一种针对未知发射功率的室内定位优化算法

在基于接收信号强度的室内定位中,未知的发射功率会降低网络的定位性能。为了解决这一问题,根据室内环境中接收信号强度的特性,提出了一种新的的室内定位优化算法。该算法将发射功率表示成一个未知变量,通过将公式中的非线性项进行线性逼近,将非线性的定位问题转化为一个线性优化问题,并采用最小二乘法求出目标节点的坐标。仿真和实验结果表明,在发射功率未知的情况下,提出算法要明显优于传统的定位算法,具有很好的定位性能。     

基于无线传感器网络的室内停车场定位系统

在大型停车场中,对车辆的准确定位可以帮助用户快速找到车辆所在位置.不同于室外定位,GPS很难被应用于室内停车场中对车辆进行定位.本文提出的定位方式则使用成本低,体积小的无线传感器节点组成的无线传感器网络(Wireless Sensor Network)对车辆进行定位.针对室内停车场特点,在对现有测距技术进行了详细的分析和评估后,该系统采用了一种基于RSS的定位算法.针对于无线传感器网络节点运算能力有限的特点,该系优化了为定位算法,保证其实现简单,运行高效.同时,针对于无线传感器网络的能耗限制高的特点,该系统还将设计的定位算法与MAC协议相结合,并分析其能耗效率.     

基于球面坐标的目标定位位置的封闭解算法

针对无线传感网络WSNs(Wireless Sensor Networks)的三维目标定位问题,提出基于接收信号强度RSS(Received Signal Strength)和到达角度AoA(Angle of Arrival)混合目标定位RATL(RSS and AoA-based Target Localization algorithm)算法.RATL算法融合了RSS和AoA观察值.通过将笛卡尔坐标转换球面坐标,并充分利用AoA测量值的优势,RATL算法建立测量值与未知目标位置间的关系,进而获取简单、封闭解.相比于现在算法,RATL算法并不要求更多松驰.实验数据表明,RATL算法比同类算法的复杂度低、定位精度高.     

基于独立成分分析与核典型相关分析的WLAN室内定位方法*

接收信号强度(Received Signal Strength, RSS)在WLAN室内定位环境中存在时变特性,降低了WLAN定位环境中RSS信号和位置信息之间的相关性,致使定位精度降低。针对这一问题,该文提出通过利用独立成分分析(Independent Component Analysis, ICA)对RSS信号进行数据降维和去相关处理,提取独立分量;然后采用核典型相关分析(Kernel Canonical Correlation Analysis, KCCA)来提取独立分量与位置信息之间的典型相关特征;最后结合传统定位算法如加权K近邻法(Weighted K Nearest Neighbors, WKNN)、支持向量机(Support Vector Machine, SVM)算法实现定位。实验结果表明,传统定位算法WKNN算法、SVM算法通过运用ICA与KCCA特征提取后再进行定位其定位精度得到提高。     

基于UKF-RSS在线建模的WSN节点跟踪定位算法

在传感器网络中（WSN）锚节点负责接收GPS定位信号,但其使用寿命受能量约束,为了提高传感器网络的生存周期和定位精度,提出基于无迹Calman滤波（UKF）和传感器网络锚节点RSS在线建模的WSN定位算法,实现高效资源管理和利用方式。该算法主要包括位置预测和目标定位两个步骤,利用UKF算法对目标节点的下一位置进行预测,选择开启距离预测位置最近的几个锚节点,关闭无用锚节点,有效降低网络能耗。利用锚节点之间相互信号强弱基于RSS对开启锚节点周围的距离与RSS信号强弱关系进行建模,降低RSS算法对环境的依赖度。实验结果表明该算法能够有效对锚节点的开启/睡眠进行管理,并可降低环境依赖性,从而实现负载均衡降低能耗和提高定位精度的效果。     

基于WSNs的RSS无源被动定位算法评述

与传统有源定位技术相比,接收信号强度(RSS)定位技术无需目标携带任何电子标签,在需快速部署、紧急救灾等方面的应用前景广阔.阐述了RSS无源被动定位原理;详细介绍了RSS无源被动定位技术的几种定位算法;总结了当前算法存在不足之处,并展望了RSS无源被动定位技术的研究趋势.     

