一种基于遗传算法的Wi-Fi/PDR融合本地化方法 全球优化
Linpeng Zhang1,2, Ji Ma2,3, Yanhua Liu2,3
1School of Geographical Sciences and Planning, Nanning Normal University, Nanning 530001, China.
Sensors (Basel, Switzerland)
|December 31, 2025
概括
本研究介绍了一种新的Wi-Fi/行人死亡计算 (PDR) 融合本地化方法,使用基因算法 (GA) 进行全球几何对齐. 与传统方法相比,GA融合显著提高了室内定位的准确性和稳定性.
科学领域:
- 机器人技术和自主系统
- 地理学工程 工程地质学
- 信号处理 信号处理
背景情况:
- 室内定位面临的挑战是扩展卡尔曼波器 (EKF) 对初始状态的敏感性和在Wi-Fi指纹和行人死亡计算 (PDR) 融合中的非线性漂移.
- 传统的融合方法与多路径噪声作斗争,需要精确的初始条件,限制了它们的实际应用.
研究的目的:
- 开发和评估一个强大的Wi-Fi/PDR融合本地化方法,使用由遗传算法 (GA) 优化的全球几何对齐.
- 通过消除对初始状态的依赖和减轻噪声来克服传统过器的局限性.
主要方法:
- 将PDR轨迹建模为几何实体,用于全球搜索最佳的2D相似性转换.
- 将PDR轨迹与使用遗传算法 (GA) 的离散Wi-Fi观测对齐以进行优化.
- 采用基于Huber的成本函数来提高对异常值的稳定性.
主要成果:
- 拟议的GA融合实现了0.878m的平均误差,显著超过Wi-Fi,PDR和EKF融合.
- 证明了优越的轨迹保真度 (DTW = 0.390 m) 和降低的最大偏差 (豪斯多夫 = 1.904 m).
- 90%的GA融合错误在1.5米以内,证实了高精度和稳定性,即使有30%的人工Wi-Fi异常值.
结论:
- 基于GA的融合方法为高精度室内定位提供了实用和有效的解决方案.
- 全球优化框架和Huber成本增强了对初始条件灵敏度和噪声的稳定性.
- 这种方法显示了在现实世界室内定位系统中多传感器融合的巨大潜力.
