基于扩展卡尔曼滤波的多源信息融合室内定位仿真
基于扩展卡尔曼滤波的多源信息融合室内定位仿真
室内定位技术是现代智能建筑和物联网应用中的关键技术之一。本文通过基于扩展卡尔曼滤波（EKF）的多源信息融合方法，实现了室内定位数据的滤波处理，提高了定位精度。本文将详细介绍该方法的仿真背景、算法原理和实验结果，并提供相应的Matlab代码。
仿真背景
室内定位很难采用GPS定位的方法，由于信号受建筑物的影响而大大衰减造成的，同时由于多路径效应也会导致定位精度较低。在新主楼室内测试过几种GPS模块，发现只要在室内就是不能成功定位的，但只要把GPS模块靠近空旷侧的窗，GPS信号就会恢复，但是定位精度却比较差。可见，小范围的室内定位用GPS定位方法是不合适的。
目前室内定位有很多其他方法，例如室内无线定位技术、基于计算机视觉、光跟踪定位、基于图像分析、磁场以及信标定位等。此外，还有基于图像分析的定位技术、信标定位、三角定位等。与GPS定位方法比较，这些技术成熟度上还存在不足，但是这些技术有很好的应用前景，尤其是在小范围、小空间的室内定位中有很好的定位效果、精度也很高，目前也有很高的研究热度。把这些技术和GPS方法结合起来，就可以发挥各自的优长，既可以提供较好的精度和响应速度，又可以覆盖较广的范围，实现无缝的、精确的定位，把这些不同来源的传感器信息综合起来，就需要依靠多源信息融合的方法实现。
本实验主要是对室内定位数据进行滤波，从而获取更好的定位效果。
实验数据是基于图像分析的方法获取的，以实验室天花板嵌入的灯罩作为地标，灯罩具有确定的分布以及确定的位置，可以把这些灯罩作为参考，解算出摄像头的位置，再把摄像头坐标系转换到车坐标系上，这样就实现了定位。
实验数据来自于老师提供的文件，文件数据导入到matlab中，使用matlab对数据进行处理，并绘图显示出处理效果。
仿真算法
通过对比我们可以看出，加EKF后融合的数据要比不加EKF的数据好的多，无论是从路径图上还是从误差曲线上，都有明显的效果。可见，使用滤波的方法对传感器数据进行处理可以为我们很好地提高数据的精度，这对于我们更精确地完成一些操作是必须的。
本科阶段参加过一些比赛和小制作，也经常使用一些传感器，但总是被传感器精度不足困扰。多源信息融合这门课给了我新的工具与思路，通过采用多个不同、或者相同的传感器数据进行融合，就可以很好地提高传感器精度，获得更好的数据。这从我们这次仿真的图像中就可以看出来它的效果。
以后再进行一些工程或者项目的时候，会尽量使用信息融合的办法，采集不同来源的数据以提高传感器精度。这其实是对我思维的改变。
另外，这门课让我认识到自己的数学基础特别薄弱，而且面对文献耐心不足，这也是以后需要着力提升的方面。