指纹中心自动定位诸方法研究及应用

本文先讨论了Poincare索引法、点方向一致性度量法和方向均值差异法确定指纹中心的特点，给出了改进算法。然后提出了块方向图搜索法和综合法两种中心定位新方法。实验表明，改进方法较前为优，新方法能有效地用于指纹中心定位。     

一种基于插值的室内指纹定位系统设计与实现

由于室内环境的复杂性,无线传感器网络WSN(Wireless Sensor Networks)室内定位的精度一直不够理想.本系统在测距定位算法和非测距定位算法的基础上,提出了基于信号强度RSSI(Received Signal Strength Indication)的指纹定位方法.该方法利用Cokriging插值算法建立定位区域的多维RSSI向量指纹,通过匹配目标节点的RSSI向量与指纹RSSI向量确定目标节点的位置范围,最后使用K-中心点聚类算法提取目标节点的实际位置.实际场景实验和仿真实验结果都表明此方法在复杂的室内环境中具有较高的定位精度.     

使用局部纹线距离进行指纹分类

为了提高指纹识别的速度和准确率,特别是在指纹数据库不断增大的情况下,指纹分类显得尤为重要。提出了一种使用局部纹线距离进行指纹分类的方法。该方法首先以指纹的参考点为中心提取一个区域,然后计算该区域的局部纹线距离,最后按照局部纹线距离对指纹库中的指纹进行分类。在FVC2006指纹库上对该方法进行了实验,系统穿透系数为0．1063,有效地提高了指纹的检索速度。     

一种位置指纹-最小二乘融合的蓝牙室内定位方法及实现

在复杂的室内环境中,结合最小二乘法的数据误差优化和位置指纹定位法数据库匹配,提出了一种基于位置指纹-最小二乘融合(F-LS)的高精度低功耗蓝牙(Bluetooth Low Energy, BLE)室内定位方法。采用位置估计、模型优化的方法,并在Android上实现了室内准确定位,将结果以二维图像形式显示出来。经实际测定,在6.51 m×10.12 m的室内环境下,F-LS的定位精度优于75 cm,完全可以满足人们对日常目标定位的要求。该方法的实现程序已开源至GitHub:https://github.com/Charmve/Bluetooth-Location;D。     

频率域自适应指纹图像增强算法研究

根据指纹在频率域中的特点,提出一种新方法来获取指纹脊线方向和频率。该方法不仅能够快速准确提取出指纹局部区域的方向和频率,而且对不同类型的指纹具有自适应性。实验证明,在质量较差的指纹图像中,算法对指纹图像的增强在实时性和准确性上均有大的提高。     

基于指纹密文的数据篡改定位与恢复方法

设计一种基于数字指纹与密文技术的新方法,解决了竞争情报数据库中数据篡改的检测、定位及回溯式恢复问题.通过对敏感数据记录进行乱序及添加干扰因子,使用单向散列算法产生数字指纹,再对记录加密,并分别存储于数据库与二进制顺序文件中,然后使用客户端检测数据篡改并通过消息驱动检测服务器及时工作,检测服务器同时还能周期性地检测、定位及恢复被篡改数据.实验结果表明,该方法既能有效检测对敏感数据的非法篡改,又可准确定位与自动恢复被篡改数据.     

基于TDOA的微小区射线跟踪定位研究

针对TDOA的定位技术,在城市小区基站数目少且无法定位的情况进行了研究,提出一种定位方法.该方法结合已有的蜂窝网络的增强定位机制,设置建立了切换定位方法的程式,并利用射线跟踪技术建立指纹数据库,运用权值匹配算法,结合定位划分的区域进而给予用户定位服务的位置数据.仿真结果表明,射线跟踪可获取电波数据建立指纹数据库,定位方法可行,合理规划区域范围的大小,能够减少终端运行时间,提高定位服务的质量.     

基于主成分分析的室内指纹定位模型

指纹定位是目前最有前途的室内定位方法之一,基于无线信号强度的指纹模型因其无需额外硬件成本、易于推广等特点被广泛采用.指纹模型的选择是影响指纹定位精度的关键因素.传统的通过选择指纹采集点的指纹方法尽管可以减少计算量,但对定位精度贡献不大.提出一种基于主成分分析的指纹模型,通过选择对精度影响最大的一组“成分”作为指导定位的指纹,在减少指纹计算量的同时,提高定位精度.实验结果表明,与基于欧式距离指纹算法和最近邻指纹算法相比,基于主成分分析的指纹算法可以将平均定位精度由5.3m 和3.9m 降低到2.7m.     

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.     

