python卡尔曼滤波室内定位_基于Unscented卡尔曼滤波的室内定位
Computer
Engineering
and
Applications
计算机工程与应用
2014
,
50
(
14
)
1
引言
无线传感器网络是
21
世纪
21
个最具影响力的技术
之一,
也是
10
个改变世界的技术之一。作为无线传感
器网络的重要的支撑技术,
定位技术的发展非常迅速,
不管在工业方面还是学术方面,
都引起了很大的关注。
随着移动通信、
无线传感器网络技术的发展,
室内环境
下基于位置的服务
(
LBS
)
越来越受到人们的关注,
室内
人员定位成为一个非常重要的研究领域。
定位算法主要分为两大类:
基于距离算法和无需测
距算法
[1]
;
根据部署场合分为室内定位和室外定位。基
于距离算法是通过测量节点间的距离或者角度,
使用三
边测量、
三角测量或者最大似然估计法来估计节点位
置,
目前使用的测距技术有接收信号强度指示
(
RSSI
)
[2]
、
到
达
时
间
(
TOA
)
[3]
、
到
达
时
间
差
(
TDOA
)
[4]
和
到
达
角
(
AOA
)
[5]
等;
无需测距算法是根据网络连通性等信息实
现节点定位,
有质心算法
[6]
、
DV-hop
算法
[7]
、
Amorphous
算法
[8]
、
APIT
算法
[9]
等。基于
RSSI
值是测距的基本方
法,
测量
RSSI
只需要较少的开销和较低的实现复杂度,
成为近几年室内定位研究的热点。但是
RSSI
值易受到
环境的影响
(如墙壁反射,
衍射,
多径效应等)
,
所以需要
对
RSSI
值滤波并更新参数
A
和
n
。结合
Unscented
卡
尔曼滤波,
能有效地消除全向性的影响。
基于
Unscented
卡尔曼滤波的室内定位
方
庆,
李
平
FANG
Qing,
LI
Ping
长沙理工大学
计算机与通信工程学院,
长沙
410004
College
of
Computer
and
Communication
Engineering,
Changsha
University
of
Science
and
Technology,
Changsha
410004,
China
FANG
Qing,
LI
Ping.
Unscented
Kalman
filter-based
indoor
positioning.
Computer
Engineering
and
Applications,
2014,
50
(
14
)
:
74-77.
Abstract
:
By
analyzing
antenna
omni-directional
problem
in
RSSI
values-based
ranging
technique,
it
proposes
location
algorithm
based
on
the
Unscented
Kalman
Filter
(
UKF
)
.
It
uses
the
RSSI
values-based
ranging
model
for
distance
mea-
surement,
and
uses
the
Unscented
Kalman
filter
algorithm
to
estimate
node
coordinates.
Since
the
RSSI
value
measurement
and
ranging
model
parameters
affected
by
the
environment,
it
uses
Gaussian
filter
to
optimize
the
RSSI
value
and
uses
linear
regression
algorithm
to
optimize
the
environmental
parameters.
Compared
with
the
Maximum
Likelihood
estimation
method
(
ML
)
,
experimental
results
show
that
this
method
can
effectively
reduce
the
positioning
error
and
improve
accuracy.
Key
words
:
localization;
Received
Signal
Strength
Indicator
(
RSSI
)
;
antenna
omni-directional;
Unscented
Kalman
Filter
(
UKF
)
摘
要:
基于
RSSI
值的测距技术中,
通过对天线全向性问题的分析,
提出基于
Unscented
卡尔曼滤波
(
UKF
)
的定位
算法。利用基于
RSSI
值的测距模型进行距离测量,
并使用
Unscented
卡尔曼滤波算法估计节点坐标。由于
RSSI
值
的测量和测距模型参数受到环境的影响,
采用高斯滤波对
RSSI
值进行优化,
对环境参数使用线性回归算法进行优
化并采用自适应机制更新。通过与最大似然估计法
(
ML
)
的比较实验表明,
该算法能有效地减小定位误差,
提高定
位精度。
关键词:
定位;
接收信号强度指示器
(
RSSI
)
;
天线全向性;
无损卡尔曼滤波
(
UKF
)
文献标志码:
A
中图分类号:
TN915
doi
:
10.3778/j.issn.1002-8331.1208-0036
基金项目:
国
家
科
技
重
大
专
项
(
No.2010ZX03006-007
)
;
国
家
科
技
支
撑
课
题
(
No.2012BAH20B03
)
;
中
国
科
学
院
先
导
课
题
(
No.
XDA06040100
)
;
湖南省科技计划项目
(
No.2010GK3069
)
。
作者简介:
方庆
(
1989
—)
,
男,
硕士研究生,
主要研究领域为无线传感器网络;
李平
(
1972
—)
,
男,
博士,
副教授,
主要研究领域为无
线传感器网络、
网络与信息安全、
移动计算。
:
fangqing1012@163.com
收稿日期:
2012-08-03
修回日期:
2012-10-15
文章编号:
1002-8331
(
2014
)
14-0074-04
CNKI
网络优先出版:
2012-11-21,
python卡尔曼滤波室内定位_基于Unscented卡尔曼滤波的室内定位相关推荐
- python卡尔曼滤波室内定位_基于扩展卡尔曼滤波算法的室内定位跟踪系统
基于扩展卡尔曼滤波算法的室内定位跟踪系统 凌海波,周先存 [摘 要] 摘要:为了解决无线室内定位系统实时跟踪位置坐标误差较大问题, 提出一种基于扩展卡尔曼滤波 (EKF) 算法的室内定位方法.系统采用 ...
