融合RSSI测距定位的室内PDR算法

doi:10.3969/j.issn.1006-2475.2016.09.019

计算机与现代化

融合RSSI测距定位的室内PDR算法

（成都理工大学信息科学与技术学院，四川成都610059）

收稿日期:2016-05-20 出版日期:2016-09-12 发布日期:2016-09-13
作者简介:胡洪（1993-），男，四川巴中人，成都理工大学信息科学与技术学院本科生，研究方向：信息融合，无线信号处理；李雪梅（1978-），女，四川成都人，副教授，硕士生导师，研究方向：地震应急。
基金资助:
国家科技支撑计划项目（2015BAK18B03-0202）

Indoor PDR Algorithm Based on RSSI Ranging Positioning

(College of Information Science & Technology, Chengdu University of Technology, Chengdu 610059, China)

Received:2016-05-20 Online:2016-09-12 Published:2016-09-13

摘要/Abstract

摘要： 在室内定位系统中，针对RSSI测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化和行人航迹推算(PDR)定位系统漂移误差长时间的累积效果，提出融合RSSI测距定位的室内行人航迹推算算法，以扩展卡尔曼滤波器实现两者定位信息的融合，获得系统的最优定位结果。仿真结果表明，该融合定位算法的平均定位误差约为0.83205 m,范围维持在0.51948 m～1.13529 m内，并在定位稳定性方面表现出良好的性能，验证了该方法的合理性和有效性。

关键词: 室内定位, 接收信号强度指示, 行人航迹推算, 融合算法, 扩展卡尔曼滤波

Abstract: In the indoor positioning system， the RSSI ranging positioning system encounters unpredictable random variation due to environmental uncertainty and Pedestrian Dead Reckoning positioning (PDR) system drift errors causes cumulative effect of prolonged positioning. An indoor PDR algorithm based on RSSI ranging positioning is proposed, which the final positioning result is based on extended Kalman filter output of fusion location information. The simulation results indicate that the fusion positioning algorithm shows up its good performance in the aspects of stability, which average location error is about 0.83205 m, maintaining from 0.51948 m to 1.13529 m. The rationality and availability of the scheme are verified.

Key words: indoor positioning, received signal strength indication, pedestrian dead reckoning, fusion algorithm, extended Kalman filter

中图分类号:

TP303

胡洪,李雪梅,秦丽圆,康德,鲁长江. 融合RSSI测距定位的室内PDR算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2016.09.019.

HU Hong, LI Xue-mei, QIN Li-yuan, KANG De， LU Chang-jiang. Indoor PDR Algorithm Based on RSSI Ranging Positioning[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2016.09.019.

参考文献

［1］ Noh Y, Yamaguchi H, Iee U, et al. CLIPS: Infrastructure-free collaborative indoor positioning scheme for time critical team operations［C］// 2013 IEEE International Conference on Pervasive Computing and Communications. 2013:172-178.
［2］ Luo Yan, Hoeber O, Chen Yuanzhu. Enhancing Wi-Fi fingerprinting for indoor positioning using humancentric collaborative feedback［J］. Human-centric Computing and Information Sciences, 2013,3(1):1-23.
［3］ Wu Zheng, Jedari E, Muscedere R, et al. Improved particle filter based on WLAN RSSI fingerprinting and smart sensors for indoor localization ［J］. Computer Communications, 2016,83:64-71.
［4］ Sabb S S, Nakad Z S. A standalone RFID indoor positioning system using passive tags［J］. IEEE Transactions on Industrial Electronics, 2011,58(5):1961-1970.
［5］宋敏，申闫春. 室内定位航位推测算法的研究与实现［J］. 计算机工程, 2013(7):293-297.
［6］ Ebner F, Fetzer T, Deinzer F, et al. Multi sensor 3D indoor localisation［C］// 2015 International Conference on Indoor Positioning and Indoor Navigation. 2015:1-11.
［7］ Rantakokko J, Rydell J, Stromback P, et al. Accurate and reliable soldier and first responder indoor positioning: Multisensor systems and cooperative localization［J］. IEEE Wireless Communications, 2011,18(2):10-18.
［8］ Akula M, Kamat V R, Ojeda L, et al. Integration of infrastructure based positioning systems and inertial navigation for ubiquitous context-aware engineering applications［J］. Advanced Engineering Informatics, 2011,25(4):640-655.
［9］ Zampella F J, Jimenez A, Seco F, et al.PDR with a foot-mounted IMU and ramp detection［J］. Sensors, 2011,11(10):9393-9410.
［10］Skog I, Handel P, Nilsson J O, et al. Zero-velocity detectionAn algorithm evaluation［J］. IEEE Transactions on Biomedical Engineering, 2010,57(11):2657-2666.
［11］Langer M, Kiesel S, Ascher C, et al. Deeply coupled GPS/INS integration in pedestrian navigation systems in weak signal conditions［C］// 2012 International Conference on Indoor Positioning and Indoor Navigation. 2012:1-7.
［12］Chernoguz N, Kagan A. Pedestrian Navigation System and Method: US, US8355888［P］. 2013.
［13］刘志平,余前勇. 多传感器融合的手机室内三维定位试验［J］. 山东科技大学学报(自然科学版), 2015,34(6):90-95.
［14］郑学理,付敬奇．基于PDR和RSSI的室内定位算法研究［J］. 仪器仪表学报, 2015，36(5):1177-1185．
［15］李勃. 基于RFID和航位推测法的室内轨迹追踪技术研究与实现［D］. 上海:上海交通大学, 2014．
［16］于飞. 一种基于双MEMSIMU的行人自主导航解算: 中国专利, 103776446A［P］. 2013-10-29.

