平台侧位置指纹定位系统中接收端问题的优化

当前室内位置指纹定位系统主要用于对移动端的定位.借鉴其定位机理,研究了对无线电发射端的定位,属于平台侧位置指纹定位系统.从部署接收端的位置以减小定位误差的角度出发,提出了增大参考点之间欧式距离确定接收端位置的方案.同时,提出利用覆盖率的概念确定定位区间的接收端个数以满足区间定位的需求.建立了接收端位置及个数优化问题的数学模型,并用遗传算法和全覆盖原则对优化问题进行求解,给出了优化问题的实现流程.针对不同空间,对优化问题进行了仿真,比较了经验布置接收端和优化布置接收端的定位结果误差及接收端是否满足全覆盖的定位结果误差,验证了所提方法的合理性,对定位前部署接收端的个数和位置有一定的指导意义.     

基于Wi-Fi的室内定位系统在智慧校园中的应用

针对目前现有的室内定位系统无法很好地达到大学校园用户的一些个性化服务的定位精度要求,本文利用Android手机平台研究一种基于位置指纹的Wi-Fi室内定位系统,用于提高图书馆、实验室等场所的LBS的服务质量。该系统在在线定位阶段采用WKNN算法进行位置指纹匹配并定位,取得了较好的效果。     

一种基于WIFI信号指纹的室内定位技术

对现有的室内定位技术进行综述研究,并提出一种基于WIFI信号指纹的室内定位技术。首先,从定位数学基础出发,阐述三边定位与最大似然估计定位算法,介绍基于无线电信号强度(RSS)定位算法与基于时间差(TDOA)定位算法,其次,对现有室内定位算法进行研究,提出了一种利用复杂环境的多径效应,分析RSS与物理位置的关联性进行射频定位,算法本身不需要额外的硬件支持,依靠已经建立好的离线数据库,只要在接收端获得WIFI信号对应的信息,即可取得定位结果,最后,指出了影响信号指纹定位精度的关键要素,并明确了改进方向。     

基于信道状态信息幅值-相位的被动式室内指纹定位

基于信道状态信息(CSI)的室内定位技术近几年备受关注。已提出的室内定位方案主要在适用性和定位精度等方面进行不断地创新和改进。该文提出一种被动式的1发2收指纹室内定位系统。用两个固定接收端采集CSI数据,信号预处理阶段对CSI幅值进行奇异值去除与低通滤波,用线性拟合的方法对CSI相位进行校正,将两个接收端采集处理得到的CSI幅值和相位信息共同作为指纹,最终通过全连接神经网络对指纹样本进行训练,并与采集到的实时数据进行匹配识别。实验表明,采用两个接收端以及幅值和相位结合定位的方法,匹配识别率达到了98%,定位精度达到0.69 m。证明该系统能精确有效地实现室内定位。     

基于WLAN和WSN的异构网络协同定位

针对大型建筑物复杂环境室内定位的特殊性,为了克服移动终端采用WLAN或无线传感器网络单独定位精度不高的局限性,实现移动终端精确定位导航,分析了各种无线网络室内定位系统的基本算法模型,详细介绍了多个典型无线室内定位系统的实现方法,并分析其优劣点,展现了近年来国内外对室内定位的研究成果.归纳了基于WLAN和WSN的异构网络协同定位算法研究中的关键问题,指出了如何根据终端位置环境同时搜索WLAN和无线传感器网络以及改进后的网络融合定位算法,为下一步更深入的研究打下良好的基础,在此基础上,对协同定位方法的研究前景进行了展望.     

基于指纹的室内可见光定位方法

为了实现低成本、低复杂度以及高精度的室内定位系统,提出了基于指纹的室内可见光定位方法。该方法利用可见光发光二极管作为信号源,根据接收到的可见光信号强度信息,结合三角定位算法和指纹定位算法,实现室内高精度定位。定位过程主要分为两步:第一步,通过三角定位算法确定移动目标粗略的位置范围;第二步,以该位置范围作为限制条件,使用指纹定位算法实现更精确定位。实验结果表明,该方法与传统的基于可见光信号强度的定位方法相比,平均定位精度提高了64.71%;同时,与传统的基于指纹的定位方法相比,可以在更低复杂度的情况下,实现更精确定位。     

基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100 m×100 m×100 m大型室内场所的一层100 m×100 m×10 m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1 cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。     

一种改进的无线局域网位置指纹定位法

精确、实时的室内定位技术是提供基于位置服务的关键技术之一。针对经典的基于无线局域网指纹定位法由于室内环境复杂多变、无线信号波动而不能实现精确定位的问题,提出了一种改进的指纹定位算法。该改进算法通过优化特征接入点的选取和指纹距离的计算,以及对最近邻的类聚处理,实现了对指纹匹配精确度和位置估计准确性的提高。实验表明,所提出的改进算法相比于经典的位置指纹法具有更高的定位精确度和鲁棒性。     

卫星干扰源定位系统中的融合定位技术

在卫星干扰源定位系统中,星历的不准确对定位带来很大的误差.文章提出一种结合了卫星动力学模型的迭代最小二乘算法估计某一个时刻卫星的位置、速度,使得此时定位结果和校准站位置最吻合.该方法通过对星历的改进,补偿了星历带来的误差.试验表明,该方法提高了对干扰源的定位精度.     

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.     

