基于多传感器融合的室内定位算法研究

对于现有的室内定位算法存在低精度、低实用性和低传感器利用率等问题,提出了一种基于多传感器融合的粒子滤波室内定位技术,将智能移动终端与室内定位相结合,利用粒子滤波器过滤定位结果。采用行人航位推算(PDR)技术和RSSI定位技术获取行人位置信息,提高了定位精度与可靠性。此外,通过定位结果实时上传至服务器,同步递增构建位置指纹库,以适应室内环境的动态变化。实验结果表明,基于多传感器融合的定位技术与基于Wi-Fi的定位技术相比提高了定位精度与可靠性。     

基于多源融合的OFDM室内定位技术研究

目前各种室内定位技术都有其自身的优势和局限性，单一的定位技术已经无法满足高精度的室内定位需求。针对该问题，提出了一种基于多源融合技术的室内定位方法。利用常见正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)信号的时频二维特性实现测距定位，并通过识别主径的方式来抑制多径对子载波相位的影响，同时采用行人航位推算技术得到预测的用户位置，使用粒子滤波器将OFDM定位结果和行人预测信息进行滤波融合。实验结果表明，相较于单一的定位方法，融合后的定位方法更能满足室内定位需求，其平均定位误差小于1 m的概率大于95%。     

融合神经网络和指纹的可见光定位算法研究

针对人们对室内定位需求的不断提高,以及现有室内定位算法定位精度不高等问题,提出了一种融合神经网络和可见光指纹的室内高精度定位算法。该算法利用反向传播神经网络(BPNN)确定待测目标的粗略位置,并以其预测坐标和最大误差作为约束条件,进行指纹匹配以确定待测目标精确位置。仿真结果表明,该算法平均定位误差为1.5cm,具有一定的应用价值。     

基于RSSI特征值匹配改进的室内定位算法

为了提高目前室内定位的精度,文中对以往的室内定位算法进行了改进。针对以往指纹匹配阶段只考虑待测点的RSSI向量与其他参考点的RSSI向量之间的绝对距离,而忽视其相关距离的不足之处,造成分类的不准确,文中提出一种利用RSSI向量之间的相关距离及类的可信度对待测点所属指纹簇进行选择的改进匹配算法,即先求出某一RSSI向量与其余RSSI向量之间的相关距离,从中选取若干个最小相关距离的RSSI向量,再根据类可信度来判断其所属的指纹簇。仿真实验结果表明,将改进的匹配算法应用到位置指纹定位模型中后,定位精确分别比原有算法提高了10.38%和8.77%。     

基于RSSI和惯性导航的融合室内定位算法

针对目前对高精度室内定位算法的需求,提出一种基于接收信号强度识别（RSSI）和惯性导航的融合室内定位算法。基于无线传感网中ZigBee节点的RSSI值,采用位置指纹识别算法,对网络中的未知节点进行定位。结合惯性传感单元（IMU）提供的惯性数据,对RSSI定位结果进行融合修正。利用Kalman滤波器,采用状态方程描述待定位节点位置坐标的动态变化规律,从而实现一种以无线传感网络定位为主、IMU为辅的融合定位方法。仿真结果表明,提出的融合定位算法既能改善单独使用RSSI定位受环境干扰较大的问题,又能避免单独使用惯性导航带来的累积误差,极大地提高了定位精度。     

位置指纹室内无源定位技术

随着手机的普及,室内定位成为研究的热点。在反窃听或者地震、火灾的救援中,需要定位设备对目标设备进行无源定位。而由于室内复杂的电磁环境,多数无源定位算法定位误差较大。根据接收的信号强度指示（RSSI）设备和位置指纹定位的优点,采用虚拟坐标与实际坐标映射的方式,实现了位置指纹的室内无源定位技术。该技术具有较高的定位准确度和精确度,并且可以用户依据对定位精度高低来建立数据库。     

基于RSSI的Wi-Fi室内定位常用算法对比

WiFi定位是室内定位的方法之一,其观测值主要为WiFi的信号强度(received signal strength indication,RSSI),利用信号强度进行室内定位的方法基本上可以分为两种,一种根据模型计算接收节点与发射节点的距离,估计接收节点的位置;另一种是根据事先采集的信号强度指纹进行空间匹配。通过在不同场景下对两种定位算法的比较,基于信号强度指纹匹配的定位精度明显高于基于估计接收节点的定位精度,但与指纹匹配法相比,位置估计法更加灵活。     

