为解决室内定位精度低的问题，结合多惯性传感器定位技术和WiFi定位技术，提出了一种采用多惯性传感器和WiFi定位的室内定位方法。先，RSSI内部Wi-Fi定位算法用于获取基于位置指纹和最接近匹配算法的绝对位置信息，然后基于步骤的检测方法基于在三轴加速度传感器和陀螺仪以及基于电子罗盘和陀螺仪的头部。计方法获得相对位置信息。后，在位置指纹识别方法的基础上，校正了多传感器内部定位的逐步定位，获得了更准确的定位结果。验结果表明，该方法比单独使用惯性传感器或仅基于WiFi的室内定位方法更准确。惯性传感器; RSSI;步检测;课程估计;校正步长DOI：10.11907 / rjdk.171586分类号：TP319文献代码：A文章编号：1672-7800（2017）009-0138-04Résumé：针对所述问题，即内的定位精度通过融合多传感器定位技术和Wi-Fi定位技术，提出了一种基于多个惯性传感器和WiFi定位相结合的室内定位方法。RSSI室内定位在WiFi中，最近邻居的匹配算法使用位置指纹提供绝对位置信息。后，基于位置指纹方法校正多传感器内部定位方法的步长。提出的方法是否比使用惯性传感器更准确或仅基于Wi-Fi的室内定位方法。键词：多惯性传感器，RSSI，数字检测步骤，路由估计，步进校正，移动设备简介和无线通信技术的发展，人们对定位的要求越来越高。外定位技术日趋成熟，如美国GPS定位技术，北斗定位技术在中国，CIONASS定位技术在俄罗斯[1]等，已被广泛应用于民用和军用领域。于室内定位技术，由于室内环境的复杂性，微波信号严重衰减，室外定位方法将导致室内应用中的大误差。年来，室内定位研究的重点是基于无线传感器网络的室内定位和惯性传感器的室内定位。于无线传感器网络的室内定位主要使用RSSI（信号强度测量），TDOA（信号到达偏移定位），TOA（信号到达时间定位），AOA算法（定位信号到达角的角度）和其他用于获得绝对位置信息的算法[2];基于惯性传感器的室内定位主要使用包括加速度计，电子罗盘，陀螺仪，重力传感器，并在所述可动端的距离传感器，以获得相对位置信息的惯性传感器。基于无线传感器网络的室内定位中，WiFi室内定位由于其简单且廉价的特点而被广泛使用，但其定位精度不能满足现实生活中的许多需求。于惯性传感器的定位技术具有较高的相对精度，但其应用受到限制，因为它只能获得相对位置信息并包含累积误差。
文提出了一种基于多传感器融合和Wi-Fi的室内定位方法，该方法首先使用最近邻算法[4]（NNSS）来定位该算法。WiFi室内定位信号功率检测（RSSI）[3]。指纹信息与在离线阶段建立的位置指纹数据库进行比较，获得最小差值Djmin，以确定被测移动终端的绝对位置，然后通过对多惯性传感器进行平滑和滤波，然后执行步数检测和航向估计。且检查步骤的大小实现了轨迹的估计，获得相对位置并组合两条信息以获得内部的优越定位精度。球定位过程基于多传感器和Wi-Fi室内定位技术，基于基于多惯性传感器的室内定位技术。Wi-Fi定位指纹定位技术已完成。对位置坐标由基于位置的室内定位技术确定，该技术允许通过多传感器融合进行相对定位，该多传感器融合用于校正位置的定位。多传感器内部，这更准确。果流程如图1所示.Dj是实际位置的占用空间与数据库位置的占用空间之间的信息差异。
基于WiFi的位置指纹内部定位WiFi内部的定位技术分为两个步骤：断开模式和定位[5]。线阶段是建立位置指纹数据库的过程，其包括实时获取位置指纹信息并匹配位置的指纹。取坐标的数据库的位置。脱机阶段，测试点数目N在测试区域中的坐标（x，Y1），（X2，Y2），…，（XN，YN）划分和和的强度周围AP信号在每个测试点进行测试时，用R =（R1R2 …，RN）表示平均信号RAVG =（R’1，R’2，…，R“n）的多个测试然后并且位置信息和信号信息成对地存储在位置指纹数据库中。