论文部分内容阅读
随着无线传感网(Wireless sensor networks,WSN)技术的广泛应用,针对室内环境的定位需要,传统的WSN技术在用于室内定位时,会受困于多径干扰,为了解决这个问题,优化室内定位效果,本文通过对中外室内定位技术现状的深入研究,分析了室内环境电磁波传播损耗模型,惯性测量单元(Inertial Measurement Unit,IMU)在定位过程中的利弊,以及基于接收信号强弱指示(Received Signal Strength Indicator,RSSI)测量的位置信息的统计特性,设计了一种基于噪声统计特性配置扩展卡尔曼滤波器(Extended Kalman Filter,EKF)的方法,尤其是配置EKF的测量噪声协方差矩阵。研究提出了一种针对室内环境的扩展卡尔曼滤波定位优化算法(Location Optimization-Extended Kalman Filter,LO-EKF)。算法首先利用惯性测量单元对移动目标节点的速度模量及方向进行测量,用最小二乘算法(Least Squares,LS)估计移动目标节点的位置信息,再融合二者测量值建立目标节点状态模型。其次,根据室内无线环境下的电磁波信道模型,以及速度和方向的IMU测量值的统计特性,设置符合室内噪声环境的测量噪声协方差矩阵,以调整EKF性能。最后,通过经测量噪声协方差矩阵配置过的扩展卡尔曼滤波器对初始状态测量值进行优化处理,得出最终的目标位置,并以该结果作为下一个时间点目标位置的初始值进行迭代估算,得出目标轨迹。本文通过仿真分析,将LO-EKF算法与LS算法和标准EKF算法作对比。仿真结果表明,对比LS算法和标准EKF算法,LO-EKF算法在室内定位中不仅保障了移动节点的短期定位精度,而且有效提高了长期定位精度。此外,在一定程度上算法还提高了定位误差的收敛速度。