臺灣博碩士論文加值系統

全球定位系統GPS是目前最為普遍的的定位系統，在室內環境和都會中心，由於信號受到建築物的影響而大大衰減，使得不能執行很好的定位效果。目前室內無線定位技術，有WiFi、ZigBee、RFID、藍牙和超寬頻等，在辦公室、家庭、工廠、醫院等都得到了廣泛的應用。
本論文主要探討追蹤移動載體於無線感測網路中，使用傳統的擴展型卡爾曼濾波器(Extended Kalman filter , EKF)，由於系統模型、初始條件以及系統雜訊與量測雜訊參數無法確實掌握時可能帶來嚴重誤差，局限了濾波器效能。所以近幾年來諸多學者在這研究領域裡，紛紛的提出了許多改善的非線性濾波器，無跡卡爾曼濾波器 (Unscented Kalman filtering , UKF)是透過sigma points來決定采樣點，利用 UT轉換來處理非線性系統，因此可避免因EKF求取線性化所導致的誤差。粒子濾波器(Particle filtering，PF)是貝氏估測依據抽樣理論的一種近似演算法，對於EKF、UKF而言，具有處理非線性、非高斯的優勢，然而粒子退化和估測誤差之累積是很難以克服的。由於PF無法獲取最新之量測值，使得粒子容易產生偏移問題， 所以本論文加入EKF來當作PF之提議分佈，以解決此問題，此方法稱為擴展型卡爾曼粒子濾波器(Extended Kalman particle filter ，EPF)。
本論文使用不同濾波器在感測系統裡進行分析比較，在相同模擬條件下，模擬結果顯示EPF比PF、UKF 、EKF來得更加準確，定位精度更高。

The Global Positioning System (GPS) is one of the most popular positioning systems at present. However, the GPS does not perform well in indoor environments and metropolitan city areas. Development of wireless regional network technology for indoor positioning applications has become very popular in recent years. The tools of wireless location technology include WiFi, ZigBee, RFID, bluetooth and ultra broadband, etc. This paper discusses the tracking precision for\ a maneuvering object in a sensor network. Traditional extended Kalman filter (EKF) may bring large errors due to modeling errors and filter limitation. Selection of more advanced nonlinear filters is possible for performance improvement. The unscented Kalman filter (UKF) employs a set of sigma points through deterministic sampling, such that the linearization process is not necessary, and therefore the error caused by linearization as in the traditional EKF can be avoided. The particles filter (PF) exhibits superior performance as compared to EKF and UKF in state estimation for the nonlinear, non-Gaussian system. Nevertheless, the degeneracy of particles and cumulation of estimation errors in the PF are difficult to overcome. To handle the problem of heavy-tailed probability distribution, one of the strategies is to incorporate the EKF into the PF as the proposal distribution, leading to the extended Kalman particle filter (EPF). The simulation results show that the extended kalman particle filter(EPF) is more effective and it’s precision is higher than Extended Kalman Filter (EKF), Unscented Kalman Filter (UKF) and Particle Filter (PF) in a sensor system .

致謝 I
摘要 III
Abstract V
目錄 VII
圖目錄 X
表目錄 XIV
第一章 緒論 1
1-1 前言 1
1-2 研究動機與目的 2
1-3 論文架構 3
第二章 無線感測網路慨述 4
2-1 無線感測網路起源 4
2-2 無線定位技術介紹 5
2-2.1 全球定位系統 (Global Positioning System) 5
2-2.2 RFID (Radio Frequency Identification) 6
2-2.3 超音波 (Ultra Sonic) 8
2-2.4 WiFi (Wireless Fidelity) 9
2-2.5 UWB (Ultra Wide Band) 10
2-2.6 Cell ID (Cell Identification) 11
2-2.7 藍芽 (Bluetooth) 12
2-2.8 雷達 (Radio Detection and Ranging，Radar) 13
2-3 ZigBee 無線通訊技術 14
2-4 定位方法 17
第三章 卡爾曼濾波器 19
3-1 最佳估測理論 19
3-2 最小平方法 (Least-Square Method) 19
3-3 卡爾曼濾波器 (Kalman Filter，KF) 21
3-4 離散型卡爾曼濾波器 (The Discrete Kalman Filter) 21
3-5 擴展型卡爾曼濾波器 (Extended Kalman Filter) 25
第四章 非線性濾波器 32
4-1 Unscented卡爾曼濾波器簡介 32
4-2 Unscented轉換 (Unscented Transformations，UT ) 33
4-3 無跡卡爾曼濾波器 (Unscented Kalman Filter，UKF) 35
4-4 粒子濾波器 (Particle Filter，PF) 簡介 39
4-5 貝氏迴遞估測法 39
4-6 序列重要採樣 (Sequential Importance Sampling) 41
4-7 重要性重新採樣 (Sampling Importance Resampling) 43
4-8 粒子濾波器演算法歸納 45
第五章 模擬結果與分析 48
5-1 實驗部分 48
5-2 模擬載體運動軌跡 52
5-3 測距儀定位 57
5-4 載體於感測系統移動使用EKF 和UKF定位 60
5-5 載體於感測系統移動使用PF 定位 68
5-6載體於感測系統移動使用EPF 定位 79
5-7非線性、非高斯情況下 86
5-8 模擬結論 91
第六章 結論及未來展望 94
參考文獻 96

