一种基于视距路径识别的设备无关室内定位算法

Wi-Fi技术的广泛应用和部署催生了许多基于Wi-Fi的室内定位技术。近年来,基于Wi-Fi的设备无关定位算法引起了研究人员的广泛注意。设备无关定位算法不需要目标对象携带无线传输设备,而是通过测量目标对象对无线信号传输的影响来反向推断目标对象的位置。由于不需要目标对象携带相关设备,因此可以广泛应用于多种场合,如老人健康护理等。已有的设备无关定位技术通常需要事先采集训练数据,因此容易受室内复杂多变的环境干扰,导致定位精度下降。 提出一种基于视距路径检测的设备无关定位算法。利用物理层信道状态信息CSI,可以判断一对无线收发设备之间的路径是否是视距LoS路径。在此基础上,提出一个新的设备无关定位算法,该算法在监测区域部署一组Wi Fi收发装置,对任意一对无线设备,通过识别它们之间是否存在视距路径来判断目标对象是否在这对设备的菲涅耳区域内。此外,还提出一种基于投票的方法来获得目标对象的最可能位置。在实际设备上的实验结果表明,该定位算法可以达到0.5 m左右的精度,并且不需事先训练,具有较高的实时性。     

基于信道状态信息的非合作式室内人体运动检测

针对用摄像头、传感器等运动检测手段的设备部署复杂、昂贵、有盲区等缺点,提出一种利用无线保真（WiFi）信号进行人体运动检测的方法。首先,使用无线网卡接收被检测环境中WiFi的信道状态信息（CSI）;其次,使用局部离群因子检测（LOF）算法和Hampel滤波器去除异常的CSI数据;然后,用线性回归算法去除因网卡时钟不同步造成的频移误差,再用主成分分析（PCA）降维和朴素贝叶斯算法分类不同情况下的CSI数据,生成用于判断人体运动状况的模型;最终用生成的模型对人体运动状态进行判断。在实验中该方法能快速判断并达到95.62%的正确率。实验结果表明该方法能很好检测识别人的运动。     

基于贝叶斯过滤法的CSI室内定位方法

无线信号多径效应导致基于接收信号强度指示（RSSI）的室内定位方法的精度和稳定性下降。为解决这一问题,提出基于贝叶斯过滤法的信道状态信息（CSI）室内定位方法（BCL ）。将物理层的CSI结合RSSI作为参考信息,减轻信号接收端的多径衰减影响;在此基础上,采用贝叶斯过滤法进行数据处理,降低接收信号的时变性。实验结果表明,相比现有的典型室内定位方法, BC L有效提高了定位准确度和稳定性。     

A smartphone-based multimodal indoor tracking system

The great popularity of smartphones, together with the increasingly important aim of providing context-aware services, has spurred interest in developing indoor tracking systems. Accurate tracking and localization systems are seen as key services for most context-aware applications. Research projects making use of radio signals detected by radio interfaces and the data captured by sensors commonly integrated in most smartphones have already shown promising and better results than location solutions based on a single data source. In this paper, we present a multi-sensor tracking system built by incrementally integrating state-of-the-art models of the Wi-Fi interface and the accelerometer, gyroscope and magnetometer sensors of a smartphone. Our proposal consists of a simple calibration phase of the tracking system, which involves enabling simultaneous data gathering from all three sensors and the Wi-Fi interface. Taking the Wi-Fi signal model as baseline, four different configurations are evaluated by incrementally adding and integrating the models of the other three sensors. The experimental results reveal a mean error accuracy of 60 cm in the case when the tracking system makes use of all four data sources. Our results also include a spatial characterization of the accuracy and processing power requirements of the proposed solution. Our main findings demonstrate the feasibility of developing accurate localization indoor tracking systems using current smartphones without the need for additional hardware.     

基于信道状态信息的室内人数统计方法

针对传统人数统计方案存在侵犯隐私和成本难以控制无法大规模投入使用的问题,提出一种基于Wi-Fi信道状态信息CSI (channel state information)的幅度和相位作为特征的方法进行人数统计,采集3条交叉收发链路上CSI的幅度和相位数据,对数据进行预先平滑和去噪处理,同时使用幅度和相位提高人数统计的准确性和稳定性。在室内环境下进行实验,使用支持向量机(SVM)、神经网络(NN)和卷积神经网络(CNN)进行人数的统计分类并进行结果对比,对比结果表明,3种机器学习算法分别达到了94%、96%和88%的准确率。     

