基于LANDMARC系统的室内定位算法优化

近年来,基于RFID室内定位技术越来越广泛应用,其中LANDMARC室内定位系统最近邻近算法成为主流算法,针对经典LANDMARC算法中多径效应、噪声随机变量影响以及各种形式的障碍物等复杂环境的存在,使得阅读器读取能力下降,影响最邻近标签的选择,进而使得系统定位精度下降,结合数据融合领域中的表决算法提出一定的改进方案,该改进算法能够克服复杂环境产生的影响,剔除不良标签,更加准确的计算出待测标签的定位位置,相较于经典LANDMARC算法,进一步提高了室内定位的精度及收敛速度。     

基于RFID技术的室内定位算法研究

随着移动通信用户量的日益增长,定位用户位置信息的服务日益成为移动应用的热点领域。目前比较流行的定位服务有全球卫星导航系统(GNSS),全球定位系统(GPS)以及国产的北斗星定位系统。然而在室内封闭环境下,由于卫星信号的衰减,这些定位系统很难进行室内定位定位。文章以RFID射频识别技术为基础,提出了一种全新的室内定位算法,在实际的实验测试当中可以较好地进行室内定位。     

基于参考标签的射频识别室内定位算法研究

针对现有基于RFID的LANDMARC室内定位系统会因外界环境因素导致优良的邻近参考标签丢失、不良的参考标签引入的问题,为此提出了一种改进的最近邻居算法,通过筛选已选取的邻近参考标签,实现最近邻标签的最佳选取。实验结果表明待测标签的定位精度得到有效提高。该算法有效获取到优良的参考标签,从而获得了满意的定位精度和定位性能。     

基于改进粒子群算法的室内可见光定位研究

为了提高现行室内可见光定位系统的定位精度，提出考虑噪声干扰的动态惯性权重及认知因素的改进型粒子群算法。首先，将决定定位精度的欧式距离转换为目标函数最小值优化问题；其次，利用惯性权重动态赋值，增强粒子群算法初期的全局搜索能力和后期的局部搜索能力；然后，利用正弦函数使得个体认知因素值非线性地减小，利用余弦函数使得群体认知因素值线性地增加，以进一步提升定位精度；最后，通过仿真与实验测试对所提定位算法进行验证。仿真测试结果表明，在5 m×5 m×3 m和5 m×4 m×3 m两种定位模型中，在0,0.5,1.0和1.5 m四个高度平面的空间定位平均误差分别为0.65和0.54 cm;实验结果显示，在搭建的1 m×1 m×0.8 m和1 m×0.8 m×0.8 m室内空间中的平均定位误差分别为2.67和1.81 cm。     

基于粒子滤波的RFID室内节点定位跟踪研究

为了解决复杂室内环境下的RFID动态节点定位跟踪问题,文中建立了动态节点的运动模型和信号测量模型。仿真采用基于信号RSSI定位方法,结合运用等边三角形定位算法。由于室内射频信号具有较高的噪声污染,因此首先对采集的信号运用粒子滤波技术进行滤波处理,然后运用高斯粒子滤波算法对室内移动的RFID进行了定位跟踪预测。仿真结果表明该算法可以有效地对室内动态节点进行定位跟踪,精度较高,稳定性好,结果进一步说明高斯粒子滤波能有效地抑制室内射频噪声。     

基于RFID的改进室内三边定位算法研究

RFID技术常被应用在室内定位上,针对其常用的三边定位算法易出错、定位精度不高的问题,提出了改进的三边定位算法,通过多次选取不同的参考标签并结合基于欧氏距离的定位方法,最后以多次求解的平均值为未知点坐标,这样可以提高定位的精度同时降低误差的产生率。通过实验验证了改进的三边定位算法具有较高的可行性、较高的定位精度同时降低了系统的鲁棒性,该方法可以在室内定位上进行应用研究。     

基于粒子滤波的室内机器人定位加速收敛算法

针对现有粒子滤波算法的缺陷,设计了一种改进的粒子滤波算法。该算法通过改善重采样环节,采用随机移动粒子并向目标区域聚集的方案来解决现有算法的粒子退化问题和粒子多样性丢失问题。在正常行走时,它能够通过粒子加速聚集来实现较快的定位收敛。在面临“机器人劫持”问题时,通过粒子群反向扩散的方式来实现机器人的重定位,表现出了很好的鲁棒性和收敛速度。该算法经过仿真和实验测试,结果与预期相符。     

基于改进免疫粒子群优化算法的室内可见光通信三维定位方法

针对室内可见光通信中3维定位精度不高和定位时间较长的问题,该文提出基于改进免疫粒子群(IIMPSO)算法的室内可见光通信(VLC)3维定位方法.通过分析室内多径效应,选取合适的视场角(FOV)以减少反射影响,同时完善了倾斜状态下的定位模型,并采用卡尔曼滤波算法以降低环境干扰对接收功率的影响,在此基础上与改进的免疫粒子群算法相融合.仿真结果表明,在5 m×5 m×3 m的室内环境中,该文所提出的3维定位系统平均定位误差为0.031 m,定位时长为2.3 s.与现有的3维定位系统进行比较,其定位精度与收敛速度均得到明显改善.     

