CN115209527A - 一种手机用基于卡尔曼滤波的wifi、ins融合定位系统及方法 - Google Patents
一种手机用基于卡尔曼滤波的wifi、ins融合定位系统及方法 Download PDFInfo
- Publication number
- CN115209527A CN115209527A CN202210709859.4A CN202210709859A CN115209527A CN 115209527 A CN115209527 A CN 115209527A CN 202210709859 A CN202210709859 A CN 202210709859A CN 115209527 A CN115209527 A CN 115209527A
- Authority
- CN
- China
- Prior art keywords
- data
- wifi
- positioning
- ins
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种手机用基于卡尔曼滤波的WIFI、INS融合定位系统及方法,包括数据采集系统、数据预处理系统和定位解算系统,其中,数据采集系统将数据采集、存储至数据集中,同时,所述数据集内部进行数据的时间匹配;所述数据预处理系统包括INS数据预处理部分和WIFI数据预处理部分,所述数据预处理部分是一个基于Wi‑Fi数据状态的滑动时间系统,表示为所述数据预处理系统对一定WIFI数据量数据进行处理,数据集中的数据经过数据预处理系统,获得对应部分的残差、雅阁比矩阵并确定待求参数矢量,所述待求参数矢量与当前时刻与手机成功通讯的路由器数量有关;最后由定位解算系统根据数据构建Kalman滤波方程,同时获得定位结果并进行可视化处理。
Description
技术领域
本发明涉及室内定位技术领域,具体来说,涉及一种手机用基于卡尔曼滤波的WIFI、INS融合定位系统及方法。
背景技术
基于位置服务的应用使得定位技术受到越来越多的关注,同时对定位结果的精度提出了更高的要求。随着智能手机的普及和应用,提供多种基于位置服务的手机会成为未来大众高精度定位的主要载体。由于基于全球导航卫星系统(GNSS)的导航信号在室内很难被接收到,因此不能被用于室内定位。为解决室内定位问题,已经提出了多种技术方案,如基于WiFi、超宽带、蓝牙、惯性传感器等,与其它技术相比,WiFi因庞大的受众和低廉的价格受到更多的关注。ToA、TDoA等测距方式因时钟误差使得测距结果偏差严重,以此用来定位是极度不合理的。RTT测距方式因消除钟差带来的影响可以提供更精确的测距结果,又因存在半系统误差不能获得很好的定位结果,因此,针对WIFI、INS(惯性导航系统,InertialNavigation System)融合定位问题,目前尚未对此提出合理的解决方案。
发明内容
本发明的目的在于提供一种手机用基于卡尔曼滤波的WIFI、INS融合定位系统及方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种手机用基于卡尔曼滤波的WIFI、INS融合定位系统,包括数据采集系统、数据预处理系统和定位解算系统;
其中,所述数据采集系统用于将数据采集、存储至数据集中,同时,所述数据集内部进行数据的时间匹配;
所述数据预处理部分是一个基于WiFi数据状态的滑动时间系统,包括INS数据预处理部分和WIFI数据预处理部分;
所述定位解算系统用于对来自所述数据预处理系统中的所述滑动时间系统处理结果进行定位解算,根据所得滑动时间系统内数据构建Kalman滤波方程,同时获得定位结果并进行可视化处理;
根据本发明的另一方面,提出一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法,包括如下步骤:
步骤1、所述数据采集系统将数据采集、存储至数据集中,同时所述数据采集系统能够调取数据库信息并加入所述数据集中;
步骤2、所述数据采集系统将包含数据库信息的数据集进行重新打包并发送给所述数据预处理系统;
步骤3、所述数据预处理系统对两种数据进行降噪处理,并在时间维度对所述数据集内部进行数据匹配,使得WIFI数据为点数据,而INS数据为介于WIFI前后两次时间差的块数据,同时根据条件生成定位解算信号;
步骤4、所述数据预处理系统的WIFI数据预处理部分通过路由器的位置、WiFi-RTT测距结果、RTT方差、上一时刻位置,通过构建包含相位畸变噪声的三维空间距离公式进行泰勒展开后获得第一雅阁比矩阵、第一残差矢量和第一待求参数矢量;所述的第一待求参数矢量包括每个点的位置,相位畸变噪声结果;
