基于最大似然估计与卡尔曼滤波的室内目标跟踪

【摘  要】为了解决室内目标跟踪系统中由于定位误差导致目标运动轨迹波动较大的问题，提出一种基于最大似然估计与卡尔曼滤波的融合目标跟踪算法。首先利用最大似然估计算法预测目标的运动轨迹，然后再利用卡尔曼滤波算法对预测结果进行滤波处理，进一步降低定位结果的误差。仿真结果表明，所提算法的定位误差均值为0.64 m，比通用的最邻近算法性能提升了46.2%，有效提高了系统的精确度及稳定性。

【关键词】室内定位；最大似然估计；卡尔曼滤波

0   引言

随着信息技术的快速发展，基于位置信息的服务（LBS, Location Based Services）已经成为信息化产业的重要基础，在移动互联网、物联网以及工业制造等领域发挥重要的作用。市场研究机构的分析数据[1]表明，室内定位市场规模的复合年增长率高达42%，在2020年将达到410亿美元。高精度的室内定位技术作为LBS的关键技术之一，近年来也得到了广泛的关注。  

在室内定位场景中，基于Wi-Fi的定位技术是目前最为成熟的技术之一，在目前已经部署的室内定位系统中，约有一半采用了基于Wi-Fi的室内定位技术。典型的Wi-Fi定位技术主要包括基于传播模型测距的定位技术、基于信号到达时间测距的定位技术，以及基于信号指纹的定位技术等三类。基于传播模型测距的定位技术只适用于空旷的室内环境，如果室内环境复杂，间隔较多，会造成电波传播衰耗差异很大，从而带来较大的定位误差。基于往返时间测距的定位技术则需要在信号的帧结构中添加时间标签，需要基于特定的设备才能够实现。基于指纹匹配的定位技术具有对环境适应性强，不需要对现网设备进行改动的特点，是当前室内定位系统采用的主流技术[2-6]。