基于UWB的室内定位系统研究

针对目前国内室内定位领域的需求,提出一种基于UWB的室内定位系统实现方案,充分利用UWB带宽大、定位精度高的优点,实现室内三维定位和追踪。系统通过TOA方法,测量UWB标签与多个UWB基站之间的距离,位置解析服务器通过串口读取测距信息。采用基于四UWB基站的三维空间定位算法,计算定位目标在室内三维空间的位置,并通过WiFi发送位置至用户手机端。手机端通过OpenGL ES加载三维室内地图,并动态接收从服务器端发送的定位目标位置,从而实现室内三维定位与追踪。系统测试表明,基于上述方案的室内定位系统具有较高的精度和实用性。     

无线局域网中基于信号强度的室内定位

确定用户的位置信息有利于向用户提供方便高效的服务,基于接收信号强度的无线局域网室内定位是定位领域的一个新的研究热点.研究的难点在如何克服随机因素对信号的干扰,使定位方法具有健壮性、适应性.本文基于IEEE 802.11b/g协议的无线局域网环境下定位问题的难点,分析了如何评价定位算法的性能问题,介绍目前定位方法的基本原理、优缺点及其分类,详细综述利用接收信号强度的室内定位算法,最后指出未来定位算法研究的几个方向.     

基于双阶段位置修正的室内定位算法

WLAN指纹定位技术已经成为室内定位领域的研究热点，但空间环境变化易导致传统定位算法精度降低。针对此问题，提出基于双阶段位置修正的室内定位算法。分析空气介质电导率变化对RSSI的影响，以传统算法的定位结果作为初始位置，首先利用K邻近法（KNN）构建初始位置指纹映射；在此基础上，利用多维标度法（MDS）计算离线、在线阶段的用户间相对位置修正值；最后，利用双阶段位置修正值对初始位置进行优化，得出最终目标位置。实验结果表明，该算法能够有效应对环境变化，修正定位结果，传统算法经其优化后平均误差均有10%以上的降低。     

基于UWB与IMU的多传感器融合室内定位技术研究

随着室内定位需求的不断提高,室内定位精度的提高成为目前研究的热点,单一传感器定位技术在复杂的室内环境中定位误差较大、精度较低。针对上述问题提出了一种基于UWB和IMU融合的室内定位方法。该方法首先利用卡尔曼滤波算法对UWB定位技术的伪距信息进行非视距误差的处理,利用最小二乘法解算出位置信息,进而与IMU定位系统解算出来的位置进行松耦合,将UWB定位信息作为量测方程,IMU定位信息作为系统方程最终得到松耦合之后的定位结果。通过仿真实验表明,上述方法可以有效地抑制UWB非视距误差和IMU累积误差对定位精度的影响,提高室内定位的精度。     

一种基于稀疏表示的WLAN室内定位算法

随着科技进步和人民生活水平的提高,越来越多的用户对定位技术需求变得日益迫切。基于WLAN的室内定位技术研究在此背景下应运而生,但是该技术容易受非视距离以及多径影响。而位置指纹算法有效地克服了上述缺点,并得到了广泛应用。提出一种基于稀疏表示的WLAN室内定位算法,以解决位置指纹算法K近邻方法中参数选择问题、不能综合利用全局参考点信息问题,并对其进行了实验仿真。     

基于高精度室内位置感知的大数据研究与应用

随着室内定位技术的发展,室内位置数据和用户消费行为数据的大量产生为室内位置大数据(LBD)研究和应用提供了可能。基于高精度室内位置感知,突破了室内定位位置数据不准确的瓶颈。通过对室内位置数据聚类、降维等预处理,建立挖掘模型分析并提取了室内商圈区域的聚散和流动等特性,进一步通过特征关联预测用户的消费等行为,提出了室内位置大数据协同挖掘的方法和架构。在某机场商圈、西单某商场亿级用户位置数据集上进行了有效性实验和应用,通过实测数据对比验证了基于此架构室内定位数据的精准性和挖掘方法的可行性。     