步骤5、所述数据预处理系统的INS数据预处理部分通过对时间差、噪声矩阵、加速度值、角速度值进行积分和迭代处理,获得WiFi时间尺度下两个时间间隔的总体速度值、角速度值、位置变化、第二残差矢量、残差对应的第二雅阁比矩阵,以及第二待求参数向量,所述第二待求参数向量包括间隔的每个点的速度和角度;
步骤6、将步骤4获得的第一雅阁比矩阵、第一残差矢量和第一待求参数矢量,步骤5获得的第二雅阁比矩阵、第二残差矢量和第二待求参数矢量上进行更新;得到同时包含WIFI和INS数据的第三雅阁比矩阵、第三残差矢量和第三待求参数矢量;
步骤7、将步骤6获得的第三雅阁比矩阵、第三残差矢量和第三待求参数矢量保存至缓存器,并返回步骤1,同时等待所述定位解算信号,如果收到所述定位解算信号,进入步骤8;
步骤8、将所述缓存器中的数据传递给所述定位解算系统,所述定位解算系统启动卡尔曼滤波器并获得各待求参数矢量结果及相对应的协方差矩阵;
步骤9、将各待求参数矢量结果及相对应的协方差矩阵返回步骤7,更新缓存器内数据。
进一步的,所述数据集包括WIFI数据,所述WIFI数据具体包括路由器的BSSID地址、RTT、RTT方差、RSSI、时间戳,惯性导航数据包括惯性导航原始数据、优选的,所述惯性导航原始数据包括磁力计数值、重力计数值、加速度计数值、陀螺仪数值、手机硬件温度数值,同时包括对数据进行温度标定、转台标定、滤波等初步计算得加速度、角速度、角度、时间戳等参量,同时还包括调取所有之前计算得出的任何中间环节的数据中与当前数据相关的数据库数据;
进一步的,所述步骤3中,所述数据匹配需要在WIFI相对时间序列与INS相对时间序列不一致时,需要以WIFI时间序列为基准,对INS数据根据时间进行划分,优选的,所述划分不对原始数据、速度及加速度参量进行处理,对位置变化量、转动角等无时间量纲参量以时间进行线性划分,获得与WIFI时间序列基准一致的INS数据结果;
进一步的,所述步骤3中,所述定位解算信号与权利要求1中的滑动时间系统有关,当所述缓存器内数据超过所述滑动时间系统阈值后,且有新的WIFI RTT信号进入缓存器时,所述定位解算信号被触发;
进一步的,所述滑动时间系统本质是一个健忘系统,进一步的,所述健忘系统描述为以固定量的WiFi RTT数据及其对应时间的INS数据进行处理,在超过所述固定量后,新的WiFi数据进入所述滑动时间系统,则所述滑动时间系统舍弃原本所述滑动时间系统中最后一个WiFi RTT数据和与所述最后一个WiFi RTT数据对应的INS数据以保证所述滑动时间系统内数据平衡与恒定;
进一步的,所述WIFI数据预处理系统包含对WIFI-RTT数据的通讯状态变化监听、白噪声处理、相位畸变噪声处理、多路径效应处理、核化岭回归、反射投影等操作,所述通讯状态变化监听信号传递到所述定位解算系统,若监听信号提供的信息认为通讯状态未被改变,但是定位解算系统解算得相位畸变噪声变化量超过额定阈值,认为此部分增量由多路径效应或非视距现象造成,此相位畸变噪声维持上一时刻结果,反之,若监听信号提供的信息认为通讯状态已改变,无视两次解算结果差距,取新值作为相位畸变噪声;
进一步的,所述数据预处理系统向所述定位解算系统提供无论是WiFi数据还是INS数据的噪声矩阵均由此刻滑动时间系统内数据的统计量通过临近指数加权求出;
进一步的,所述定位解算系统待估参量包括所述滑动时间系统下所有WIFI信号出现时刻的位置、速度、位姿、还包括手机与所有路由器的相位畸变噪声。
进一步的,所述定位解算系统获得结果是所述滑动时间系统内数据结果,也即本发明会获得对一个位置、速度、位姿、还包括手机与所有路由器的相位畸变噪声等信息的多次估计和方差结果,同时对这些估计和方差结果进行计算,计算结果作为信号评估系统对解算方程进行约束。
附图说明
为了更清楚地说明本发明实施例,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种手机用基于卡尔曼滤波的WIFI、INS融合定位系统示意图;
图2是根据本发明实施例的一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法流程图。
附图标记:
1、数据采集系统;2、数据预处理系统;3、定位解算系统;4、数据集;5、INS数据预处理部分;6、WIFI数据预处理部分;7、滑动时间系统;8、WIFI数据;9、惯性导航数据。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅为本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
请参阅图1,根据本发明实施例的一种手机用基于卡尔曼滤波的WIFI、INS融合定位系统,如图1,所述的系统包括数据采集系统1、数据预处理系统2和定位解算系统3;
其中,所述数据采集系统1将数据采集、存储至数据集4中,同时,所述数据集4内部进行数据的时间匹配;
