A localization method for the Internet of Things

Many localization algorithms and systems have been developed by means of wireless sensor networks for both indoor and outdoor environments. To achieve higher localization accuracy, extra hardware equipments are utilized by most of the existing localization solutions, which increase the cost and considerably limit the location-based applications. The Internet of Things (IOT) integrates many technologies, such as Internet, Zigbee, Bluetooth, infrared, WiFi, GPRS, 3G, etc., which can enable different ways to obtain the location information of various objects. Location-based service is a primary service of the IOT, while localization accuracy is a key issue. In this paper, a higher accuracy localization scheme is proposed which can effectively satisfy diverse requirements for many indoor and outdoor location services. The proposed scheme composes of two phases: (1) the partition phase, in which the target region is split into small grids; (2) the localization refinement phase, in which a higher accuracy of localization can be obtained by applying an algorithm designed in the paper. A trial system is set up to verify correctness of the proposed scheme and furthermore to illustrate its feasibility and availability. The experimental results show that the proposed scheme can improve the localization accuracy.     

Indoor localization with audible sound — Towards practical implementation

This paper presents an innovative evaluation and comparison of several methods and techniques necessary to implement an indoor localization system based on audible sound. Experiments were conducted in a room with conditions very close to possible practical application demonstrating that time delay estimation using generalized cross-correlation phase transform provides the best estimate to the distance to fixed anchors, and highlight the benefits of a new localization method entitled circle shrinking based on an optimization methodology. Of the three optimization methods tested, Gauss–Newton proves to be the most adequate, and among the three medium access methods evaluated, code division multiple access acoustic transmission provided the best results. A localization system combining these components and using only off-the-shelf hardware reached an average accuracy of 1.3 cm in the central area of the test room with an excitation signal-to-noise ratio as low as 7.2 dB, an almost unperceivable noise like audio signal. These results represent an advance of the state-of-the-art in indoor localization systems, pointing towards the possibility of widespread practical implementation with everyday use components.     

基于支持向量回归机的RFID室内定位研究

基于接收信号强度的射频识别(RFID)定位是一种低成本、便于实现的室内定位方法,针对在RFID室内定位系统中使用参考标签法存在的小样本问题,提出一种基于支持向量回归机(SVR)的RFID室内定位算法。结合无源超高频RFID系统工作原理,在Matlab环境下,对比经典的LANDMARC方法,测试了基于支持向量回归机的定位算法性能,以及互耦效应、多径效应对该算法定位结果的影响。仿真结果表明,相较于LANDMARC方法,所提方法在不增加参考标签数量的情况下定位精度至少提高了25%。     

基于匿名指纹集的室内指纹定位隐私保护算法

基于Wi-Fi无线信号的指纹定位技术是实现室内定位、追踪等物联网相关应用的重要手段之一。在用户向服务器请求定位服务的同时,如何保护用户的定位隐私和服务器的数据安全是其商业化应用中亟需解决的重要问题。针对目前通过加密算法进行隐私保护时,算法的实时性不足和定位精度不高的问题,设计了一种具有隐私保护的轻量级室内指纹定位算法。采用k匿名算法保护用户的请求隐私,Paillier同态加密算法保护用户的定位隐私和服务器的数据隐私;通过独特的指纹请求子集设计,改进方案进一步降低了定位中的计算开销和通信开销,并实现了定位精度的提升。理论分析和实验研究均表明,所提方案在实现隐私保护的同时,克服了现有同态加密巨大的计算开销问题,并提高了定位性能。     

A high precision visual localization sensor and its working methodology for an indoor mobile robot

To overcome the shortcomings of existing robot localization sensors, such as low accuracy and poor robustness, a high precision visual localization system based on infrared-reflective artificial markers is designed and illustrated in detail in this paper. First, the hardware system of the localization sensor is developed. Secondly, we design a novel kind of infrared-reflective artificial marker whose characteristics can be extracted by the acquisition and processing of the infrared image. In addition, a confidence calculation method for marker identification is proposed to obtain the probabilistic localization results. Finally, the autonomous localization of the robot is achieved by calculating the relative pose relation between the robot and the artificial marker based on the perspective-3-point (P3P) visual localization algorithm. Numerous experiments and practical applications show that the designed localization sensor system is immune to the interferences of the illumination and observation angle changes. The precision of the sensor is ±1.94 cm for position localization and ±1.64? for angle localization. Therefore, it satisfies perfectly the requirements of localization precision for an indoor mobile robot.     

