基于RFID定位技术的室内人员行为分析系统

针对实际场景中室内定位系统误差大、稳定性差的问题,建立一种基于射频识别技术的室内定位行为分析系统。该系统首先对信号强度进行拟合平滑处理并改善了无线信号传播损耗模型;然后提出了新的加权质心定位算法,考虑信标节点之间的影响,引入新加权因子,从三圆相交和两圆相交进行修正;最后对轰趴馆的区域热度和个体行为偏好进行了分析。实验结果表明,定位精度得到提高,人员行为分析结果具有一定参考价值。     

基于相交度比的无线传感器网络迭代定位算法

为提高免测距无线传感器网络节点定位算法的性能,针对免测距定位算法利用最小跳路径距离替代节点间欧氏距离,和信标节点近似共线引入较大定位误差的缺陷,提出基于相交度比的无线传感器网络迭代定位算法,首先利用定位单元拓扑分布质量函数选择1-跳邻居参考节点,组成高质量的定位单元;其次采用基于相交度比的距离计算估计距离精度;最后采用双曲线定位方法减少误差.仿真结果表明,在节点均匀随机部署,非均匀C-型分布的网络场景中,与DV-Hop、Amorphous等已有改进算法相比,新算法具有更小的定位误差,可提供更加精确的传感器节点位置.     

无线传感器网络中免测距的节点自定位算法

无线传感器网络定位技术的显著特点,是利用有限的锚节点信息从而实现对全网内所有节点的定位.而同心圆定位方法是精度较高的免测距定位算法,通过将一些与锚节点通信半径最接近点的距离范围形成不同程度的圆环,然后彼此相交增加对未知节点的几何约束关系并对其进行位置估计.仿真结果表明,该算法获得较高的定位精度,同时计算和通信开销适中,不需要节点具备测距能力,是一个可扩展的算法,适用于各向同性的密集网络.     

一种动态调整RSSI室内定位测距参数的改进算法

基于RSSI(接收信号强度)室内定位算法,其测距信号模型主要采用Shadowing模型,设计一种动态调整RSSI室内定位测距参数的改进算法,减小测算误差,从而提高基于RSSI室内定位的精度。     

基于CC2530的室内定位系统设计与实现

为了解决当前室内定位系统精确度低、可靠性差的缺点,设计并实现了一种基于无线传感器网络的室内定位系统。系统硬件以CC2530为主控芯片,在节点自主定位基础上增加了上位机辅助定位模式,在该模式下调用可降低环境变化对定位精度产生干扰的加权质心定位算法。在本定位系统上也可以随时修改上位机定位算法,方便以后作进一步地改进。经测试表明:本系统运行稳定,易于维护,定位精度较其他定位平台大大提高。     

基于模拟退火聚类的室内定位算法

针对大型室内场景下现有指纹定位算法运算复杂度高、定位精度低的问题,提出一种基于模拟退火聚类的室内定位算法。该算法采用模拟退火聚类的方法完成对指纹空间的聚类和划分,有效降低了指纹匹配所需的候选指纹数量,并消除了具有一定特征相似性的奇异点,从而降低了运算复杂度,提高了定位精度。实验结果表明,该算法可计算出定位环境下指纹空间的最优聚类数从而确保定位精度,较K 均值聚类定位算法和KNN算法定位精度高,且定位精度不受初始值影响。     

无线传感器网络中一种基于三边测量法和质心算法的节点定位算法

针对无线传感器网络在节点均匀分布的情况下节点定位精度较差的问题,提出了三边质心定位算法.该算法利用节点均匀分布的先验信息将质心定位思想引入到三边测量法中,通过计算相交圆的公共区域的质心来提高对未知节点位置估算的精度.仿真结果表明,三边质心定位算法与三边测量法相比有效地降低了未知节点的位置误差,提高定位精度.     

基于稀疏表示的室内指纹定位算法

为解决室内实时定位中精度不高的问题,提出了一种基于稀疏表示的室内指纹定位算法.针对传统的指纹数据库匹配算法的不足,将待测点的位置估计看作多分类问题.首先在室内区域选择若干个参考点,多次测量参考点的WiFi信号强度,构建稀疏数据字典.通过稀疏表示的方法,用参考点的指纹矢量对待测点处的指纹矢量进行重构,计算重构误差并根据其对待测点位置进行估计.实验结果表明,与传统SVM定位方法相比,该算法的定位精度有明显提高.     

