基于遗传算法优化神经网络的多源信息融合室内定位方法

为了解决复杂室内环境中单一定位技术误差较大的问题,提出了一种基于遗传算法优化BP神经网络的多源信息融合室内定位方法。首先利用Wi Fi定位结果约束地磁匹配范围进行组合定位,降低误匹配率;再采用遗传算法寻找网络全局最优解对BP神经网络的初始权值和阈值进行优化,提升网络精度并加快收敛;使用优化后的网络对组合定位结果和推算定位结果向真实位置坐标方向训练融合,得到最优定位结果。数据显示,经遗传算法优化后BP神经网络预测均方误差降低了约75%,融合定位精度较单一定位方式定位精度平均提升约47%。结果表明,所提的方法可有效提升定位精度,具有更优的定位性能。

Mesh自组网与惯导组合的班组协同定位算法研究

采用单一低精度惯性传感终端完成定位解算将导致定位精度发散,定位信息回传覆盖范围小,且传输易受干扰,因此,该文提出了一种Mesh自组网与惯导组合的班组协同定位方法。该方法建立的一种基于线性化卡尔曼滤波的班组协同定位算法模型,以高、低精度惯导组合的班组协同为基础,结合Mesh网络的通信传输功能,可抑制单一低精度惯性传感终端的短期累积误差,提高长航时定位精度。实验结果表明,采用班组协同定位算法,低精度惯性班组人员定位的闭环轨迹误差分别降低3.28%和3.2%,30 min累积定位平均误差分别降低5.82%和6.43%,有效抑制了单一低精度惯性定位成员的短期累积误差,提升了班组整体的定位精度。

基于多节点姿态信息融合的行人步长估计算法

针对单节点行人惯性定位算法中步长计算精度较低的问题,提出了一种基于多节点运动姿态信息融合的行人步长估计算法。首先,根据行走时足部节点Z轴加速度与X轴角速度的波峰、波谷值变化特征检测行人的步态;其次,通过腿部4个节点X轴角速度的波峰及波谷值变化特征,对足跟着地动作的识别进行约束;最后,结合行人双腿长度信息、步态检测结果及腿部俯仰角信息解算得到行人步长。实验数据表明,该步长估计算法能与身体多个部位的运动信息相结合,行人步长平均估计精度可达98.9%。