文使用的API已经存在于安卓衡量test.La getScanResults方法WiFiManger类的点周围接入点的强度提供了一组近AP和力量的对象signal是通过ScanResult对象的level方法获得的，int类型从0到-100。据越大，信号越强。定位阶段实时获取位置指纹信息后，从位置指纹数据库中选择最接近信息的位置指纹信息，使用常用的欧几里德距离公式（1）获得实时位置指纹信息和数据库位置指纹信息。值Dj，对应于数据库中的位置坐标（xi，yi）的Dj的最小值是所寻求的绝对位置。Dj =1NΣNi= 1（x’i-xi）2其中N是接入点的数量，x’i是从测试点获得的ie接入点的信号强度，xi是ith位置指纹数据库的访问点。号强度。于多惯性传感器的内部定位基于惯性传感器的内部定位可分为三个部分：步进检测，航向估计和步进调整，步距离乘以步数来获得根据航向信息估算行驶的实际距离和相对位置。[6]关于检测的陀螺仪和加速度传感器的步骤的数量，实验数据表明，恒温阀芯定位的基于加速度传感器的稳定性比陀螺仪的高，但精度测量更糟糕。而，当发生诸如快速旋转的特殊情况时，陀螺仪会受到大的数据波动，导致定位不稳定。此，本文结合了两种检测方法。人体缓慢行走时，两者的检测结果被平均，并且当发生突然弯曲或类似时，仅使用加速度传感器进行音调检测。过程在图2中示出。先，检测角速度的变化值，然后确定角速度变化是否大于定义的角速度阈值。值为1.5。果超过阈值，则表示发生急转弯并且仅使用加速度传感器来确定步长值。果未超过阈值，则表示当然没有重大变化，并且采用加速度传感器和陀螺仪的平均值来提高定位精度。
螺仪步进检测方法在行走过程中每个方位速度的变化表现出类似的正弦变化，角速度在0左右波动。
于该值较小且具有负值，因此速度的组合使用三轴角是困难的。过各种方式相互比较，我们发现水平方位角速度具有最佳的变化效果，最符合正弦变化规律。此本文使用senserManger Andriod的API用于发送Senser.TYPE_GYROSCOPE参数以获得角速度的阵列，以值[2]为水平方位角速度值。行步行实验并对值进行平滑和过滤以呈现正弦变化规律。计算法的检测步骤：设定时间范围内不是唯一的（TMIN〜T最大），下部TMIN正弦周期被认为是一种干扰去除和上时间Tmax被认为是一个旋转，其总是算作一步。常人的步行时间在0.2到1秒之间。Tmin为0.2秒，Tmax为1秒。始角速度是初始角速度，初始阈值为0.下一个阈值根据前一步骤的峰值和谷值进行平均。有角速度达到动态阈值以上和以下的某个范围才算作一个步骤，以过滤由轻微振动引起的干扰;保存峰值和谷值以准备下一个动态阈值。速度传感器的级数的检测在步态过程的垂直方向上显示出类似的正弦变化，并且加速度的幅度在值g之上和之下波动。本文中，三个方向的加速度值是通过andriod的senserManger API中的参数Senser.TYPE_ACCELEROMETER获得的。
用垂直加速度ay，我们发现虽然值ay在g附近波动，但波动幅度大，波动ap的峰值超过2 g，数据不稳定并且检测到数字d ‘步骤无法准确执行。于上述问题，公式（2）的计算表明净加速度A，其中xa，ya和za分别是三个垂直加速度。A = x2a y2a z2a / g分别达到峰值，谷值作为步长记录;动态阈值，即初始加速度，第一次设置为1，然后每个步骤的阈值取上一步的峰值和谷值的平均值。有当幅度达到动态阈值以上和以下的某个范围时才能记录该值，该阈值可以有效地过滤轻微不稳定对加速度的影响并记录峰值和准备下一个动态阈值。较了电子罗盘和陀螺仪的实验数据，表明电子罗盘可以通过获取方位角获得绝对航向，并且没有绝对误差，但转弯期间获得的数据是很不稳定，而陀螺正好相反。此期间获得的数据非常稳定。本文中，将两种方法结合起来：当人体运动平稳时，恒温阀芯电子罗盘用于估计航向。发生突然转弯时，只有短期稳定数据陀螺仪用于航向估计，如图4所示。先，连续检测电子罗盘的水平角度值，然后确定电子罗盘的水平角度波动是否超过定义的水平角度波动阈值。值为35.如果超过阈值，则指示转弯情况并使用陀螺仪进行航向估计。果未超过阈值，则表示没有发生主要航线变化，并且电子罗盘用于估计航向。
