绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 4 条结果
-
CSTPCD 北大核心
-
摘要:针对当前行人航位推算系统因行人随意性行走、传感器漂移等造成行人步长估计不精确、方向计算误差累积问题,提出了一种基于神经网络和智能手机内置多传感器融合的PDR室内定位方法.首先利用加速计采集的传感器数据和移动距离数据训练BP神经网络,将训练好的BP神经网络模型进行行人移动距离预测,然后根据行人行走步伐的连续性特点和传感器输出之间的相关性,设计了一种微航向角融合的方向估计算法.该算法通过对行走过程中的情况进行分类以获得可靠的传感器源,利用3种微航向角进行分类加权融合,最终获得行人行走方向的精确估计.实验结果表明,通过行人移动距离预测和微航向角融合算法能够实现得较好的定位效果.
摘要:针对现有的室内定位方法存在高成本、低精度、鲁棒性低等问题.一些学者尝试将机器学习(Machine Learning,ML)引入室内定位中,用机器学习思想解决上述问题,旨在提高定位方法的性能.文章首先详细综述了五种基于K-最近邻、人工神经网络、支持向量机、决策树以及贝叶斯的定位方法,然后对这些方法的定位性能进行了比较分析,结果表明合适的机器学习算法能够提高定位精度、增强系统鲁棒性和降低成本,最后总结了基于机器学习的室内定位方法未来的一些研究热点问题.
摘要:智能手机内嵌多种惯性传感器,可以实现行人的位置推算.该文利用加速度计实现行人步数的有效检测,同时利用自适应步长算法估计行人的步长,最后将陀螺仪、磁力计计算的方向角进行加权融合,最终得到行人室内位置的精确估计.实验表明,该定位方法的定位误差精度在1~4m范围内,满足定位需求.
[硕士论文] 徐龙阳
计算机科学与技术 安徽理工大学 2018(学位年度)
摘要:基于位置信息服务(Location Based Service,LBS)技术已经被广泛应用在导航、救援以及定位追踪等领域。由于室内环境复杂易变,无法很好感知卫星信号,GPS定位难以满足人们的定位需求,国内外学者提出多种室内定位技术如红外线定位、超声波定位、RFID定位、WIFI定位,移动传感器定位等,这些技术取得较好的定位效果,但普遍存在各自的局限性,难以实现大规模推广应用。
  本文针对移动智能手机内嵌的多种传感器(加速度计、陀螺仪以及磁力计等)实现行人航位推算(Pedestrian Dead Reckoning,PDR)存在的传感器漂移、累计误差等问题,展开研究工作,具体研究为以下三个方面:
  (1)BP神经网络模型预测移动距离。传统PDR技术通过行人步数检测、步长估计来实现行人移动距离计算,步骤繁琐,容易出现检测和计算误差。本文引入BP神经网络模型,利用大量数据对模型进行训练和测试,实现较好的预测效果,从而有效减少传统PDR技术计算移动距离带来的计算误差。
  (2)设计一种微航向角融合算法。行人行走方向可以通过陀螺仪和磁力计计算得到,由于传感器自身测量不精确性和环境的干扰,单一传感器计算角度具有较大的累积误差。因此,本文提出了一种微航向角融合算法,通过将行人行走过程划分四类微场景,利用三种微航向角进行分类加权融合获得行走航向角,有效降低传感器的累积误差。
  (3)行人室内位置追踪。通过行人移动距离和航向角,实现位置追踪。本文一共测试16个人,实验结果表明,相对于使用单一的陀螺仪或磁力计计算方向角,定位误差保持在1~4m范围内,PDR(BP+陀螺仪)方法有7个人。PDR(BP+磁力计)方法仅有4个人。提出的定位方法PDR(BP+微航向角融合)结果有12个人的,占总人数的75%,其中,最好的定位误差仅有2.16m,表明提出的定位方法能够有效降低误差累积影响。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部