您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. A Method for Dead Reckoning Parameter Correction

  2. 介绍一种基于位置定位中的PDR算法,用于PDR中的路线精确处理,提高精度
  3. 所属分类:其它

    • 发布日期:2015-01-20
    • 文件大小:306kb
    • 提供者:hx5650338
  1. 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

  2. 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
  3. 所属分类:交通

    • 发布日期:2015-05-02
    • 文件大小:1mb
    • 提供者:baidu_27872863
  1. 基于PDR的室内定位

  2. 关于PDR的实现方法的简介,行人航迹推算的室内定位。。
  3. 所属分类:讲义

  1. pdr+gps融合导航

  2. 针对Android 终端设备内置卫星接收模块在城市峡谷和室内环境获取位置信息因信号的衰减、干扰和遮挡等无法准确提供方位信息的现状,该文提出一种航迹推算(PDR)与GPS 行人组合导航方法。采用卡尔曼滤波算法对航迹推算和GPS 定位信息进行融合处理,有效克服了PDR 航向误差随时间累积的问题。基于JAVA 语言开发Android 终端系统的数据库层、业务逻辑层及UI 界面层并完成系统调试。对比性实验结果表明,测试距离206 m 后获取的GPS与PDR 分别解算的位置误差为4.1 和8.1 m,论
  3. 所属分类:交通

    • 发布日期:2018-10-19
    • 文件大小:625kb
    • 提供者:pumpkin_love
  1. 矿井人员融合定位系统

  2. 针对基于传统接收信号强度指示(RSSI)指纹定位算法的井下人员定位系统在离线采样阶段指纹数据库采集工作量大、易受井下环境影响,基于行人航迹推算(PDR)算法的定位系统存在误差累计的问题,设计了一种基于改进RSSI指纹定位算法和PDR算法的矿井人员融合定位系统。该系统采用GS1011控制器和MPU9150惯性传感器构成智能终端,将采集的惯性传感器、RSSI和时间戳数据通过井下WiFi网络上传至地面监控中心定位服务器;定位服务器采用扩展卡尔曼滤波对RSSI指纹定位算法和PDR算法的定位信息进行融合,
  3. 所属分类:其它

    • 发布日期:2020-05-11
    • 文件大小:1000kb
    • 提供者:weixin_38590738
  1. 基于MEMS传感器的煤矿井下人员定位系统设计

  2. 针对现有井下人员定位系统存在定位精度低及成本高等问题,设计了基于MEMS传感器的煤矿井下人员定位系统。该系统采用MPU9150惯性传感器获取测量数据,以CC2530为主控芯片实现数据的采集、处理;通过井下已有的WiFi基站,并结合行人航迹推算算法实现井下人员的精确定位:利用融合了行走频率和加速度方差的表达式来确定步长,采用四元数法估计行人方向角,并根据扩展卡尔曼滤波对方向角的原始数据进行修正,从而获得井下人员的具体位置。实验结果表明,在100m距离内,该系统的定位误差小于2.2m,能够实现煤矿井
  3. 所属分类:其它

    • 发布日期:2020-05-05
    • 文件大小:230kb
    • 提供者:weixin_38741244
  1. 基于智能手机陀螺仪噪声辨别及去噪处理

  2. 随着室内定位需求的增长,基于智能手机的室内定位技术成为研究热点,行人航迹推算算法(PDR)是室内定位的主要方法之一。航向估计是影响行人航迹推算算法定位精度提升的难点,智能手机内置陀螺仪是获取航向的主要数据来源。利用Allan方差(Allan variance)方法对手机陀螺仪实测数据进行分析,辨识了引起随机误差的噪声种类,并对比了两款手机内置陀螺仪性能;采用巴特沃斯(Butterworth)滤波方法对携带手机行走实测陀螺仪数据去噪处理;选用四元数法解算航向信息,对比滤波前后数据解算航向的精度,来
  3. 所属分类:其它

    • 发布日期:2020-04-30
    • 文件大小:965kb
    • 提供者:weixin_38663169
  1. 融合地图信息与WiFi地标的室内粒子滤波定位算法

  2. 目前行人航迹推算(pedestrian dead reckoning,PDR)和WiFi指纹定位成为室内定位的主流技术,WiFi指纹定位由于无线信号的波动性导致定位结果不稳定,PDR算法随着应用时间的延长传感器累计误差增大,同样会导致定位精度降低。本研究提出一种基于地图信息的粒子滤波(particle filter,PF)与WiFi地标相结合的混合定位算法(WL+PF)。该算法通过地图信息约束粒子的位置,同时利用WiFi信号峰值检测相应地标信息,对观测信息修正的同时,更新粒子权重,从而实现最终的
  3. 所属分类:其它

  1. 基于声波测距与PDR融合的手机室内定位方法

  2. 在室内定位过程中,针对行人航迹推算(PDR,pedestrian dead reckoning)算法中惯性传感器的累积误差随时间增大的问题,提出一种基于智能手机的声波测距与PDR融合的室内定位方法。首先,利用PDR进行位置推算,然后,利用声波测量手机与墙之间的距离,结合已知的室内地图信息,对 PDR 中的累积误差进行纠正。在不需要布置任何节点的条件下,实现长时间稳定的室内定位。为解决长距离条件下墙体反射的回波信号难以检测的问题,利用智能手机内置双麦克风的特点,采用波束成形的方法,对目标墙体反射的
  3. 所属分类:其它

  1. 以粒子滤波为基础的多信息融合室内定位方法设计详解

  2. 0 引言目前,国内外已有不少对室内定位的研究。FOXLIN E 等人提出基于惯性测量单元(Inertial Measurement Unit,IMU)的传统导航机制,通过对加速度进行两次积分得到行走距离,对陀螺仪积分得到航向变化值,结果得到较为的定位结果,然而其高精度性能的基础是价格昂贵的IMU,在行人定位中并不能普及;LEVI R W和 JUDD T 提出了行人航迹推算(Pedestrian Dead Reckoning,PDR)算法来实现行人定位,该算法利用加速度信号探测用户行走时的跨步,采
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:94kb
    • 提供者:weixin_38587924
  1. 基于WT-UKF 的PDR/GPS 组合定位算法

  2. 针对行人航迹推算(PDR) 与全球定位系统(GPS) 组合定位问题, 提出一种基于小波变换(WT) 的无迹卡尔曼滤波(UKF) 改进算法, 对PDR 和GPS 定位结果进行数据融合. 建立PDR/GPS 组合定位系统数学模型, 采用小波变换对运动加速度信号噪声特性进行在线估计, 以更新UKF 的协方差矩阵. 所提出的WT-UKF 滤波算法弥补了传统UKF 算法因人为假定信号噪声为高斯白噪声而影响滤波效果和精度的缺陷. 实验结果表明, 使用WT-UKF 滤波算法对PDR/GPS 进行数据融合时稳定
  3. 所属分类:其它

  1. 基于IMU模块的行人航向角误差修正算法

  2. 伴随着全球互联网信息时代的到来,导航系统与通信系统的结合日益紧密,通信与行人航迹在信息交融中不断迅速发展。为了获取更精准的行人运动航迹,文中使用了惯性测量模块(Inertial Measurement Unit,IMU)辅助行人运动轨迹。由于IMU惯性测量元件自身存在惯性漂移情况,导致在行人航向角推算中会产生大量误差。因此,文中研究了基于IMU模块航向角误差修正算法,大大提高了运动轨迹的精度。
  3. 所属分类:其它