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。     

基于改进支持向量机的Wi-Fi室内定位算法

针对室内复杂环境下无线信号不稳定、传统支持向量机定位算法计算复杂度高等难题,为了提高室内的定位精度,提出一种改进支持向量机的Wi-Fi室内定位算法。采用核主成分分析对特征进行降维处理,提取有用信息、降低计算量,采用支持向量机构建定位特征与物理位置的非线性映射模型,并采用粒子群算法对模型参数进行优化,进行了仿真实验。结果表明,该算法提高了室内定位精度和效率。     

基于RSSI的KNN-PIT室内自适应定位算法

针对基于接收信号强度指示(RSSI)的K最近邻(KNN)算法在室内定位精度较低的问题,提出一种改进的KNN-三角形内点(KNN-PIT)室内定位算法.根据室内空间结构特征,建立具有类标号的位置指纹库.引入虚拟参考点,利用PIT原理进一步约束目标点的定位区域,自适应地使用定位算法进行定位.综合运用高斯滤波、均值滤波技术,降低离线和在线阶段的信号随机误差.结果表明:改进后的KNN-PIT定位算法可以更好地估计用户的实际位置,降低定位误差,定位精度提高12.5％.     

基于KNN算法的可变权值室内指纹定位算法

针对基于静态权值的室内指纹定位算法存在定位精度低、定位结果不稳定以及环境适应性差等问题,提出一种以欧氏距离为权值参考的可变权值室内指纹定位算法。该算法分为离线采样阶段和在线定位阶段。离线采样阶段对接收信号强度指示(RSSI)值进行高斯滤波去噪构建指纹库。在线定位阶段引入权值指数α、β,分别以RSSI、欧氏距离为权值参考计算最近邻点及其加权质心,得出待测节点的坐标。实验结果表明,相比KNN和RW算法,该算法定位精度高,其平均误差为0.965 m,且定位误差波动小。     

一种改进的室内无线定位算法

为提高室内无线定位精度并降低算法复杂度,提出一种改进的室内无线定位算法,包含2种分支算法。以视距路径数为标准,将室内无线环境划分为非视距污染较轻和较重2种环境。对污染较轻的环境,采用改进的Fang-Taylor级联算法;对污染较重的环境,采用新的迭代定位算法。仿真实验结果表明,该算法能达到甚至超过同类算法的定位精度,且适应多种室内无线环境,提高对环境的鲁棒性。     

基于梯度的受限空间安全定位方法

现有的无线传感器网络定位技术消耗了大量的计算和处理资源,并且受到了环境因素以及对手攻击等干扰,在受限空间中定位精度较低,无法满足定位需求。为了提高受限空间中的定位精度,提出了一种基于梯度的安全定位算法,算法在双曲线定位模型基础上,引入梯度的概念,降低了算法的计算复杂度,使算法能够适应受限空间的环境要求,实现高效高精度的定位;为了提高算法的安全性,增加了对不一致性测量的选择性剪枝过程,增强了算法对恶意攻击的抵抗能力。最后,以室内走廊为实验环境进行了仿真验证,通过主频计时策略,提高了算法的定位精度。分析结果表明,在室内受限空间中,提出的算法在定位精度、能量消耗和抗干扰能力上优于现有算法。     

基于XGBoost的客户所在店铺WiFi定位技术研究

为了减小室内复杂环境等因素对WiFi定位的影响,降低定位成本,提高定位精度并缩小定位区域,通过对室内定位系统和相关机器学习算法进行深入分析和探讨,提出了一种基于XGBoost的WiFi室内定位算法。根据WiFi信号强度分布不均匀的特点,此算法通过提取WiFi强度特征,并利用XGBoost分类器对信号来源进行定位。实验结果表明,该定位算法在WiFi强度特征可检测时达到了87.72%的定位精度,达到预期的定位效果,同时定位时间较短,稳定性较好,可以基本满足实时定位的要求。     

基于进化理论的无线网络室内定位算法

传统测距算法采用电磁信号的理论模型,其参数根据经验确定,导致定位误差较大。为了提高室内的定位精度,减少环境因素的不利影响,提出了一种基于进化理论的无线网络室内定位算法。首先采用模拟生物进化的遗传算法对损耗模型参数进行估计,找到最优的模型参数,然后采用三边定位算法对未知节点进行定位,最后进行仿真实验测试其性能。结果表明:该方法可以有效降低无线网络的室内平均定位误差,具有一定实用价值。     

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。     

基于卡尔曼滤波算法的室内无线定位系统

针对基于接收信号强度(RSS)的室内无线定位方法存在信号误差的问题,引入了一种基于模糊自适应控制的卡尔曼滤波算法.该滤波方法不仅有效地抑制了定位数据信息的误差发散,而且能充分利用线性插值法对随机误差进行补偿.实验表明它对静止和移动目标都能有效的提高定位精度,能较全面地满足复杂室内空间定位的需求.     