所述数据预处理系统2包括INS数据预处理部分5和WIFI数据预处理部分6,进一步的,所述数据预处理部分是一个基于WiFi数据状态的滑动时间系统7,表示为所述数据预处理系统2对一定WiFi数据量数据进行处理,与具体的INS数据无关;
所述定位解算系统3对来自所述数据预处理系统2中的所述滑动时间系统7处理结果进行定位解算,根据所得滑动时间系统7内数据构建Kalman滤波方程,同时获得定位结果并进行可视化处理;
根据本发明的另一实施例,提出一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法,包括如下步骤:
步骤1、所述数据采集系统将数据采集、存储至数据集中,同时所述数据采集系统能够调取数据库信息并加入所述数据集中;
步骤2、所述数据采集系统将包含数据库信息的数据集进行重新打包并发送给所述数据预处理系统;
步骤3、所述数据预处理系统对WIFI、INS两种数据进行降噪处理,并在时间维度对所述数据集内部进行数据匹配,使得WIFI数据为点数据,而INS数据为介于WIFI前后两次时间差的块数据,同时根据条件生成定位解算信号;
步骤4、所述数据预处理系统的WIFI数据预处理部分通过路由器的位置、WiFi-RTT测距结果、RTT方差、上一时刻位置,通过构建包含相位畸变噪声的三维空间距离公式进行泰勒展开后获得第一雅阁比矩阵、第一残差矢量和第一待求参数矢量;所述的第一待求参数矢量包括每个点的位置(xyz),相位畸变噪声结果;
步骤5、所述数据预处理系统的INS数据预处理部分通过对时间差、噪声矩阵、加速度值、角速度值进行积分和迭代处理,获得WiFi时间尺度下两个时间间隔的总体速度值、角速度值、位置变化、第二残差矢量、残差对应的第二雅阁比矩阵,以及第二待求参数向量,所述第二待求参数向量包括间隔的每个点的速度(VxVyVz)和角度(四元数);
步骤6、将步骤4获得的第一雅阁比矩阵、第一残差矢量和第一待求参数矢量,步骤5获得的第二雅阁比矩阵、第二残差矢量和第二待求参数矢量上进行更新。得到同时包含WIFI和INS数据的第三雅阁比矩阵、第三残差矢量和第三待求参数矢量;
具体而言,步骤4-6中的过程如下:
首先,步骤4中,获取所有路由器跟手机的测距结果,构建距离方程,假设已知路由器位置为AP1(x1,y1,z1),待求手机位置为P(x,y,z),根据空间距离公式,可以列得方程为:
其中,dphase为相位畸变噪声;dRTT代表手机获得的RTT测距结果,a代表系统误差。P点为待求的手机所在的位置,在P点的近似位置P0(x0,y0,z0)处展开,其中,令:
测距残差ρ1=dRTT-d1+a,则可被改写为:
形成Y=Ax方程是最小二乘解算方程形式,A为参量,为前面提到的第一雅各比矩阵,Y是第一残差矢量。这时的待求参数矢量x是待求点的位置和各个路由器的相位畸变噪声{dx dy dz dphase}。
然后,步骤5,可得到INS数据,包括加速度计,陀螺仪,重力计等等。跟WIFI时间匹配的数据进行积分,得到了WIFI时刻下每个点的变化量,构建变化方程。具体如下:
ins数据是对时间的积分,就是得到速度和角度的变化量,在时间尺度上进行积分。就可以算出两个位置的变化情况。假设时间窗口内两个点的标准位置为P1(x1,y1,z1),P2(x2,y2,z2)。参考位置为P1(x10,y10,z10),P2(x20,y20,z20),x1点的待求参数矢量是(dx1,dy1,dz1),通过积分,获得的结果是从P1到P2的变化距离为(px1,py1,pz1)。则可以列出方程,X10+dx1+px1=x20+dx2,也就能知道两个待求位置的关系是dx1-dx2=x20-x10-px1。
最后,步骤6,将把上面的参量和方程限定情况综合到一起,构建一个整体的方程,最后统一进行解算;所述的综合是指以待求参数矢量为索引单位,把前面列的所有的关系统一到一起;
步骤7、将步骤6获得的第三雅阁比矩阵、第三残差矢量和第三代求参数向量保存至缓存器,并返回步骤1,同时等待所述定位解算信号,如果收到所述定位解算信号,进入步骤8;
步骤8、将所述缓存器中的数据传递给所述定位解算系统,所述定位解算系统启动卡尔曼滤波器并获得待估参量结果及相对应的协方差矩阵;
步骤9、将待估参量结果及相对应的协方差矩阵返回步骤7,更新缓存器内数据;
根据本发明的另一个实施例,所述数据集4包括WIFI数据8,所述WIFI数据具体包括路由器的BSSID地址、RTT、RTT方差、RSSI、时间戳,惯性导航数据9包括惯性导航原始数据、优选的,所述惯性导航原始数据包括磁力计数值、重力计数值、加速度计数值、陀螺仪数值、手机硬件温度数值,同时包括对数据进行温度标定、转台标定、滤波等初步计算得加速度、角速度、角度、时间戳等参量,同时还包括调取所有之前计算得出的任何中间环节的数据中与当前数据相关的数据库数据;