基于无线定位的个性化导览关键技术及其在博物馆中的应用

本文提出一种基于Wi-Fi无线定位网络能够满足相关应用精度需求的室内导览方法,该方法使用智能手机自身处理能力实时进行信号强度概率分布以及位置指纹匹配计算,使用基于动态权值的方法来对室内环境进行建模,引入加权线性公式组合推荐算法实现基于优化A星算法的路线规划。本文同时给出了该方法应用于构建博物馆个性化导览系统的应用示例,实验结果表明该方法具有较高的定位精度和推荐准确率。本文所提室内导览方法具有通用性好和组网成本低的特点,能够较好满足博物馆等室内导览系统应用需求,具备进一步进行商业化应用的潜力。     

Ubiquitous interaction with positioning and navigation using a novel light sensor-based information transmission system

This paper describes a novel light sensor-based information transmission system for indoor positioning and navigation with particular benefits for mobile and wearable computers. It can seamlessly extend outdoor GPS tracking to the indoor environment. In a novel manner, fluorescent light is used as the medium to transmit information, which is encoded by using a pulse-frequency modulation technique. The user receives the encoded light information through a photo-receiver. The information is passed into the wearable or mobile computer after the data is decoded. This information allows positioning information to be given to indoor mobile and wearable computers. We design an economical transmitter circuit by adding few components to a commercial electronic ballast circuit for fluorescent lamps with price of less than US $10. The propose system can be used in indoor guidance and navigation applications. Exemplary applications are included in the paper, with experimented results detailed.     

基于最大似然估计的加权质心定位算法

为解决无线传感器网络中节点自身定位问题,针对接收信号强度指示（received signal strength indication,RSSI）测距误差大和质心定位算法精度低的问题,提出一种基于最大似然估计的加权质心定位算法．首先通过计算将估计距离与实际距离之间的最大似然估计值作为权值,然后在权值模型中,引进一个参数k优化未知节点周围锚节点分布,最后计算出未知节点的位置并加以修正．仿真结果表明,基于最大似然估计的加权质心算法具有定位精度高和成本低的特点,优于基于距离倒数的质心加权和基于RSSI倒数的质心加权算法,适用于大面积的室内定位．     

一种基于RSSI的AOA估计算法

在无线传感器网络（WSNs）中,使用阵列天线进行到达角（AOA）估计存在成本昂贵和算法复杂度高的缺点,提出了一种基于接收信号强度指示（RSSI）的AOA估计算法。利用2个旋转的方向图部分重叠的定向天线接收RSSI值,通过双方向图求差法估计目标节点的AOA。实验结果表明：室内实验的AOA估计平均误差为6．7°,室外的平均误差为0．6°。该算法复杂度小,硬件成本低,适用于WSNs的节点定位。     

基于感知规则集策略的约束空间RFID室内符号定位算法

随着普适计算的不断发展,室内定位技术的研究也成为当今研究的热点问题。室内定位技术的不断进步使得RFID也开始部署到各种各样的室内场景。为了提高室内空间中的定位精度,提出了一种基于感知规则集策略的约束空间RFID室内符号定位方法。算法基于室内空间中的符号,通过定义感知情况来确立定位规则,使得算法具有良好的室内空间适应性,且使用少量的阅读器即可实现较高精度的定位。为了提高定位精度,引入了感知规则集的概念,对场景中的情况抽象提取,进一步增加算法定位精度。最后,以约束空间中的室内场景作为实验环境对算法进行验证,分析结果表明,在室内空间中算法的定位精度及抗干扰能力优于现有算法。     

一种新的基于RFID的室内移动机器人自定位方法研究

针对室内移动机器人自定位算法定位精度不高、定位误差存在波动的问题,提出了一种RTFL(RFID tag floor based localization)定位算法与RSSI定位算法相结合的室内移动机器人自定位方法。由RTFL定位算法给定机器人位置估算初值和机器人所在的范围,然后通过基于RSSI的机器人自定位系统进行机器人位置的进一步精确定位。求解过程中,通过遗传算法求解极大似然方程组,并且提出了染色体的筛选和剔除策略。仿真实验结果表明：该方法在有效的时间内完成定位,平均定位误差为0.1572m,与传统的改进方法0.33214m的定位误差相比,降低了近一倍。并且新方法受环境影响较小,鲁棒性较好,能够很好的满足室内移动机器人的定位要求。     

