基于地面移动通信基站的差分气压测高方法

为了解决现有的卫星定位系统高程定位精度较低的问题,提出利用已发展完备的地面移动通信基站作为气压差分测量基准点的差分气压测高的方法.该方法以用户接收机附近的分布密集的地面移动通信基站为气压校正基准点,并利用移动通信基站的传输链路把相关的测量数据传送给用户,用户接收机便可以用移动通信基站观测点的高程值、气压值以及温度值,结合接收机测点处的气压值和温度值,利用高程与气压值之间的对应关系,得到用户接收机处的绝对高程值.实际试验结果表明:使用本方法后,室内高程定位精度约为1 m,室外的高程定位精度优于1 m.测高分辨率约为0.2 m,可以使GNSS(Global Navigation SatelliteSystem)的三维位置定位精度提高约60%.本方法不仅可以弥补GNSS高程精度差的缺陷,作为高程约束参与测量方程解算还会提高水平测量精度,而且还克服了传统的气压测高精度依赖于气象站,而大多数用户接收机离气象站的距离较远,造成气压测高精度偏低的局限性.所以本方法能辅助增强卫星导航系统,提高三维定位精度,用于室内定位可以解决室内楼层的分辨问题.

差分气压测高在室内定位系统中应用的性能分析

针对室内定位系统测高分辨率并不理想的情况,为了解决楼层分辨的问题,采用Intersema公司出产的基于MEMS技术的数字压力传感器MS5534C和AVR单片机设计并实现了差分气压测高模块。阐述了差分气压测高的思想,分析了影响测高的因素,介绍了数字压力传感器MS5534C,重点从差分气压测高系统的稳定性、可靠性角度分析了差分气压测高在室内定位系统中应用的性能。实验结果表明,差分气压测高技术辅助室内定位系统可以提高用户测点绝对高度的测量精度以及高程分辨率,能满足日常高程定位需求。

基于MS5534C的差分气压测高在室内定位中的应用

采用基于MEMS技术的数字压力传感器MS5534C和AVR单片机设计并实现了气压测高模块,单片机和传感器MS5534C之间通过三线同步串行接口实现通信。结合CAPS系统中差分气压测高方法,运用于基于移动通信网的接收信号强度指示(RSSI)室内定位系统中,提高用户测点绝对高度的测量精度,并通过单片机的控制在LCD上显示测点的高度值,对该室内定位系统形成良好的辅助功效。

基于傅里叶变换分析的增强差分测高校正模型

室内位置服务需求精准的垂直定位信息,使垂直方向上的区分度达到亚米级,实现对室内位置的亚米级三维全息定位。差分气压测高法可以实现泛在室内外获取垂直高度信息优于1m的定位精度。但是,差分气压测高原理具有局限性,在局域温差异常分布的环境下误差可达到近十米甚至百米,无法满足亚米级定位的需求。论文提出了一个基于傅里叶变换分析的差分测高校正模型,针对由于用户处于局域温差异常定位环境下所导致的差分气压测高法的误差进行校正使其定位精度保持优于1m,增强了差分气压测高的鲁棒性。

气压计辅助的UWB室内定位方法

针对现代多楼层建筑的室内定位需求,提出一种用气压计辅助超宽带(UWB)的室内定位方法,修正UWB室内定位在高度方向的误差,减少基站数量,进行准确的三维定位,并实时动态更新位置。在UWB二维平面定位的基础上,通过差分气压测高模块采集楼层的气压数据,构建楼层气压模型,辅助UWB在室内高度方向的定位。同时,在数据处理时,采用广义延拓法,对原始数据进行外推,并对运动轨迹进行拟合,修正UWB室内定位的误差。测试结果表明:差分气压测高模块能达到99%以上的准确性,可以快速准确识别所处楼层,UWB室内定位精度可达到12.5 cm以内,运动轨迹拟合准确,定位性能良好。

增强差压测高校正模型的建立及其性能验证

室内位置服务需求精准的垂直高度信息,并且在垂直位置上的区分度应做到亚米级,保证可以精准地对用户进行建筑楼层的辨别,实现对室内位置的立体全息定位。差分气压测高法可以实现泛在室内外获取垂直高度信息优于1m的定位精度。但是,差分气压测高原理具有局限性,在局域温差异常环境下很难精确测量,误差较大,可靠性无法保证,难以实现垂直亚米级定位。于是提出了一个基于差分气压测高法的增强差压测高校正模型,针对局域温差异常测量环境下的垂直定位误差进行校正;并搭建仿真环境和实测环境,通过仿真和实验算例来验证其性能。由验证结果可知,该模型实现了局域温差异常环境下差分气压测高垂直定位的误差校正,使其定位精度保持优于1m,增强了差分气压测高的鲁棒性。

基于智能手机传感器的林区行人定位算法

针对林区卫星信号缺失、跟踪定位困难的问题,提出了基于智能手机传感器的林区行人定位算法(forest-pedestrian location,FPL)。算法在行人航位推算算法(pedestrian dead reckoning,PDR)基础上进行改进:采用扩展卡尔曼滤波(extended Kalman filter,EKF)与卡尔曼滤波(Kalman filter,KF)融合算法对磁力计、加速度计及陀螺仪输出进行多次融合,以提高方位角测量精度;随后,使用Savitzky-Golay(S-G)滤波处理方位角测量值,以提高PDR算法中方位角的估计精度;引入K邻近(K-nearest neighbor,KNN)算法估计步长,将拟合显式步长函数问题转化为"懒惰学习"问题;使用差分气压测高法求解行人高程信息,从而获取行人在林区内的3维定位信息。实验结果表明,该算法可以提高方位角及步长的估计精度,同时可以增加精准的高程定位信息,整体误差控制在5%以内,可以满足林区无信号条件下的定位需求。

基于智能手机传感器的室内行人三维定位算法

针对室内行人定位中累积误差发散及高程值缺失的问题,提出了一种基于智能手机传感器(磁力计、加速度计、陀螺仪和气压计)的室内行人三维定位算法。该算法在使用行人航位推算获得二维定位信息的基础上,融合多传感器输出解算行人方位角,结合电子罗盘提出加权方位角以提高解算精度;通过传感器输出检测行人行为状态,结合虚拟地标点图层及其匹配算法,将行人的位置匹配到相应的特殊位置,重置行人初始位置以消除累积误差;使用基于气压计的差分气压测高法求解行人的高程值,从而获得行人三维定位信息。在智能手机上进行实验,结果表明,该算法不仅能够提供准确、连续的二维定位信息,还能提高行人对楼层的分辨力,可为室内行人导航、跟踪等基于位置服务提供有效的定位信息。