根据本发明的实施例,所述步骤3中,所述数据匹配需要在WIFI相对时间序列与INS相对时间序列不一致时,需要以WIFI时间序列为基准,对INS数据根据时间进行划分,优选的,所述划分不对原始数据、速度及加速度参量进行处理,对位置变化量、转动角等无时间量纲参量以时间进行线性划分,获得与WIFI时间序列基准一致的INS数据结果;
根据本发明的实施例,所述步骤3中,所述定位解算信号与滑动时间系统有关,当所述缓存器内数据超过所述滑动时间系统阈值后,且有新的WIFI RTT信号进入缓存器时,所述定位解算信号被触发;
根据本发明的实施例,所述滑动时间系统本质是一个健忘系统,进一步的,所述健忘系统描述为以固定量的WiFi RTT数据及其对应时间的INS数据进行处理,在超过所述固定量后,新的WiFi数据进入所述滑动时间系统,则所述滑动时间系统舍弃原本所述滑动时间系统中最后一个WiFi RTT数据和与所述最后一个WiFi RTT数据对应的INS数据以保证所述滑动时间系统内数据平衡与恒定;
根据本发明的实施例,所述WIFI数据预处理系统包含对WIFI-RTT数据的通讯状态变化监听、白噪声处理、相位畸变噪声处理、多路径效应处理、核化岭回归、反射投影等操作,所述通讯状态变化监听信号传递到所述定位解算系统,若监听信号提供的信息认为通讯状态未被改变,但是定位解算系统解算得相位畸变噪声变化量超过额定阈值,认为此部分增量由多路径效应或非视距现象造成,此相位畸变噪声维持上一时刻结果,反之,若监听信号提供的信息认为通讯状态已改变,无视两次解算结果差距,取新值作为相位畸变噪声;
根据本发明的实施例,所述数据预处理系统向所述定位解算系统提供无论是WiFi数据还是INS数据的噪声矩阵均由此刻滑动时间系统内数据的统计量通过临近指数加权求出;
根据本发明的实施例,所述定位解算系统待估参量包括所述滑动时间系统下所有WIFI信号出现时刻的位置、速度、位姿、还包括手机与所有路由器的相位畸变噪声。
根据本发明的实施例,所述定位解算系统获得结果是所述滑动时间系统内数据结果,也即在本技术中我们会获得对一个位置、速度、位姿、还包括手机与所有路由器的相位畸变噪声等信息的多次估计和方差结果,本技术同时对这些估计和方差结果进行计算,计算结果作为信号评估系统对解算方程进行约束。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,且应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (10)
1.一种手机用基于卡尔曼滤波的WIFI、INS融合定位系统,其特征在于,包括数据采集系统、数据预处理系统和定位解算系统;
其中,所述数据采集系统用于将数据采集、存储至数据集中,同时,所述数据集内部进行数据的时间匹配;
所述数据预处理部分是一个基于WiFi数据状态的滑动时间系统,包括INS数据预处理部分和WIFI数据预处理部分;
所述定位解算系统用于对来自所述数据预处理系统中的所述滑动时间系统处理结果进行定位解算,根据所得滑动时间系统内数据构建Kalman滤波方程,同时获得定位结果并进行可视化处理。
2.一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法,利用权利要求1中的定位系统,其特征在于,包括如下步骤:
步骤1、所述数据采集系统将数据采集、存储至数据集中,同时所述数据采集系统能够调取数据库信息并加入所述数据集中;
步骤2、所述数据采集系统将包含数据库信息的数据集进行重新打包并发送给所述数据预处理系统;
步骤3、所述数据预处理系统对两种数据进行降噪处理,并在时间维度对所述数据集内部进行数据匹配,使得WIFI数据为点数据,而INS数据为介于WIFI前后两次时间差的块数据,同时根据条件生成定位解算信号;
步骤4、所述数据预处理系统的WIFI数据预处理部分通过路由器的位置、WiFi-RTT测距结果、RTT方差、上一时刻位置,通过构建包含相位畸变噪声的三维空间距离公式进行泰勒展开后获得第一雅阁比矩阵、第一残差矢量和第一待求参数矢量;所述的第一待求参数矢量包括每个点的位置,相位畸变噪声结果;
步骤5、所述数据预处理系统的INS数据预处理部分通过对时间差、噪声矩阵、加速度值、角速度值进行积分和迭代处理,获得WiFi时间尺度下两个时间间隔的总体速度值、角速度值、位置变化、第二残差矢量、残差对应的第二雅阁比矩阵,以及第二待求参数向量,所述第二待求参数向量包括间隔的每个点的速度和角度;
步骤6、将步骤4获得的第一雅阁比矩阵、第一残差矢量和第一待求参数矢量,步骤5获得的第二雅阁比矩阵、第二残差矢量和第二待求参数矢量上进行更新;得到同时包含WIFI和INS数据的第三雅阁比矩阵、第三残差矢量和第三待求参数矢量;