基于改进指纹聚类的WLAN定位优化方法

将K-means聚类算法应用到无线局域网（WLAN）位置指纹定位中,虽然可以缩短定位时间,但是容易降低定位精度。为了解决此问题,提出了基于改进指纹聚类的WLAN定位优化方法。首先根据接收信号强度标准差来优化初始聚类中心的选取,然后对指纹数据进行聚类处理,最后进行在线定位。实验结果表明,与传统的WLAN位置指纹定位方法和K-means聚类定位方法相比,基于改进指纹聚类的定位优化方法不仅缩短了定位时间,还能有效提高定位精度。     

基于多元高斯混合模型的离线指纹数据库

针对室内环境下单次采样测量值的波动变化及信号间的相互干扰,该文提出一种基于分区多元高斯混合模型(MVGMM)的室内定位系统。根据信号接入点(AP)铺设位置与空间结构,系统采用一对多支持向量机算法对目标区域做分区操作,以精确信号变化的区域范围。利用狭小分区内信号间的耦合关系,建立基于信号间相互干扰的多元高斯混合模型,以改善信号波动所造成的定位精度下降。当室内环境发生变化时,基于分区多元高斯混合模型的自适应更新算法可对各分区指纹数据的可信度做出判断,并以自适应算法更新信号波动较大分区的模型参数,提高模型与现有环境间的耦合程度。实验结果表明,该文算法可利用相对少量样本数据,构建稳定可维护的室内信号分布模型,相较于其他算法,其定位精度也有一定程度提高。     

改进指纹强度下的WiFi室内定位算法

目前的室内定位算法利用信号传播模型求出信号强度后直接进行求解定位,使得定位误差较大.为提高定位精度,提出利用信号能量的欧氏距离方法进行加权,然后对改进后的信号强度进行阈值滤波加均值滤波双重处理.定位阶段,在K最近邻算法基础上利用距离的倒数作为加权函数的算法进行定位.经仿真结果表明,改进后的算法相比于一些典型的定位算法,定位精度有较大提高.     

基于WiFi-GM指纹的室内定位算法

针对室内环境中单一指纹定位方法存在定位误差较大、定位漂移的问题,提出了一种融合室内Wi-Fi指纹和地磁指纹的定位算法。首先在大范围区域中通过K-means聚类方法将较大的匹配区域划分成更小的且特征更加明显集中的子区域,然后在在线阶段通过WiFi指纹粗定位到小区域,再通过地磁指纹定位系统进行近一步精匹配定位。实验表明,该融合算法缩小了地磁匹配的初始搜索范围,大大减少了指纹定位中的误匹配问题。实验中,平均定位误差仅2.17 m,最大定位误差3.61 m,较单一指纹定位系统性能均有大幅度提升,证明该定位方法具有一定的可行性与先进性。     

基于双BP神经网络的室内可见光定位算法

为提高室内可见光定位的精度,提出了一种基于双反向传播(BP)神经网络的单发光二极管(LED)灯室内定位算法。首先在定位区域内使用BP神经网络确定待测目标粗略的位置范围,然后以该位置范围为限制条件,再次使用BP神经网络实现更精确的定位。室内定位系统采用单个LED灯作为发射器,3个水平光电探测器作为接收器接收光功率,避免了使用多个LED灯在定位时引起的光源符号间干扰。仿真结果表明:在3 m×3 m×3.5 m的定位区域内,提出算法的平均定位精度可达0.0042 m,比传统的室内可见光定位算法高。     

稀疏参考点下的室内定位方法

随着移动互联网的发展,人们对于室内的位置服务需求日益增加。基于Wi-Fi的指纹库室内定位算法具有成本低、定位误差小的优点,但指纹库信号采集需要消耗大量的时间和人力,本文对稀疏参考点下构建高效指纹数据库和高精度室内定位的方法进行了深入研究。本文改进了卡尔曼滤波有效解决了Wi-Fi的噪声和缺失点,设计了基于信号强度差分方差的无线接入点筛选策略来滤除信息量较低的接入点,提出了一种基于支持向量回归拟合的克里金插值算法（Kriging Interpolation Algorithm Based On Support Vector Regression, SVR-Kriging）进行指纹库的构建,最后通过接入点加权的K加权近邻法（AP weighted and Weighted K-Nearest Neighbor, AWKNN）完成定位。将该方法应用于实际的二维、三维定位场景,实验结果表明二维场景平均定位误差为1.01 m,三维场景平均定位误差为0.92 m。该方法解决了指纹数据库信号采集困难、接入点数据冗余的问题,有效地降低了定位误差。      

位置指纹定位技术

在室内利用无线网络对移动目标定位,可用的技术有基于波达时间(TOA/TDOA)、基于波达角度(AOA)、以及基于接收信号强度(RSS)的技术等。比较而言,基于接收信号强度(RSS)的位置指纹(LF)技术更适合于复杂的室内环境。对该技术目前的研究情况进行比较全面和详细的介绍。     

基于电源线和位置指纹的室内定位技术

该文提出将室内环境不可或缺的电源线作为天线,通过在电源线上注入宽带高频信号构造室内空间的位置指纹,进而实现室内空间精确定位。首先介绍了电源线上宽带高频信号注入模块的实现技术,以及室内空间位置指纹的构造方法;其次,介绍了基于朴素贝叶斯分类算法的室内定位原理;最后,通过实验分析证明在多训练样本情况下,基于朴素贝叶斯分类算法的定位算法比基于K最邻近点(KNN)分类算法的定位算法有更好的定位准确率和时间迁移适应能力。