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Zig Bee的无线网络定位技术的研究与实现

基于接收信号强度的无线网络室内定位是定位领域的一个新的研究热点。为了满足室内定位对精度的要求,常见的方法是利用通信模块在室内环境下建立定位网络。介绍了基于Zig Bee协议的CC2431定位系统,分析了基于滤波算法和三边测量的定位算法,在支持Zig Bee协议的CC2431模块上实现了定位算法,通过在室内环境下进行实测实验对比了2种定位算法的定位误差,结果表明:提出的定位算法较系统自带定位算法提高了定位精度,定位效果良好。     

一种基于RFID的室内车载监控系统定位方法的设计与实现

室内定位是智能家居系统中实现居境信息自主巡检的基础支撑技术。针对现有室内定位算法的不足,提出了一种基于RFID的新型室内定位方法。该方法建立基于RFID标签映射的地面坐标,借助电子罗盘获取车载系统方向,通过向量方法计算出车载系统的中心位置,有效地解决了室内定位的精度与稳定性问题。基于该方法,设计并实现了一个室内车载监控系统,验证了算法的有效性。     

基于RSSI的机器人室内卡尔曼滤波定位算法研究

针对移动机器人在室内环境中定位难的问题,提出了一种基于RSS(IReceive Signal Strength Indicator)的卡尔曼滤波定位算法。利用基于RSSI的定位方法估算用户的位置坐标,利用卡尔曼滤波算法对用户的估算位置坐标进行优化处理,以提高室内定位系统的性能和稳定性。实验结果表明,卡尔曼滤波算法是鲁棒的,可以有效改善系统的定位精度,达到了预期的目的。     

A hybrid positioning system for technology‐independent location‐aware computing

Location‐aware computing is a form of context‐aware mobile computing that refers to the ability of providing users with services that depend on their position. Locating the user terminal, often called positioning, is essential in this form of computing. Towards this aim, several technologies exist, ranging from personal area networking, to indoor, outdoor, and up to geographic area systems. Developers of location‐aware software applications have to face with a number of design choices, that typically depend on the chosen technology. This work addresses the problem of easing the development of pull location‐aware applications, by allowing uniform access to multiple heterogeneous positioning systems. Towards this aim, the paper proposes an approach to structure location‐aware mobile computing systems in a way independent of positioning technologies. The approach consists in structuring the system into a layered architecture, that provides application developers with a standard Java Application Programming Interface (JSR‐179 API), and encapsulates location data management and technology‐specific positioning subsystems into lower layers with clear interfaces. In order to demonstrate the proposed approach we present the development of HyLocSys. It is an open hybrid software architecture designed to support indoor/outdoor applications, which allows the uniform (combined or separate) use of several positioning technologies. HyLocSys uses a hybrid data model, which allows the integration of different location information representations (using symbolic and geometric coordinates). Moreover, it allows support to handset‐ and infrastructure‐based positioning approaches while respecting the privacy of the user. The paper presents a prototypal implementation of HyLocSys for heterogeneous scenarios. It has been implemented and tested on several platforms and mobile devices. Copyright © 2009 John Wiley & Sons, Ltd.     

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。     

Hybrid indoor and outdoor location services for new generation mobile terminals

In the last years, an increasing interest in location services characterized the market of mobile ubiquitous devices (smartphones, handhelds, etc.). Several technologies and solutions have been developed to determine the position of mobile devices in their operating space, each with its specific degree of precision and accuracy. In this scenario, the ideal location service should be able of tracking the mobile terminal in any place it moves to, both indoors and outdoors. However, while outdoor location services have already achieved a satisfactory degree of technological maturity and effectiveness, a really ubiquitous location service that works satisfactorily in both indoor and outdoor scenarios is not yet available. In order to cope with the above challenge, this work proposes a hybrid location approach designed to choose and switch among multiple positioning technologies supported by the mobile device and available in the surrounding environment, in a dynamic and transparent way during the user movement. It combines signal strength–based fingerprinting techniques for indoor positioning together with traditional GPS-based positioning for the outdoor localization and performs opportunistic technology switching according to a count-and-threshold mechanism. The resulting solution is able to leverage the different features of the wireless networks and of the global positioning technologies, in order to provide ubiquitous location services across indoor and outdoor scenarios, as well as to minimize power consumption of the mobile device.     

