基于RSS空间线性相关的WLAN位置指纹定位算法

针对RSS(接收信号强度)时变性以及不同终端信号接收能力的差异性,导致WLAN位置指纹定位不稳定的问题,基于RSS空间线性相关性提出一种新颖的位置指纹定位算法.在每个参考点分别采集多组RSS样本形成特征矩阵,并构建离线位置指纹数据库.定位时,通过计算实时RSS矩阵与指纹库参考点相关性,得到最相关的k个参考点,利用二次加权质心算法计算用户的最终位置.为了有效降低信号时变性的影响,采样时进行了滤波、排序等处理,构建离线指纹数据库时尽量增加采样次数,但需要对样本进行聚合处理以适应定位相关性计算.实验结果表明,该算法在保证较高定位准确度的同时,针对不同终端有更好的定位稳定性.     

基于RSS相关性的位置指纹室内定位方法

解决设备差异性造成的Wi-Fi信号强度不确定问题是位置指纹室内定位应用与推广的关键.一种基于设备间接收信号强度(Received Signal Strength,RSS)相关性的位置指纹室内定位方法被提出.以智能手机为用户终端,离线阶段,通过智能手机扫描的Wi-Fi信号强度信息,经过数据处理,筛选稳定的接入点(Access Point,AP),构建离线指纹数据库;在线定位阶段,对于实时获取的Wi-Fi信号强度信息,进行筛选处理后,挑选与离线指纹共同拥有的AP,并根据该AP集合,形成新的离线指纹和在线指纹.对离线指纹按RSS的大小降序排序;在线指纹,则以同一次序对RSS排序,然后利用皮尔逊相关系数和杰卡德相似系数,计算指纹相似度并排序,通过K最近邻(K-Nearest Neighbor,KNN)算法实现用户定位.实验表明该方法可有效解决设备差异性问题,并实现精确定位,平均定位误差达到1.7 m.     

融合方向指纹和RSS相对关系的定位方法研究

为了降低指纹数据库匹配定位时因接收设备天线方向性和差异性引起的RSS失配问题,提出一种融合方向指纹和RSS相对关系的室内定位方法。基于方向指纹库的RSS相对关系指纹提取定位方法分为离线阶段和在线阶段。离线阶段,建立方向指纹数据库。在线阶段,先通过方向指纹进行匹配,然后采用RSS相对关系指纹提取方法进行指纹匹配,匹配过程通过DTW算法提高匹配效率和准确度。实验结果表明,定位精度得到有效提高,不同设备定位结果趋于稳定,在实际定位系统中更具有普适性。     

基于Wi-Fi的动态室内定位方法

针对目前动态室内定位方法定位精度不足，研究基于Wi-Fi的动态室内定位方法。该方法利用传感器采集Wi-Fi的RSS(received signal strength，接收信号强度)指纹信号后，使用改进非均值滤波算法去除RSS指纹信号的干扰噪声，以不含干扰噪声的RSS指纹信号作为基础，使用基于指纹子空间匹配动态室内定位方法，计算不同阶段RSS指纹覆盖向量、汉明距离以及欧式距离等，得到若干个动态室内定位估计值，再使用峰值密度聚类算法对若干个动态室内定位估计值进行估计，获取估计值中可信的估计位置，即动态室内定位结果。实验结果表明：该方法不仅可有效去除RSS指纹信号含有的干扰噪声，还可对动态室内目标进行准确定位，定位误差仅为-1～0.5 m，定位精度较高。     

基于Mann-Whitney秩和检验的无线局域网室内映射与定位方法

该文提出一种基于Mann-Whitney秩和检验的无线局域网(WLAN)室内映射与定位方法。该方法首先根据实际定位精度需求对目标区域中的运动路径进行分段,同时基于Mann-Whitney秩和检验方法合并相似运动路径片段;然后,利用一种基于相似接收信号强度(RSS)序列片段的信号聚类算法,保证同一聚类中RSS样本的物理邻接关系;最后,通过骨干节点的扩散映射,建立物理与信号空间的映射关系,实现对运动用户的定位。实验结果表明,相比于已有WLAN室内映射与定位方法,该文方法在无需运动传感器辅助和构建位置指纹数据库的条件下,能够实现更高的映射与定位精度。     

