一种层次Levenshtein距离的无指纹校准的室内定位方法

随着移动计算领域的兴起,基于位置的服务越来越受青睐。目前各种室内定位的方法层出不穷,由于室内广泛部署了无线基础设施,基于WiFi指纹信息的室内定位技术是其主流方法。设备异构和室内环境变化是影响定位精度的主要因素。本文针对以上两个问题,提出一种层次Levenshtein距离（HLD）的WiFi指纹距离计算算法,实现异构设备的指纹无校准比对。将不同移动设备采集的RSSI信息转化为AP序列,根据AP对应的RSSI值的差异性计算其层次能级,结合Levenshtein距离计算WiFi指纹之间的距离。对于需定位的WiFi指纹RSSI信息,利用HLD算法获取K个近邻,采用WKNN算法进行预测定位。实验中,为了验证算法的鲁棒性和有效性,在3种不同类型的室内环境中采用5种不同的移动设备来采集WiFi的RSSI信息,其定位的平均精度达1.5 m。     

基于神经网络的学习型WiFi定位算法的研究

基于神经网络的学习型WiFi定位算法,通过计算周围WiFi热点的RSSI型号强度值来获得当前WiFi热点与手机的距离和手机的准确地理位置,不仅有效减少了使用GPS定位带来的定位误差,还解决了GPS定位在室内环境下效果不佳的问题.与传统移动基站/网络定位不同,此算法使用分布极为广泛的WiFi热点作为定位参考,定位精度进一步提高且成本低廉、操作简单.实验结果表明,此定位算法准确率达到95％,定位成功率达到99％.     

基于WiFi的四边测距修正加权质心定位算法

针对现阶段无线信号传播过程易受周围环境干扰、运动载体定位算法精度低的问题,提出一种基于WiFi技术的四边测距修正加权质心定位算法.该算法首先运用近高斯拟合算法和卡尔曼滤波剔除RSSI数据中的突变数据和差异较大的数据,选出最优的RSSI值;然后根据无线信号传播路径损耗模型,运用RSSI值对移动终端和AP的距离进行模型计算;最后采用改进加权因子的加权质心定位算法并结合四边测距法对待定位点坐标进行计算.仿真实验表明:基于WiFi技术的四边测距修正加权质心定位算法相对提高了定位的精度.     

基于对数正态模型的二次匹配指纹定位算法

针对复杂室内环境WiFi信号不稳定导致指纹定位算法定位精度不高的问题,对AP选择、指纹库构建和定位算法进行研究,分别提出了基于对数正态模型的AP选择方法、RSSI虚拟指纹库构建方法以及基于对数正态模型的二次匹配指纹定位算法。在离线阶段,通过拟合对数正态模型对WiFi信号建模,筛选出最契合模型的AP并构建RSSI指纹库和虚拟指纹库。在线定位阶段,待定位节点在匹配RSSI指纹库的基础上,利用AP的契合度修正欧氏距离相似度,找出相似度更高的指纹点,初步确定待定位节点区域,接着二次匹配虚拟指纹库进行精准定位。实际环境实验结果表明,本文提出的方法突出了不同AP设备对定位造成的影响,能减少离线阶段指纹采集的工作量,有效的提高了定位精度。     

基于北斗伪距差分与WiFi的室内外融合定位方法

针对北斗(BD)和WiFi单一系统定位精度不高和定位盲区问题,提出一种基于北斗差分与WiFi的室内外融合定位方法。根据北斗和WiFi异构网络建立多属性代价函数,优选参与定位信标及卫星组合;采用反距离加权内插的多基准站伪距差分法,修正北斗伪距方程减小空间伪距误差;构建基于接收信号强度指示(RSSI)传播模型的WiFi测距方程,并融合北斗差分伪距方程,通过泰勒迭代算法实现精确定位。实验结果表明:融合定位精度在95%的概率下优于2. 6 m,定位性能优于北斗和WiFi单独定位,有效解决了单一系统的定位缺陷和定位盲区问题,实现了室内外无缝融合精确定位,提高了定位精度和可靠性。     

基于RSSI校正的无线传感器网络定位算法

为了使接收信号强度指示（RSSI）的测量误差对节点定位精度的影响程度达到最小化,提出一种基于RSSI高斯加权校正的质心定位算法.首先通过高斯函数滤去偏差较大的RSSI值,然后再对余下的RSSI值加权计算得到优化的RSSI测量值,并利用测量到的RSSI值计算出锚节点与未知节点之间的距离,然后根据计算出的距离对锚节点坐标加权,并通过质心定位算法求出未知节点的位置坐标.仿真实验表明：该算法相比基于RSSI的质心定位算法,定位覆盖率提升3％～6％,平均定位误差至少减少4％,是一种定位精度更高的算法.     

