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。     

基于非度量多维标度的室内多标签协同定位算法

与有源标签相比,无源RFID标签成本较小,本文选取后者作为待定位标签。但是由于无源RFID标签之间无法通信,目前大多数传统的RFID定位算法一次只能定位一个标签而无法实现多标签同时定位。针对这一问题,提出了基于非度量多维标度(NMDS)的室内RFID多标签协同定位算法。利用到达相位差(PDOA)法拟合在多径存在环境下的测距误差,将待定位标签之间的距离差欧氏距离与非度量多维标度算法结合,计算出待定位标签的位置坐标。仿真结果表明,提出的算法可以通过一次非度量多维标度计算得到所有待定位标签的坐标,同时定位精度高于经典多维标度定位算法和传统三边定位算法。     

基于WiFi和IMU结合的室内定位方法的研究

针对单一的WiFi定位误差较大的问题,提出了利用IMU人体姿态传感器来辅助WiFi进行室内定位的方案。首先在实验场所建立合适的WiFi位置指纹库,然后利用改进的K-NN算法对终端进行实时定位。同时利用IMU所测得的角度变化和终端前一个位置的坐标来判断终端处于哪一个象限,再和该象限的WiFi指纹库进行匹配计算出终端的坐标,从而不仅缩小了算法的复杂度,也提高了室内定位的精确度。     

多目视觉定位协同引导自动运输车研究

针对自动运输车（AGV）定位范围窄、灵活性差问题提出解决方案并实验验证。采用红色单球作为AGV车体的标志物,基于全局视觉定位技术构建起多个摄像头协同引导自动运输车。利用OpenCV和QT平台实现红色单球识别、多目视场空间扩展、坐标位置映射计算,并将实时坐标信息通过WiFi发送给下位机AGV。自动运输车根据坐标信息计算出运输路径,并且采用分时双反馈闭环算法解决运输过程中标志物被遮挡的问题。实验结果表明：基于红色单球标志物的多目视觉导引自动运输车定位方案具有定位范围大、灵活性好、适用性强的优势。     

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。     

基于网络延迟的P2P路由算法的研究

近年来,P2P计算应用已经超过Web应用而成为占用互联网带宽最多的网络应用.针对目前P2P系统中采用的随机选择邻居节点的方法会降低路由效率以及增大网络开销方面的问题,在分析Chord方法特点的基础上,提出一种改进的Chord构建算法DeChord.从逻辑上相邻的点在物理上也相邻这一原则出发,DeChord采用Chord数据定位算法;利用全局网络定位系统计算节点坐标并以此为依据计算节点间的物理距离,节点加入时充分考虑节点之间的逻辑距离与物理距离的一致性,系统节点总是选择距离自己物理距离较近的节点作为邻居节点;DeChord算法使得节点的路由表的信息能得到及时的更新.DeChord中的邻居节点选择方式可以降低消息路由过程中每一跳的网络延时,从而降低整个消息路由的开销.模拟实验表明,利用该算法建立的P2P系统能大幅度降低数据定位的延时.     

基于双麦克风的室内语音分离与声源定位系统

为了探究利用两个麦克风进行多声源分离和二维平面定位的可能性,提出了一种基于双麦克风的室内语音分离与声源定位系统。该系统根据麦克风采集的信号,建立了双麦克风时延-衰减模型,然后利用DUET算法估计了模型的时延-衰减参数,并绘制了参数直方图。在语音分离阶段,建立了二进制时频掩膜（BTFM）,根据参数直方图,结合二值掩蔽的方法对混合语音进行了分离;在声源定位阶段,通过推导模型衰减参数与信号能量比之间的关系,得到了确定声源位置的数学方程组。利用Roomsimove工具箱模拟室内声学环境,通过Matlab仿真和几何坐标计算,在对多个声源目标分离的同时完成了二维平面中的定位。实验结果表明,该系统对多个声源信号的定位误差均在2%以下,有助于小型系统的研究和开发。     

基于阈值机制与距离校正的WSN改进DV-Hop定位算法

在无线传感器网络的DV-Hop定位算法中,未知节点定位只考虑离它最近的锚节点的平均跳距,用它乘以跳数代替真实距离去进行定位,会导致较大的定位误差。针对DV-Hop算法以上的不足,本文提出了一种精度较高的基于阈值机制与距离校正的DV-Hop改进算法TMCD-DV-Hop。改进算法首先计算跳数阈值,考虑最近锚节点之外的其他锚节点在局部范围和全局范围的影响,依据阈值选择最优的校正平均跳距来估计距离,并对参与定位的单跳通信半径内的锚节点进行组合优化后,采用质心算法得到一个估计坐标,同时利用加权最小二乘法得到另一个估计坐标,最后以两个估计坐标的算术平均值作为未知节点的定位坐标。仿真实验表明,在同等网络环境中,改进后的TMCD-DV-Hop算法较DV-Hop算法更能有效地降低定位误差,提高定位精度。     

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。     

基于阈值筛选的室内定位优化算法

针对室内超宽带（Ultra-Wide Band, UWB）的定位技术在复杂遮挡的环境下定位效果不好、定位不精确的缺陷,本文提出一种在Chan算法的基础上对粒子群算法进行优化的混合算法定位方法。首先利用Chan算法求出定位标签初始估计位置坐标,并在非视距（NLOS）环境下通过设置阈值θ以对Chan算法计算出的位置坐标进行筛选;将已知的基站接收到的距离差与用Chan算法求出的标签位置信息求出的不同基站间的距离差做差值和,若差值和小于该阈值则直接输出位置坐标,反之则将位置坐标作为粒子群算法的初始值,通过迭代优化不断追踪个体极值和局部极值,更新个体的位置和速度,寻找到全局最优解再进行输出。仿真结果与实际场地实验结果表明,与单一算法相比,本文提出的混合定位算法在非视距环境下的定位精度可提高27%~31%;收敛速度快,算法复杂度低,满足室内定位的要求。     

