室内定位系统课件

室内定位系统的原理及算法胡晴室内定位系统胡晴2室外定位系统GPS得到广泛应用，由于障碍物的遮挡GPS就不能很好地发挥作用。现在室内定位主要用红外线、射频、超声波。例如：光电二极管一般感应红外信号与感应信号有关定位一般流程sensorprocessalgorithm室内定位系统的背景2室外定位系统GPS得到广泛应用，由于障碍物的遮挡GPS就不23室内定位领域的四个挑战定位性能成本及复杂度安全性应用需求3室内定位领域的四个挑战定位性能成本及复杂度安全性应用需求3定位性能最重要的性能是定位准确度（通常表现为误差距离）其它重要性能包括：延时、系统容量、覆盖面积、可测量性。定位性能最重要的性能是定位准确度（通常表现为误差距离）其它重4成本和复杂度成本来源：

额外基础设施、带宽、容错能力、可靠性、部署技术系统复杂度和系统定位准确性之间的折衷，最终决定了系统的总成本。成本和复杂度额外基础设施、系统复杂度和系统定位准确性之间5应用需求粒度性能可用性时间空间可以是上述各种衡量标准的组合服务器应用需求粒度性能可用性时间空间可以是上述各种衡量标准的组合服6安全性定位位结果必须只有那些具有认可权限的设备才能获取的显示。安全性定位位结果必须只有那些具有认可权限的7ClicktoaddTitleClicktoaddTitleClicktoaddTitleClicktoaitleClicktoaddTitle限制技术：覆盖区域、可用带宽、干扰、安全、成本等。适于室内定位信号:红外线、电磁波、超声波ClicktoaddTitleClicktoadd8基于超声波定位技术基于红外线的定位技术基于超宽带的定位技术射频识别定位技术基于超声波定位技术9红外线：与可见光有相同特性，不能穿透，覆盖范围小，速度3×RF：能穿透，覆盖范围大，速度快，超声波：可用带宽低，精度高，343m/s优点：简单、低廉、不能穿透但能反射。红外线：与可见光有相同特性，不能穿透，覆盖范围小，速度3×10根据处理技术分类

距离角度指纹（匹配）距离角度指纹（匹配）11角度信号强度衰减TOF：GPS、ActiveBats、cricket距离AOA、TDOA用简单的几何关系角度信号强度衰减TOF：GPS、ActiveBats、cr12指纹定位系统易测量位置特定的关系特点{不需要其它的硬件设备多径效应基于软件的定位指纹定位系统易测量位置特定的关系特点{不需要其它的硬件设备13两个阶段：在线定位(匹配)位置指纹数据库或无线电地图离线指纹数据采集费时两个阶段：在线定位(匹配)位置指纹数据库或无线电地图离线指纹14室内定位系统ppt课件15几种室内定位系统第一代室内定位系统:TheActiveBadgelocationsystem特点：每个用户红外线号各不相同，有各自的电子标识。缺点：易受荧光灯、日光的干扰、范围有限sensorMS红外线centralserver几种室内定位系统第一代室内定位系统:特点：每个用户红外线号各16优点：功耗极低

可以做到很小的体积缺点：精度不够高过程复杂，延迟时间过长它的传感器网络是采用的有线连接优点：功耗极低缺点：精度不够高过程复杂，延迟时间过长它的17第二类:ActiveBatcontrollerreceiverActiveBat基于：射频、超声波精度：95%9cmRF超声波有线网络第二类:ActiveBatcontrollerrecei18第三类：Cricketlocation-supportsystem第三类：Cricketlocation-supports19室内环境特点显著特点:多径效应另一个重要因素：人体另有干扰源:温度、空气运动、运行在相同频率的设备距离和角度多用于室外的视距信道，在室内由于物体和墙壁的作用会引起反射，遮挡，另外发送接收之间的距离很小、时间很短不易测量。室内环境特点显著特点:多径效应距离和角度多用于室外的视距信道20指纹位置定位电波特性位置指纹

唯一性信号强度与信噪比相比较，接收信号强度有着更强的位置相关性，因为前者中的噪声部分，在自然环境中有着很强的随机性。指纹位置定位电波特性21每个位置接收信号强度平均值各个位置组成数据库样本每个位置接收信号强度平均值各个位置组成数据库样本22算法最近邻（NN）神经网络概率方法向量机械法算法最近邻（NN）23计算方法最近邻法指纹位置待测位置样本计算方法最近邻法指纹24第i个位置接收各个方向信号强度可求信号空间广义距离选取最小距离对应的数据库矢量，以其所代表的位置坐标作为结果输出。第i个位置接收各个方向信号强度可求信号空间广义距离选取最小距25额外信息定位额外信息定位26除上述介绍的NN方法外还有另两种类似算法{K近邻法（KNN）K加权近邻法（KWNN）KNN：定位结果可以是这k个最近邻居的坐标值的平均值WKNN:对每个紧邻坐标权值平均作为定位结果除上述介绍的NN方法外还有另两种类似算法{K近邻法（KNN）27实验证明：小的k值能够小幅的提高定位精度，而大的k值会提高位置估计的错误率。当k>8时，定位系统的性能会变差。实验证明：小的k值能够小幅的提高定位精度，而大的k值会提高位2