基于精确时间测量的无线网络室内定位系统研究

随着IEEE 802.11-2016协议(也称为802.11mc)的精确时间测量(FTM)定位解决方案的引入,通过RTT往返时间来进行测距并进行定位的技术路线正在得到重视.目前提出的基于FTM的测距方案测距精度在视线环境下通常具有1～2 m的偏移误差,由于在802.11mc中,噪音不具备高斯性,精度的进一步提升存在着较...     

基于Wi-Vi指纹的智能手机室内定位方法

室内定位是近些年国内外研究的热点,但是目前的室内定位技术在适用性、稳定性和推广性方面仍然存在诸多问题.针对目前室内定位技术的不足,面向公共室内场景的人员自定位问题,本文创新性地提出以室内广泛存在、均匀分布的消防安全出口标志为路标(Landmark),提出以Wi-Vi指纹-WiFi与视觉(Vision)信息相融合的指纹,为位置表征的多尺度定位方法.该方法首先利用室内广泛存在的WiFi无线信号进行粗定位,缩小定位范围;然后在WiFi定位的基础上通过视觉全局和局部特征匹配实现图像级定位和验证;最后参考消防安全出口标志的空间坐标精确计算用户的位置信息.实验中,通过市面上流行的不同型号智能手机在12 000平米办公楼和4万平米商场分别进行实地定位测试.测试结果表明:该方法可以达到实时定位的要求,图像级定位准确率均在97%以上,平均定位误差均在0.5米以下.本文所提出的基于Wi-Vi指纹智能手机定位方法为高精度室内定位问题建议了一种新的解决思路.     

基于移动代理的三维DV-Hop算法

三维空间的无线传感器网络节点定位算法研究是当前的研究热点之一。通过对现有三维定位算法的不足进行分析,将无需测距的DV-Hop算法拓展到三维空间,并在通信量、定位精度方面进行了相关改进,提出了一种基于移动代理的三维DV-Hop定位算法。仿真结果表明,所提算法能对三维环境中的传感器节点进行有效的定位,信标节点的密度和通信半径对定位误差和覆盖率的影响较小,且定位精度和覆盖率相对于其他算法有明显提高。     

一种提高室内定位精度的算法

室内定位技术对于室内物品的实时监管具有重要的实际应用价值。为了进行室内物品的精确定位,文中建立了一种基于距离的最优估计定位模型,并引入变尺度(DFP)算法对模型进行求解,从而达到提高坐标精度的目的。本设计首先对原始距离信息利用最小二乘估计、三次样条插值法来提高测距精度;其次通过三圆公共弦交点法确定出初始坐标值;然后把空间几何关系转换为无约束极小值问题,再采用DFP法对初始坐标进一步精化,以得出更为精确的坐标值。最后通过两种模拟实验对算法进行验证,结果表明:引入最优估计理论的室内定位算法,具有更高的定位精度。     

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%。     

室内信号强度指纹定位算法改进

由于人们对基于位置服务的需求越来越高,室内定位技术在诸多领域得到了广泛的应用,而定位算法则是室内定位研究的重点。首先介绍了最近邻和KNN两种信号强度指纹定位算法,并说明了KNN信号强度指纹算法的不足。在KNN信号强度指纹定位算法的基础上,提出了改进的基于区域划分的定位算法。在定位阶段,首先对接收信号强度进行补偿和滤波处理,以降低各种外在因素对定位精度的影响;同时对定位区域进行划分,选择主参考节点,并基于加权的最近邻匹配来选择最近的信号强度指纹;最后对定位结果进行计算并验证。仿真实验表明,改进的区域划分算法相对于传统的KNN算法,定位精度提高了22.2%,达到2.1m,证明了改进算法的可行性。     

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。     

基于改进粒子滤波的室内自适应定位算法

精确的室内定位系统具有重要的研究及应用价值。由于GPS在室内受到很多约束条件而无法提供精确的室内定位服务,如何提高室内定位算法的精度已经成为当前研究的热点。通过提出一种基于改进粒子滤波的室内定位算法以减少室内环境影响来提高定位精度。该算法主要思想是通过手机等移动设备接收AP传播的信号,然后根据室内拓扑建立一个信号衰减模型,在移动设备的移动过程中结合粒子滤波进行定位。在定位过程中,移动设备采用自适应的信号采集方法来接收信号,同时随机游走思想和自优化的重采样方法被用来改进粒子滤波。仿真实验结果表明该算法能够有效提高室内定位的精度和鲁棒性。     

基于空间特征分区和前点约束的WKNN室内定位方法

高精度室内定位有着广阔的市场前景.针对传统的WKNN室内定位方法所面临的在处理面积较大目标区域时,位置估计结果跳动跨度较大、精度不高等问题,提出了一种基于空间特征分区和前点约束的WKNN室内定位方法.该方法通过将面积较大的目标区域按其空间特征划分为多个分区,解决了指纹数据库无法实现全域覆盖的问题;又通过考虑行人在相邻时刻所处位置之间的空间约束关系,缩小了参考点的候选范围,很好地提升了位置估计的平顺性.大量真实环境下室内定位实验的结果表明,该方法可以有效地解决大面积目标区域内的室内定位问题;且与传统方法相比,定位精度大幅度提升.