基于阵列天线和稀疏贝叶斯学习的室内定位方法

由于多径和非同源等因素的影响,传统基于蓝牙信号强度的室内定位方法的性能精度和稳定性都不高。针对基于蓝牙信号的复杂室内环境定位问题,该文提出基于低成本阵列天线的室内定位方法,该方法利用单通道轮采极化敏感阵列天线对蓝牙信号进行采样,然后结合暗室测量获得的准确阵列流形和极化快收敛稀疏贝叶斯学习(P-FCSBL)算法实现信源的角度估计,最后通过角度实现定位。该方法充分利用极化信息和角度信息来实现目标和多径信号的分离,同时对单信源的同时采样保证了估计的稳定性。最后通过实测数据处理验证了该方法的有效性。

     

普适计算中定位服务的参考点选择及误差分析

通过分析多边定位法在未知节点的定位过程中产生的定位误差,提出并证明了有关定位参考点布置的三个定理,使在普适计算环境中可通过有针对性地布置参考点的位置来减小未知节点的定位误差.在此基础上提出定位参考点选择算法,该算法以参考点间的位置关系为基础,通过选择合适的参考点对未知节点进行定位.仿真实验结果表明所提出的定位参考点布置定理及选择算法能满足普适计算环境中移动对象实时定位的需求,并具有较高的定位精度.     

普适计算中定位服务的参考点布置及选择算法

如何准确地获得未知移动节点的位置信息是普适计算环境下定位服务要解决的关键问题.本文通过分析多边形定位法在定位过程中产生的定位误差,将混沌动力学的三大特性很好地运用到参考点的摆放问题上,提出并证明了定位参考点布置的三个定理.在此基础上,对传统多边形定位算法进行了改进,提出了定位参考点选择算法.仿真实验表明本文所提出的参考点布置定理及定位参考点选择算法能更好地满足对普适终端实时定位的需求,且具有较高的定位精度.     

基于Fang算法的TDOA室内定位技术

传统基于全球定位系统(GPS)的定位技术应用,已在室外环境下为人们提供了许多便利。随着近年来人们生活水平的不断提高,大众对定位的诉求已不仅限于室外,在智慧商场、企业人员智能管理、校园智能管理等场景,要求对室内用户进行定位监测,而传统的GPS定位精确度有限,在室内已无法应用。目前室内定位常用的技术有红外线、蓝牙、Wi-Fi以及基于室内移动网路的无线定位等,无线定位则是其中的热点。本文介绍了一种基于室内分布式基站,运用Fang算法实现到达时间差(TDOA)定位的技术研究,并对其定位精确度进行了探索。     

TRM-FMM室内无线定位技术

在室内多径环境下信号视距传播易受障碍物影响,导致现有的一些室内定位技术对室内环境分布的估计较为困难。时间反转镜( TRM)室内无线定位技术可以有效地减少室内多径效应对信号的影响以及复杂环境造成的延时。但是,若没有信号传输信道的信息,常规TRM技术的定位精度就会大打折扣。针对该问题,给出了一种基于快速行进算法( FMM)的TRM室内无线定位方法。该方法首先利用FMM和同时代数重建算法( SART )迭代更新计算室内环境分布,然后使用估计结果进行TRM定位。仿真结果显示,对于小型规模的目标物体定位误差约为1.84 cm,在未知室内信道信息的仿真环境下,该方法比常规TRM技术的定位精度提高约32.90倍。     

一种基于位置指纹的室内WLAN定位方法

针对室内信号时变性导致定位不准的问题,提出了一种改进的3阶段位置指纹定位法。采样阶段,将采集信号的坐标、方位、接收信号强度的高斯分布及其对应的无线接入点等信息存储在数据库中生成位置指纹;在校正阶段中,利用参考点间信号强度的关联性信息,使用局部加权线性回归法,计算出一些虚拟点的信号强度;最后是线上实时定位阶段。通过与传统的加权K最邻近算法、直方图和联合聚类等3种定位方法相比较,该算法在同样的场景下可以取得更好的定位精度。     

利用现有无线局域网进行室内定位算法研究

目前,多种WiFI室内定位方案被提出,但是往往需要重新部署无线AP,造成成本和复杂度上升。本文充分利用现有无线局域网的拓扑结构进行室内定位研究,提出了一种自适应网络变化的WKNN指纹算法,该算法通过实时监控无线AP的匹配数,自动根据位置适应网络变化,定位精度明显提高。在此基础上,为了减少无线信号不稳定引起的定位误差,提出了一种新的数据修正方法,该方法根据移动平均速度动态预测标准,动态调整a参数将预测坐标与实测坐标加权,从而得到最终定位坐标。最后,算法在实际环境中验证表明,利用现有无线局域网的自适应网络算法和数据修正使定位获得了33.5%的误差改善。      

