基于变分模态分解法的行人步频检测

提升步频检测精度是提升行人航迹推算精度的手段之一,使用变分模态分析方法,针对采集到的行人在运动过程中的手机加速信息进行降噪处理,可实现步频检测精度的提升。为了验证该方法的有效性,用变分模态分解法对智能手机采集的加速度信息进行降噪,然后用峰值检测法检测降噪后的行人步频,通过对比分析的方法证明变分模态分解法降噪的优点,准确率可达到99.17%。

一种基于到达时间差的卡尔曼滤波定位算法

针对超宽带室内定位技术在复杂室内环境下易受到非视距误差影响造成定位精度下降的问题,基于到达时间差(TDOA)定位模型,对Chan算法和泰勒(Taylor)算法进行联合,并引入了无迹卡尔曼(UKF)滤波算法来进一步提高标签的定位精度,建立了改进的Chan-Taylor-SVDUKF联合定位算法。主要体现在:①采用双边双向测距(DSTWR)的方法来获取TDOA值;②采用改进的Chan-Taylor联合算法对受到非视距(NLOS)影响的观测值进行筛除;③针对TDOA模型中状态方程为线性的情况,用一步预测和一步预测协方差代替UKF中对状态方程进行的无迹(UT)变换;④针对UT变换中采用平方根法(Cholesky)分解易分解失败,采用奇异值分解代替Cholesky分解。实验结果证明,Chan-Taylor-SVDUKF算法提高了定位精度和稳定性。