Environment Adaptive Localization Method Using Wi-Fi and Bluetooth Low Energy

Received signal strength indicator (RSSI) based fingerprinting techniques for indoor positioning can be readily implemented via a wireless access point. These methods have therefore been widely studied in the field of positioning. However, fingerprinting suffers low accuracy of positioning on account of high noise occurrences which are caused by other wireless communication signals and environmental factors when the RSSI is received, and by relatively high errors on account of low position resolution compared to other methods such as time of flight and inertial navigation technology. In this paper, a modified fingerprint algorithm based on Wi-Fi and Bluetooth low energy applied to the log-distance path loss model is proposed to remove unnecessary Wi-Fi data, and produce the AP database that can be updated depending on the changes of the ambient environment as the indoor area is increasingly complicated and extended. Instead of using the existing fingerprinting techniques of consulting signal strengths as factors that are stored in a database, the proposed algorithm employs environmental variables to which the log-distance path loss model is applied. Therefore, the proposed algorithm has higher position resolution than existing fingerprint and can improve the accuracy of positioning because of its low dependence on reference points. To minimize database and eliminate inaccurate AP signals, the Hausdorff distance algorithm and median filter are applied. Using a database in which environment variables are stored, the results are inversely transformed into the log-distance path loss model for expression as coordinates. The proposed algorithm was compared with existing fingerprinting methods. The experimental results demonstrated the reduction of positioning improvement by 0.695 m from 2.758 to 2.063 m.     

基于改进接收信号强度指示的室内定位算法

为了提高室内环境节点定位精度,针对传统定位算法的不足,提出一种改进接收信号强度指示的室内定位算法。首先通过神经网络对各锚节点接收信号强度的权值进行拟合,得到路径损耗模型的参数值,然后利用最大似然法对未知节点进行定位,最后采用仿真实验测试其性能。结果表明,相对其它室内定位算法,本文算法提高了室内定位的精度,降低了平均定位误差,可以满足室内定位的实时性要求。     

基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100 m×100 m×100 m大型室内场所的一层100 m×100 m×10 m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1 cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。     

Bayesian Fusion for Indoor Positioning Using Bluetooth Fingerprints

This paper studies the use of received signal strength indicators (RSSI) applied to fingerprinting method in a Bluetooth network for indoor positioning. A Bayesian fusion (BF) method is proposed to combine the statistical information from the RSSI measurements and the prior information from a motion model. Indoor field tests are carried out to verify the effectiveness of the method. Test results show that the proposed BF algorithm achieves a horizontal positioning accuracy of about 4.7 m on the average, which is about 6 and 7 % improvement when compared with Bayesian static estimation and a point Kalman filter method, respectively.     

多距融合室内定位算法研究

目前WiFi在室内环境中使用频次高,用户在通过两个相邻AP时会发生AP切换,并累计产生大量WiFi访问日志。WiFi日志中包含定位所需的接收信号强度指示符,在定位系统中直接利用WiFi访问日志中的数据,将极大地简化定位部署复杂度。文中提出了一种在两个相邻AP环境下,基于WiFi日志的多距融合室内定位算法,并通过实验仿真将新算法与路径损耗模型定位方法进行对比。实验结果表明,新算法具有易部署、低成本、低复杂度等特点,当训练样本个数达到300时即可达到稳定定位效果。     

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。     

基于递推最小二乘算法的光纤振动定位系统

为了解决光纤振动定位算法中互相关稳定性差、最小均方收敛速度慢的问题，采用递推最小二乘算法、滑动平均原理、早迟门原理，设计了一套稳定且响应迅速的光纤振动定位系统。光路部分基于双马赫-曾德尔干涉结构，硬件平台以高速采集板结合现场可编程门阵列实现定位。在一段160m的光路上进行重复敲击实验，对取得的振动数据分多段分别计算定位结果，去除最大值、最小值后剩余定位结果取平均值以提高定位精度。结果表明，相对于互相关，递推最小二乘随着迭代次数增加，单次定位结果稳定不会发生偏移，且其定位收敛速度是最小均方的3倍左右；在采样率为10MHz时，系统实际响应时间约0.3s，定位误差范围在±6m，且定位稳定可靠。该研究对于光纤定位系统中定位算法的改进、定位精度的提高是有积极意义的。     

基于WiFi-BP的室内定位算法

针对设备差异性造成信号偏差从而影响定位精度的问题,提出了一种结合BP神经网络和加权质心定位算法的室内定位算法。文中通过离群点检测算法对不同手机的RSSI数据进行清洗,并以清洗后的数据作为BP神经网络的数据源进行模型训练,得到了一种稳定的非线性的BP模型。在此基础上,结合改进的室内定位算法进行室内定位。实验结果表明,文中所提定位算法的均值误差、最小误差和最大误差分别为为0.58 m、0.24 m和1.06 m,定位精度明显高于现有的同类算法。     