步骤7、将步骤6获得的第三雅阁比矩阵、第三残差矢量和第三待求参数矢量保存至缓存器,并返回步骤1,同时等待所述定位解算信号,如果收到所述定位解算信号,进入步骤8;
步骤8、将所述缓存器中的数据传递给所述定位解算系统,所述定位解算系统启动卡尔曼滤波器并获得各待求参数矢量结果及相对应的协方差矩阵;
步骤9、将各待求参数矢量结果及相对应的协方差矩阵返回步骤7,更新缓存器内数据。
3.根据权利要求2所述的一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法,其特征在于,所述步骤1中,所述数据集包括WIFI数据,所述WIFI数据具体包括路由器的BSSID地址、RTT、RTT方差、RSSI、时间戳,惯性导航数据包括惯性导航原始数据;所述惯性导航原始数据包括磁力计数值、重力计数值、加速度计数值、陀螺仪数值、手机硬件温度数值,同时包括对数据进行温度标定、转台标定、滤波的初步计算得加速度、角速度、角度、时间戳参量,同时还包括调取所有之前计算得出的任何中间环节的数据中与当前数据相关的数据库数据。
4.根据权利要求2所述的一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法,其特征在于,所述步骤3中,所述数据匹配需要在WIFI相对时间序列与INS相对时间序列不一致时,需要以WIFI时间序列为基准,对INS数据根据时间进行划分,所述划分不对原始数据、速度及加速度参量进行处理,对位置变化量、转动角等无时间量纲参量以时间进行线性划分,获得与WIFI时间序列基准一致的INS数据结果。
5.根据权利要求2所述的一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法,其特征在于,所述步骤3中,所述定位解算信号与权利要求1中的滑动时间系统有关,当所述缓存器内数据超过所述滑动时间系统阈值后,且有新的WIFI RTT信号进入缓存器时,所述定位解算信号被触发。
6.根据权利要求2所述的一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法,其特征在于,所述滑动时间系统是一个健忘系统,所述健忘系统描述为以固定量的WiFi RTT数据及其对应时间的INS数据进行处理,在超过所述固定量后,新的WiFi数据进入所述滑动时间系统,则所述滑动时间系统舍弃原本所述滑动时间系统中最后一个WiFi RTT数据和与所述最后一个WiFi RTT数据对应的INS数据以保证所述滑动时间系统内数据平衡与恒定。
7.根据权利要求2所述的一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法,其特征在于,所述WIFI数据预处理系统包含对WIFI-RTT数据的通讯状态变化监听、白噪声处理、相位畸变噪声处理、多路径效应处理、核化岭回归、反射投影操作,所述通讯状态变化监听信号传递到所述定位解算系统,若监听信号提供的信息认为通讯状态未被改变,但是定位解算系统解算得相位畸变噪声变化量超过额定阈值,认为此部分增量由多路径效应或非视距现象造成,此相位畸变噪声维持上一时刻结果,反之,若监听信号提供的信息认为通讯状态已改变,无视两次解算结果差距,取新值作为相位畸变噪声。
8.根据权利要求2所述的一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法,其特征在于,所述数据预处理系统向所述定位解算系统提供无论是WiFi数据还是INS数据的噪声矩阵均由此刻滑动时间系统内数据的统计量通过临近指数加权求出。
9.根据权利要求2所述的一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法,其特征在于,所述定位解算系统待估参量包括所述滑动时间系统下所有WIFI信号出现时刻的位置、速度、位姿、还包括手机与所有路由器的相位畸变噪声。
10.根据权利要求9所述的一种手机用基于卡尔曼滤波的WIFI、INS融合定位方法,其特征在于,所述定位解算系统获得结果是所述滑动时间系统内数据结果,即获得对一个位置、速度、位姿、还包括手机与所有路由器的相位畸变噪声信息的多次估计和方差结果,同时对这些估计和方差结果进行计算,计算结果作为信号评估系统对解算方程进行约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210709859.4A CN115209527A (zh) | 2022-06-22 | 2022-06-22 | 一种手机用基于卡尔曼滤波的wifi、ins融合定位系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210709859.4A CN115209527A (zh) | 2022-06-22 | 2022-06-22 | 一种手机用基于卡尔曼滤波的wifi、ins融合定位系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115209527A true CN115209527A (zh) | 2022-10-18 |
