排序方式： 共有28条查询结果，搜索用时 15 毫秒
21.
目前行人航迹推算逐渐成为室内定位研究与应用的热点。针对利用陀螺仪推算行人航向时存在较大累积误差的问题,本文提出了一种基于智能手机传感器的行人航向解算算法。该算法根据陀螺仪输出的角速度数据与手机传感器参数计算合适的阈值,实时调节PI调节器的误差补偿系数,对预处理后加速度计和磁力计数据解算的航向角进行补偿,并与陀螺仪数据互补滤波融合,得到融合后的航向角。试验基于低成本智能手机,分别在磁场强弱环境下采集手机传感器数据,对比分析本文算法与传统互补滤波算法及九轴数据融合算法在推算行人航向时的精度。试验结果表明,在室内磁干扰较强的环境下,本文算法与传统互补滤波算法、九轴数据融合算法相比定位精度分别提升了68.4%和65.9%,平均航向误差分别减小了3.4°和1.8°,验证了本文算法有较好的抗磁干扰性能,提高了行人航向角解算的可靠性。 相似文献
22.
ABSTRACTThis paper presents an indoor floor positioning method with the smartphone’s barometer for the purpose of solving the problem of low availability and high environmental dependence of the traditional floor positioning technology. First, an initial floor position algorithm with the “entering” detection algorithm has been obtained. Second, the user’s going upstairs or downstairs activities are identified by the characteristics of the air pressure fluctuation. Third, the moving distance in the vertical direction and the floor change during going upstairs or downstairs are estimated to obtain the accurate floor position. In order to solve the problem of the floor misjudgment from different mobile phone’s barometers, this paper calculates the pressure data from the different cell phones, and effectively reduce the errors of the air pressure estimating the elevation which is caused by the heterogeneity of the mobile phones. The experiment results show that the average correct rate of the floor identification is more than 85% for three types of the cell phones while reducing environmental dependence and improving availability. Further, this paper compares and analyzes the three common floor location methods – the WLAN Floor Location (WFL) method based on the fingerprint, the Neural Network Floor Location (NFL) methods, and the Magnetic Floor Location (MFL) method with our method. The experiment results achieve 94.2% correct rate of the floor identification with Huawei mate10 Pro mobile phone. 相似文献
23.
24.
25.
使用可观测到BDS-3 B1I/B1C/B2a频率和GPS L1/L5频率的智能手机Xiaomi 11(青春版)作为研究对象,分别进行静态实验和不同场地的动态实验,分析手机输出的三频BDS和双频GPS原始观测数据质量及单频SPP性能。实验结果表明,智能手机的GNSS天线成本低致使其信号质量不佳,其中GPS L1频率和BDS B1C频率抗干扰性较强:BDS B1C频率定位结果在静态和动态实验中均较为稳定;GPS L1频率定位结果在动态实验中优于GPS L5频率,在静态实验中略差于GPS L5频率。 相似文献
26.
基于智能手机的个体室内时空行为分析 总被引：1，自引：1，他引：0
智慧城市近年来在全球范围内得到了广泛的重视,智慧城市的基础是对城市各要素的感知与理解。人是城市的主导因素,对个人的时空行为分析是城市感知的关键,对智慧城市的建设具有重要意义。个体时空行为分析一直受限于时空数据的获取手段,使得相关理论研究及应用受到了很大的限制。个体时空行为数据获取的挑战之一在于室内空间位置信息的获取。随着智能手机功能的日益强大和室内定位技术的发展,可以通过智能手机获取个体的室内位置信息;另外,智能手机内置的多种传感器使其具备强大的感知能力,可以检测用户的行为。因此,智能手机成为获取个体室内时空行为数据的理想终端。本文对基于智能手机的个体室内时空行为进行分析,首先介绍了室内定位的研究进展,然后给出基于智能手机进行个体室内时空行为分析的实例,最后对基于智能手机的个体室内时空行为分析对智慧城市建设的意义进行了讨论。通过智能手机获取的个体室内时空行为数据可以分析城市居民的实时空间分布及行为模式,对于智慧城市建设中的智慧交通、智慧安防以及智慧城管等应用提供数据支撑;基于大规模的历史个体室内时空行为数据,可以分析城市功能的时空变化特征,服务于智慧城市建设。 相似文献
27.
通过设置两种不同的遮挡环境,对测地型接收机和智能手机静态采集的测量数据进行对比分析。结果表明,智能手机可接收部分非直射卫星信号,受多路径效应干扰明显。根据非直射卫星信号的数据特征设计智能手机原始GNSS数据筛选方案,静态定位实验结果表明,应用数据筛选方案能够显著提升智能手机在复杂环境下的定位精度。智能手机SPP定位算法和RTK定位算法平面方向的定位精度可提升20%~40%,高程方向的定位精度可提升30%~60%。 相似文献
28.
利用智能手机传感器可感知时间、空间、时空和用户等多维情境的特征,可识别用户活动,但原框架模型中仅利用了单一分类器中的朴素贝叶斯算法,存在分类精度效果受限的问题。本文利用集成分类器中的随机森林算法对原有框架中的单一分类器进行了改进。在获取的3个数据集上的十倍交叉验证结果表明,加权平均F1量测值均有较大提高,表明利用随机森林算法在分类精度效果上有所提升;但由于集成算法结构相对复杂,其学习效率相对较低。此外,随机森林算法的分类混淆矩阵表明,导致识别误差的因素主要为活动的定义与室内定位精度。 相似文献