李志强
- 作品数：4 被引量：28H指数：3
- 供职机构：电子科技大学信息与软件工程学院更多>>
- 发文基金：国家科技支撑计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种基于智能手机传感器的行人室内定位算法被引量：11
- 2016年
- 智能手机及其内置惯性传感器的普及可实现室内行人航位推算,但是由于人行走的随意性以及智能手机内置传感器精度不高,使定位精度难以满足应用要求。为此,在分析行人行走模式的基础上,基于智能手机传感器提出一种新的行人航位推算算法。对采集到的原始加速度数据进行预处理,采用基于有限状态机的行走状态转换方法识别行走周期并进行计步,利用卡尔曼滤波,结合步长-加速度关系以及连续两步步长之间的关系对步长进行估计。实验结果表明,该算法能够准确计算步数和步长,从而获得精确的室内定位结果。
- 周瑞罗磊李志强桑楠
- 关键词：卡尔曼滤波步长
- 基于粒子滤波的WiFi行人航位推算融合室内定位被引量：9
- 2016年
- 为提高室内定位的精度和稳定性,提出使用粒子滤波融合WiFi指纹定位和行人航位推算的室内定位算法。为减少复杂室内环境对WiFi指纹定位的影响,提出将支持向量机分类与回归相结合的两级WiFi指纹定位算法。在基于智能手持设备惯性传感器的行人航位推算中,为减少惯性传感器的误差以及人随意行走带来的影响,采用状态转换的方法识别行走周期并进行步数统计,提出根据实时加速度数据动态设置状态转换的参数,利用步长和垂直加速度之间的关系以及相邻步长之间的关系,应用卡尔曼滤波进行步长计算。仿真实验中,基于支持向量机的WiFi指纹定位的平均误差比最近邻居(NN)算法降低34.4%,比K最近邻居(KNN)算法降低27.7%。改进的行人航位推算的性能优于常用代表性计步软件和步长计算算法,而经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹:直线行走平均误差为1.21 m,优于WiFi的3.18 m和航位推算的2.76 m;曲线行走平均误差为2.75 m,优于WiFi的3.77 m和航位推算的2.87 m。
- 周瑞李志强罗磊
- 关键词：多传感器融合粒子滤波支持向量机
- 基于粒子滤波和地图匹配的融合室内定位被引量：6
- 2018年
- 为提高室内定位的精确性与合理性,该文提出使用粒子滤波融合Wi Fi指纹定位和行人航位推算,应用室内地图对定位结果进行匹配与矫正。地图匹配中,首先通过室内地图约束粒子的不恰当转移来解决粒子的穿墙问题,然后采用基于回退的穿墙矫正算法对行走轨迹中的穿墙现象进行矫正。仿真实验中,经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹,优于Wi Fi指纹算法和行人航位推算算法估计的轨迹,而经过地图匹配与矫正后,定位精度和合理性得到进一步提高。
- 周瑞鲁翔卢帅李志强桑楠
- 关键词：地图匹配粒子滤波
- 结合空间划分和支持向量机的两级定位算法被引量：2
- 2019年
- 目前室内定位的主流方法是根据WiFi指纹模式匹配来确定目标位置,但由于室内环境的复杂性和WiFi信号的不稳定性,其性能尚不能满足高精度室内定位的需求.为提高定位精度,提出一种基于空间划分和支持向量机(Support Vector Ma-chines,SVM)的两级室内定位算法.该算法首先采用优化K-means聚类算法,对定位区域的WiFi指纹进行聚类,并据此进行空间划分产生子区域;然后采用SVM实现两级WiFi指纹定位:第一级采用SVM分类确定目标所在子区域,第二级在子区域内采用SVM回归确定目标精确位置坐标.实验表明,提出的基于空间划分的两级定位精度明显优于单级定位,提出的空间划分算法优于当前其它空间划分算法.
- 周瑞鲁翔李志强武悦桑楠
- 关键词：支持向量机
