论文部分内容阅读
导航定位服务已经深入人们生产、生活、军事等各领域。然而，目前广泛使用的GNSS（Global Navigation Satellite System）定位只能在天空可视条件较好的环境下提供良好的位置服务，在诸如城市峡谷、地下、商场等天空受限环境，GNSS难以发挥作用。GNSS在受限环境下的不足导致的问题日益显现，严重制约了导航定位产业的进一步发展。本文针对军用以及民用中受限环境下导航与定位需求，提出了面向复杂环境的自适应导航与定位（Adaptive Navigation and Localization，ANL）算法，并研究了轻度受限环境下GNSS合作定位和深度受限环境下信号指纹定位中的相关关键技术，研究内容主要包括以下四方面： 1、面向复杂环境的自适应定位框架：在生产、生活、军事等活动中，人们所处的环境千差万别且不断变化，这些环境包括森林、峡谷、城市巷道、地下、室内等。目前没有一种单一的定位技术可以在上述所有环境实现精确定位，但是针对其中每一种环境研究人员开发了相应的定位技术。本文首先提出一个模块化的自适应定位框架。该框架主要包括数据采集与环境感知、算法选择与位置估计两部分，通过自动感知用户所处环境，针对不同环境中组合不同算法，实现复杂环境下的导航与定位，具有较好的可扩展性。 2、基于GSM（Global System for Mobile communication）信号特征和机器学习的环境感知：为了实现对不同环境的自动感知，提出基于GSM信号强度特征的环境识别算法。该算法的原理是：无线信号的传播会受到环境影响，因而不同环境具有不同的信号强度特征，通过对这些信号特征进行分类与识别就能够判断用户所处环境。首先采集GSM信号在不同环境中的信号强度，提取不同环境中信号特征；随后，采用机器学习算法对信号特征进行处理，得到分类器；将信号特征输入到分类器，实现环境的自动识别。研究对比了不同机器学习算法识别精度，确定采用K近邻能够较好地区分不同环境。 3、轻度受限环境对等合作定位：在轻度受限环境，通过接收机合作克服天空可视条件较差难以实现GNSS定位的问题。首先针对混合合作定位中节点选择问题，提出基于曼哈顿距离的改进次优节点选择算法，通过计算辅助节点之间的费用，选择拥有最小费用的节点作为辅助节点。针对采用日常使用的便携设备难以进行测距的问题，提出一种面向普通便携平台的非测距合作定位。移动设备通过与通信范围内邻居交换定位关键信息，基于Sum-Product算法进行位置估计，可大幅提高定位精度与定位覆盖范围。 4、深度受限环境信号指纹定位：深度受限环境采用基于无线信号指纹的室内定位技术。针对信号指纹定位中数据库构建的问题，首先提出基于高斯过程和群智感知的信号指纹数据库构建方法，基本原理是利用局部高斯过程基于用户上传数据构建虚拟指纹数据库，针对虚拟数据库特点，提出改进贝叶斯定位算法，新算法能够有效利用用户提供的数据，提高定位精度。针对信号受环境影响大从而导致定位精度不高的问题，本章提出采用行人航位推测短时间内的高精度定位结果辅助信号指纹定位，通过距离与角度约束参考点选择范围，提高信号指纹定位精度。