[1]	李世宝, 丛玉杰. 基于RSSI参数动态修正的ZigBee室内定位算法[J]. 计算机与现代化, 2024, 0(01): 35-40.
[2]	杨旭朝, 雷志勇, 王娇娇. 基于局部重叠区域的无显著特征图像配准算法[J]. 计算机与现代化, 2023, 0(01): 24-29.
[3]	黄智昌, 尚京威. 面向复杂机房环境的室内定位技术应用研究#br#[J]. 计算机与现代化, 2022, 0(11): 102-110.
[4]	柴晨境, 刘宾, 潘晋孝. 基于阈值筛选的室内定位优化算法[J]. 计算机与现代化, 2022, 0(04): 79-85.
[5]	袁枫, 焦良葆, 陈楠, 顾慧东. 室内定位中DS-TWR测距算法的优化[J]. 计算机与现代化, 2021, 0(10): 100-106.
[6]	薛伟莲，赵娣，张颖超. 室内定位研究综述[J]. 计算机与现代化, 2020, 0(05): 80-.
[7]	杨金山，李智 . 基于稀疏逻辑回归和多元融合算法的 #br# 慢性肾病进展预测模型[J]. 计算机与现代化, 2019, 0(03): 13-.
[8]	张鑫1，刘建航1，商永涛2，何雅1，王升志1，李世宝1，陈海华1. 基于双阶段位置修正的室内定位算法[J]. 计算机与现代化, 2019, 0(01): 51-.
[9]	白晓波1，邵景峰1，和征1，田建刚2. 基于学习的核偏最小二乘法优化扩展卡尔曼滤波[J]. 计算机与现代化, 2018, 0(09): 110-.
[10]	钟锡武，许淳煜，黄奕涛，黄震. 基于ZigBee的博物馆参观引导系统[J]. 计算机与现代化, 2017, 0(6): 76-79+102.
[11]	段珊珊1，李昕2. WiFi与惯导融合的渐消因子扩展卡尔曼滤波实时定位算法[J]. 计算机与现代化, 2017, 0(12): 56-60.
[12]	曹亚琴 1,2，秦宁宁 1,2，杨乐 1,2，李曦 3. 基于高斯和滤波的高轨双星高超音速目标跟踪[J]. 计算机与现代化, 2017, 0(10): 87-94.
[13]	刘志鹏1, 袁敏2. 一种基于WiFi的改进型室内位置指纹定位方法[J]. 计算机与现代化, 2016, 0(4): 36-39.
[14]	柯江胜,倪建军,吴榴迎. 一种改进的鲁棒SLAM算法[J]. 计算机与现代化, 2016, 0(2): 104-106,111.
[15]	裴文莲;詹林. Android平台上WiFi技术在商场员工定位系统中的应用[J]. 计算机与现代化, 2013, 1(2): 159-162.

融合RSSI测距定位的室内PDR算法

Indoor PDR Algorithm Based on RSSI Ranging Positioning

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价