后的定位结果，提高了定位精度，减小了平均定位误差。第5章介绍了主流Wi-Fi定位技术原理，对采样点滤波所使用的移动平均滤波法进行了改进，分析了指纹数据集，通过筛选有效热点对数据采集量进行了简化；在定位算法中优化了K邻近算法，提出了楼层识别算法，最后通过实验对定位方法进行了验证。第6章介绍了主流PDR定位技术的原理及定位坐标系，通过基于加速度幅值的波峰波谷检测法提高了步态检测的准确率，并依靠匹配路径特殊角度来消除累积误差，实现对建筑物内空间信息的有效利用。第7章介绍了Wi-Fi，PDR，地磁的结合定位。首先对地磁定位原理进行介绍，绘制定位区间的磁力图，分析地磁定位特性。其次，通过三种定位方式的结合使用，解决PDR定位中初始位置难以自动获取、长距离定位累积误差较大、地磁定位易出现模糊解和Wi-Fi定位不连续等问题。最后通过实验验证，分析该书所提出的结合定位算法的定位效果。第8章为总结与展望。

1 绪论
1．1 研究背景及意义
1．2 室内定位研究进展

2 室内定位相关理论
2．1 常见的室内定位技术
2．2 室内定位方法
2．3 室内定位的影响因素

3 Wi-Fi和蓝牙室内定位方法
3．1 Wi-Fi室内定位技术
3．2 蓝牙室内定位技术
3．3 实验环境构建
3．4 数据采集

4 Wi-Fi和蓝牙定位融合
4．1 指纹数据库滤波
4．2 Wi-Fi和蓝牙融合定位

5 基于Wi-Fi的位置指纹室内定位方法
5．1 基于位置指纹的Wi-Fi定位概述
5．2 数据采集及处理
5．3 定位点坐标计算
5．4 实验设计及分析

6 结合手机惯性传感器的室内定位算法
6．1 定位方法概述
6．2 航位推算
6．3 特征角度匹配校正
6．4 实验仿真

7 地磁、Wi-Fi与PDR的结合定位算法
7．1 地磁定位概述
7．2 Wi-Fi、地磁与PDR的结合
7．3 实验设计与分析

8 总结与展望
8．1 工作总结
8．2 工作展望
参考文献