下载文档原格式
《基于Wi-Fi和航位推算的室内定位方法研究》篇一一、引言随着科技的不断发展，室内定位技术已成为现代生活与工作中不可或缺的一部分。
在众多室内定位技术中，基于Wi-Fi和航位推算（DR，Dead Reckoning）的定位方法因其准确性高、成本低、适用范围广等特点，受到了广泛关注。
本文将重点研究基于Wi-Fi和航位推算的室内定位方法，探讨其原理、优势及存在的问题，并提出相应的解决方案。
二、Wi-Fi定位技术原理及优势Wi-Fi定位技术主要通过接收来自多个Wi-Fi接入点的信号强度信息，结合信号传播模型，估算出移动设备的位置。
其原理简单、成本低，且可与其他定位技术相结合，提高定位精度。
Wi-Fi 定位技术的优势主要体现在以下几个方面：1. 覆盖范围广：Wi-Fi网络几乎覆盖了所有的公共场所和部分私人空间，为室内定位提供了丰富的资源。
2. 定位精度高：通过多个Wi-Fi接入点的信号强度信息，可以较准确地估算出移动设备的位置。
3. 可与其他技术融合：Wi-Fi定位技术可与其他定位技术（如航位推算、蓝牙等）相结合，进一步提高定位精度。
三、航位推算（DR）原理及优势航位推算是一种基于运动学原理的定位方法，通过分析移动设备的加速度、角速度等运动信息，推算出设备的位置和方向。
其原理简单、成本低，且在无GPS信号的室内环境下具有较高的适用性。
航位推算的优势如下：1. 自主性：无需依赖外部设施，只需通过分析移动设备的运动信息即可实现定位。
2. 连续性：可在无信号覆盖的室内环境下实现连续定位。
3. 实时性：能够实时更新位置信息，满足某些应用对实时性的要求。
四、基于Wi-Fi和航位推算的室内定位方法研究将Wi-Fi定位技术和航位推算相结合，可以充分发挥两者的优势，提高室内定位的精度和可靠性。
具体方法包括：1. Wi-Fi指纹库建立与匹配：通过在室内环境中采集Wi-Fi信号强度信息，建立指纹库。
当移动设备进入该区域时，通过匹配指纹库中的信息，实现初步定位。
《基于Wi-Fi和航位推算的室内定位方法研究》篇一一、引言随着无线通信技术的快速发展，室内定位技术已经成为众多领域研究的热点。
其中，基于Wi-Fi和航位推算的室内定位方法因其实时性、准确性及成本效益等特点备受关注。
本文将就这一方法进行深入探讨，从基本原理到具体实现方式以及相关问题进行研究，并进一步展望其未来的应用前景。
二、Wi-Fi和航位推算定位的基本原理（一）Wi-Fi定位原理Wi-Fi定位技术主要通过测量移动设备与多个Wi-Fi接入点（AP）之间的距离或信号强度信息来实现定位。
具体而言，通过接收来自不同AP的信号强度信息，结合信号传播模型，可以估算出移动设备与AP之间的距离或角度，进而确定移动设备的位置。
（二）航位推算原理航位推算是一种基于运动学原理的定位方法，通过记录移动设备的运动轨迹和方向信息，推算出其位置。
该方法不需要额外的定位设施，只需通过内置的传感器（如陀螺仪、加速度计等）即可实现。
三、基于Wi-Fi和航位推算的室内定位方法（一）方法概述本文提出的基于Wi-Fi和航位推算的室内定位方法，首先通过Wi-Fi技术获取移动设备与多个AP的距离或信号强度信息，然后结合航位推算方法，根据移动设备的运动轨迹和方向信息，对位置进行实时更新和修正。
这种方法可以充分利用Wi-Fi信号的覆盖范围广和航位推算方法的自主性，提高室内定位的准确性和实时性。
（二）具体实现1. Wi-Fi信号获取：移动设备通过扫描周围环境中的Wi-Fi信号，获取多个AP的信号强度信息。
2. 距离估算：根据信号传播模型，将信号强度信息转换为距离信息，估算出移动设备与各个AP的距离。
3. 位置计算：结合已知的AP位置信息，采用三角定位法或其他算法，计算出移动设备的位置。