[1]李俊賢，“無線感測網路與ZigBee 協定簡介”，電信國家型科技計畫，2006。
[2]莊智清、黃國興，“電子導航”，全華科技圖書股份有限公司，2001。
[3]邱瑩青，“RFID 實踐：非接觸式智慧卡系統開發”，學貫行銷股份有限公司，2007。
[4]莊郁民，“超寬頻技術發展剖析”，系統晶片，2005。
[5]我愛研發網http://www.52rd.com/S_txt/2005_8/Txt1330.htm，WCDMA系統中的移動定位技術GPS。
[6]維基百科 http://www.wikipedia.org，全球定位系統，雷達。
[7]沈子貴，“ 以可程式系統晶片發展平台實現無線網路室內定位分析與應用”，國立成功大學電機工程學系碩士論文，2005。
[8]蔡佳宏，“無線感測網路之通訊協定與應用前景”，電信國家型科技計
畫，2006。
[9]iTracer Easy Kit 即時定位系統開發套件使用手冊， 源鼎科技股份
有限公司，2008。
[10]翁達庚，“ 無線網路室內自我定位演算法之實現與分析”，國立功大
學電機工程學系碩士論文，2008。
[11]謝定龔，“ CDMA 手機定位研究與實作”，國立中央大學資訊工程研究所碩士論文，2006。
[12]楊中舜，“ 卡爾曼濾波器之應用：GPS定位精確度之改善” 國立台灣海洋大學電機工學程系碩士論文，1997。
[13]付夢印、鄧志紅、張繼偉，“ Kalman 濾波理論及其在導航系統中的應用”，2003。
[14]R.G. Brown, Y.C. Hwang, Introduction to Random Signals and Applied Kalman Filtering , 3nd ed , Wiley , New York, 1997.
[15]D.Simon, Optimal State Estimation, Kalman, H∞, and nonlinear
approaches, John Wiley & Sons, 2006.
[16]B. Ristic, S. Arulampalam, N.J. Gordon, Beyond the Kalman Filter, Artech House, Boston London, 2004.
[17]S. J. Julier, J. K. Uhlmann, H. F. Durrant-Whyte ,“A New Approach for Filtering Nonlinear Systems”, Proceeding of the 1995 American Control Conference, pages 1628–1632, Seattle WA, USA, 1995.
[18]袁建平、方群，“非線性估計理論的最新發展”，宇航學報，第26卷第3期，第380-384頁，2005年5月。
[19]E.A.Wan,and R.van der Merve. The Uunscented Kalman Filter,Kalman Filtering and neural networks, John Wiley & Sons, 2001.
[20]S. J. Julier,“The Scaled Unscented Transformation”, Proceedings of the American Control Conference , pages 4555-4559, IEEE, 2002.
[21]A.Doucet , “Monte Carlo Methods for Bayesian Estimation of Hidden Markov Models”, Application to Radiation Signals, PHD thesis , University Paris-Sud, Orsay, France. Chapters 4 and 5 in English, 1997.
[22]許華龍、夏克寒、曲從善，“粒子立濾波及其在車輛航位推算中的
應用” 2004。
[23]N.J. Gordon , D.J. Salmond , A.F.M. smith, “Novel approach to nonlinear/non-Gaussian Bayesian state estimation”, IEE proceedings , vol. 140 , No.2 , pp. 107-113, April 1993.
[24]J. Carpenter , P. Fearnhead , P. Clifford, “Improved particle filter for nonlinear problems”, IEE Proc. –F Radar , Sonar Navig. , vol. 146 , No. 1 , pp. 2-7, 1999.
[25]J.F.G.de Freitas, M. Niranjan, A.H. Gee , A. Doucet, “Sequential Monte Carlo Methods For Optimisation of Neural Network Models”,Technical Report OUED/F-NFENG/TR 328 , Cambridge University Engineering Department, 1998.
[26]R.V.D. Merwe , A. Doucet , N. de Freitas , E. Wan, “The Unscented Particle Filter”, Technical Report OUED/F-INFENG/TR 380, Cambridge University Engineering Department, 2000.
[27]彭 竟、李獻球、王飛雪, “基於UKF的GPS非線性動態濾算波” 2005。
[28]J. Hartikainen , S. Sarkka ,Optimal filtering with Kalman filters and
smoothers – a Manual for Matlab toolbox EKF/UKF, Department of Biomedical Engineering and Computational Science, Helsinki University of Technology, 2005.
[29]葉茂相，“應用強健濾波於整合式導航系統”，國立海洋大學通訊與導航工程學系碩士論文，2005年。