基于无线网络融合定位的安卓手机APP设计与实现

为了提高安卓手机定位的精度,开发基于无线网络融合定位的安卓手机APP是不错的选择。基于无线网络融合定位的方法,首先应用RSSI和地磁石定位技术完成定位的计算,这是一套基于WiFi定位与对地磁场环境加权判断后的定位,然后对网络定位。融合定位的安卓手机APP的定位精度优于WiFi定位和地磁场定位。在WiFi环境下应用这种定位方法,它的WiFi加权系数越高,其定位精度便越精准。     

基于WiFi的密集人群行为分析及防疫推送系统

利用WiFi探针收集到区域内携带智能终端人员的RSS等数据,后台服务器通过实时数据解析与离线阶段构建的指纹库对比,取最大近似值为目标位置值.对比区域内全部人员,通过相关算法实时识别人群密集区域边界与人群运动轨迹等信息.     

矿井人员融合定位系统

针对基于传统接收信号强度指示(RSSI)指纹定位算法的井下人员定位系统在离线采样阶段指纹数据库采集工作量大、易受井下环境影响,基于行人航迹推算(PDR)算法的定位系统存在误差累计的问题,设计了一种基于改进RSSI指纹定位算法和PDR算法的矿井人员融合定位系统。该系统采用GS1011控制器和MPU9150惯性传感器构成智能终端,将采集的惯性传感器、RSSI和时间戳数据通过井下WiFi网络上传至地面监控中心定位服务器;定位服务器采用扩展卡尔曼滤波对RSSI指纹定位算法和PDR算法的定位信息进行融合,实现井下人员定位。试验结果表明,该系统平均定位误差为1.79m,小于单独采用RSSI指纹定位算法或PDR算法的系统定位误差,定位精度满足井下人员定位要求。     

基于RSSI的WSN二维对数搜索定位算法

定位技术是无线传感器网络(WSN)应用的关键技术之一。针对WSN中的定位问题,提出一种基于接收信号强度指示(RSSI)测距的二维对数分布式搜索定位算法。采用改进的RSSI测距模型测量节点之间的距离,利用质心定位算法结果作为搜索起点,设计一种基于最小加权距离误差和的目标函数,对于每个节点通过二维对数搜索的方法,搜索具有最小加权距离误差和的点作为定位位置。仿真实验比较了质心定位算法、不带权值的二维对数搜索定位算法、基于RSSI的二维对数搜索定位算法在不同条件下的定位性能,结果表明基于RSSI的二维对数搜索定位算法的定位精度远优于质心定位算法,相比不带权值的二维对数搜索定位算法约提高了0.02R。     

基于RSSI优化的模型参数实时估计定位算法

基于RSSI的测距是一种低成本的距离测量技术.为了有效地降低RSSI因环境影响而产生的测量误差,以及解决传统算法中因使用固定信号传播模型而造成较大测距误差的问题,提出一种RSSI经过优化处理的模型参数实时估计定位算法.该算法运用高斯模型对节点接收到的所有RSSI测量值进行处理,根据RSSI值确定待定位节点所在的最小区域,再通过该区域内选定信标节点间的相互合作估算出当时的环境参数,根据实际情况动态调整传播模型的参数,使测距更准确,从而减少定位误差.将该算法与其它算法进行仿真比较,结果表明了该算法可以有效地提高定位精度.     

基于RSSI的偏移误差修正的井下定位算法

针对基于RSSI的加权质心定位算法会出现三边测量区域选择错误、只是用节点之间的距离信息衡量信标节点的影响力,忽略了各条信号传输路径中误差的标准偏差也不同的问题,提出了一种基于RSSI的偏移误差修正的井下定位算法。该算法结合加权质心定位算法思想,采用RSSI测距模型测量节点之间的距离。在获得节点间的距离信息后,通过对测距误差中随机变量的标准偏差进行概率分布分析来衡量节点间的测距误差,并对随机变量进行偏移误差修正,最终获得较高精度的定位效果。仿真结果表明,与加权质心定位算法相比,该算法的定位精度提高了19%,定位结果的稳定性也有较大程度的改善。     

网事一箩筐

上海公共场所推出WiFi免费热点上海市于近日正式启动"i-Shanghai(爱上海)"无线上网服务,宣布在公共场所以适度免费方式向所有市民开放WiFi服务。今年年内,将在人流较为密集、窗口功能突出的300余处主要公共场所实现WLAN(无线局域网)     