基于RSS手指模的煤矿井下WLAN定位方法

到达信号强度(RSS)手指模定位技术已广泛应用于室内定位技术,提出了适用于煤矿井下由于电磁波多径效应而变得复杂的环境的RSS手指模定位算法。通过对煤矿井下电磁环境信息的采集,对采集到的信息进行处理,使用贝叶斯公式法估计出概率较大的3个位置,然后再使用最邻近法的欧几里德距离估计出位置。通过对实验数据的统计分析,仿真结果表明:提出的基于RSS手指模改进的融合算法的节点定位精度要比K邻近法的定位精度要高,定位性能要优越。     

基于人工神经网络的室内定位算法研究

随着信息技术的发展,物联网产品得到大量的应用。由于全球定位系统（GlobalPositioningSystem,GPS）技术和蜂窝网的大量运用,室外定位技术已经相当成熟。但是室内定位技术的研究还不是很深入。本文基于高精确度的室内定位研究目的,采用基于GRNN的人工神经网络方法,拟结合室内接收信号的强度指示（Received Signal Strength Indicator,RSSI）值与实际距离取值的映射关系,通过结合ZigBee技术进行算法仿真实验,得出良好的室内定位结论,从而有利于提高室内定位精度。     

一种基于未知发射功率的室内定位优化算法

在基于RSSI的室内定位中,未知的发射功率会降低节点的定位性能。针对实际应用中发射功率未知的问题,基于真实室内环境下RSSI的变化情况,提出了一种基于未知发射功率的室内定位优化算法。该算法将发射功率看成一个未知的变量,把一个定位问题转化为一个非线性优化问题,并通过将其中的非线性项进行线性逼近,最终采用最小二乘法求出了目标节点的坐标。仿真和实验结果表明,提出的算法在发射功率未知的情况下,要明显优于传统的定位算法,具有很好的定位性能。     

无线传感器网络定位问题分析

GPS已经成为室外环境中一项非常成功的定位技术,但是受成本、环境以及安全性等因素的约束,在某些领域还无法使用,并且大规模部署GPS设备也不是一种经济的做法.目前大多数的定位系统都需要有线基础设施的支持,而随着社会以及计算技术的发展,人们对以一种Ad Hoc的方式来进行定位的要求越来越强烈.以一种经济的方法来实现Ad Hoc方式的定位问题吸引着越来越多研究人员的关注.主要分析了基于分布式定位算法的无线传感器网络定位问题.     

基于ZigBee的博物馆参观引导系统

目前人们在室外可以很精确地利用手机GPS功能规划自己的行程线路,但是室内环境复杂,存在多径现象,GPS很难在室内环境下定位。在前人对ZigBee室内定位的研究的基础上,利用指纹定位算法的原理,将ZigBee的室内定位技术应用于游客参观博物馆的场景中。系统采用ZigBee无线局域网,利用接收信号强度指示（Received Signal Strength Indication, RSSI）值及指纹定位算法,借助GPRS模块传输数据,利用数据库服务器处理数据,并通过安卓APP监控数据,使得游客在博物馆中的位置信息能及时地在APP上显示,同时根据游客在博物馆中位置,将游客参观的展品的信息推送给游客。测试结果表明,系统运行良好,基本符合预期要求。     

基于KNN算法的指纹室内定位技术研究

针对室内环境进行定位容易造成信号丢失问题,提出了与距离无关的Amorphous定位算法,解决了基于距离相关的RSS定位算法中定位节点遗漏问题。通过选择不同的节点部署方案、不同的通信模型对Amorphous定位算法进行仿真分析表明,Amorphous算法具有定位精度高,通信开销小和覆盖全面等优点,适用于无线传感器网络的室内定位技术研究。     

基于802.11的室内定位算法研究

研究了在基于802.11的系统中,如何通过信号强度进行移动设备的室内定位。在研究并实现最大群中心定位算法MCCPA的基础之上,给出了一种利用移动终端的历史位置信息对定位结果进行修正的室内定位算法(MMCCPA)。其主要思想是,在给定前一时间使用者所在位置的条件下,将使用者出现在特定范围的概率列入考量加以修正,并作为对环境因素影响的调整,这样不仅减少计算量,而且明显提高了位置估算的正确率。     

基于RFID的室内定位算法

随着普适计算研究的不断发展,更多的应用需要知道物体的位置信息,而原有的定位技术无法满足室内定位的要求,室内定位技术已经成为研究热点.文章简要介绍了将RFID应用于室内定位的LANDMARc算法和VIRE(虚拟标签消除)算法,并针时VIRE算法存在的问题提出了一种基于拉格朗日插值的改进算法.最后的实验结果表明,与VIRE算法相比,改进算法的定位精度提升5%到50%.     