面向移动终端的室内定位技术探讨及应用研究

随着“互联网+”概念的提出,移动互联网飞速发展,国内数据业务和移动网络服务在用户中越来越普及,室内定位技术显现出了极大的应用价值。文章从室内定位的当前技术背景出发,分析了目前行业内主要的室内定位算法并进行详细介绍,然后针对当前主流的几种室内定位技术在其技术特点和应用限制方面进行了比较分析,同时以大型商超为主要切入点,对室内定位技术现在的应用状况及瓶颈问题进行了归纳总结。     

基于群组的WI—FI指纹室内定位研究

WI-FI指纹定位是最常用的室内定位算法之一,但是WI-FI指纹定位存在较大的定位误差。为了提高定位精度,提出了基于群组的定位算法。首先在WI—FI指纹定位的基础上,提出了群组的概念,然后阐述了基于最小编辑距离的群组识别算法,最后利用群组中人与人之间的物理距离,设计了一种基于群组的定位算法。实验表明,基于群组的WI—FI指纹定位算法能明显减小WI-FI指纹定位的误差。     

基于生成对抗网络模型的RSS缺失值预测

无线上网（Wi-Fi）定位是目前室内定位中的主流方法,指纹数据库的构建是Wi-Fi定位系统的关键.然而指纹数据库中的接收信号强度（RSS）指纹值会随室内环境的变化而变化,通常需要不断地重新测量指纹值去更新指纹数据库,这就导致了成本高、耗时长,尤其是在定位区域较大的动态环境中是不切实际的.针对此问题,提出了自适应上下文生成对抗网络模型.该模型只需测量指纹数据库中的部分RSS指纹,即"参考点",然后通过学习参考点的分布情况,预测特定位置的缺失指纹.仿真实验结果表明,室内定位精确性显著提高,人力成本大大减少.     

一种面向室内环境变动的人员目标无源定位算法

现有的基于接收信号强度(RSS)的人员目标无源室内定位算法在定位环境变动的情况下难以兼顾人工工作量、时间消耗和定位准确率。针对这个问题,本文提出了基于迁移聚类和坐标融合的变分自编码器(FusVAE)的室内环境变动下人员目标无源定位算法。在环境变动后,采集少量无标签RSS样本,然后使用本文提出的基于度量学习的半监督模糊C均值聚类(SFCMML)对其进行精确聚类和标签标注,对原有的定位模型进行重训练,只需很小的人工和时间代价就可以使原定位模型在新环境下也具有较高的定位准确率。同时,针对变动后环境下采集RSS样本较少的问题,本文提出了基于坐标融合的变分自编码器(FusVAE),对新环境下的RSS样本进行数据增强,丰富了RSS样本的数量和质量,提高了定位模型的泛化能力。实验结果表明,在环境变动的情况下,本文提出的算法的平均定位准确率可达88.6%,和同领域同类型算法相比,具有较高的定位精度和较好的环境变动适应性,更适用于变动环境下的人员目标无源室内定位问题。     

Multi-cluster-center based filtering algorithm and its application to WLAN indoor positioning

Wireless local area network(WLAN) is developing to a ubiquitous technique in daily life.As a related product,WLAN based indoor positioning system is attracting more and more concern.Fingerprint is a mainstream method of wireless indoor positioning.However,it still has some shortcomings of that received signal strength(RSS) is multi-modal and sensitive to environmental factors.These characters would have a negative effect on the performance of positioning system.In this paper,a filtering algorithm based on multi-cluster-center is proposed.We make full use of this algorithm to optimize the training samples at off-line phase to improve the performance of non-linear fitting with the fingerprint feature,and further enhance the positioning accuracy.Finally,we use multiple sets of original WLAN signal samples and signal samples after filtering as the training input of positioning system respectively.After that,the results analysis is demonstrated.Simulation results show that it is a reliable algorithm to enhance the performance of WLAN indoor positioning.     

