基于RSSI的Wi-Fi室内定位常用算法对比

WiFi定位是室内定位的方法之一,其观测值主要为WiFi的信号强度(received signal strength indication,RSSI),利用信号强度进行室内定位的方法基本上可以分为两种,一种根据模型计算接收节点与发射节点的距离,估计接收节点的位置;另一种是根据事先采集的信号强度指纹进行空间匹配。通过在不同场景下对两种定位算法的比较,基于信号强度指纹匹配的定位精度明显高于基于估计接收节点的定位精度,但与指纹匹配法相比,位置估计法更加灵活。     

基于RSSI的室内定位算法

随着生活水平的不断提高,智能设备越来越普及,人们对室内定位的需求越来越高,室内定位技术是指在室内环境下,通过无线终端设备和无线传感器网络来确定用户位置信息的相关技术,文章对基本的RSSI的室内定位进行了分析。     

基于RSSI的精确室内定位算法

无线传感器网络的关键问题是实现节点的精确定位。为了解决基于RSSI的无线传感器网络三角形质心定位算法在有些情况不适用的问题,本文提出一种新型的基于RSSI的精确室内定位算法,此算法提出了虚拟信标节点的概念并用此来修正未知节点位置。实验表明,该算法具有较高的定位精度,能满足大多数的应用场合,具有一定的实用价值。     

基于WiFi的室内定位算法的研究

随着现代社会科技水平的不断提高和通信技术的愈加完善,定位技术受到了用户越来越多的关注.WiFi定位技术具有在室内获取便利、 覆盖范围广、 信息传输速度快和搭建成本低廉等优点而得到了广泛的应用.提出了一种基于WiFi技术的位置指纹定位算法,称为快速定位算法,极大地提高了计算效率,并且仍然能够保持室内定位的精确性.基于此,设计并实现了应用于Android终端的室内定位系统.     

基于RSSI无线传感器网络空间定位算法

RSSI测距技术在实际应用环境中,由于多径、绕射、障碍物等因素,无线电传播路径损耗使得定位过程中产生距离误差.通过对三维空间定位过程中产生距离误差区域进行分析,提出了基于RSSI新的空间定位算法ERSS,该定位算法计算简单,定位过程中节点间不增加通信开销,无需硬件扩展.仿真实验表明该算法较普通的基于RSSI的测距方法定位精度和响应时间有了明显的改进,适合在通信开销小、硬件要求低的传感器网络节点上应用.     

基于随机离散Wi-Fi指纹的室内定位技术研究

近年来,室内定位的需求日益增加,实现室内精确定位成为了学者追求的目标.多个Wi-Fi源发出的信号叠加在某位置点时,会呈现出诸如指纹般的唯一识别特性,这种特性使得使用Wi-Fi指纹对特定对象进行室内定位成为可能.文章首先研究了Wi-Fi指纹信号序列的最佳组成形式,选用适当的筛选算法对指纹信号数据进行筛选.将结果数据的不等...     

基于指纹算法的无线室内定位技术

随着人们对基于位置的服务（LBS）需求日益增大,室内定位逐渐成为用户定位领域的研究热点,而指纹定位因具有定位精度高、普适性强和无需额外设备等优点而受到大多数研究者的青睐。首先详细综述了各种主流室内位置指纹定位技术的定位原理,然后归纳了现有的室内定位算法的原理及发展现状,最后搭建楼宇通道的测试场景,对各种典型室内定位算法进行测试验证和比较分析,为室内定位技术的研究与应用人员提供参考。     

一种基于RSSI的区域重叠质心室内定位算法

为提高基于无线传感网络的室内定位精度,分析基于测距和非测距室内定位算法的优缺点,以常规RSSI算法和质心定位算法为基础,提出了一种基于RSSI的区域重叠质心定位算法.算法通过建立信号传输模型,在未知节点接收信标节点位置信息的重叠区域运用质心算法进行定位.仿真结果表明,与普通质心算法相比,该算法定位效果更加精确.     

基于RSSI测距的室内定位技术

搭建了基于ZigBee技术的室内定位实验平台,以实验室楼道为室内场景进行了接收信号强度(RSSI)测距和定位实验研究。首先对测距实验采集到的数据使用线性回归分析拟合出当前环境的具体测距模型,并对信标和未知节点进行软件开发,实现了基于RSSI的定位算法。经过定位实验精度评估,文中算法的平均定位误差为2.3 m,满足大多室内场景要求。     

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。     

一种改进的RSSI测距定位算法

针对接收信号强度指示(Received Signal Strength Indication,RSSI)定位模型易受环境影响导致测距误差较大的问题,提出了采用天牛须搜索(Beetle Antennae Search,BAS)优化后向传播（Back Propagation,BP）神经网络拟合测距模型,克服了对数衰减模型易受环境干扰、参数取经验值等问题。首先,利用卡尔曼滤波对RSSI值进行校正,将校正后的数据输入BAS-BP网络拟合出测距模型并通过测距模型输出距离值;然后,利用极大似然估计法求解未知节点的坐标。实验结果表明,与BP模型和粒子群优化的BP模型相比,改进方法收敛速度快,定位精度提高更加明显。     

