基于参考标签可信度和偏差自校正的RFID室内定位算法

为了提高室内定位系统的定位精度,在典型射频识别(RFID)定位系统LANDMARC基础之上,提出了基于参考标签可信度和偏差自校正的RFID室内定位改进算法。该算法引入参考标签辅助定位,先检查每个最近邻参考标签的可信度,舍弃不可信的参考标签;同时,针对最终选定的最近邻参考标签进行定位偏差的自校正,计算出待定位标签的最终估计位置。实验结果表明,与LANDMARC系统相比,改进算法提高了室内定位的精度,适合于室内人和物的定位应用。     

一种利用历史数据构造虚拟标签的定位算法

在RFID定位算法中,利用接收信号强度统计模型进行直接定位的精确度不高,而利用实际参考标签定位存在信号易碰撞、外出部署不便等问题,因此提出一种基于虚拟标签的RFID定位算法VIREH以克服以上缺点.该算法利用历史数据构建虚拟参考标签,然后利用虚拟参考标签代替实际参考标签进行定位.依据VIREH算法,开发基于Android移动设备的RFID定位系统,在系统中使用VIREH算法进行定位,对定位误差进行了统计以测试算法性能.测试结果表明,VIREH算法的定位精度较直接定位有显著提高,较使用实际参考标签没有明显降低,有助于提高RFID定位精度.     

邻近参考标签权值的射频识别室内定位算法

介绍了VIRE算法和BVIRE算法的定位原理。在BVIRE算法的基础上,提出了一种基于邻近参考标签的权值的改进算法(简称WBVIRE算法)。该算法通过改进最近邻参考标签与待定位标签的信号强度的差值,重新设定邻近参考标签的权值计算方法,以得到更加准确的待定位标签的坐标,从而提高 BVIRE 算法的室内定位精度。实验结果表明, WBVIRE算法明显提高了室内定位精度。     

LANDMARC定位算法的修正与优化

LANDMARC作为基于RFID技术室内定位的一项传统定位算法,在相关定位系统的研究中得到了广泛的应用。然而在实际的定位和应用过程中,LANDMARC定位算法仍存在着一些缺点和不足。针对算法定位过程中错选邻居标签概率较高造成误差较大的情况,提出一种基于LANDMARC的修正与优化算法,算法主要通过几何运算比较来排除并校正错选的邻居标签。实验结果表明,在不同的定位环境条件下,修正与优化后算法其错选邻居标签的概率大大降低,结果使定位误差有了明显的减小。     

基于RFID的边界虚拟参考标签定位算法

介绍VIRE室内定位算法的原理,针对VIRE算法对边界标签定位准确度低的问题,提出边界虚拟参考标签定位算法BVIRE。该算法通过建立线性回归方程,在边界处加入边界虚拟参考标签。仿真结果表明,在不额外增加参考标签且不增大射频干扰的前提下,BVIRE算法较原算法使靠近边界处待定位标签的定位准确度得到较大提高。     

基于RFID的虚拟参考标签三维室内定位算法

针对目前三维室内定位算法不稳定及定位误差较大等问题,提出一种基于RFID技术的三维室内定位算法。通过参考标签与待定位标签的欧氏距离,选择邻近参考标签,将待定位标签划定到一个六面体内;通过这几个邻近参考标签的欧氏距离值大小,划分空间,动态插入虚拟参考标签;经过两次缩减空间,使参考标签和动态插入的虚拟标签逐步逼近待定位标签。实验结果表明,该算法的定位误差较低,有效提高了室内定位的精度。     

基于径向基函数的RFID定位算法研究

径向基函数是一种新型的无网格插值方法,具有网络结构简单、学习方法快速等优点。针对最近K值算法对标签定位准确度低的问题,本文试图将两者的优点结合起来,提出一种新型的动态网络结构的定位算法。基于这种改进算法构建了室内定位系统,并使用Matlab软件仿真。实验结果表明,在不额外增加参考标签的前提下,改进算法大大提高了待定位标签的定位准确度。     

面向车间布局的自适应LANDMARC算法

在车间定位中,运用基于有源射频识别校验的动态定位(LANDMARC)算法时,由于车间障碍物引起的多径效应和边界处参考标签数量不足,算法无法正确选择参考标签中的最近邻,对此,提出一种面向车间布局的自适应LANDMARC算法。首先引入对数距离路径损耗模型处理RFID读写器接收信号强度指示(RSSI),再通过对比法筛选出参考标签有效值以及插值法在边界插入虚拟标签。对比传统LANDMARC算法,将定位平均误差从0.39 m降低到0.16 m,证明了自适应LANDMARC算法的有效性。     