基于改进免疫粒子群优化算法的室内可见光通信三维定位方法

针对室内可见光通信中3维定位精度不高和定位时间较长的问题,该文提出基于改进免疫粒子群(IIMPSO)算法的室内可见光通信(VLC) 3维定位方法。通过分析室内多径效应,选取合适的视场角(FOV)以减少反射影响,同时完善了倾斜状态下的定位模型,并采用卡尔曼滤波算法以降低环境干扰对接收功率的影响,在此基础上与改进的免疫粒子群算法相融合。仿真结果表明,在5 m×5 m×3 m的室内环境中,该文所提出的3维定位系统平均定位误差为0.031 m,定位时长为2.3 s。与现有的3维定位系统进行比较,其定位精度与收敛速度均得到明显改善。

     

基于RFID的室内定位系统研究

RFID技术是一种全新的非接触自动识别技术,是物联网技术进行用户识别和定位处理的前提。文章在简单介绍RFID技术的基础上对基于到达时间、基于到达时间差、基于到达角、基于到达信号强度和基于相位的定位技术进行了分析。分析结果表明基于相位信息的定位系统相比其他系统而言,对硬件要求不高,可操作性强,有较强的抗干扰能力,具有较高的实用价值。     

一种基于无源射频识别标签的消防员室内定位系统

消防员在地下建筑、无窗建筑、大型建筑物内,执行火情控制与人员搜救时,不可避免会遇到浓烟、黑暗、高温、陌生等情况,因此就需要精确的室内定位系统支持,已有的室内定位技术无法满足定位精度和长期部署的需求.本文提出了一种基于无源射频识别（RFID）标签的消防员室内定位系统,通过在消防员头盔内安装可变功率的RFID读写器,并将建筑物内读取的已经过精确标定的RFID标签信息回传到远程服务器进行计算处理,可实现建筑物外指挥员对室内消防员的实时精准定位和指挥功能.     

基于参考标签的射频识别定位算法研究与应用

对基于参考标签的最近邻居定位算法提出了若干改进,提出了动态k值设定的方法,参考标签可信度的概念和最近邻标签偏差校正算法,并采用了目标标签历史轨迹算法.基于多天线的时分复用搭建了室内定位系统,并且依据改进后的算法开发了相应的界面软件.实测表明改进算法的定位精度和在恶劣环境下定位结果的稳定度比原算法有了明显提高.     

DS-TWR算法室内定位批量测距系统的优化研究

针对现阶段基于双边双向测距(double sided two-way ranging,DS-TWR)算法的超宽带(ultra wide band,UWB)室内定位系统存在通信次数较多、多标签环境下冲突率较高的问题,提出了一种改进的算法。该方法通过Hash算法对标签和基站的通信内容进行哈希分布,使得基站在每次测距流程中,能够对多个标签进行有规则的统一回复,大大减少了基站发送RES(responds)数据的次数。结果表明,改进算法后,单个标签和基站的通信次数较传统DS-TWR算法减少了15%,增加了基站接收状态在测距中的时间占比,由此降低了基站在接收RNG(range)数据包的冲突率,测距成功率提高了43.6%。由于每个定位周期内所需要通信次数的减少且数据包之间冲突率的降低,将需要更小的信道容量,由此增加了定位系统的标签容纳量,具有较强的工程意义。     

基于偏度-峰度检验的无线局域网室内定位算法

针对室内无线局域网环境下接收信号强度(RSS,received signal strength)样本总体分布不一致而产生较大定位误差的问题,提出了一种基于偏度-峰度检验的室内定位算法.利用偏度-峰度检验法检验RSS样本是否来自正态总体,接受零假设的样本用正态分布近似其总体分布,拒绝零假设的样本用核函数估计其概率密度.实验结果表明提出算法的定位精度比传统算法提高15％以上,而且在相同的定位精度下,能明显降低离线阶段的工作量.     

Deep learning methods for fingerprint-based indoor positioning: a review

ABSTRACT

Outdoor positioning systems based on the Global Navigation Satellite System have several shortcomings that have deemed their use for indoor positioning impractical. Location fingerprinting, which utilizes machine learning, has emerged as a viable method and solution for indoor positioning due to its simple concept and accurate performance. In the past, shallow learning algorithms were traditionally used in location fingerprinting. Recently, the research community started utilizing deep learning methods for fingerprinting after witnessing the great success and superiority these methods have over traditional/shallow machine learning algorithms. This paper provides a comprehensive review of deep learning methods in indoor positioning. First, the advantages and disadvantages of various fingerprint types for indoor positioning are discussed. The solutions proposed in the literature are then analyzed, categorized, and compared against various performance evaluation metrics. Since data is key in fingerprinting, a detailed review of publicly available indoor positioning datasets is presented. While incorporating deep learning into fingerprinting has resulted in significant improvements, doing so, has also introduced new challenges. These challenges along with the common implementation pitfalls are discussed. Finally, the paper is concluded with some remarks as well as future research trends.     

射频识别动态定位方法

提出一种新型的通过参考标签和移动RFID射频读写器进行定位的方法。该定位方法的主要优点是不需要记录任何测量信息如TOA、RSSI等,而是通过移动读写器,不断对目标标签和参考标签进行读取,经椭圆还原算法对读区域进行还原,最终以交集计算实现定位。该方法思路简单,但实现了较高精度的RFID室内定位。实验结果表明,该定位方法的精度可在最小的参考标签单元格内（可到达数十厘米级）。同时建立的原型定位系统具有成本低、易于部署等特点,存在应用于大规模RFID仓储定位管理的可行性。     

基于改进粒子滤波的GPS接收机自主完好性监测算法

针对基本粒子滤波重采样过程中粒子权值退化和多样性丧失的问题,将遗传算法引入基于神经网络的权值调整粒子滤波算法中,结合了遗传算法全局寻优的收敛性与神经网络局部寻优的快速性优点。将提出的算法与对数似然比方法结合用于GPS接收机自主完好性监测,通过建立一致性检验统计量实现对故障卫星的检测与隔离。通过采集实测数据进行验证,结果表明:该算法可以成功检测和隔离故障卫星,其性能优于基于基本粒子滤波的接收机自主完好性监测,验证了该算法应用于GPS接收机自主完好性监测的可行性和有效性。