基于iPhone的室内二维定位系统设计与实现

考虑到当前广泛存在的室内定位和导航需求,文章将用户随身携带的iPhone手机与室内定位相结合,提出了基于iPhone的室内二维定位系统设计与实现。通过iPhone手机配置的惯性传感器,首先使用苹果公司提供的CoreMotion框架和CoreLocation框架获取用户的移动距离和方向,并对获取的数据进行处理;然后使用行人航迹推算（Pedestrian Dead Reckoning,PDR）算法估算出行人的位置坐标;最后实现室内二维定位结果。实验结果表明,基于iPhone的室内二维定位系统具备一定的可用性和准确率。     

无线传感器网络混合定位技术研究

在大规模复杂无线传感器网络中往往采用多种节点定位技术,在此结合现有无线传感器定位技术的现状,提出了一种混合定位技术以实现不同定位方法之间的互补。一方面利用RSSI定位弥补TDOA定位覆盖范围小的缺点;另一方面将测距信息引入到非测距定位DV—Hop算法中,用RSSI测距模型来提高DV-Hop算法中定位节点与信标节点间有效距离的精度。实验结果表明,该混合定位技术实现了TDOA,RSSI以及DV-HOP等定位技术的融合,有效地提高了复杂大规模无线传感器网络的节点定位精度。     

基于WLAN的室内定位技术研究

文章以WLAN室内定位系统为研究对象,采用理论结合实际的方法,从数据库中获得RSSI序列,将之与指纹库的信息进行比对,最终获得了定位终端的位置,同时总结了定位系统的缺陷以及未来的发展方向。     

基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100 m×100 m×100 m大型室内场所的一层100 m×100 m×10 m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1 cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。     

时间反演联合TOA测距的室内指纹定位技术

在室内指纹定位中,室内环境会影响以接收信号强度指标(Received Signal Strength Indicator, RSSI)或信道状态信息(Channel State Information, CSI)的指纹数据,使得采集指纹数据构建的数据库具有不稳定性和不可靠性的特点,从而影响定位准确率和精度。基于此,本文提出了时间反演(Time Reversal, TR)联合到达时间(Time Of Arrival, TOA)测距的指纹定位技术。首先在定位区域建立坐标系,离线阶段采集两个已知参考点至网格点的距离作为指纹构建数据库,以坐标距离作为指纹可以忽略环境对指纹数据的影响,进而提高定位准确率;其次,在线阶段通过TR技术的空时聚焦性联合TOA,测出距离作为新指纹,与距离指纹进行对比匹配,根据相似度得出目标点的位置坐标。最后通过仿真结果得出:本方案实现了6 m的室内定位,并且定位误差在0.44 m以内,对比传统指纹定位,减小了指纹数据复杂度,提高了系统的鲁棒性和定位精度。      

基于电源线和位置指纹的室内定位技术

该文提出将室内环境不可或缺的电源线作为天线,通过在电源线上注入宽带高频信号构造室内空间的位置指纹,进而实现室内空间精确定位。首先介绍了电源线上宽带高频信号注入模块的实现技术,以及室内空间位置指纹的构造方法;其次,介绍了基于朴素贝叶斯分类算法的室内定位原理;最后,通过实验分析证明在多训练样本情况下,基于朴素贝叶斯分类算法的定位算法比基于K最邻近点(KNN)分类算法的定位算法有更好的定位准确率和时间迁移适应能力。     

一种改进的WKNN匹配算法

在WiFi室内定位方法中,基于接收信号强度(RSSI)离线指纹数据库的加权K最邻近点(WKNN)算法得到了深入研究,但目前的WKNN算法未考虑实测数据维度高、无效缺省数据多等特点,不利于匹配定位精确度的提高。为此,在对实测RSSI指纹向量按照由大到小进行排序的基础上,只选取大于设定RSSI阈值的有效RSSI指纹数据进行后续的匹配;按照欧式距离的统计量自适应调整K值;按照欧式距离的均值,调整高斯权重系数。实验结果表明,与未改进的WKNN算法相比,改进后的WKNN算法定位精确度更高。     

基于RSSI测距的室内定位技术

搭建了基于ZigBee技术的室内定位实验平台,以实验室楼道为室内场景进行了接收信号强度(RSSI)测距和定位实验研究。首先对测距实验采集到的数据使用线性回归分析拟合出当前环境的具体测距模型,并对信标和未知节点进行软件开发,实现了基于RSSI的定位算法。经过定位实验精度评估,文中算法的平均定位误差为2.3 m,满足大多室内场景要求。     