一种基于CSI的参数无关接入点定位方法

随着基于位置的服务的流行,室内定位系统也受到越来越多的关注。基于WiFi的室内定位因其开放访问和低成本的属性而吸引了大量研究人员的目光。通过采用细粒度的信道状态信息CSI代替粗粒度的接收信号强度RSSI可以减少室内多径效应的影响。采用一种与传播模型参数无关的定位方法——PILM来对接入点进行空间定位。通过有效CSI值与距离关系模型的公式变换,将问题转换为求满足最小向量二范数条件的点的坐标,即用最小二乘方法求解。通过在两种典型室内环境的实验验证了系统性能。     

无线Zigbee传感网RSSI定位技术研究

基于Zigbee通信技术的无线传感网是最具应用前景的一种网络模式,定位信息对网络数据有重要的辅助作用。文中提出了一种基于接收信号强度指示（ RSSI）值的无线Zigbee传感网测距定位技术,从理论上提出了基于RSSI的节点测距定位处理算法,并从实践上提出了CC2530测距定位模块实现方式。最后通过在实验室环境的实际距离与RSSI值的测试,得到了RSSI值与无线通信距离之间的实验结果,通过最小二乘法进行曲线拟合,得到了RSSI测距的实测公式。     

RSSI在RFID读写器中的应用

基于接收信号强度指示(RSSI)测距的定位方法容易实现、开销少,适合在射频识别(RFID)系统中使用。由此提出一种RSSI在UHF频段下RFID读写器中的实现方式。使用合适的测量方法,通过对无线电传播路径损耗模型及大量实测数据的分析,证明得到的标签RSSI可以用于对无源标签的实时距离定位。     

基于WiFi定位的商场摊位地图的设计与实现

通过基于RSSI指纹算法的WiFi定位技术、SQLite数据库技术、Android APP编程,实现商场摊位的定位.客户或管理人员能够利用相关设备搜素到周边商铺发出的WiFi信号强度和其MAC地址,判断出自身具体所在的商场位置并获取区域信息,指导用户在商场进行高效的行为活动,为客户寻找目标摊位、管理者管理摊位节约时间、精力等.     

基于LoRa技术融合RSSI和TOA的户外定位方法

LoRa（Long Range）定位为当今户外定位提供了一种低成本、低功耗的解决方案。为了提高定位的准确性,提出一种基于LoRa技术融合接收信号强度指示 (RSSI) 和信号到达时间 (TOA)的户外定位方法。通过TOA筛选有效的RSSI信息和计算RSSI的统计平均值,基于预先测量样本的方式,构建了一种类高斯分布的每个定位基站对应测距模型,获取待定位设备距离基站的距离和定位基站的位置坐标映射后,通过加权质心定位算法,得到待定位设备的位置坐标。搭建基于SX1280的验证平台,对该方法进行验证。理论分析和实验结果表明,融合RSSI和TOA的定位方法能够有效筛选数据,对比改进前的定位方法定位误差减小了20%,稳定性较高。所提出的LoRa定位算法计算覆盖范围较广,理论上可以覆盖到超过1 km的范围,实验场地最长半径达到了500 m,算法复杂度较小,实时性较好,易于实现,可用于室外定位。     

基于RSSI的WiFi指纹定位数据融合算法研究

目前已有的位置指纹室内定位算法大多都是建立在原始指纹数据库的基础上,指纹数据库的建立精度会直接影响到最后的定位精度,因此在基于WiFi的定位技术中,对接收信号强度(received signal strength indication,RSSI)的稳定性要求比较高。通过对指纹数据的研究,提出了一种基于高斯核函数融合卡尔曼滤波对数据进行预处理的方法。实验证明,该融合算法能有效剔除RSSI指纹数据中的突变数据和噪声波动,实现RSSI值的准确、平滑输出,从而建立准确的指纹数据库,使后期的定位结果更加精确。     

基于RSSI信号特征的室内分区指纹定位算法

为提高室内定位精度和算法效率,提出基于RSSI信号特征的分区指纹定位算法。在离线阶段,区别于传统的使用RSSI信号构建离线指纹库的方法,设计使用RSSI信号衰减率建立离线指纹库;在在线定位阶段,针对使用欧式距离进行相似度计算时,容易出现两个点RSSI信号欧式距离较近而物理距离较远的情况,提出使用RSSI信号衰减率进行子区域划分,引入SSD的思想使用二级指纹进行精确定位。通过实验验证了该算法的适应性与有效性。