改进的基于WLAN位置指纹定位算法

针对传统的K最近邻（K Nearest Neighbor,KNN）算法定位误差较大以及匹配运算量大的问题,提出采用均值平滑法（Mean Smoothing,MS）对采集到的Wi-Fi信号强度（Received Signal Strength,RSS）进行滤波以提高定位精度,并采用改进的K-means算法对离线阶段建立的位置指纹库进行聚类分析,降低匹配计算的复杂度。实验结果表明,本文提出的算法可以改进KNN算法的定位性能。     

复杂环境下基于CFSFDP的自适应室内定位方法

针对复杂环境下的WI-FI定位受限于多径效应等因素影响，提出一种基于CFSFDP（Clustering by Fast Search and Find of Density Peaks）的自适应室内定位算法。该算法分为三个阶段:第一预处理阶段，采用CFSFDP方法训练原始指纹，从中挖掘出稳定且有效的指纹特征；第二离线阶段进一步构建多层覆盖的采样点策略，建立指纹地图；第三在线阶段针对提取到的RSS信号进行参数训练，建立一种自适应信号传播模型，结合离线阶段的指纹地图实现指纹匹配。指纹地图可弥补自适应传播模型测距方案精度不高的缺陷，而测距方案降低在线阶段指纹批匹配开销。仿真结果表明:本文提出ALCCE算法在复杂环境下具有明显的优势，且使用的测距模型性能较高。      

基于WiFi的自适应匹配预处理WKNN算法

针对基于接收信号强度（Received Signal Strength,RSS）的WiFi室内定位技术中,传统加权K邻近（Weighted K-nearest Neighbor,WKNN）算法不能自适应获取WLAN中有效接入点（Acess Point,AP）且参考点匹配准确度不高的问题,本文提出了自适应匹配预处理WKNN算法。该算法中每个实时定位点自适应地根据网络状况对AP的RSS均值由大到小排序,然后选择RSS均值较大的前M个AP,与参考点中对应的M个AP一起参与匹配预处理计算,从而优化了传统的指纹定位算法。同时将室内定位和室内地图相结合,使参考点和定位结果直观地展示在地图上,并通过使用地图数据大幅度简化了离线训练过程。此外,本文设计并实现了基于Android平台的室内定位系统,通过该系统验证了本文所提算法在单点定位和移动定位中的有效性。实验结果表明,该算法可获得30%以上的定位误差改善,有效提高了定位精度和定位稳定性。      

基于多核最大均值差异迁移学习的WLAN室内入侵检测方法

无线局域网(WLAN)室内入侵检测技术是目前智能检测领域的研究热点之一,而传统基于数据库构建的入侵检测技术没有考虑复杂室内环境中WLAN信号的时变性,从而导致WLAN室内入侵检测系统的鲁棒性较差。为了解决这一问题,该文提出一种基于多核最大均值差异(MKMMD)迁移学习的WLAN室内入侵检测方法。该方法首先利用离线有标记和在线伪标记的接收信号强度(RSS)特征来分别构建源域和目标域;其次,通过构造最优迁移矩阵以最小化源域和目标域RSS特征混合分布之间的MKMMD;再次,利用迁移后的源域RSS特征与对应标签来训练分类器,并将其用于对迁移后的目标域RSS特征进行分类以得到目标域标签集;最后,迭代更新目标域标签集直至算法收敛,进而实现对目标环境的入侵检测。实验结果表明,该文所提方法在保证较高检测精度的同时,能够有效克服信号时变性对检测性能的影响。     

基于偏度-峰度检验的无线局域网室内定位算法

针对室内无线局域网环境下接收信号强度(RSS,received signal strength)样本总体分布不一致而产生较大定位误差的问题,提出了一种基于偏度-峰度检验的室内定位算法.利用偏度-峰度检验法检验RSS样本是否来自正态总体,接受零假设的样本用正态分布近似其总体分布,拒绝零假设的样本用核函数估计其概率密度.实验结果表明提出算法的定位精度比传统算法提高15％以上,而且在相同的定位精度下,能明显降低离线阶段的工作量.     