室内定位技术及应用综述

室内定位技术作为当前的研究热点,对军事、经济以及人们的日常生活产生了深远的影响。文中首先介绍了室内定位技术的应用背景以及发展方向,以及室内环境进行定位面临的主要难点。然后介绍了目前主要的定位算法,包括邻近信息、场景分析和几何定位算法,以及各种算法衍生出来的各种定位技术。最后指出了室内定位技术亟待解决的问题,以及下一步进行相关研究的突破口。     

基于RFID技术的室内定位算法优化方法研究

随着无线通信、物联网和计算机技术的蓬勃发展,室内无线定位技术正逐渐受到越来越多人的关注。在研究了几种基于射频识别技术的室内定位算法基础上,提出改进算法—基于牛顿插值和信号强度衰减模型插值的BVIRE定位算法(NTOR_BVIRE)。实验结果表明,改进算法在不额外增加参考标签的前提下,定位精度得到提高,达到了预期效果。     

基于压缩感知的室内多目标无线定位算法

针对现存无线传感器网络定位算法中需要采集、存储和处理大量数据导致运算量较大与能耗过高的问题,提出了一种改进的基于贝叶斯压缩感知的多目标定位算法.该算法利用锚节点对监控区域的划分,结合贝叶斯压缩感知理论将多目标定位问题转换为稀疏信号重构的问题.针对传统观测矩阵难以实现的缺陷,该算法中改进观测矩阵的设计可实现且与稀疏变换基相关性较低,进而使得算法的重构性能较高,从而降低了定位的误差.仿真结果表明,与现有的一些方法相比,所提算法在保证较低的计算复杂度的情况下更加充分地利用了网络节点,有效提高了定位精度,同时具有较强的鲁棒性.     

面向InSAR稀疏控制点测图的同名点提取方法

同名点(Homologue Points, HPs)的自动提取是实现InSAR测图自动化的关键步骤之一。基于干涉相位质量约束,该文从特征匹配的思路出发,提出一种以质量图导引的同名点提取新方法。该方法利用SIFT (Scale Invariant Feature Transform)和SURF (Speeded-Up Robust Feature)实现不变特征检测,并结合干涉优化准则采用三重约束的筛选法自适应地提取满足测图要求的HPs,且不需要任何人工干预。通过对分辨率不同、尺度缩放不同、仿射变形不同、旋转变换不同以及增益差异的同航带和相邻航带相邻影像的大量实验,验证了该文方法的有效性。     

传感器辅助的WiFi指纹室内定位方法

针对Wi Fi指纹室内定位技术中信号传播时变性大导致定位精度低的问题,提出一种传感器辅助的Wi Fi指纹定位方法。首先根据移动终端内置的加速度传感器判断用户的走步状态,以减少信号时变所引起的定位误差;然后利用终端中的磁力计与陀螺仪,通过传感器融合来计算用户的运动方向。最后结合所得的方向信息和历史位置计算终端位置,以减少指纹图中与终端反向的指纹带来的干扰,从而减少指纹匹配计算的复杂度。实验结果表明,提出的传感器辅助Wi Fi指纹定位技术能减小位置估计误差并提高定位的鲁棒性。     

一种基于GMM-Boost的室内定位方法

针对高斯混合模型在模型训练之前无法确定最佳采样点组合方式以及无法确定最佳分布元个数的问题,提出一种基于GMM-Boost的WLAN室内定位方法.首先,采用第二类斯特林数枚举采样点组合方式,比较不同组合方式下高斯混合模型平均定位准确度,进而确定最佳采样点组合方式.其次,针对每一种样本标签数,采用贝叶斯信息准则(Bayesian Information Criterion,BIC)选择高斯混合模型最优分布元个数.最后,结合Adaboost算法对高斯混合模型进行定位准确度提升.分析结果表明,该算法在定位误差为2 m时定位准确度为71.2％,在小样本量情况下可以获得较低的平均定位误差.与其他算法相比,该算法具有较好的定位准确度和泛化能力.     