Fingerprint Database Updating Using Crowdsourcing in Indoor Bluetooth Positioning System

室内蓝牙定位系统中基于众包的指纹数据库更新

田增山,从海峰,周牧

（重庆邮电大学 移动通信技术重庆市重点实验室,重庆 400064）

中文说明：

基于指纹的蓝牙定位是一种十分流行的室内定位技术。但是,蓝牙基站的位置或者是环境的变化会对信号分布产生极大的影响,这最终将导致蓝牙定位精度降低。人工收集带位置标签的指纹信息以建立和更新指纹库严重限制了蓝牙定位技术的广泛推广。为解决这个问题,本文提出一种指纹库自适应更新方法。首先,众包数据包含蓝牙接收信号强度（Received Signal Strength,RSS）,行人的速度和航向将被记录下来。其次,这些被记录的众包数据将被卡尔曼滤波进行融合用于轨迹有效性分析,来实现为无地理位置标签的RSS分配标签生成候选指纹的目的。然后,当每个参考点获取到足够候选指纹,每个参考点的原始指纹和候选指纹将进行基于密度的聚类（Density-based Spatial Clustering of Applications with Noise ,DBSCAN）来滤除噪声,同时最大的一个类的指纹均值将被选为对应参考点更新后的指纹。最后,充分的实验结果表明随着候选指纹和更新次数的增加,基于指纹的蓝牙定位精度可以被逐渐提高。

关键词：室内定位,指纹库更新,众包数据,蓝牙,DBSCAN

     

基于无线局域网信号的城区室内外无缝定位技术

无缝定位技术被认为是移动位置服务的支撑技术,讨论了基于无线局域网（WLAN）的城区室内外无缝定位技术,利用室外公众电话亭WLAN和室内普通WLAN信号,基于实际环境建模的简化无线信号路径衰减模型,通过Cell-ID排序和交会算法,实现在城市室外环境2.1～25 m、室内环境下0.8～4.2 m的定位精度,此技术可应用于城市室内外无缝定位服务。     

基于EC-TDOA和ZigBee技术的室内超声波定位系统

目的研究室内定位方法机理,解决室内目标高精度定位的问题．方法设计了一种基于测距的室内定位系统,该系统采用测量射频信号和超声波信号到达时间差的方法测距并引入校正因子减小测距误差,通过极大似然估计定位方法计算目标位置,运用ZigBee制作节点模块组成网络实现对室内目标的定位．结果在测距实验中,EC-TDOA测距结果的误差小于0．02cm,满足测距精度要求．在定位实验中,最大定位误差和平均定位误差分别为4．3cm和1．64cm,而定位误差在2．5cm以内的比例达到90％．定位频率为20Hz,满足实时定位的要求．结论系统在室内环境中实现对超声波信号覆盖范围内移动节点的定位,通过测距校正有效提高定位精度．系统具有较强的容错性和自适应性．     

基于高斯过程回归与硬件优化的可见光室内定位设计

为了使可见光室内定位操作更加简单,不依赖于视线视图和位置登记,在硬件方面,使用光电二极管作为接收器,通过组装兼容的光电二极管和紧凑型LED完成硬件方面的优化。在软件算法方面,基于指纹技术,使用高斯过程回归（GPR）算法进行定位。首先对GPR环境进行建模,构建一个强度分布模型。然后,使用贝叶斯理论获得定位的表达形式。实验在3m×3m的平台区域上进行,对25个目标进行测试。与类似的室内定位系统相比,所提系统定位精度更高,实现了厘米级定位。且可以长时间精确定位运动目标,鲁棒性较好。     

Coordinate correction algorithm for WLAN indoor positioning

In the fingerprint matching-based wireless local urea network (WLAN) indoor positioning system,Kalman filter (KF) is usually applied after fingerprint matching algorithms to make positioning results mo...     

基于证据理论的群指纹融合室内定位方法

室内定位的主要挑战是室内的多径传播及非平稳信道环境,传统基于信号强度指纹的单指纹室内定位方法由于受环境变化影响较大,稳健性较差且精度较低。针对此问题,提出一种基于D-S证据理论的群指纹融合高精度室内定位方法。在建库阶段,利用室内阵列信号接收模型,首先通过计算阵列接收信号的不同统计特性构建包括信号强度、协方差矩阵、信号子空间及四阶累积量组成的群指纹库,再对群指纹进行神经网络训练获取针对每种指纹的神经网络分类器;在实测阶段,把实测数据的上述4种变换输入到训练好的神经网络分类器中,最后利用D-S证据理论对神经网络分类器的分类结果进行融合,给出最终的定位结果。仿真结果证明了算法的有效性及可行性。该算法可充分发挥指纹信息的集群效应,对噪声、多径传播等具有较好的稳健性,是一种高精度的室内定位新方法。