- 如何用python实现地图定位_基于 PyQt5 实现地图中定位相片拍摄位置
项目简介:本次项目主要学习了如何查找相片中的 Exif 信息,并通过 Exif 信息中的 GPS 数据在百度地图中进行定位标点,以确定相片的拍摄地点.本次实验的目的旨在通过包含 GPS 信息的相片进行 ...
- 室内定位:基于LoRa网络的蓝牙定位 BLE-2
①适用说明 基于LoRa网络的蓝牙定位是依赖LoRa作为数据回传网络,通过在场所内部署安装蓝牙信标设备作为定位依据,移动定位终端设备如定位胸牌或定位手表主动扫描环境中的iBeacon信号并通过LoRa ...
- python卡尔曼滤波室内定位_基于核函数与卡尔曼滤波的室内定位方法
随着当今社会的发展,基于位置的服务变得越来越重要.室外定位技术以全球定位系统为基础,包括美国的GPS定位系统,俄罗斯的GLONASS定位系统以及我国自主研制的北斗卫星导航定位系统,利用这些定位系统可以 ...
- 简述isodata算法的原理_基于UWB技术的室内定位方法简述
1. UWB室内定位概述: UWB室内定位技术与传统通信技术有极大的差异,它不需要使用传统通信体制中的载波,而是通过发送和接收具有纳秒或纳秒级以下的极窄脉冲来传输数据,从而具有GHz量级的带宽.超宽带 ...
- rssi室内定位算法原理_基于RSSI的精确室内定位算法
基于 RSSI 的精确室内定位算法 何山 [期刊名称] <现代电信科技> [年 ( 卷 ), 期] 2011(000)003 [摘要] 无线传感器网络的关健问题是实现节点的精确定位 . 为 ...
- zigbee定位_基于RFID室内定位技术的解决方案,能满足高精度室内定位吗?
跟着物联网的研讨和无线传感网络技能迅速发展,ZigBee技能作为一种新式的低成本.低功耗.低速率短间隔的无线传感网络技能,它是根据IEEE802.15.4规范开发的无线协议.IEEE802.15.4担 ...
- 两个点 定位_基于双天线的北斗定位系统设计与实现
前期实际北斗模块定位误差统计分析中得出了北斗模块的定位误差分布服从正态分布,根据北斗模块定位误差分布的规律,利用在同一块电路板上的双天线模块接收北斗定位信号,将定位信息传给TMS320F28335DS ...
- 光流传感器 定位精度_基于多传感器的无人机定位和避障技术研究
摘要: 随着无人机技术的快速发展,无人机已逐渐走进人们的生活和工作.现有常规的无人机仍依赖于专业人员的操纵,无人机技术存在着环境感知能力.自主飞行能力不足等问题.为进一步提高无人机的环境感知能力并扩展 ...
最新文章
- datatable和dataset的区别
- Hadoop(十)Hadoop IO之数据完整性
- Zookeeper_watch机制核心讲解
- C:\Python27\python.exe: can't open file '2.py': [Errno 2] No such file or directory
- ICCV NAS Workshop 最佳论文提名:通过层级掩码实现高效神经网络架构搜索
- sencha Touch 2.4 学习之 XTemplate模板
- tensorflow Keras的搭建训练步骤
- cad计算机功能键,【答疑】Auto CAD2014计算器快捷键是什么呢?? - 视频教程线上学...
- 阿里矢量图标库项目添加合作者
- C++代码示例2 ~ 求立方体的面积和体积并求出两个立方体是否相等
- 208个地级市总人口、城市和农村人口、城镇化率面板数据(2010-2019年)
- android清理空间,安卓手机如何清理系统空间
- SQL SERVER之填充因子
- 将.m3u8转换为视频文件保存到本地
- Java8 新特性(下)
- 前端下载文件(exe,zip,js等)的几种方式
- 计算机之父冯·诺依曼
- python中@用法
- 算法编程例题——枚举法
- 自适应php导航网站源码,php网址导航源码v1.6自适应导航源码
热门文章
- Ericsson open-sources OpenWebRTC and Bowser for iOS; Intel releases IoT developer kit
- K480N解决安装win10键盘失灵的方法
- 译:在ROS上发布Odometry信息
- portal服务器信息超时,某局点iMC-EIA Portal认证提示“向Portal Server发送请求超时”经典案例...
- pythonic的典故_旷视开源深度学习框架「天元」,提供人人可用的AI“生产力工具”【星特写】...
- 人工智能——机器学习与深度学习思维导图
- winUSB设备的开发方法
- 函数——求三个数的最大值
- [转帖]彩色硬盘 关于西数硬盘 企业盘、黑盘、蓝盘、绿盘、红盘的区别
- 有参组装新转录本cufflinks_转录组组装软件stringtie