Energy efficient indoor tracking on smartphones

Continuously identifying a user’s location context provides new opportunities to understand daily life and human behavior. Indoor location systems have been mainly based on WiFi infrastructures which consume a great deal of energy mostly due to keeping the user’s WiFi device connected to the infrastructure and network communication, limiting the overall time when a user can be tracked. Particularly such tracking systems on battery-limited mobile devices must be energy-efficient to limit the impact on the experience of using a phone. Recently, there have been a lot of studies of energy-efficient positioning systems, but these have focused on outdoor positioning technologies. In this paper, we propose a novel indoor tracking framework that intelligently determines the location sampling rate and the frequency of network communication, to optimize the accuracy of the location data while being energy-efficient at the same time. This framework leverages an accelerometer, widely available on everyday smartphones, to reduce the duty cycle and the network communication frequency when a tracked user is moving slowly or not at all. Our framework can work for 14 h without charging, supporting applications that require this location information without affecting user experience.     

WiFi室内定位技术在健身场所的应用研究

随着WiFi技术的发展,当前国内健身房管理方式逐渐从传统射频卡识别转化成WiFi室内定位识别,改进后有效地节约了健身成本。目前WiFi室内定位技术如三边定位、贝叶斯定位算法等已均被提出,但仍存在定位误差大、计算复杂度高等弊端。因此,提出基于滤波的三边定位及模式聚类两种定位算法。基于滤波的三边定位通过增加卡尔曼滤波,降低噪声数据的影响,从而减小定位误差。模式聚类定位转变常用的贝叶斯概率聚类方式,采用健身者运动模式进行个性化聚类,有效地提高定位识别率和准确率。实验结果表明,相比基线方法,基于滤波的三边定位和模式聚类定位算法应用于健身场所更加精确化、人性化。     

一种面向室内定位的基站选择优化方法

基于蜂窝网的室内定位由于与通信网络共用基础设施,因此具有覆盖范围广、无需基础设施再投资等突出优点,已成为电信运营商级室内定位的首选,是5G通信领域的研究热点之一。在蜂窝网室内定位场景中,基站的布局将直接影响接收首径的数量、到达时间TOA(Time of Arrivaling)和测量误差等要素,从而影响定位精度。据此,文中提出一种面向室内定位的基站选择优化方法,以减小由于基站布局引入的误差。首先,引入TOA信息去除TDOA定位的虚定位点;其次,针对不同基站选择方案得到的定位结果,利用二次聚类的思想去除孤立点,并根据聚类结果中样本节点数量最多的类确定定位点的位置。实验结果表明,与其他优化方法相比,所提方法的室内定位平均误差降低了15.49%。     

基于CSI信号的被动式室内指纹定位算法研究

基于信道状态信息(CSI)的定位技术在室内场景应用中被广泛关注,为了提高WiFi信号多径效应对接收信号强度指示的室内定位精度和稳定性,提出一种基于CSI信号的被动式室内指纹定位算法。该算法在离线阶段将定位场所划分为同等大小的区域块,在各连接点位置使用方差补偿的自适应卡尔曼滤波（Kalman）算法对原始数据进行滤波。再对滤波后的数据使用二分K均值聚类（K-means）算法进行分类,将处理得到的CSI幅值和相位信息共同作为指纹;在线阶段根据待测点采集的实时数据与指纹库进行匹配识别,被定位对象无需携带任何设备。仿真实验与实地实验表明,该算法利用信道状态信息中的子载波特征进行定位,能够有效减轻信号接收端的多径衰减影响,定位精度有明显提高。      

采用EKF与PF的室内融合定位技术

在室内定位的复杂环境中,WiFi指纹法的定位性能易受信号波动的影响,行人航位推算方法(Pedestrian Dead Reckoning,PDR)的定位误差会随时间逐渐累积,为了解决这两个方面的问题,提出了一种采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)与粒子滤波(Particle Filter,PF)的融合定位技术,该技术通过融合WiFi指纹法和优化后的行人航位推算方法来提高定位精度。在WiFi指纹法模块,该技术采用传统的加权k近邻法进行定位。在行人航位推算模块,该技术融合多种传感器进行航向估计,改进传统的非线性模型进行步长估计,使优化后的行人航位推算方法更适用于复杂环境中的实际应用。最后,结合粒子滤波和室内地图信息,该技术能够校正估计位置并进一步提高定位精度。通过实验表明,本文提出的融合校正方法能够有效提高定位精度。     

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。