基于智能切换算法的室内外无缝定位技术研究

为了实现室内外环境下的无缝精准定位,提出一种基于计数以及阈值机制的智能切换算法,避免了定位系统反复切换造成的运算量浪费,同时降低了智能手机的能耗,实现了室外全球定位系统(GPS)卫星定位技术和室内Wi-Fi位置指纹定位技术的无缝连接.在室外环境中利用GPS卫星定位技术进行定位,在室内外交界处切换到GPS/Wi-Fi融合定位算法,进入室内后切换到Wi-Fi位置指纹定位算法.基于真实的实验室场景进行了实验,实验数据表明:提出的算法能够很好地满足室内外无缝定位需求.     

一种RSS和CSI融合的二阶段室内定位方法

针对基于接收信号强度RSS(Received Signal Strength)或信道状态信息CSI(Channel State Information)的室内定位方法在现实环境中定位精度低的问题,提出一种RSS和CSI融合的二阶段室内定位方法.离线训练时采集数据构建指纹库;在线测试时首先利用RSS和改进的k最近邻kNN(k-NearestNeighbor)算法进行位置粗略估计,然后根据粗略估计结果筛选参考点构建子指纹库,最后使用高斯核函数改进的k最近邻算法进行位置精确估计.将该定位方法在室内复杂环境和空旷环境两种环境中进行实验验证,定位精度分别达到72.4％和75.9％,并将本文方法与两种现有的经典定位方法DeepFi和Horus在同一环境中进行比较,实验结果表明该方法能够有效地减小定位误差、提高定位精度.     

自适应AP选择无线室内定位算法

针对接收信号强度的无线室内定位算法中无线接入点（AP）具有相关性和区域性问题,提出自适应AP选择无线室内定位算法。针对AP具有相关性,在线阶段提出基于互信息和信息熵的AP选择算法,联合衡量AP子集内所有AP间的相关性,搜索包含有效位置信息最多的AP子集。对于AP的区域性问题,离线阶段对参考点高斯邻域内原始RSS采样数据进行最小二乘高斯曲线拟合,并提出优先度函数衡量AP性能。最后,采用KL散度实现待定位节点位置估计。与WKNN、MLE算法相比,该算法有效地提高了无线室内定位精度。     

基于异步优势动作评价的RFID室内定位算法

针对现有的RFID室内定位算法的精度容易受到环境因素影响的问题,提出了一种基于异步优势动作评价(Asynchronous Advantage Actor-critic,A3C)的RFID室内定位算法。该算法的主要步骤为:1)将RFID的信号强度RSSI值作为输入值,多个线程子动作网络并行交互采样学习,利用子评价网络评价动作值的优劣,使模型不断优化,找到最优信号强度RSSI值,并训练定位模型;子线程网络定期将网络参数异步更新到全局网络上,全局网络最后输出参考标签的具体位置,同时训练得到异步优势动作评价定位模型。2)在线定位阶段,当待测目标进入待测区域时,记录待测目标的信号强度RSSI值,将其输入异步优势动作评价定位模型中,子线程网络从全局网络中获取最新定位信息,对待测目标进行定位,最后输出目标的具体位置。实验数据表明,基于异步优势动作评价的RFID室内定位算法与传统的基于向量机(Support Vector Machines,SVM)定位、基于极限学习机(Extreme Learning Machine,ELM)定位、基于多层神经网络定位(Multi-Layer Perceptron,MLP)的RFID室内定位算法相比,定位平均误差分别下降了66.114%,50.316%,44.494%;定位稳定性分别平均提高了59.733%,53.083%,43.748%。实验结果表明,基于异步优势动作评价的RFID室内定位算法在处理大量室内定位目标时具有较好的定位性能。     

基于RFID的室内定位算法研究

基于位置的服务带动了无线定位技术的研究与应用,基于RFID的室内定位技术具有非接触、非视距的优点,逐渐成为室内定位的首选。介绍了RFID定位系统的基本原理,探讨了当前常用的RFID定位算法的工作原理,并对几种算法进行了比较。     

基于WiFi的室内定位系统实现

随着人们对基于位置服务需求的增加,使用GPS、RFID等技术的定位系统已不能满足一些室内位置服务的需求。由于WiFi技术不断升级和内置WiFi模块终端设备的普及,WiFi室内定位系统成为当前研究的热点。笔者主要介绍了利用手机的WiFi模块和Android平台,测量待定位区域并建立信号位置指纹数据库,采用相关算法匹配待定位终端的特征信号与指纹库,实现终端的室内定位。