一种复合指纹核心点定位算法

准确、可靠地定位指纹核心点对指纹的分类和匹配具有重要意义。该文分析了一种传统的基于方向场特征的核心点定位算法，并针对传统算法不能准确定位的局限性，提出了一种新的复合指纹核心点定位算法，将改进的方向场估计法和多级滤波器技术相结合，实现核心点的准确定位。实验结果表明，该算法能有效实现指纹核心点的定位，并具有较好的鲁棒性。     

基于卷积神经网络的室内指纹定位算法

随着无线网络和智能设备的普及,室内定位得到了迅速发展.在室内定位中,基于指纹的定位方法因为无需外部设施、抗干扰性强等优点逐渐成为研究热点.近几年深度学习的发展为提高指纹定位算法的精度带来了新的机遇.因此提出了一种基于CNN的指纹定位算法,使用卷积神经网络（convolutional neural network,简称CNN）来改进指纹库的构建.首先,在收集了CSI与磁场数据后,通过CNN对这些数据进行处理,将每个参考点处的CNN模型参数值用作为指纹.然后使用一种概率方法来进行最后的指纹匹配.实验结果表明,该定位算法比传统的指纹定位算法具有更好的鲁棒性和更高的定位精度.     

基于Zigbee室内定位系统的指纹库优化算法

Zigbee无线传感器网络的接收信号强度指示(RSSI)可以用来提供位置服务,使用RSSI建立指纹数据库设计定位算法能够得到良好的定位效果,但指纹数据库的采集和建立精度会直接影响到最终的定位精度,而一般方法建立的指纹数据库误差较大。为此,通过对Zigbee网络指纹数据库采集和建立过程进行研究,提出一种Zigbee网络中指纹数据库采集、建立及优化的算法。在定位区域将各采样点采集到的指纹数据库源数据进行滤波处理,建立高精度的指纹数据库。利用Zigbee平台组建无线网络进行实验,分别使用针对该定位系统提出的限定区域最邻近算法、限定区域加权最邻近算法、限定区域贝叶斯算法进行定位计算。实验结果表明,运用优化后的指纹数据库在短距离范围内定位平均误差可限制在1.5 m以内。     

基于改进BKM聚类算法的WiFi室内定位方法

为了解决用户在室内定位中,依靠WiFi指纹定位存在精度不高、误差偏大的问题,提出一种基于改进二分K-means聚类算法的室内定位方法。通过层次聚类的思想对二分K-means聚类算法（BKM）进行改进,解决了BKM聚类算法需要提前确定聚类中心、导致指纹定位中聚类结果受初始聚类个数影响的缺陷,并结合变色龙算法（Chameleon）,将部分划分过细的簇合并,优化定位指纹库的可靠性。仿真实验结果表明所提出的方法有效降低了计算复杂度,提高了定位精度。此外,该方法与目前常用的BKM聚类算法相比,具有更好的聚类效果和定位精度。     

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。     

基于模糊贴近度的指纹匹配算法研究

针对已有的指纹匹配方法准确率低、算法复杂度高、易受指纹形变等噪声影响缺陷,本文提出了一种基于模糊贴近度的新型指纹匹配算法。该算法以分叉点、转折点、指纹图像上两个点的连线所穿越的脊线的数量等特征信息作为识别对象的特征指标,通过求出采样指纹与标准指纹的模糊贴近度,将其结果与阈值V相比较,检测指纹的匹配程度。实验结果表明,该算法能够有效降低算法复杂度,提高指纹的匹配准确率与效率,同时也可以有效避免因指纹旋转、平移形变或按压力度不均等因素产生的噪声对指纹匹配精度的影响,可以满足实际应用的需求,为提高指纹识别的精确度提供了一种新方法。     

指纹纹线的提取和匹配

针对传统指纹细节点提取和匹配方法在处理低质量图像上的不足,首先提出了一种利用复滤波器准确定位指纹图像中心点的方法,克服了传统自动指纹识别中寻找指纹中心点不够精确的缺点。同时提出了一套基于轮廓的指纹特征提取和匹配算法,此算法利用指纹的总体结构特征,提高了匹配的正确率。实验结果表明,该算法具有相当高的识别率和较强的鲁棒性。     

基于蝙蝠算法的位置指纹定位技术的研究

为了改进室内位置指纹定位技术存在离线阶段工作量大、定位精度有限、鲁棒性较差的缺点,提出了一种基于蝙蝠算法的位置指纹定位技术的方法。该方法利用中点插值法和信道衰减模型自动生成指纹数据库从而代替了离线训练阶段,实现了定时自动更新数据库的功能,并且将[K]近邻算法和蝙蝠算法结合应用于匹配算法的阶段,最终实现定位功能。该方法与传统位置定位技术相比降低了整体定位的工作量,能快速应对环境变化对定位结果的影响,最后在给定的仿真环境下进行了定位性能的测试,结果显示该方法较其他算法相比平均定位精度大约提高了23.14%,绝大部分的盲节点的定位误差范围在1.5 m以内,显示出在定位精度、鲁棒性和适应环境变化方面的优势。     

基于宏观曲率的指纹特征提取和分类

特征提取是在自动指纹识别系统中重要的一步。为了有效地利用大量的指纹弯曲信息对指纹进行描述，提出了一种新算法。该算法通过综合邻近几条指纹脊线的信息，求出了一种能反映指纹宏观弯曲规律，并对单条指纹曲线的不规则不敏感的特征。随后提出了一种基于这些特征的指纹分类方法，实验结果表明，该算法提取出的特征清楚的描述了 纹脊线的弯曲规律，同时对噪声不敏感，可作为指纹识别的辅助特征。新的分类方法可以减少指纹匹配的搜索空间。