基于卡尔曼滤波的GA-PSO-SVM室内定位算法OA

为了提高智能手机室内定位的精确度,本文建立行人运动曲线模型,并提出了一种融合卡尔曼滤波与参数优化支持向量机(SVM)的室内定位算法。首先,采用智能手机进行加速度计与陀螺仪数据采集;其次,引入卡尔曼滤波算法,对陀螺仪数据中包含的高斯白噪声进行去噪处理;最后,通过遗传算法(GA)与粒子群优化(PSO)算法优化支持向量机参数,建立室内定位模型,用于对陀螺仪数据预测中,陀螺仪数据中包含的常值漂移进行抑制。通过智能手机采集的室内数据进行实验,结果表明:本文提出的定位模型较直接使用微电系统(MEMS)传感器数据进行定位,定位精度有明显提升,其中平均误差降低了1.50m,能够满足室内定位服务需求。