子罗盘传感器使用三个角度值确定航向：方位角，倾斜角和侧倾角[7]：X轴的正方向对应于放置的传感器的前部。平方向和Y轴的正方向对应于传感器的水平。置右侧，Z轴的正方向是XY垂直平面。位角是传感器Y轴水平面上的投影与真北方向之间的角度（值的范围是0°到359°，0°是北，90°是l东，180°向南，270°向东）;角度是传感器的Y轴和水平面之间的角度（传感器的Z轴在Y轴方向上的运动是正的，值在-180°到180°之间变化） ;滚动角是传感器的X轴和水平面（传感器的X轴）之间的角度。
离Z轴的方向是正的，值的范围在-90°和-90°之间。90°。文献主要使用水平面上的角度变化，而不是俯仰角和侧倾角。报头由API AndriodSenserOrientation.Les测得的数据表明，与周围环境的值显着地在很短的时间期间由于周围磁场的干扰波动测试。此，必须定义阈值。
有当波动大于阈值时，绝对标题才会改变。保存标题的值，否则标题被视为未修改，数据将被删除。螺仪航向估计陀螺仪不确定绝对航向信息作为与地球磁场的角度的函数，作为电子罗盘，它只能确定相对路线信息。某种意义上，陀螺仪是用于测量航向的角速度传感器，其通过对角速度值进行积分以获得下一时刻航向而获得。定步骤如果没有微动步骤中，即使检测不给定位的令人满意的结果，存在通过检测和实际的距离所获得的距离之间存在一些误差。为不同的人具有不同的步长，所以在不同情况下同一个人的步骤也是不同的。应于上述问题，该文献提出了基于WiFi定位的步长校准。体方法如图4所示。先，步长的初始值设置为0.5 m，然后是两点坐标（x1，y1）和（x2）之间的距离D. y2）是通过两种基于WiFi的连续室内定位方法获得的。过将两点之间的距离除以步数，当获得位置之间的距离时，必须将路径限制在一条直线上，也就是说不能改变航向。果发生变化，则不保存坐标点的位置，否则确定路径是否超过设定值。果未达到设定值，则不保存。
果达到设定的长度值，则保存坐标点的位置。后将D除以步数S以获得动态步长SD。验分析和结论使用多惯性传感器的室内定位和基于WiFi的室内定位作为控制组的使用验证了多惯性融合传感器的准确性和WiFi室内定位。实验在杭州电子科技大学的两所学院进行，Wi-Fi信号覆盖范围不同。该区域中选择了10个测试点，均匀分布，并且使用不同的路径和步行模式行进50米以到达参考点。个测试点测试20次，在行走过程中必须通过强信号区和弱信号区。个测试点共计200个数据点。离。5个示出根据室内定位的WiFi误差200的统计信息。
6示出了错误的更多的传感器200的统计数据，而图7示出了多传感器融合和统计误差Wi-Fi。8显示了三个室内定位误差的误差。较统计数据这三种方法的统计精度是可见的：基于多传感器的内部定位数据集中在1到2米之间，占总数据的86％，但7％的数据也在2到2.5米之间。于多传感器的定位精度为3 m，基于WiFi的定位数据集中在0.5到2 m的范围内，占总数据的84.5％和1.5％数据分布范围为2到2.5米，也基于WiFi。部定位精度也是3米，而基于多传感器和WiFi融合的室内定位数据集中在0到1.5米的范围内，误差很大1.5米或更大基本上为零，因此合并方法的定位精度为2米。
论本文提出了一种结合多个传感器和WiFi的室内定位方法，并结合了三轴加速度传感器，电子罗盘，陀螺仪传感器和用于室内定位的无线WiFi传感器。验结果表明，该定位方法有效提高了定位精度，定位精度为2 m。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com