基于无线信道状态信息的跌倒无源监测方法

针对传统基于视频或传感器的跌倒检测方法中环境依赖、空间受限等问题，提出了一种基于无线信道状态信息的跌倒无源检测方法Fallsense。该方法利用普适、低成本的商用WiFi设备，首先采集无线信道状态数据并对数据进行预处理，然后设计动作—信号分析模型，建立轻量级动态模板匹配算法以从时序信道数据中实时检测出承载真实跌倒事件的相关片段。大量实际环境下的实验表明，Fallsense可以实现较高的准确率以及较低的误报率，准确率达到95%，误报率为2.44%。与经典WiFall系统相比，Fallsense将时间复杂度从WiFall的O（mN log N）降低到O（N）（N是样本数，m是特征数），且准确率提高了2.69%，误报率下降了4.66%。实验结果表明，所提方法是一种快速高效的无源跌倒检测方法。     

基于CSI信号的被动式室内指纹定位算法研究

基于信道状态信息(CSI)的定位技术在室内场景应用中被广泛关注,为了提高WiFi信号多径效应对接收信号强度指示的室内定位精度和稳定性,提出一种基于CSI信号的被动式室内指纹定位算法.该算法在离线阶段将定位场所划分为同等大小的区域块,在各连接点位置使用方差补偿的自适应卡尔曼滤波(Kalman)算法对原始数据进行滤波.再对...     

基于自适应量化信道信息的机会中继选择研究*

针对协同蜂窝网中基于发送量化信道状态信息的中继选择方案下,目的节点需要不停地获取所有中继处第一跳的信道信息而引起的系统开销问题,提出了一种基于自适应量化信道状态信息的机会中继选择方案。新方案下,仅在第一跳的瞬时信道条件高于预先设置的门限值时,各候选中继发送量化后的信道信息比特。仿真结果表明,改进方案在对系统性能影响不大的同时可以获得较高的比特利用率。同时,随着候选中继数从3增加至5时,中继点处设置的发送门限值可相应从0.267 1提升至0.575 6,这表明新方案具有较好的鲁棒性。     

基于内三角形质心算法的超宽带室内定位

针对工业现场自动导引运输车（AGV）定位方式灵活性差的问题,应用DW1000射频（RF）芯片,设计实现了一种超宽带（UWB）室内定位系统。首先,提出了高效的多基站测距和多标签调度机制,解决标签冲突和组网问题。其次,针对三角形质心算法实际应用中测距极大误差引起的定位精度低、稳定差的问题,引入可信度概念,提出了内三角形质心算法,通过可信度算子削弱测距极大误差的影响,提高算法性能。最后,将该系统应用于工业车间,当系统容纳20个标签时,单个标签的坐标平均更新频率达到24 Hz,标准差为3 Hz;静态平均定位误差为11.7 cm,标准差为2.5 cm;动态最大误差小于30 cm。实验结果表明,该系统具有高实时性、高精度和高稳定性的特点。     

基于非最大纠缠GHZ态的一种量子信息集中方案

提出了一种以非最大纠缠的四粒子GHZ态作为量子信道的概率性量子信息集中方案. 方案首先将未知的克隆态与量子信道构造系统态; 其次空间分离的三方对手中的粒子进行Bell测量, 并将测量结果通过经典通信告诉信息恢复者; 最后信息重建者做适当的测量(投影测量或者POVM 测量),将信息集中回单量子态, 从而实现量子信息集中. 进而讨论了方案的安全性和效率, 并与文献[17,23]从多角度进行了比较.     

Fault localization based on information flow coverage

Failures triggered by hard to debug defects usually involve complex interactions between many program elements. This paper hypothesizes that information flows present a good model for such interactions and presents a new fault localization technique based on information flow coverage. Using a test suite, the technique ranks the statements in a program in terms of their likelihood of being faulty by comparing the information flows induced by the failing runs with the ones induced by the passing runs. The ranking of the statements associated with a given flow is primarily determined by contrasting the percentage of failing runs to the percentage of passing runs that induced it. Generally, a higher percentage of failing runs implies a higher rank. To show its potential, the technique was applied to several open‐source Java programs and was compared, with respect to its fault localization effectiveness, with three other coverage techniques that use similar style metrics that are defined for statements, branches, and def–use pairs, respectively. The results revealed that information flow, branch, and def–use coverage performed consistently better than statement coverage. In addition, in a considerable number of cases information flow coverage performed better than branch and def–use coverage. Specifically, it was always safer but not always more precise. Copyright © 2009 John Wiley & Sons, Ltd.     