基于动态时间规整距离指纹匹配的Wi-Fi网络室内定位算法

Wi-Fi网络中常规的基于指纹匹配室内定位算法面临信号时变现象或人为干扰的影响,导致定位精度不高。为此,提出基于动态时间规整（DTW）距离相似性指纹匹配的Wi-Fi网络室内定位算法。首先,该算法将定位区域的Wi-Fi信号特征按照采样的先后顺序转化为时间序列类型指纹,通过计算Wi-Fi信号指纹动态时间规整距离的大小来获取定位点与样本点的相似性;然后,根据采样区域结构特征,将Wi-Fi信号指纹采集问题划分为三类基本的动态路径采样方式;最后,结合多种动态路径采样方式增加指纹特征信息的准确性和完整性,从而提高指纹匹配的准确性和定位精度。大量实验结果表明,较瞬时指纹匹配定位算法,所提算法误差范围在3m以内定位的累积错误率：路径区域匀速运动提高了10%,变速运动提高了13%;开放区域交叉曲线运动提高了9%,S型曲线运动提高了3%。所提算法在实际室内定位应用中能有效提高指纹匹配的准确性和定位精度。     

基于地图信息和位置自适应修正的粒子滤波室内定位方法

现有以航位推算为基础的室内定位算法存在累积误差大、定位精度较低等缺点,为此提出一种基于地图信息和位置自适应修正的粒子滤波室内定位方法。该方法利用已知的室内地图信息在定位过程中控制粒子的生灭,在重采样过程中根据粒子的退化情况对补偿粒子的位置进行自适应调整,从而修正目标位置。实验结果表明,该定位方法克服了航位推算算法的累积误差问题,有效提高了定位精度。     

An improved localization algorithm with wireless heartbeat monitoring system for patient safety in psychiatric wards

Psychiatric patients often require continuous monitoring to keep them out of dangerous situations. Accordingly, hospitals hire additional staff to monitor patients' vital signs, maintain patient safety, and ensure that patients do not leave the hospital without notice. However, ward staff have difficulty knowing whenever a psychiatric patient is stepping into potential danger zones or encountering any safety threat. This paper reports the development of a wireless monitoring system to improve patient safety in psychiatric wards and reduce avoidable risks. The proposed system can ease the workload of nurses, help locate patients, and monitor patients' heartbeats. A two-step clustering localization algorithm is proposed for use in tracking patients' locations. This study marks for the first time that heartbeat detection using a ZigBee-based platform with localization function has been proposed. A proof-of-concept system is developed to understand the current hardware challenges and to enable functional analysis of the proposed ZigBee-based patient localization system. The error distance of the proposed localization algorithm is approximately 1 m. Its location accuracy is 90% with the error distance of up to 3 m. The proposed system is expected to improve patient safety significantly in psychiatric wards at low cost.     

基于智能手机无线信号和图像距离感知融合的室内定位算法

针对于目前面向个人使用的手机室内定位精度低、效果差,且成本较高难以拓展的问题,提出了一种利用普通智能手机作为硬件设备,融合Wi-Fi无线信号和图像数据,通过双层过滤的方式对用户进行高精度室内定位的算法。算法分为线下阶段和线上阶段。在线下阶段,对目标场地建立坐标系,在坐标系多个目标位置进行Wi-Fi采样并建立指纹库,同时对环境进行拍照取样并抽取图像特征。在线上阶段,通过实时获取的Wi-Fi信息进行第一层过滤,以确定当前用户可能的位置区间;然后,结合提出的一种距离补偿算法对用户手机当前捕获的图像进行特征提取,在第一层过滤的基础上,确定用户的精准位置。在实际场地进行的实验表明,相比传统Wi-Fi及二维图像定位方法,该算法能够在探测接入点（AP）数量较少及室内场景相似的情况下提高室内定位精度,可以应用于一般室内定位应用或结合基于位置的服务（LBS）应用。     

