蓝牙4.0标准规范下的模糊指纹定位算法

蓝牙技术的普及以及蓝牙4.0标准规范的提出,使得利用蓝牙技术实现室内定位具有极其广阔的应用前景.把模糊理论应用于蓝牙室内定位系统,提出一种模糊指纹定位算法.基于该算法的定位过程分为离线和在线两个阶段:离线阶段建立模糊指纹库;在线阶段对手机客户端进行实时模糊决策定位.仿真实验结果表明,该算法的平均定位误差为1.36 m,相比于传统的指纹标定法,其定位精度提高约49%,而计算量缩减至原来的1/c,其中c为模糊聚类类别数.

运动分类步频调节的微机电惯性测量单元室内行人航迹推算

行人航迹推算(pedestrian dead reckoning,PDR)作为一种新兴的导航定位方法,因其不易受外界环境因素影响而受到广泛关注.针对室内行人航迹推算,采集并分析了微机电惯性测量单元(micro-electro-mechanical system-inertial measurement unit,MEMS-IMU)数据,设计了运动分类的区间对称步频检测,并建立了步频调节的步长估计模型,最后提出了运动分类步频调节的MEMS-IMU室内行人航迹推算,从而实现较精准的定位.针对不同个体,对步频调节的步长估计模型进行个性化标定,以进一步提高室内行人航迹推算性能.验证结果表明:与传统峰值非线性方法相比,运动分类步频调节的MEMS-IMU室内行人航迹推算的定位误差降低了32.6%,使短距离室内行人航迹推算在无其他定位技术支持的情况下具有较高精度.

高精度故障电弧检测多传感器数据融合算法

由于故障电弧的物理特性复杂,且电路中存在与故障电弧波形相似的负载,因此传统检测故障电弧的方法误判率较高.提出了一种多传感器数据融合算法,用于提高故障电弧的检测精度.该算法包括自适应加权融合算法和神经网络融合算法,实现了对温度传感器、声音传感器和弧光强度传感器所获取的传感信号的数据融合.自适应加权融合算法克服了单个传感器的不确定性,实现了同质传感器中故障电弧特征的提取,为神经网络融合算法提供了精确的测试样本数据;神经网络融合算法可自行调整各类异质传感器的权重,使故障电弧的辨识率更高.实验结果表明,该算法可有效提取故障电弧的特征,辨识精度超过98%,实现了高精度的故障电弧检测.

三维惯性传感参数表征下的行人混合步态分类

在行人步态分类研究领域中,传统的基于微机电系统(micro-electro-mechanical system,MEMS)惯性传感器技术的步态分类方法侧重于对行人单一步态模式进行区分,忽略了两个单一步态模式之间的过渡步态模式,从而降低了行人行走过程中走、跑、停等混合步态的分类精度,还会在时间上造成缺失,进而造成行人航迹推算产生不可估量的定位误差.从人体运动学角度出发分析了行人步态特点,同时利用9轴MEMS惯性传感器采集了行人步态原始数据并对其进行剖析,设定了人体三维惯性传感参数,以供后续分类算法使用.为了进一步提高整体混合步态的分类精度,针对朴素贝叶斯算法对相反过渡步态模式区分精度不高的问题,在其基础上通过加窗判断前后两个步态的连续性,完成了行人混合步态的最终分类.验证结果表明,和传统的样本熵与小波能量相结合方法相比,提出的三维惯性传感参数表征下的行人混合步态分类方法,不仅能区分出行人混合步态中的多种单一步态模式和多种过渡步态模式,同时整体分类精度提高了14.46%,从而有效证明了该方法在行人步态分类领域具有良好的理论价值和应用价值.