4. 航位推算：通过内置传感器记录移动设备的运动轨迹和方向信息，对位置进行实时更新和修正。
5. 融合定位结果：将Wi-Fi定位结果与航位推算结果进行融合，得到更为准确的位置信息。
基于深度学习的无线信号辅助室内定位技术研究摘要：随着人们对于定位技术的需求日益增加，无线信号辅助室内定位技术因其方便、精准且无需额外设备的优势而备受关注。
本文以深度学习为基础，研究了基于无线信号的室内定位技术，通过收集、处理和分析无线信号数据，使用深度学习模型对室内位置进行准确预测。
实验结果表明，所提出的方法在室内定位方面具有很高的准确性和实用性。
1. 引言室内定位技术在诸多领域中扮演着重要的角色，例如室内导航、仓库管理和无人机定位等。
传统的室内定位方法包括基于蓝牙、Wi-Fi和超声波等技术，但这些方法存在着接收设备的限制、定位精度不高等问题。
基于无线信号的室内定位技术通过利用已有的Wi-Fi、蜂窝信号等无线信号，能够克服传统方法的限制，具备广泛的应用前景。
2. 相关工作在过去的几年里，许多学者和研究人员对于基于无线信号的室内定位技术进行了广泛的研究。
其中，深度学习被应用于该领域的研究中取得了显著的进展。
深度学习模型能够通过对大量数据的学习，自动提取特征，并对复杂的空间关系进行建模，从而实现准确的室内定位。
3. 数据获取与预处理为了研究基于深度学习的无线信号辅助室内定位技术，我们需要收集室内地点的无线信号数据。
我们可以使用手机、传感器或者无线信号探测器等设备获取这些数据。
在收集数据之后，我们需要进行预处理，以消除无用信息和噪声。
常见的预处理方法包括数据清洗、特征提取和降维等。
4. 深度学习模型设计在本研究中，我们选择了卷积神经网络（CNN）作为室内定位的深度学习模型。
CNN能够自动从原始数据中提取空间特征，对于室内定位任务非常适用。
我们利用大量的有标签定位数据对模型进行训练，并使用验证集进行模型选择和调优。
最后，我们使用测试集对所训练好的模型进行评估。
5. 实验结果与分析为了评估所提出的基于深度学习的室内定位方法，我们进行了一系列的实验。
实验结果表明，该方法在不同室内环境下具有很高的预测准确性。
无线局域网中基于信号强度的室内定位随着无线局域网技术的迅速发展，越来越多的人们开始意识到，无线局域网不仅可以用来传输数据，还可以用来进行室内定位，以满足人们对定位精度和覆盖范围的需求。
其中，基于信号强度的室内定位是一种比较常见的技术，具有成本低、易于实现等优势。
基于信号强度的室内定位是通过采集接收端（比如智能手机或者Wi-Fi接收器）的信号强度来确定接收器的位置。
这种方法简单直观，不需要额外的硬件支持，可以利用现有的Wi-Fi信号、蓝牙信号等无线信号进行定位。
实现基于信号强度的室内定位主要需要做到以下几点：1.构建信号强度-距离模型：信号强度和接收距离之间存在一种确定的关系，建立信号强度和距离之间的映射关系，便可以通过信号强度来计算接收器的距离。
2.采集信号强度数据：定位精度和准确性与信号强度采集的数据数量和频率有关，采集数据的过程需要在需要定位的空间内不放置聚拢产生信号干扰的设备、尽可能避免障碍、快速移动采集终端等，保证信号采集的稳定性和准确性。
3.进行信号指纹库的构建：根据实验采集到的数据，选择合适的算法建立信号指纹库。
可将相同位置的多次采集到的数据进行平均，避免因特定设备等干扰因素产生的误差。
4.匹配算法的选择：常用的匹配算法有最近邻算法、加权最近邻算法、贝叶斯方法等。
这些算法的选择取决于实际应用场景和需要。
基于信号强度的室内定位技术具有广阔的应用前景。
无线局域网技术已经广泛应用于地铁站、超市等室内场所，基于信号强度的定位技术可以为用户提供精准的室内导航服务，满足用户在室内环境下的导航需求。
同时，基于信号强度的室内定位技术还可以用于室内监控和智能家居等方面，为人们的日常生活提供更多便利和安全保障。
《基于Wi-Fi和航位推算的室内定位方法研究》篇一一、引言随着科技的发展，室内定位技术已成为现代生活与工作中不可或缺的一部分。
它广泛应用于各种场景，如商场、医院、工厂、大型建筑等，提供了精确的空间位置信息，极大地方便了人们的生活与工作。
目前，室内定位方法众多，但其中基于Wi-Fi和航位推算（Dead Reckoning, DR）的定位方法因其实时性、低成本、以及较为精准的定位效果受到了广泛的关注。
本文旨在探讨基于Wi-Fi和航位推算的室内定位方法的研究，并分析其优缺点以及实际应用场景。
二、Wi-Fi室内定位方法Wi-Fi室内定位技术主要依赖于无线信号的传播特性，通过测量无线信号的强度、传播时间等信息，结合信号处理算法，实现室内定位。
其优点在于覆盖范围广、精度高，适用于大多数室内环境。
但同时也存在着一些问题，如多径效应和信号干扰等可能导致定位误差增大。
为了解决这些问题，研究人员提出了一些改进算法，如基于指纹图谱的Wi-Fi定位技术，通过建立室内环境中的Wi-Fi指纹图谱，实现对未知位置的识别和定位。
三、航位推算（Dead Reckoning, DR）技术航位推算是一种基于运动学原理的定位方法，通过记录移动设备的运动轨迹和速度信息，实现对位置的推算。
DR技术具有实时性高、成本低等优点，但存在误差累积的问题。
当移动距离较长时，误差会逐渐累积并影响定位精度。
因此，在实际应用中，常将DR技术与其他定位方法相结合，以提高定位精度。
四、基于Wi-Fi和航位推算的室内定位方法为了充分发挥Wi-Fi和DR技术的优势，研究人员提出了基于Wi-Fi和航位推算的室内定位方法。
该方法首先利用Wi-Fi技术获取初始位置信息，然后结合DR技术记录移动设备的运动轨迹和速度信息，实现实时位置更新。
这种方法结合了Wi-Fi的高精度和DR的实时性，能够在一定程度上解决单一技术方法的局限性。
同时，为了减少误差累积对定位精度的影响，可以引入其他传感器数据（如惯性测量单元IMU等）进行数据融合处理。
《基于Wi-Fi和航位推算的室内定位方法研究》篇一一、引言随着科技的发展，室内定位技术逐渐成为人们关注的焦点。
为了满足在大型建筑、商场、医院等复杂环境下的定位需求，基于Wi-Fi和航位推算的室内定位方法成为了研究的热点。
本文旨在研究并探讨基于Wi-Fi和航位推算的室内定位方法，以期为相关领域的研究和应用提供参考。
二、Wi-Fi室内定位技术Wi-Fi室内定位技术是一种基于无线信号的定位技术，通过接收来自多个Wi-Fi接入点的信号强度信息，结合信号传播模型和算法处理，实现对目标位置的估计。
Wi-Fi定位技术的优点在于覆盖范围广、设备成本低、易于部署等。
然而，由于室内环境的复杂性和多径效应的影响，Wi-Fi定位精度受到一定限制。
三、航位推算技术航位推算（Dead Reckoning，DR）是一种基于运动学原理的定位方法，通过传感器测量设备的移动距离和方向，推算出设备的位置。
航位推算技术主要包括里程计推算和陀螺仪推算两种方法。
其中，里程计推算基于设备移动的步数和步长计算移动距离，陀螺仪推算则通过测量设备的姿态变化推算出设备的位移。
航位推算技术具有实时性高、不受信号遮挡等优点，但在长时间运行时可能因累积误差导致定位精度下降。
四、基于Wi-Fi和航位推算的室内定位方法为了充分利用Wi-Fi和航位推算技术的优点，提高室内定位精度，本文提出了一种基于Wi-Fi和航位推算的室内定位方法。
该方法首先通过Wi-Fi接收设备接收多个Wi-Fi接入点的信号强度信息，结合信号传播模型和算法处理，得到设备的初步位置信息。
然后，利用航位推算技术对设备的移动轨迹进行实时跟踪和修正，减小累积误差对定位精度的影响。
通过将Wi-Fi定位结果与航位推算结果进行融合，实现高精度的室内定位。
五、实验与分析为了验证本文提出的基于Wi-Fi和航位推算的室内定位方法的可行性和有效性，我们进行了实验分析。
实验结果表明，该方法在复杂环境下具有较高的定位精度和稳定性。
WiFi定位技术在室内导航中的应用研究随着科技的不断发展，WiFi定位技术在室内导航中的应用也越来越受到关注。
WiFi定位技术是一种利用无线网络信号进行定位的技术，通过对室内WiFi网络的信号强度和传播特性进行分析，可以实现在室内环境中精确定位和导航的功能。
本文将介绍WiFi定位技术的原理、应用场景以及研究进展。
WiFi定位技术的原理主要基于信号强度衰减和三角测量原理。
当移动设备与WiFi热点之间存在一定距离时，WiFi信号的强度会随之衰减。
通过收集并分析WiFi信号的强度值，可以推断出移动设备与各个WiFi热点之间的距离。
同时，通过多个WiFi热点的信号强度分布情况，可以进行三角测量，以获取移动设备的具体位置。
WiFi定位技术在室内导航中具有广泛的应用场景。
首先是商场和购物中心。
当顾客进入商场或购物中心时，通过WiFi定位技术可以提供准确的位置信息和路径导航，帮助顾客快速找到目标店铺或产品，提升购物体验。
其次是医院和大型建筑物。
在这些复杂的室内环境中，通过WiFi定位技术可以帮助人们迅速找到目标科室、病房或会议室，提高效率。
此外，WiFi定位技术还可以应用于展览馆、机场、大学校园等场所，帮助人们更好地了解和利用室内空间。
在WiFi定位技术的研究中，存在着一些挑战和难题。
首先是信号干扰和多径效应。
室内环境中存在许多干扰源，如障碍物、墙壁和其他电子设备，这些因素会影响WiFi信号的传播和强度，进而影响定位的准确性。
其次是算法优化和数据处理。
WiFi定位技术需要大量的WiFi信号数据进行分析和处理，如何有效利用这些数据，提高定位的精度和实时性是一个需要解决的问题。
此外，用户隐私和安全问题也需要引起足够的重视，如何保护用户的个人信息和数据安全将是未来研究的重点。
针对上述问题，研究者们已经提出了一些解决方案和改进措施。
为了应对信号干扰和多径效应，研究者们提出了许多信号处理和预处理方法。
例如，通过建立模型来推测干扰源的影响；利用多个WiFi热点和使用多径效应分析算法来提高定位的准确性。
室内导航系统中的定位技术研究与应用随着科技的进步和人们对便利的需求不断增加，室内导航系统的研究与应用在我们的日常生活中变得越来越重要。
室内导航系统能够为用户提供精准的位置信息，在室内环境中帮助用户确定自己的位置并导航至目的地。
为了实现室内导航系统的高效定位，需要依靠先进的定位技术。
本文将介绍几种常用的室内定位技术以及它们的研究与应用。
一、无线信号定位技术无线信号定位技术是室内导航系统中常用的一种定位方法。
该技术利用室内环境中的无线信号源（如Wi-Fi、蓝牙、RFID等）来确定用户的位置。
无线信号定位技术可以通过测量用户与信号源之间的距离、信号强度等指标来实现定位。
这种技术相对简单且成本较低，因此在室内导航系统中得到广泛应用。
二、惯性导航技术惯性导航技术是一种利用加速度计和陀螺仪等传感器来检测和测量用户的运动状态从而确定位置的方法。
它不依赖于室内环境和外部信号，因此具有较高的自主性和实时性。
然而，由于惯性传感器存在误差累积的问题，惯性导航技术在长时间使用或复杂环境中的定位精度会有所下降。
三、视觉定位技术视觉定位技术是一种基于摄像头和图像处理技术来实现室内定位的技术。
通过识别室内的特征物体或地标，如墙壁、家具、标志物等，结合图像处理算法，可以确定用户的位置。
视觉定位技术的优势在于对环境的适应性强，能够识别多种场景和物体，但对计算资源要求较高，且对光照条件、视野遮挡等因素较为敏感。
四、声音定位技术声音定位技术是通过麦克风和声音处理技术来实现室内定位的一种方法。
通过对环境中声音的收集和分析，可以确定用户的位置。
声音定位技术可以利用声音的传播特性来确定位置，例如声音的到达时间差、声音的强度等。
然而，声音定位技术对环境噪音的干扰较大，定位精度和可靠性有待进一步提高。
五、融合定位技术融合定位技术是将多种定位技术结合起来，利用它们的优势互补来提高定位精度和可靠性的一种方法。
融合定位技术可以通过采用多传感器数据融合、多算法融合等方式来实现。
室内信道环境下UWB精确测距研究
吴绍华;张乃通
【期刊名称】《通信学报》
【年(卷),期】2007(28)4
【摘要】研究了IEEE 802.15.4a室内信道环境下UWB(ultra wideband)信号的精确测距能力.提出了一种改进的基于区间搜索和门限比较的TOA(time of arrival)估计算法.基于对CM1和CM2信道实现的部分参数的统计分析,建立了TOA估计误差的概率模型,并由此给出了通过将误差概率控制到最低的算法门限设置方案.通过仿真考察了不同信噪比下测距结果的平均绝对误差.结果表明,UWB在室内信道条件下要获得厘米级的测距精度,接收信号须保证足够高的信噪比,但信噪比提高到一定程度后测距性能并不会进一步提升,此结论对于设计满足一定精度需求的定位算法以及实际测距中控制信号的传输功率具有一定的指导意义.
【总页数】7页(P65-71)
【作者】吴绍华;张乃通
【作者单位】哈尔滨工业大学,电子与信息技术研究院,黑龙江,哈尔滨,150001;哈尔滨工业大学,电子与信息技术研究院,黑龙江,哈尔滨,150001
【正文语种】中文
【中图分类】TN914
【相关文献】
1.IR-UWB测距在多径信道下的时延性能分析 [J], 蒋婷婷;郑国莘;郑瑞杰
2.UWB测距与室内定位精度研究 [J], 张涛;徐亚明
3.基于UWB测距技术的室内定位研究 [J], 王锦涛;皇甫一鸣;李哲舟;冯婧
4.基于KF/PF测距滤波的UWB精确定位试验研究 [J], 姚健;刘送永;崔玉明;顾聪聪
5.最小均方信道均衡的UWB测距方法研究 [J], 崔学荣;周靖超;李娟;李世宝
因版权原因，仅展示原文概要，查看原文内容请购买。
《基于Wi-Fi和航位推算的室内定位方法研究》篇一一、引言随着物联网技术的发展和人们对精准定位的需求不断提高，室内定位技术在日常生活中发挥着越来越重要的作用。
基于Wi-Fi和航位推算的室内定位方法作为一种典型的室内定位技术，以其独特的优势，被广泛运用于建筑导航、仓储管理、以及智慧城市建设等领域。
本文将对基于Wi-Fi和航位推算的室内定位方法进行研究，并分析其优缺点以及改进措施。
二、Wi-Fi室内定位技术概述Wi-Fi室内定位技术主要利用无线信号传播特性和环境特性来实现对目标的定位。
该方法具有成本低、部署方便等优点，且不依赖于专门的硬件设备。
其主要通过分析接收信号强度（RSSI）等信息，结合指纹地图等数据，实现对目标的定位。
三、航位推算技术概述航位推算（Dead Reckoning）是一种通过连续跟踪设备的运动信息（如速度、方向等）来推算其位置的方法。
航位推算主要依赖设备的内部传感器，如加速度计、陀螺仪等，实现对目标的位置估算。
其优点在于不依赖于外部设施，具有较好的自主性。
然而，由于误差累积的问题，长时间使用可能导致位置误差较大。
四、基于Wi-Fi和航位推算的室内定位方法研究基于Wi-Fi和航位推算的室内定位方法结合了Wi-Fi定位的稳定性和航位推算的自主性。
在室内环境中，通过Wi-Fi信号进行粗略定位，再结合航位推算技术对位置进行微调。
该方法既可以利用Wi-Fi信号的广泛覆盖性，又可以利用航位推算的自主性，实现更精确的室内定位。
五、基于Wi-Fi和航位推算的室内定位方法优缺点分析优点：1. 精度高：结合Wi-Fi信号的稳定性和航位推算的精确性，可以实现较高的定位精度。
2. 覆盖范围广：Wi-Fi信号的广泛覆盖性使得该方法可以在较大的室内空间内进行定位。
3. 自主性强：航位推算技术不依赖外部设施，具有较好的自主性。
缺点：1. 多径效应：室内环境复杂，多径效应会导致Wi-Fi信号的接收不稳定，影响定位精度。
室内定位系统中的无线信号强度定位算法研究随着无线通信技术的快速发展，室内定位系统成为了一项热门的研究领域。
无线信号强度定位算法作为室内定位系统的核心技术之一，具有重要的应用价值和研究意义。
本文将探讨室内定位系统中的无线信号强度定位算法的研究进展并提出一种基于机器学习的新方法。
一、无线信号强度定位算法概述室内定位系统中的无线信号强度定位算法是通过测量接收器接收到的无线信号强度来确定用户的位置。
该算法依赖于设备发射的信号强度在空间中的衰减规律，并通过将接收到的信号强度与已知的信号强度进行比对来推算出用户的位置信息。
二、传统的无线信号强度定位算法传统的无线信号强度定位算法主要包括指纹定位法、基于场景的定位法和基于距离的定位法。
1. 指纹定位法指纹定位法通过构建室内指纹数据库，将每个位置上的无线信号强度值记录下来，然后将用户当前接收到的信号强度与数据库中的数据进行匹配，从而得到用户的位置。
该方法的优点是定位精度较高，但需要在室内所有位置进行信号强度的采集和数据库的构建，工作量较大。
2. 基于场景的定位法基于场景的定位法依靠计算机视觉或传感器技术来识别室内的特定场景，并利用预先构建好的场景对应的位置信息来进行定位。
该方法的优点是不需要建立指纹数据库，但需要事先对室内场景进行建模和标记，限制了场景的适用范围。
3. 基于距离的定位法基于距离的定位法通过计算信号在空间中传播的距离来确定用户的位置。
常用的方法包括到达时间差（Time of Flight）和接收信号强度指数（Received Signal Strength Indicator）等。
该方法的缺点是需要事先知道信号传播的速度或准确的信号衰减模型，且对传播环境有一定要求。
三、基于机器学习的无线信号强度定位算法随着机器学习技术的快速发展，越来越多的无线信号强度定位算法开始利用机器学习的方法进行优化。
1. 基于神经网络的定位方法神经网络是近年来常用的机器学习方法之一。
室内定位系统中的无线信号强度定位与路径规划技术研究引言：室内定位系统在如今的智能化社会中具有广泛应用的前景。
然而，由于室内环境中无线信号的复杂性和多变性，精准的室内定位一直是一个具有挑战性的问题。
本文将重点研究室内定位系统中的无线信号强度定位与路径规划技术，探索其原理、方法和发展趋势。
一、无线信号强度定位技术：1. 无线信号强度定位技术的原理：无线信号强度定位技术基于无线信号传播衰减的原理，通过测量接收到的信号强度来确定移动设备的位置。
根据信号传输模型，可以使用不同的算法进行距离估计，如RSSI （Received Signal Strength Indicator）和ToF（Time of Flight）等。
2. 无线信号强度定位技术的研究方法：（1）指纹定位法：通过建立无线信号强度指纹数据库，将信号强度与位置信息进行关联，通过对实际测量的信号强度与数据库中的指纹进行匹配，从而确定位置。
（2）机器学习方法：利用机器学习算法，通过训练数据集来建立模型，实现对未知位置的无线信号强度进行定位。
（3）粒子滤波算法：基于粒子滤波理论，通过随机粒子的权重调整和重采样，对位置进行估计和跟踪。
3. 无线信号强度定位技术的应用：无线信号强度定位技术广泛应用于室内导航、智能家居、安防监控等领域。
例如，可通过手机信号强度定位用户位置，实现室内导航；也可通过无线信号强度定位监控设备的位置，实现智能安防。
二、路径规划技术：1. 路径规划技术的原理：路径规划技术通过引入图论和搜索算法，通过分析起点、终点和障碍物等信息，确定最佳路径。
在室内定位系统中，路径规划技术通常结合无线信号强度定位技术，使得移动设备能够在建筑物内部找到最优路径。
2. 路径规划技术的研究方法：（1）基于图论的方法：将室内环境抽象成图，通过搜索算法（如A*算法、Dijkstra算法）找到最短路径或最优路径。
（2）机器学习方法：利用大量数据进行训练，通过建立模型实现路径规划，例如深度强化学习算法。
长廊场景下UWB测距和定位精度分析
王腾;李永辉;毕京学;尹欣然;曹景春;李世卿
【期刊名称】《导航定位学报》
【年(卷),期】2022(10)6
【摘要】针对现有研究多利用基于飞行时间(TOF)的超宽带(UWB)定位技术在空旷或无遮挡的室内场景下进行高精度的距离测量和定位评估,对物体遮挡及长廊场景下的研究较少的现状,在不同障碍物遮挡及复杂长廊场景下利用双向双边TOF测距UWB进行距离量测,并基于最小二乘的三边定位算法开展定位实验,分析多种场景下的测距和定位误差。
实验结果表明:不同遮挡物对UWB信号的影响程度不一,金属、墙体对测距的影响远大于薄布、纸板;无障碍长廊两侧空间界面、墙体材质、行人走动、房门的启闭状态等,均会对测距结果产生不同程度的影响;基站附近的外界环境会对定位产生持续干扰;标签的移动速度也会影响定位精度。
可为探究在物体遮挡和长廊场景下UWB测距和定位精度的影响因素提供参考。
【总页数】6页(P173-178)
【作者】王腾;李永辉;毕京学;尹欣然;曹景春;李世卿
【作者单位】山东建筑大学
【正文语种】中文
【中图分类】P228
【相关文献】
1.UWB测距与室内定位精度研究
2.井下人员定位系统基于线性调频扩频UWB技术的分析信号传输到达时间差(TDOA)的测距模式
3.融合UWB测距信息的室外高精度定位算法
4.UWB测距室内定位算法误差分析
5.室内退化场景下UWB双基站辅助LiDAR里程计的定位方法
因版权原因，仅展示原文概要，查看原文内容请购买。
GPS RTK测量过程及应用问题
毕京学;郭英;杨凯
【期刊名称】《全球定位系统》
【年(卷),期】2013(38)3
【摘要】详细地论述了RTK测量的作业过程；针对实际应用中只提供坐标转换参数、点数不多(2～3个)或控制点网形不合理的情况,给出了相应的处理过程和方法.【总页数】4页(P65-68)
【作者】毕京学;郭英;杨凯
【作者单位】山东科技大学测绘科学与工程学院,山东青岛266590;山东科技大学测绘科学与工程学院,山东青岛266590;海岛(礁)测绘技术国家测绘局重点实验室,山东青岛266590;山东科技大学测绘科学与工程学院,山东青岛266590
【正文语种】中文
【中图分类】P228.4
【相关文献】
1.GPS-RTK技术及其在水利工程测量中的应用问题研究 [J], 莫家玉
2.GPS-RTK测量中高程精度的评价——应用GPS-RTK测量中GPS高程代替等外水准的分析与探讨 [J], 龙海奎;白锋
3.GPS RTK技术和免棱镜全站仪在土地调查中应用问题的探讨 [J], 杨一洋;张坤
4.GPS-RTK技术及其在水利工程测量中的应用问题研究 [J], 莫家玉
5.GPS RTK技术和免棱镜全站仪在土地调查中应用问题的探讨 [J], 杨一洋;张坤
因版权原因，仅展示原文概要，查看原文内容请购买。
