排序方式： 共有3条查询结果，搜索用时 748 毫秒
1
1.
针对Wi-Fi信号易受噪声等外界不确定因素的影响以及移动终端接收信号强度指示（RSSI）与真实值存在偏差而导致定位精度不高的问题,本文提出了一种基于GF-KF修正RSSI的室内指纹定位方法．由于采集的RSSI不稳定,该方法利用RSSI类高斯分布的特性,对RSSI数据进行高斯拟合,以得到较为确定的RSSI值．在此基础上,引入卡尔曼滤波算法对拟合后的RSSI数据进行误差修正,结合加权K近邻（WKNN）匹配算法进行定位．实验结果表明:本文方法的平均定位误差为1.5 m,2.0 m以内的误差累积分布概率为90.06％,定位效果优于同类方法． 相似文献
2.
针对室内外场景结合的导航应用服务需求的发展以及现有室内外场景感知方法的识别稳定性较低、准确率不高问题,本文提出一种基于泛在信号融合的室内外场景鲁棒感知算法,利用室内外场景中融合的泛在信号降低单一信号识别误差;同时为提高传统AdaBoost算法对不平衡数据集的分类精度,采用概率神经网络（PNN）作为训练的弱分类器,并引入熵权法,对迭代产生的弱分类器的权重进行修正来提高强分类器的分类准确率．现实场景下的实验表明,本文算法在采用室内外环境中的WiFi信号、全球卫星导航系统（GNSS）可用星数、光照强度这三种融合的泛在信号进行室内外场景感知时性能最佳,对于不同角度方向下的室内外场景切换,可以在误报率仅为1.7％的情况下,达到98％的识别准确率,验证了本文所提算法的准确性和鲁棒性． 相似文献
3.
针对在未知环境中行人轨迹跟踪问题,提出一种基于行人航位推算的改进航迹跟踪算法,有效实现了在磁场干扰环境下行人轨迹的高精确跟踪。在步数估计中,利用双重阈值二值化算法对加速度数据进行分析,进而获得行人的运动步数;在航向估计中,利用自适应融合算法来获取航向。该融合过程首先根据姿态更新微分方程,将角速度与加速度融合获取一次航向角,再通过磁感应强度阈值确定一次航向角与磁力计测算航向角融合的权重,最后通过实验验证算法的有效性和优越性。结果表明,在未知环境中行走32 m的距离,获得的轨迹跟踪误差小于1.1%,定位误差小于0.75 m和1 m的概率分别为59%和80%,显著优于对比算法。 相似文献
1