煤矿井下LANDMARC定位算法改进

针对煤矿井下非视距误差、多径效应和标签碰撞影响LANDMARC定位精度的问题,从接收信号强度值的测量、接收信号的选取和标签防碰撞算法3个方面对LANDMARC定位算法进行了改进:通过直接测量接收信号强度值判断最近参考标签;对接收信号进行高斯滤波舍弃误差信号;根据标签数量设置合理的信号发送时隙,当发生标签碰撞时重新划分信号发送时隙。仿真结果验证了该改进LADMARC定位算法的有效性。     

射频识别技术及其在室内定位中的应用

在分析射频识别(RFID)基本原理和特点基础上,重点讨论了基于RFID的LARNDMARC室内定位系统,然后在此基础上提出了一种最近邻居改进算法和基于误差多级处理的数据融合定位方法。仿真结果表明,改进后的最近邻居算法比已有的最近邻居算法的定位精度更好。     

基于RFID虚拟标签的室内停车场车辆定位算法

在室内停车场中应用基于RFID的LANDMARC算法进行车辆定位时,由于室内停车场的复杂结构以及多径效应的影响,车辆定位精度不能通过增加参考标签数目或均匀规则的部署参考标签等方式来提升。提出了一种基于虚拟RFID标签的室内定位算法(location algorithm based on virtual tag, LAVT)。该算法通过近邻标签确定车辆的近邻区域,计算出近邻区域的外心并插入虚拟参考标签;通过虚拟参考标签替换原近邻标签、缩小近邻区域面积,使新近邻标签更临近待定位车辆,从而更精确地计算出车辆的位置。仿真实验表明：LAVT算法在室内停车场环境中将车辆定位精度提升了19.03%。LAVT算法应用于室内停车场环境中的车辆定位具有更好的适用性,能满足室内停车场车辆定位的基本需求。     

室内概率阈值反向最近邻查询

室内空间变得越发的庞大和复杂,随之产生了越来越多的室内空间查询需求.目前已有文献提出了针对室内空间环境的范围查询和最近邻查询,而作为常见的空间查询类型的反向最近邻查询,尚未有相关的研究.为此,提出了室内概率阈值反向最近邻查询和基于定位设备的设备可达图模型.在图模型基础上,提出了室内概率阈值反向最近邻查询处理算法,该算法由基于图模型的批量剪枝、基于室内距离的剪枝、基于概率的剪枝和概率计算4部分构成,通过剪枝策略修剪掉不可能出现在结果集中的对象,从而缩小了查询空间,提高了效率.     

改进的全局最近邻查询算法及其在空间数据库中的应用

针对基础数据集合和参考数据集合为相同数据集的情况,给出了一种新型的空间数据库全局最近邻查询算法,该算法能够利用数据最近邻结果的自身特点,避免较大的查询过程中的资源开销.实验结果表明,算法的效率要明显优于常用最近邻查询算法,并且对于不同的数据维数和数据元素数量,特别是对于高维的空间数据集合,算法具有较高的稳定性.     

基于近邻传播算法的动态自适应室内指纹定位算法

目前传统的室内指纹定位算法中存在以下几个问题,首先在构建指纹库时采用平均值的方式构造指纹库容易受到噪声点影响而降低定位精度,其次使用欧式距离衡量待定位点与指纹点之间的距离可能引入信号强度距离较近,物理距离较远的参考点参与估计待定位点的位置从而增大定位误差,以及当参考点数量较大时,由于K近邻算法的计算量较大,从而造成定位过程耗时较大,能源耗费较多的情况,除此之外,由于K近邻算法无法根据实际情况确定参与定位的参考点个数从而限制了定位系统的精确性和拓展性。针对上述问题,本文设计了一种基于近邻传播算法的动态自适应室内指纹定位算法。该算法在离线阶段对在每一个参考点采集的信号强度值使用方差滤波算法去除噪声值,然后利用加入了参考点物理信息的近邻传播算法对参考点进行聚类处理。在在线阶段,通过进行粗略定位和精确定位动态的估计待定位点的物理位置。经过实验证明,本文所提出的新算法较对比算法有较高的精确度和稳定度。     

RFID技术的定位算法改进及其在图书馆的应用

介绍了无线射频识别技术的基本原理,并简述了基于RFID的LARNDMARC室内定位系统最近邻居算法,并提出了一种改进算法。通过仿真实验证明了改进后的算法具有更好的定位精度,最后在我校图书馆管理系统中进行应用实践。     

一种改进的RSSI指纹库定位算法

为了提高室内定位的精度,进行了信号强度RSSI之间的相关性的分析,提出了WF-SKL算法。该算法将RSSI排序转换成AP指纹序列对并建立离线指纹库,其稳定性可以减小定位误差。再通过在线AP的选择,过滤噪点AP对定位估计的影响,减少计算量,最后根据LCS算法得到最近邻的度量。在基于MapReduce框架下的两个集合间的K-AP(P,Q)最近邻查询法基础上,加入权重进行位置估计,提高了定位的精度。大量的对比传统KNN定位法的实验表明该算法的定位更精确,速度更快。