La navegación del rescatador en estaciones de metro basada en sensores inerciales y WiFi
Autores: Wang, Qingyong; Qu, Weiqiang; Chen, Jian; Wang, Zhiwei
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
La navegación del rescatador en estaciones de metro basada en sensores inerciales y WiFi
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Estación de metro de rescate de navegación
Filtro de partículas
Algoritmo de optimización de dingo
Precisión de posicionamiento
Navegación inercial
Emparejamiento de WiFi
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
La demanda de navegación de rescate en estaciones de metro está aumentando. Este documento presenta un filtro de partículas mejorado para abordar el problema de navegación en estaciones de metro. Un filtro de partículas se utiliza a menudo para estimar la posición de los peatones. Sin embargo, el problema de empobrecimiento de partículas es inevitable. Para resolver este problema, se introduce un algoritmo de optimización de dingo (DOA) con capacidad de búsqueda global, y se propone un filtro de partículas mejorado llamado filtro de partículas de dingo (DPF). El cálculo de rumbo (DR) se toma como la ecuación del sistema, y los resultados de coincidencia de WiFi se utilizan como la ecuación de observación. El algoritmo de filtro de partículas mejorado introduce un algoritmo de optimización de dingo para mejorar la diversidad de partículas y reducir efectivamente el problema de empobrecimiento de partículas. Los resultados experimentales muestran que la precisión promedio de posicionamiento es de 1,1 m y 1,2 m.
Descripción
La demanda de navegación de rescate en estaciones de metro está aumentando. Este documento presenta un filtro de partículas mejorado para abordar el problema de navegación en estaciones de metro. Un filtro de partículas se utiliza a menudo para estimar la posición de los peatones. Sin embargo, el problema de empobrecimiento de partículas es inevitable. Para resolver este problema, se introduce un algoritmo de optimización de dingo (DOA) con capacidad de búsqueda global, y se propone un filtro de partículas mejorado llamado filtro de partículas de dingo (DPF). El cálculo de rumbo (DR) se toma como la ecuación del sistema, y los resultados de coincidencia de WiFi se utilizan como la ecuación de observación. El algoritmo de filtro de partículas mejorado introduce un algoritmo de optimización de dingo para mejorar la diversidad de partículas y reducir efectivamente el problema de empobrecimiento de partículas. Los resultados experimentales muestran que la precisión promedio de posicionamiento es de 1,1 m y 1,2 m.