GPS与自包含传感器行人无缝定位算法研究

"这篇博士学位论文主要探讨了基于GPS和自包含传感器的行人室内外无缝定位算法的研究。在复杂的环境条件下，如城市峡谷和室内，GPS信号可能会受到干扰或衰减，导致定位精度下降。为了提高定位性能，研究中提到了传感器辅助定位（Sensor-Aided Localization）和步进测距与航向（PDR, Pedestrian Dead Reckoning）算法的应用。 在论文的第六章，作者专注于行人无缝定位算法的设计与实现。这一章节可能详细阐述了如何在GPS信号质量好的阶段建立航向误差模型，并训练相关的参数。通过增加残差样本在特定范围内的比例（例如[-5, +5]），可以提升模型的精确性。图6.11展示了在外场实验中的设备安装示意图，可能包括GPS接收器和其他传感器的布置方式，以获取最佳数据。图6.12则可能描绘了复杂场景的实验设置，用于测试算法在不同环境下的表现。 表6.5列举了GPS信号好阶段航向误差模型的训练参数，这些参数可能包括学习率、权重、阈值等，它们是优化模型的关键因素。作者陈伟在导师王建宇研究员和傅忠谦副教授的指导下，进行了这项研究，并于2010年完成。 论文中提到，除了GPS，还利用了自包含传感器，这些传感器可能包括加速度计、陀螺仪和磁力计等，它们可以提供步态分析和方向估计，以弥补GPS在遮挡环境下的不足。通过结合这些传感器的数据，实现了在室内外环境间的平滑过渡，降低了定位中断的可能性，从而提高了整体定位的连续性和可靠性。 此外，论文还涉及到对他人研究成果的引用和贡献的明确说明，以及中国科学技术大学学位论文的授权使用声明，表明作者同意学校对论文内容进行复制、保存和检索，以便进一步学术交流和使用。保密的学位论文在解密后也将遵循相同的使用规定。" 这篇博士学位论文的详细研究内容涵盖了GPS定位技术的挑战、辅助传感器的作用、PDR算法的实现以及在实际复杂场景中的应用，为行人导航定位提供了新的思路和方法。