MEMS-SINS-iBeacon室內(nèi)組合導(dǎo)航與定位系統(tǒng)研究.pdf

1、目前室內(nèi)定位技術(shù)依然在藍(lán)海階段，其應(yīng)用意義不亞于室外定位技術(shù)。分析當(dāng)前在智能手機(jī)上的室內(nèi)定位技術(shù)精度低及難實(shí)現(xiàn)的問題，研究基于MEMS-SINS的行人航位推算算法及基于iBeacon室內(nèi)定位技術(shù)，提出了基于MEMS-SINS/iBeacon的室內(nèi)組合導(dǎo)航與定位系統(tǒng)算法。
　　在研究基于MEMS-SINS的行人航位推算算法過程中，針對(duì)載體在變速運(yùn)動(dòng)時(shí)因?yàn)榧铀俣扔?jì)不能區(qū)分重力加速度與運(yùn)動(dòng)加速度引起基于互補(bǔ)濾波的姿態(tài)解算誤差較大的問題，

2、提出一種互補(bǔ)與自適應(yīng)限幅組合濾波的姿態(tài)解算算法，并給出了自適應(yīng)限幅濾波門閥的設(shè)計(jì)方法；針對(duì)直接應(yīng)用MEMS-SINS時(shí)積分誤差較大的問題，設(shè)計(jì)根據(jù)行人步行狀態(tài)來自適應(yīng)調(diào)整的行人步伐檢測(cè)算法，及基于導(dǎo)航坐標(biāo)系水平加速度的步長估計(jì)模型。在研究基于iBeacon的室內(nèi)定位算法過程中，針對(duì)在線匹配階段實(shí)時(shí)iBeacon RSSI值波動(dòng)大，易匹配到相似度高但是距離遠(yuǎn)的定位點(diǎn)的問題，提出基于距離的KNN加權(quán)算法；針對(duì)應(yīng)用于RSSI指紋庫優(yōu)化的主流的

3、聚類技術(shù)存在時(shí)間復(fù)雜度高的問題，提出基于RSSI排序特征向量的指紋庫處理算法，并給出了對(duì)應(yīng)的指紋匹配算法。分析了MEMS-SINS及iBeacon定位的優(yōu)缺點(diǎn)后，提出基于自適應(yīng)卡爾曼濾波的MEMS-SINS、iBeacon定位數(shù)據(jù)的融合方案,并論述確定估計(jì)狀態(tài)量、狀態(tài)轉(zhuǎn)換矩陣、測(cè)量矩陣及用輸出相關(guān)自適應(yīng)法將離散卡爾曼濾波自適應(yīng)化的詳細(xì)過程，并給出自適應(yīng)卡爾曼濾波初始化的詳細(xì)步驟。最終得出一個(gè)完整的MEMS-SINS/iBeacon室內(nèi)組

4、合定位與導(dǎo)航系統(tǒng)算法。
　　實(shí)驗(yàn)表明，基于組合濾波的姿態(tài)解算算法，精度高，計(jì)算量小，易于在手機(jī)定位系統(tǒng)中實(shí)現(xiàn)；自適應(yīng)行人步伐檢測(cè)算法及步長估計(jì)模型在智能手機(jī)上的定位應(yīng)用都比傳統(tǒng)的行人航位推算算法精度更高；基于RSSI排序特征向量的指紋庫處理算法及指紋匹配算法能自動(dòng)對(duì)定位空間分塊，有效抑制定位點(diǎn)的突變，降低匹配算法的時(shí)間復(fù)雜度等，是一種高效的指紋定位算法；采用自適應(yīng)卡爾曼濾波的數(shù)據(jù)融合策略的整體設(shè)計(jì)方案能很好地應(yīng)對(duì)復(fù)雜的室內(nèi)定位環(huán)境