多LED照明节点的室内可见光定位方法研究

针对室内复杂环境和室内照明节点拓扑结构对可见光定位精度的影响,基于近似完美三角点测试(APIT)算法设计了一种多LED照明节点的可见光室内定位方法。该方法利用信号传输时间作为节点间距大小的判断凭证,结合APIT定位算法,实现室内可见光定位。仿真结果表明:该定位方法的定位误差在0.24 m左右浮动,在保证了定位精度的基础上,精简了定位设备成本,并提升了定位算法的计算效率,使得定位系统在实际场景中的应用更具稳定性与适用性。     

基于改进粒子滤波的RFID室内目标定位算法

针对于LANDMARC算法的RFID室内定位精度受传输路径影响严重,直接采用粒子滤波自适应性差的问题,提出一种基于改进粒子滤波的RFID室内定位算法。该算法首先利用极限学习机(ELM)拟合阅读器接收信号强度与标签距离之间的非线性关系,构建信号传输模型,筛选邻近标签集;然后采用自适应学习因子优化粒子滤波过程,提高粒子全局寻优能力和收敛速度。仿真实验结果表明,该算法能够有效实现待测标签的RFID室内定位,且定位精度较高,收敛速度较快。     

Novel fingerprinting mechanisms for indoor positioning

As wireless communications and microelectronic technology rapidly develop, diverse applications and services based on smart handheld devices have drawn the attention of researchers. The popularity of Indoor Location Based services and applications has also gradually increased. Therefore, how to improve indoor positioning accuracy becomes a very important issue. Although indoor positioning has been performed using various techniques in recent years, the computational complexity of ensuring positioning accuracy and positioning is an unsolved problem. Current indoor positioning systems typically use only the receiver or the transmitter to obtain the reference point data, and only the K‐Nearest Neighbors (KNN) or Trilateration algorithm is used to perform positioning. Therefore, positioning accuracy is limited by the use of reference point data from a single source and by the positioning algorithm used. The Novel Fingerprinting Mechanisms (NFM) indoor positioning system proposed in this study, however, uses both the receiver and transmitter to obtain positioning data and employs six positioning mechanisms to improve the current positioning accuracy. The experimental results show that the average error distance is 1.18 m in the NFM indoor positioning system. That is the system outperforms both KNN and Trilateration systems, which have average error distances of 1.35 m and 2.23 m, respectively. This study proves that the positioning accuracy is actually improved. Copyright © 2015 John Wiley & Sons, Ltd.     

基于线性内插法改进的室内定位算法

针对室内位置指纹定位技术存在的离线阶段工作量大、定位精度有限、顽健性较差的缺点,提出了一种基于线性内插法改进的指纹定位匹配算法.与传统位置指纹定位技术相比,该算法不仅降低了整体工作量,而且降低了多径效应造成的不利影响.最后搭建实验场景对该算法定位性能进行测试.实验数据显示,该算法与WKNN法相比,平均定位精度大约提高了34.25％,绝大部分待测点的定位误差在0.4 m以内,验证了所提算法在定位精度、顽健性和适应环境变化方面的优势.     

基于自适应Levy飞行的黄金正弦可见光定位研究

为了提高室内可见光定位的精度，采用了基于Levy飞行变异机制、结合自适应移动因子、改进黄金正弦算法的接收信号强度指示可见光定位方法, 将室内屋顶的发光二极管灯按3×3网格状排布，接收到光强信号通过朗伯模型得到未知节点与参考节点的距离，并采用Levy飞行变异机制提升算法搜索空间的多样性，结合自适应移动因子提高算法收敛速度，使得个体更新受局部极值约束力下降。结果表明, 改进算法平均定位误差为1cm，平均迭代次数40次~80次; 改进黄金正弦算法的定位速度和定位精度均得到提升。该研究对室内大型场所实时、快速精确定位有帮助。     

成像型可见光定位系统优化研究

现有室内成像型可见光定位系统多注重定位精度的提高,而忽略了系统的解码识别成功率和定位算法的适用性。表现在：(1)接收端捕获带有模糊效应的图像会导致解码识别率变低;(2)定位系统移动状态下采用单一算法定位,且双灯(dual-LED)算法的旋转角存在非确定性,导致定位精度大幅度变化,甚至定位系统失效。该文首先提出基于条纹宽度比的解码算法,消除人为设定硬阈值的缺陷;然后,提出基于旋转角优化的联合定位算法,利用方向传感器辅助确认旋转角并联合定位;此外,还设计了简易导航功能。实验结果表明,该算法使得解码识别率在1.5 m内可达99%,系统平均定位误差为3.998 cm。     

基于像素距离加权的室内成像定位研究

针对室内成像定位技术受随机噪声的影响较大、定位误差较高的问题,提出了一种基于像素距离加权的室内成像定位技术。在室内屋顶布设多个红外LED,依靠成像传感器获得红外LED信标的像点,将成像点到成像传感器中心的像素距离作为加权因子引入室内成像定位算法中,可以有效地提高室内定位精度。并进行了仿真实验,实验选择4m×4m×3m的空间区域模拟室内环境,当布设的红外LED信标数量为3时,应用改进后的算法可以获得10cm以内的定位误差性能,并且误差波动不超过5cm。另外,随着布设信标数量的增加,定位误差继续减小。改进后的定位算法有效地提高了室内定位的精度以及成像定位算法的普适性。     