Family
ID=83576853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210709859.4A Pending CN115209527A (zh) | 2022-06-22 | 2022-06-22 | 一种手机用基于卡尔曼滤波的wifi、ins融合定位系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115209527A (zh) |
-
2022
- 2022-06-22 CN CN202210709859.4A patent/CN115209527A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109883423B (zh) | 基于卡尔曼滤波的定位方法、系统、设备及存储介质 | |
CN112577521B (zh) | 一种组合导航误差校准方法及电子设备 | |
US9285408B2 (en) | Determination of positions | |
EP3362994A1 (en) | Accurately determining real time parameters describing vehicle motion based on multiple data sources | |
CN112887899B (zh) | 一种基于单基站软位置信息的定位系统及定位方法 | |
CN111121768A (zh) | 一种机器人位姿估计方法、装置、可读存储介质及机器人 | |
CN112327340B (zh) | 终端定位精度评估方法、装置、设备以及介质 | |
CN111625764B (zh) | 移动数据的校准方法、装置、电子设备和存储介质 | |
CN112923919B (zh) | 基于图优化的行人定位方法及系统 | |
CN113063425B (zh) | 车辆定位方法、装置、电子设备及存储介质 | |
CN110044377B (zh) | 一种基于Vicon的IMU离线标定方法 | |
WO2020238086A1 (zh) | 一种楼栋位置的确定方法及终端设备 | |
WO2016015140A2 (en) | Method and system for improving inertial measurement unit sensor signals | |
CN111683337A (zh) | 基于Wifi和传感器的融合定位方法、系统、电子设备及存储介质 | |
CN114111776A (zh) | 定位方法及相关装置 | |
CN115164936A (zh) | 高精地图制作中用于点云拼接的全局位姿修正方法及设备 | |
JP2014160078A (ja) | Memsを使用することにより移動電話におけるgps信号処理を改善するシステムおよび方法 | |
Chen et al. | Hybrid ToA and IMU indoor localization system by various algorithms | |
CN111089596A (zh) | 一种基于激光视觉信号与惯性导航融合的自主定位系统及其方法 | |
CN115209527A (zh) | 一种手机用基于卡尔曼滤波的wifi、ins融合定位系统及方法 | |
CN110187306B (zh) | 一种应用于复杂室内空间的tdoa-pdr-map融合定位方法 | |
CN110672086B (zh) | 场景识别方法、装置、设备及计算机可读介质 | |
WO2019084918A1 (en) | System and method for determining a trajectory | |
CN111156964A (zh) | 一种高度测量方法、系统、移动终端和存储介质 | |
Dabove et al. | Inertial sensors strapdown approach for hybrid cameras and MEMS positioning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |