在智能手机上利用无线保真(Wi-Fi)往返时间(round-trip time,RTT)和行人航位推算(pedestrian dead reckoning,PDR)实现亚米级连续混合定位是当前室内定位领域最受关注的研究方向之一。然而,复杂多变的室内环境和灵活多样的行人活动影响...在智能手机上利用无线保真(Wi-Fi)往返时间(round-trip time,RTT)和行人航位推算(pedestrian dead reckoning,PDR)实现亚米级连续混合定位是当前室内定位领域最受关注的研究方向之一。然而,复杂多变的室内环境和灵活多样的行人活动影响了Wi-Fi RTT/PDR室内混合定位的精度与稳定性。为此,需要对Wi-Fi RTT/PDR室内混合定位算法进行优化,包括非视距(non-line of sight,NLOS)与视距(line of sight,LOS)距离的识别、LOS距离误差补偿、RTT定位算法的改进、复杂行人活动识别算法的优化、PDR定位算法优化和混合定位算法的优化等,以提高混合定位算法的场景自适应能力。展开更多
文摘在智能手机上利用无线保真(Wi-Fi)往返时间(round-trip time,RTT)和行人航位推算(pedestrian dead reckoning,PDR)实现亚米级连续混合定位是当前室内定位领域最受关注的研究方向之一。然而,复杂多变的室内环境和灵活多样的行人活动影响了Wi-Fi RTT/PDR室内混合定位的精度与稳定性。为此,需要对Wi-Fi RTT/PDR室内混合定位算法进行优化,包括非视距(non-line of sight,NLOS)与视距(line of sight,LOS)距离的识别、LOS距离误差补偿、RTT定位算法的改进、复杂行人活动识别算法的优化、PDR定位算法优化和混合定位算法的优化等,以提高混合定位算法的场景自适应能力。