基于遗传算法优化BP神经网络的可见光定位

采用接收信号强度(RSS)方法的室内可见光定位 ,因受多径效应及噪声的影响,对距离估计不准确, 定位精度不高。为提高定位精度,本文提出了一种采用遗传算法优化BP神经网络(GA-BP) 的距离估计方法。 先通过遗传算法优化BP神经网络的初始权值,经过优化后的BP神经网络收敛速度快,不易 限于局部最优。 再利用GA-BP神经网络对收发端之间的距离进行修正,使其接近于真实距离。最后使用最 小二乘法解算待 定位点坐标,同时在不同定位范围和不同定位位置下,与传统RSS加权质心方法的可见光定 位结果进行对 比。仿真结果表明,在5m×5m×3m的定位场景中,平均定位误差可以达到0.642 cm。与传统RSS加权质 心方法相比,平均定位精度提高了约96.4%。且在不同定位范围和不 同定位位置下,平均定位误差稳定在 毫米级,尤其不随定位范围的扩大而扩大。有效地提高了室内定位精度和系统应用的普适性 。     

改进指纹强度下的WiFi室内定位算法

目前的室内定位算法利用信号传播模型求出信号强度后直接进行求解定位,使得定位误差较大.为提高定位精度,提出利用信号能量的欧氏距离方法进行加权,然后对改进后的信号强度进行阈值滤波加均值滤波双重处理.定位阶段,在K最近邻算法基础上利用距离的倒数作为加权函数的算法进行定位.经仿真结果表明,改进后的算法相比于一些典型的定位算法,定位精度有较大提高.     

基于RSS的室内可见光差分修正定位算法

可见光通信技术是利用白光LED同时实现照明和通信的新型通信技术,为室内定位技术提供了新的可能.针对可见光通信中接收信号强度RSS随机波动较大的问题,提出一种基于RSS的改进的差分修正定位算法,通过将各个参考节点分别作为差分修正参考节点进行定位修正,规避了设定参考节点权重过大的问题.该定位算法有效地提高了室内定位精度,无需增加额外硬件设备,计算量小,容易实现.仿真结果表明,该定位算法在5m×5m×3m的空间区域中能够实现约15 cm的平均定位误差性能.     

RSS协助的ray-tracing室内定位算法

针对室内定位,当信号受到非视距(non-line-of-sight, NLOS)和多径传播的影响时,本文提出一种接收信号强度(Received Signal Strength, RSS)协助的Ray-tracing室内定位算法,改进已经提出的基于虚拟基站方法的信号到达时间 (Time of Arrival, TOA)和信号到达角度(Direction of Arrival, DOA)室内无线信号Ray-tracing模型,利用信号RSS测量值优化算法,实现TOA、DOA和RSS协同定位,提高室内多径及非视距环境下,无线定位的精度,降低算法复杂度,提高算法处理信号多重散射的能力并降低了对基站的依赖性适用环境更为广泛。首先通过RSS得到信号源可能存在的位置,随后利用Ray-tracing原理并使用虚拟基站,将非视距路径定位问题转化为视距路径定位问题,利用TOA和DOA对直射、透射、反射和绕射情况进行分析建模,最后使用最小二乘法对可能的位置进行筛选,得到信号源的最终位置。仿真结果表明,本算法较改进前拥有更高的定位精度。      

基于朗伯模型参数估计的VLC室内定位优化算法

为实现高精度室内定位,本文设计了一种可见光 通信(VLC)室内定位系统,并通过 结合优化的朗伯模型、码分多址技术(CDMA)、三边定位算法而有效提升了定位精度和系统 扩展性。首先,每个发光二极管(LED)的ID信息经过直接序列调制后加载到LED驱动电路上 ,LED发出带有自身ID信息的灯光信号。在接收端通过光电探测器(PD)接收灯光信号,并 根据扩频码的正交性恢复出ID信息及接收信号强度(RSS),以此提高信道容量并增强系统 抗干扰能力。然后,根据朗伯光源模型,由三边定位算法得出待定位点的定位估计坐标。为 进一步提高精度,引入k最近邻(KNN)思想,采集适当的指纹点并由指纹点信息对每盏灯在 定位估计坐标处的朗伯光源模型参数进行估计,由优化后的朗伯模型计算出精度更高的定位 坐标。在1m×1m×1.35 m的空间区域中,进行本VLC室内定位系统 的实验测试。结果表明,提 出的高精度VLC室内定位系统的平均定位误差降低至2cm左右,其定位精度相比于传统三边 定 位算法提升了30%。此外,该系统方案所采用基于指纹点信息优化朗 伯模型参数的方法具备良好的实用扩展性,可实现广阔的应用场景。