改进型神经网络在室内三维定位中的应用研究 *

针对室内复杂环境下无线信号反射,折射,多径效应,噪声等干扰,传统的对数距离路径损耗模型无法精确求出信号接收距离d的问题进行研究,提出一种改进的多策略粒子群神经网络模型,该网络采用反向学习策略,混沌惯性权重策略以及扰动策略对神经网络的拓扑结构和连接权值阈值进行优化,从而捕获Wi-Fi信号接收强度RSSI与接收距离d之间的非线性关系,然后结合修正的三维加权交点质心算法求解出未知节点坐标。实验结果表明,对比BP神经网络和遗传神经网络,该网络对RSSI-d的拟合曲线更光滑,拟合结果更加接近于真实值,对比定位精度分别提高了79%和73%,网络定位误差更低,抗干扰能力更强。     

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。     

基于全质心-Taylor的UWB室内定位算法

针对室内环境下的非视距(NLOS)传播给定位精度造成较大误差的问题,通过对超宽带(UWB)定位模型进行分析,提出了一种基于全质心-Taylor的混合定位算法.采用对测距误差不敏感的全质心算法将锚点测距数据分组运算,获得目标节点的初始粗定位信息,采用质心修正算法对粗定位节点进行优化运算,从而确定Taylor级数展开初值,再进行迭代求解,进行第二次精细定位.实验结果表明:与Chan-Taylor算法、最小二乘估计(LSE)-Taylor算法相比,本文算法定位精度有明显提高.     

基于信息势能的鲁棒估计器及其在同时定位与地图构建问题中的应用

提出了一种基于信息势能鲁棒估计器来解决机器人室内的同时定位与地图构建（SLAM）问题．结构化的室内环境可以用线段近似表示．然而动态环境中,测距传感器测得的数据通常湮没在大量的噪声信号中．本文采用“分割与合并”（split—and．merge）方法进行线段的分类,根据信息势能的性能指标衡量每个采样数据对该线段的信息贡献量．按照信息优化理论设计估计器,选择信息量贡献大的样本点作为信息内点提取线段参数,构建局部地图．采用粒子滤波器进行地图及机器人路径的更新．采用递推的方法估计信息势能,降低了对样本点的信息量贡献做估计时的复杂度．仿真和实验结果证明,本文所提出的方法具有较强的鲁棒性,提高了SLAM策略的准确性和实时性．     

基于核和信息域的区间灰数Verhulst 模型

针对传统Verhulst模型的建模对象仅局限于实数序列这一缺陷,对Verhulst模型进行了拓展.首先,对“灰度不减”公理进行延伸,得到了“信息域不减”的推论;然后,构建核序列的Verhulst模型,并以信息域不减推论为依据、以核为中心推导区间灰数上(下)界的时间响应式;最后,通过实例演示了模型的计算步骤.所进行的研究对于丰富和完善灰色预测模型理论体系、拓展灰色预测模型的应用范围具有积极意义.     

基于DV-Hop定位算法和RSSI测距技术的定位系统

针对 DV Hop算法在实验环境中存在的问题,加入接收信号强度指示器（RSSI）测距模块辅助定位,对算法进行改进。为了实现定位系统,首先,需要建立当前实验环境的RSSI模型;然后,应用该模型,从锚节点和非锚节点两方面分别控制DV Hop定位过程。实验证明：改进后的定位系统在增加少量计算复杂度的情况下,改善了系统的稳定性,提高了定位的精度,可以被应用到无线传感器网络中。     

基于链路状态和节点状态信息的DSR增强算法

本文利用链路和节点发送缓存的状态信息对DSR协议进行优化和改进,提出了一种Performance-DSR(PDSR)协议。文中对PDSR协议的路由更新和路由选择机制进行了介绍,并对PDSR协议和DSR协议在节点不同移动速度下的性能进行了分析比较,结果表明PDSR协议比DSR协议更能适应网络拓扑变化快的MANET网络。     

基于管理域的网格信息服务的研究与设计

对Web服务的相关技术进行了研究,描述了基于Web服务及管理域的网格信息服务的设计框架及流程,其中定义了一些基本概念,然后对网格信息服务做了全新设计并详细介绍了各层、各模块所发挥的作用以及它们之间的调用关系,结合资源实际分布与管理模式,采用了对网格资源信息基于管理域,及域内分布的信息结点协同缓存与管理的汇集与发布方式,实现了网格环境中各种资源的监测和高效使用,具有一定的灵活性,扩展性和容错性.