基于粒子滤波的WiFi行人航位推算融合室内定位

为提高室内定位的精度和稳定性,提出使用粒子滤波融合WiFi指纹定位和行人航位推算的室内定位算法。为减少复杂室内环境对WiFi指纹定位的影响,提出将支持向量机分类与回归相结合的两级WiFi指纹定位算法。在基于智能手持设备惯性传感器的行人航位推算中,为减少惯性传感器的误差以及人随意行走带来的影响,采用状态转换的方法识别行走周期并进行步数统计,提出根据实时加速度数据动态设置状态转换的参数,利用步长和垂直加速度之间的关系以及相邻步长之间的关系,应用卡尔曼滤波进行步长计算。仿真实验中,基于支持向量机的WiFi指纹定位的平均误差比最近邻居(NN)算法降低34.4%,比K最近邻居(KNN)算法降低27.7%。改进的行人航位推算的性能优于常用代表性计步软件和步长计算算法,而经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹:直线行走平均误差为1.21 m,优于WiFi的3.18 m和航位推算的2.76 m;曲线行走平均误差为2.75 m,优于WiFi的3.77 m和航位推算的2.87 m。     

一种基于BP-GA的室内定位模型

使用BP-GA算法相结合的方法来作为室内定位模型的主要定位算法,在得到初始坐标后利用泰勒级数定位算法优化得到最终待测点坐标。该算法很好地减弱了室内环境对定位精度的影响,并且具有较高的精度。仿真实验验证了该模型的有效性。     

基于二次加权的LANDMARC景区改进定位算法研究

针对景区地形复杂导致定位精度低的问题,在传统的LANDMARC室内定位算法基础上,提出了一种基于二次加权定位的改进算法,以解决景区中部分参考标签不能均布地复杂定位问题。首先,该算法通过一次加权定位求出待定位标签坐标;然后,将第一次求得的待定位坐标分别与参考区域的顶点连接,将参考区域划分为k个三角形区域,再分别求出这k个三角形内切圆的圆心;最后,以k个圆心作为最邻近参考坐标,通过设定二次加权系数,从而计算出更精确的待定位标签坐标。本文以某典型景区进行定位实验,实验仿真结果表明,改进后的定位算法在复杂的景区环境中,相比传统的一次加权定位算法,定位精度提高了10.6%,这说明其在复杂景区中具有更好的适用性。     

基于RSSI测距的WiFi室内定位算法研究

考虑AP(接入点)部署高度对定位精度的影响,提出了一种消除高度影响的加权质心定位算法.首先对采集的RSSI(接收信号强度指示)进行高斯拟合和Kalman滤波,根据室内信号传播模型得出终端与AP的距离;然后用几何方法对垂直距离做了消除,得出AP和终端的平面距离;最后用消除高度影响的加权质心定位算法计算位置.对于多层建筑物,还提出了一种楼层识别方法,结合二维平面定位构成近三维室内定位算法.在实验楼内用以上方法进行楼层识别,识别率可这100％.在大型教室进行定位实验,结果表明:改进后的算法相比传统定位算法在精度和稳定性上都有一定的提高.     

基于手持设备的室内定位系统设计与实现

为解决无法在室内使用GPS的问题,设计并实现了基于常用手持设备(如手机、平板电脑)的室内定位系统。系统融合了传统的惯性定位方法和基于WiFi信号强度定位方法,易于搭建,仅需一个包含惯性传感器、电子罗盘、WiFi扫描的手持设备。提出了惯性定位中的路径匹配算法和WiFi信号定位方法中的位置估计算法。经实际测试,系统定位精度小于4m。     

基于D-S证据理论的室内组合定位算法

在非定位系统部署信标的大体量场区环境下,针对基于位置的服务（LBS）的室内定位需求问题,提出了一种基于D-S证据推理理论的无线局域网/惯性测量组件（WiFi/IMU）组合定位算法。该算法首先建立各接入点（AP）单点的信号强度传输模型,并利用卡尔曼滤波对接收到的信号强度指示（RSSI）值进行去噪修正处理;然后通过D-S证据理论对实时采集的WiFi信号强度、偏航角、各轴加速度的多源信息进行融合处理,选取可信度高的指纹区块;最后通过加权K近邻（WKNN）算法得到终端估算位置。单元场区仿真实验结果显示,最大误差2.36 m,综合平均误差1.27 m,验证了该算法的可行性与有效性;且误差累计概率分布在小于等于典型距离时为88.20%,优于惩罚参数C支持向量回归机（C-SVR）的70.82%和行人航迹推算（PDR）算法的67.85%。进一步地,算法在全场区实际实验中也表现出了良好的环境适用性。     

室内WiFi信号探测设备的设计与实现

WiFi无线技术应用极为广泛,是办公室、餐厅、酒店、商场等公众场合的必备。企业和家庭用户设立了大量的无线热点,增加了WiFi热点管理的难度。该文使用树莓派和esp8266单片机,设计与实现了室内WiFi信号的探测设备。它通过测量信号强度rssi值,计算WiFi热点的距离,然后使用三角定位方法,计算各个WiFi热点的坐标值,使用图形界面显示各个WiFi热点的位置。该设备应用了热门的树莓派主板,使用Python编程,通过树莓派GPIO端口控制传感器和读取数据,加速了设备的开发过程,基本实现室内WiFi信号的探测功能。