Green wireless local area network received signal strength dimensionality reduction and indoor localization based on fingerprint algorithm

Green wireless local area network (WLAN) is an emerging technology to achieve both the purposes of power conservation and high‐speed accessing to the Internet because of the working on‐demand strategy adoption and high density access points (APs) deployment. Although it is good news to data traffic service, Green WLAN brings severe challenges to the indoor localization service based on fingerprint algorithm. Redundant APs will greatly enlarge the radio map and introduce a much heavier computation burden to the terminal for localization in the online phase. In addition, APs in Green WLAN are powered on and off to make balances between data traffic service demand and energy saving goals so that the received signal strength (RSS) sampled online and recorded in the radio map offline are rarely matched in the same detected AP number, which leads to asymmetric matching problem occurring in the fingerprint algorithm. In this paper, we propose to make a nonlinear dimensionality reduction on the RSS by local discriminant embedding algorithm to realize both the computation burden decreasing and asymmetric matching problem resolving for the fingerprint algorithm in Green WLAN. The simulation results show that our proposed methods could effectively reduce the computation burden in the online phase and make the fingerprint algorithm operate more robustly when the RSS is reduced to the intrinsic dimensionality in Green WLAN. Copyright © 2013 John Wiley & Sons, Ltd.     

Research on indoor localization algorithm based on kernel principal component analysis

An indoor localization algorithm based on kernel principal component analysis (KPCA) was proposed.It applied KPCA to train the original location fingerprint (OLF) and extract the nonlinear feature of the OLF data at the offline stage,such that the information of all AP was more efficiently utilized.At the online stage,an improved weight k-nearest neighbor algorithm for positioning which could automatically choose neighbors was proposed.The experiments were carried out in a realistic WLAN environment.The results show that the algorithm outperforms the existing methods in terms of the mean error and localization accuracy.Moreover,it requires less times of RSS acquisition and AP number.     

TOA/RSS混合信息室内可见光定位方法

为提高室内定位精度,提出一种基于混合到达时间/接收信号强度(TOA/RSS)信息的定位方法。针对室内可见光定位中存在的多径效应造成的定位非线性误差,引入前置无迹卡尔曼滤波的粒子滤波算法,将TOA信息与RSS信息相融合,达到修正非线性误差的目的。然后综合考虑接收端惯性传感参数,对接收端进行运动分析,提升估算坐标的精度。在长宽均为5 m、高度为3 m的室内进行定位仿真,在12 W发光二极管(LED)发射功率下,所提方法获得了平均定位误差为2.02 cm的定位精度。仿真结果证明,所提定位方法的定位性能总体优于指纹定位方法和三边定位的RSS定位方法,具有较强的鲁棒性和较低的定位延迟。     

室内WLAN定位中位置指纹优化的接入点部署方法

提出了一种新的室内WLAN定位中指纹优化的接入点（AP）部署方法。首先在最大化不同位置指纹信号强度间欧式距离的基础上构造注水优化模型,然后经过多次迭代的过零调整及离散调整处理,得到各AP候选位置的非负离散权重,最后根据最大平均权重准则,合理部署AP进而优化位置指纹。实验表明,所提方法能够获得较高的位置指纹定位精度及较低的AP优化位置搜索时间开销。     

基于RSS典型性判定的室内定位算法研究

在基于RSS指纹集的定位算法中,相似样本集的质量,是影响定位精度的一个关键性因素;而待定位点的RSS向量,则是影响相似样本点质量的一个重要元素。通过对D-RSS分布规律分析,提出了RSS典型性的概念,并且提出了基于RSS典型性判定的室内定位算法。该算法根据RSS的典型性特征与有效的相似样本点之间的关系,提出了RSS典型性的辨别方法以及与典型性相关的动态K值。通过实验证明,该算法不仅能完整地找出有效的相似样本点,排除非实质性相似点的干扰,而且在不同的定位场景中具有较强的适应性,同时具有较高的定位精度。