基于统计不相关矢量集的集中式定位算法

为降低接收信号强度指示所产生的测距误差对定位精度的影响,提出一种基于统计不相关矢量集的集中式定位算法。通过坐标变换简化双重中心化矩阵的求解过程,使用统计不相关矢量集构造双重中心化矩阵,从而计算出节点坐标。仿真结果表明,在测距误差比较大的情况下,该算法仍能有效降低测距噪声干扰、提高定位精度,适用于低成本硬件的无线传感器网络。     

设备自适应的无线信号特征提取与定位方法

近年来,基于Wi-Fi的无线定位研究日益受到关注.然而,在实际应用中,由不同终端设备的差异引起的定位偏差是一个重要问题.针对此问题提出了一种免标定、无监督的SSDR(signal strength difference ratio)解决方法.考虑采集训练数据的设备和测试数据的设备之间信号存在差异,首先将信号指纹特征进行去线性处理以获取新的特征;然后结合AP(access point)对定位结果的影响,提出了基于AP影响因子计算距离的标准;最后根据新的特征和距离计算准则消除不同设备之间的差异以实现定位.在真实的室内无线环境下的实验结果表明,所提出的SSDR方法相比于传统的直接基于信号强度和欧式距离计算准则的定位方法而言,可以提高10%~20%的定位精度,增强了无线定位系统的实际可用性.     

基于动态近邻反馈修正的室内定位算法

针对目前无线传感器网络（WSN）室内接收信号强度（RSSI）测距算法中RSSI易受到信道干扰和传播环境影响从而导致定位精度低的问题,提出一种动态近邻反馈修正的室内定位优化算法FC-DNN,以实现无线传感器室内节点精确定位。首先,通过对环境进行Voronoi图分割确定最小定位区域;然后计算每个区域的路径损耗模型参数得到节点间的精确距离;最后利用Spearman等级相关系数动态选择邻居锚节点,根据邻节点反馈修正进一步提高未知节点的定位精度。仿真结果表明,FC-DNN算法复杂度低、计算开销小、能耗较低,与典型的RSSI测距差分修正定位算法（DDLA）和受限三维空间传感器定位算法（CO-3D）相比,节点的平均定位误差降低了约15个百分点,能够很好地满足室内环境定位要求。     

面向室内场景的主被动融合视觉定位系统

目的 视觉定位旨在利用易于获取的RGB图像对运动物体进行目标定位及姿态估计。室内场景中普遍存在的物体遮挡、弱纹理区域等干扰极易造成目标关键点的错误估计,严重影响了视觉定位的精度。针对这一问题,本文提出一种主被动融合的室内定位系统,结合固定视角和移动视角的方案优势,实现室内场景中运动目标的精准定位。方法 提出一种基于平面先验的物体位姿估计方法,在关键点检测的单目定位框架基础上,使用平面约束进行3自由度姿态优化,提升固定视角下室内平面中运动目标的定位稳定性。基于无损卡尔曼滤波算法设计了一套数据融合定位系统,将从固定视角得到的被动式定位结果与从移动视角得到的主动式定位结果进行融合,提升了运动目标的位姿估计结果的可靠性。结果 本文提出的主被动融合室内视觉定位系统在iGibson仿真数据集上的平均定位精度为2～3 cm,定位误差在10 cm内的准确率为99%;在真实场景中平均定位精度为3～4 cm,定位误差在10 cm内的准确率在90%以上,实现了cm级的定位精度。结论 提出的室内视觉定位系统融合了被动式和主动式定位方法的优势,能够以较低设备成本实现室内场景中高精度的目标定位结果,并在遮挡、目标...     

基于主成分分析的室内指纹定位模型

指纹定位是目前最有前途的室内定位方法之一,基于无线信号强度的指纹模型因其无需额外硬件成本、易于推广等特点被广泛采用.指纹模型的选择是影响指纹定位精度的关键因素.传统的通过选择指纹采集点的指纹方法尽管可以减少计算量,但对定位精度贡献不大.提出一种基于主成分分析的指纹模型,通过选择对精度影响最大的一组“成分”作为指导定位的指纹,在减少指纹计算量的同时,提高定位精度.实验结果表明,与基于欧式距离指纹算法和最近邻指纹算法相比,基于主成分分析的指纹算法可以将平均定位精度由5.3m 和3.9m 降低到2.7m.