一种基于粒子滤波的多源融合室内定位方法

室内定位技术作为社会各行业迫切需求的科技服务,尚无公认完善的解决方法。由于单一技术的定位方法不可消除其固有缺点,多种定位技术融合提升的方法是实现高精度室内定位的重要研究方向。本文面向日益复杂的室内环境,提出一种多源融合室内定位方法,将深度置信网络与 RSSI 指纹定位方法相结合实现粗略定位,同时使用行人航位测算技术完成行人航迹预测。然后运用粒子滤波器将粗略定位结果与预测的行人航迹信息相融合,提升了传统 RSSI 室内指纹定位技术的精确度与实时性。     

基于TDOA 的室内定位系统中多径抑制方法

多径传播能显著降低基于到达时间差(TDOA)的定位精度。文中介绍了一种使用波束指向圆极化天线(BSCPA)抑制室内多径传播的方法。BSCPA 由一个波束开关网络、四个相同的六边形贴片单元及其馈电网络组成。通过控制波束开关网络中的射频(RF)开关的状态,可以分别激励四个指向圆极化波束以实现方位角全向覆盖。根据BSCPA 的指向波束和圆极化,可以减轻由室内多径造成的定位误差。在面积为10. 8 m×6. 6 m、视距(LOS)、复杂多径的室内环境中,当测试信号为20MHz 带宽的WLAN 时,得到的2D 定位平均误差为0. 71 m。与传统的全向线性极化天线(OLPA)相比,BSCPA 可以将定位精度提高52. 5%。该改进表明,所提出的方法可以显著抑制基于TDOA 的室内定位的多径传播。     

基于双频的室内基站定位方法

针对当前室内基站定位范围小、定位基站布设繁密的问题,提出一种基于双频的室内基站定位方法。从初始值敏感性和覆盖范围两方面出发,对二维、三维2种定位方式进行建模分析。分析结果表明,当高度设定在一定值时,可以有效减少定位对初始值的依赖,同时二维、三维的1m精度定位范围得到有效扩展。此外,结合仿真结果给出了二维、三维定位时的室内基站布设网络架构。     

A WiFi-Based Weighted Screening Method for Indoor Positioning Systems

Past studies of WiFi-based indoor positioning systems (IPS) have mainly been divided into three types of positioning: proximity, trilateration, and scene analysis. This paper proposes a WiFi-based weighted screening method (WSM) to improve displacement error in trilateration. WSM is designed for part of pedestrian navigation in indoor environment which most likely use smart phone as the WiFi signal detector. Thus the less computational power consuming, irregular deploying position of APs and the irregular RSSI variation are all take into consideration when designing WSM. Experiment results show that this method performs better than conventional matrix method and the error correction algorithm, one trilateration in IPS.     

基于稀疏训练点和指纹重构的室内可见光三维定位算法

目前构建基于机器学习的室内可见光定位模型主要依赖于光电二极管和指纹数量,为了降低指纹采集的复杂度,提高定位精度,提出一种基于指纹矩阵稀疏重构的室内三维可见光定位算法。该算法利用极限学习机训练稀疏采样点,采用奇异值分解和交替方向乘子法求解稀疏指纹矩阵的重构问题。该算法可以有效降低指纹的采样率,同时可以基于极限学习机算法较强的泛化能力提高定位速度和定位精度。在此基础上,由于可见光的多径反射等因素的影响,定位区域的边界定位误差大于内部定位误差,通过引入一种边界修正定位算法,可以有效降低边界定位误差。仿真和实验结果表明,与传统的机器学习算法相比,该算法在减少其所需指纹数量的同时,具有更高的定位速度和精度。     

基于细节点聚类的多参考中心指纹匹配算法

指纹匹配算法的好坏直接影响识别系统的精度。提出了一种新的基于细节点聚类的多参考中心指纹匹配算法，在两枚指纹对齐阶段，不仅考虑了指纹的全局特性而且根据不同的细节点类自适应地构造不同的局部结构．有效地利用了一些孤立但信息量较大的细节点，提高重叠区域内细节点较少且分散的情况下对齐的准确性。在匹配阶段。多参考中心的使用和相似元分析的结合能在一定程度上克服指纹非线性形变的影响，降低了匹配算法的拒识率。实验结果表明该方法提高了匹配的性能。     

基于超声波/INS信息融合的室内定位方法

室内定位方法中,低成本惯性导航系统(INS)的定位误差随着时间和距离的增加而积累,需要采用其他手段抑制误差发散。室内环境下GPS无法正常工作,从而失去对INS误差的抑制作用;因此,该文提出了基于超声波/INS信息融合的室内定位方法。以自主导引小车(AGV)为定位终端,根据超声波定位技术和非完整约束条件得到自主导引小车的位置和速度信息,并利用该信息辅助INS,通过卡尔曼滤波进行信息融合,从而抑制纯惯导情况下定位误差发散的问题。采用Matlab对所提出的室内定位方法进行仿真验证,结果表明,采用超声波/INS信息融合方法能将INS的误差抑制在一定范围内,该方法适用于室内移动物体的实时定位。