GPS与自包含传感器在行人无缝定位算法中的应用

需积分: 0 159 下载量 156 浏览量 更新于2024-08-10 收藏 5.29MB PDF 举报
"这篇博士学位论文主要探讨了GPS和自包含传感器在行人室内外无缝定位算法中的应用,特别是在雪天操场步频探测实验中的表现。实验结果显示了步频探测的周期和方差,揭示了在复杂环境如城市峡谷和室内GPS信号受限时,如何利用传感器辅助实现更准确的定位。" 在当前的技术背景下,随着移动设备的广泛普及和基于位置服务(LBS)的快速发展,行人导航定位技术的需求日益增长。尤其对于精度、稳定性和连续性的要求,使得研究者不断寻求新的解决方案。全球定位系统(GPS)尽管在户外定位中表现出色,但在高楼林立的城市峡谷和室内环境下,其信号易受遮挡和衰减,导致定位精度下降。 这篇由中国科学技术大学的陈伟博士完成的研究,着重探讨了GPS与自包含传感器结合的行人室内外无缝定位算法。这种算法的目标是在GPS信号弱或不可用时,利用传感器数据填补定位空白,提供连续的定位服务。实验在雪天操场环境下进行,通过图4.8至图4.10展示了步频探测的结果,包括单步周期和单步方差的分析。 步频探测是行人运动追踪的关键组成部分,它涉及到对行走节奏的精确测量。单步周期是指行走者每走一步所需的时间,而单步方差则反映了行走步伐的稳定性。在实验中,这些数据可能通过加速度计、陀螺仪等传感器获取,这些传感器能检测到行走者的微小运动变化。通过分析步频的周期性和方差,可以推断出行人的运动状态,进一步辅助定位计算。 论文中提到的PDR( Pedestrian Dead Reckoning)算法是一种典型的传感器辅助定位方法,它结合了步进计数、步长估算和方向感知来持续更新行人的位置。在GPS信号受限的情况下,PDR可以通过累积步行距离和方向来估算当前位置。 这篇研究为解决GPS在复杂环境下的局限性提供了新的视角,强调了传感器数据在增强定位性能中的作用。通过深入理解和优化步频探测的算法,可以提高室内和城市峡谷环境中的定位准确性和可靠性,这对于发展更加全面和智能的导航系统具有重要意义。