基于信道状态信息幅值-相位的被动式室内指纹定位

基于信道状态信息(CSI)的室内定位技术近几年备受关注。已提出的室内定位方案主要在适用性和定位精度等方面进行不断地创新和改进。该文提出一种被动式的1发2收指纹室内定位系统。用两个固定接收端采集CSI数据,信号预处理阶段对CSI幅值进行奇异值去除与低通滤波,用线性拟合的方法对CSI相位进行校正,将两个接收端采集处理得到的CSI幅值和相位信息共同作为指纹,最终通过全连接神经网络对指纹样本进行训练,并与采集到的实时数据进行匹配识别。实验表明,采用两个接收端以及幅值和相位结合定位的方法,匹配识别率达到了98%,定位精度达到0.69 m。证明该系统能精确有效地实现室内定位。     

基于RFID的二维室内定位算法的实现

为了克服全球定位系统（GPS）对室内定位的盲点,在RFID一维定位的理论基础上推导出二维的室内定位算法,只需在室内摆放4个参考标签及两个远距RFID读取器即可实现二维定位,大大降低了系统的硬件成本。另外,基于RFID技术设计了一套嵌入式室内定位系统,通过该系统对二维定位方法进行实验验证,得到远距RFID读取器的不同二维坐标下的实验数据。为了减小RSSI值受电波的影响引起定位的不稳定,算法中通过增加读取参考标签RSSI值的次数的方法进行改善。通过对数据的分析可得,该算法可以实现准确及稳定的二维室内定位。     

Environment Adaptive Localization Method Using Wi-Fi and Bluetooth Low Energy

Received signal strength indicator (RSSI) based fingerprinting techniques for indoor positioning can be readily implemented via a wireless access point. These methods have therefore been widely studied in the field of positioning. However, fingerprinting suffers low accuracy of positioning on account of high noise occurrences which are caused by other wireless communication signals and environmental factors when the RSSI is received, and by relatively high errors on account of low position resolution compared to other methods such as time of flight and inertial navigation technology. In this paper, a modified fingerprint algorithm based on Wi-Fi and Bluetooth low energy applied to the log-distance path loss model is proposed to remove unnecessary Wi-Fi data, and produce the AP database that can be updated depending on the changes of the ambient environment as the indoor area is increasingly complicated and extended. Instead of using the existing fingerprinting techniques of consulting signal strengths as factors that are stored in a database, the proposed algorithm employs environmental variables to which the log-distance path loss model is applied. Therefore, the proposed algorithm has higher position resolution than existing fingerprint and can improve the accuracy of positioning because of its low dependence on reference points. To minimize database and eliminate inaccurate AP signals, the Hausdorff distance algorithm and median filter are applied. Using a database in which environment variables are stored, the results are inversely transformed into the log-distance path loss model for expression as coordinates. The proposed algorithm was compared with existing fingerprinting methods. The experimental results demonstrated the reduction of positioning improvement by 0.695 m from 2.758 to 2.063 m.     

Indoor BLE and MEMS based multi-floor fusion positioning algorithm

Based on the data fusion from micro electro mechanical system (MEMS) sensors and low-power bluetooth (BLE),an indoor BLE and MEMS based multi-floor positioning algorithm was proposed.First of all,the affinity propagation clustering,outlier detection and received signal strength indicator (RSSI) filtering algorithms were applied to denoise the fingerprint database.Second,by using the extended Kalman filter,the robust M estimation algorithm was used to perform the optimal estimation of the two-dimensional target position.Finally,the barometer output and geographical position information was considered to realize the height estimation of the target.The experimental results show that the proposed system is able to achieve the horizontal and vertical positioning errors lower than 0.7 m and 0.35 m respectively in multi-floor fusion positioning.     

UWB positioning enhancement using Markov chain in indoor NLOS environment

The accuracy of the positioning system in indoor environment is often affected by none-line-of-sight ( NLOS) propagation. In order to improve the positioning accuracy in indoor NLOS environment, a method used ultra-wide-band ( UWB ) technology, which based on time of arrival ( TOA) principle, combining Markov chain and fingerprint matching was proposed. First, the TOA algorithm is used to locate the target tag. Then the Markov chain is used to identify if blocking happened and revise the position result. And the fingerprint matching is used to further improve the position accuracy. Finally, an experiment system was built to test the accuracy of the proposed method and the traditional Kalman filter method. The experimental results show that, compared with the traditional Kalman filter method, the proposed method can improve the positioning accuracy in indoor NLOS environment.