基于节点相关系数的RSSI定位算法研究

针对无线传感器网络中传统的RSSI定位算法定位精度低的问题,在此基础上提出一种基于分布的节点相关     

基于多天线到达相位差的室内定位算法

针对测距式射频识别(RFID)室内定位算法的精确度会受到测距误差严重影响的问题,提出一种基于多天线到达相位差(M-PDOA)的室内定位算法。通过M-PDOA测距方法进行测距,采用三边测量算法对目标标签进行定位。仿真结果显示,本算法的测距平均误差为0.102 7 m,性能提升65.76%;定位平均误差为0.180 7 m,性能提升56.67%,说明本文算法能够有效减少测距误差,并且定位精确度较高。     

一种改进的WKNN匹配算法

在WiFi室内定位方法中,基于接收信号强度(RSSI)离线指纹数据库的加权K最邻近点(WKNN)算法得到了深入研究,但目前的WKNN算法未考虑实测数据维度高、无效缺省数据多等特点,不利于匹配定位精确度的提高。为此,在对实测RSSI指纹向量按照由大到小进行排序的基础上,只选取大于设定RSSI阈值的有效RSSI指纹数据进行后续的匹配;按照欧式距离的统计量自适应调整K值;按照欧式距离的均值,调整高斯权重系数。实验结果表明,与未改进的WKNN算法相比,改进后的WKNN算法定位精确度更高。     

基于RSSI和遗传算法的无线定位方法及其实现

随着无线电技术的发展,无线传感器网络在目标跟踪、环境监测、空间探索等领域得到广泛应用,节点定位技术在无线传感器网络中具有重要地位。文章提出了基于遗传算法的无线定位算法,解决了基于RSSI信号强度的无线定位方法定位精度较低的问题。该算法采用考虑参考节点RSSI信号波动误差的质心算法进行种群初始化,使用基于记忆搜索方向的交叉机制和自适应调整搜索半径的策略,为下一代种群的搜索方向及搜索半径提供有效的指导信息。实验结果表明,该算法的定位精度明显高于典型及改进的极大似然估计定位算法,有效地提高了定位精度。     

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。     

无线传感器网络中基于RSSI的质心定位算法研究

无线传感器网络中,由于传统质心算法普遍存在信标节点分布不均与中心化问题,导致定位误差相对较大。针对这些问题,提出了基于RSSI的改进算法。在APIT的基础上,改进算法依靠未知节点接收到不同信标节点的RSSI数值,判断其周围是否存在最佳三角形,若存在则利用最佳三角形进行定位;若不存在则选出一个距其较近的三角形,利用移动信标节点的办法来缩小此三角形的范围进行定位。Matlab平台仿真结果表明,与传统质心算法相比,改进算法减少了定位误差,节点定位精度有所提高。     

基于改进稳态匹配概率的立体匹配算法研究

针对稳态匹配概率(Steady-State Matching Probability,SSMP)立体匹配算法在处理视差范围大的测试图中产生的空洞现象以及使用该算法后由于右视差图中的错误视差导致的左视差图中正确视差丢失问题,提出一种基于稳态匹配概率和半全局匹配(Semi-Global Matching,SGM)相结合的立体匹配算法。首先使用SSMP算法求取初始视差图。接着,使用基于爬山法颜色分割的填充准则进行填充。然后使用SGM算法重新获取视差图,将两幅视差图中一致的视差信息填充到经过左右一致性检测后的含有空洞的视差图中。最后,使用SSMP算法中的空洞填充和中值滤波得到精化后的视差图。实验结果表明,改进后的SSMP算法在Middlebury测试平台上第2版本的四组图像的平均匹配误差从5.38%减少到5.23%,第3版本部分测试图像的平均匹配误差从24.7%减少到21.5%,该算法能很好地处理上述问题,有效提高匹配精确度,且具有鲁棒性。     

一种改进的ORB图像匹配算法

针对ORB特征匹配算法特征提取稳定性差,匹配精度低的问题,提出一种改进的ORB图像匹配方法。通过小波变换对图像预处理,利用自适应频谱抑制方法提取候选特征点集,再建立多尺度空间模型,筛选具有尺度不变性的精确特征点,并通过BRIEF算子生成特征描述子,最后使用Hamming距离进行特征匹配,完成配准。通过3组图像匹配实验对改进算法的有效性进行验证,实验结果表明,改进算法在兼顾ORB实时性的同时,提高了匹配精度,改善了图像尺度变化较大时特征提取的稳定性。     

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。