共查询到15条相似文献,搜索用时 46 毫秒
1.
2.
随着互联网的快速发展,人们对WiFi的依赖性不断增强,同时室内定位技术也变得越来越重要。由于GPS无法解决室内定位这一难题,因此本文讨论研究了基于WiFi的室内定位算法。本文对基于WiFi的定位技术做了介绍,对各种定位算法模型进行了对比研究,对各种定位技术进行了实验演示,分析了各种定位技术的优缺点,并指出了WiFi室内定位技术未来的发展方向。 相似文献
3.
随着物联网和信息技术的飞速发展,基于移动位置的服务近年来日益受到关注,同时也促进了室内定位技术的发展.基于WiFi指纹的室内定位技术以其部署广泛、成本低廉等优点受到了学术界的广泛研究.针对移动设备在室内环境中的定位问题,提出了一种层级学习室内定位系统(hierarchical deep learning indoor ... 相似文献
4.
由于智能手机中存在丰富的传感器,可对周围环境进行感知并进而估计位置。本文提出一种融合室内定位方法,融合的信息包含图像信息、WiFi信号指纹信息以及惯性数据观测信息。通过实测实验结果表明,本文提出的方法相比于惯性定位、WiFi定位、图像匹配定位三种单一的定位方法,定位精度分别提高了48%、24%和4%。相比于经典WiFi和图像融合方法,平均定位时间下降了92%。相比于经典融合方法,定位的精度提高了0.7 m,并且平均定位时间下降了87%。 相似文献
5.
针对传统室内WiFi指纹定位算法中单个距离度量的局限性且未考虑到dBm表示与功率之间的关系的问题,提出一种基于投票机制的室内WiFi指纹定位算法。在采集到接收信号强度(RSS)数据后,首先,对RSS数据进行预处理;然后,基于投票机制对每种距离度量选中的近邻点取交集组成公共近邻点,并统计每个公共近邻点出现的频率;最后,通过概率加权得到最终定位结果。实验结果表明,所提出方法的定位精度为1.63 m,与K近邻(KNN)、斯皮尔曼(Spearman)和肯德尔相关系数(KTCC)方法的定位精度相比,平均定位精度分别提升了10%、33%和58%。此外,与MAN2数据集中的最优定位精度1.86 m相比,定位精度提高了12%。 相似文献
6.
针对基于位置服务的实际应用需求,分析了现有室内定位技术的局限性,提出一种基于空间位置约束的稀疏指纹定位方法,在数据层有效融合惯导和无线局域网(WLAN)定位信息,充分发挥二者优势协同完成定位任务。首先利用WLAN提供的接收信号强度(RSS)信息构建空间位置指纹数据库,并基于RSS构建稀疏指纹表征与定位模型;鉴于RSS数据易受环境干扰呈现多变性,利用惯导技术对位移状态进行初步估计,并以此作为约束条件构建基于空间位置约束的稀疏指纹定位模型。仿真实验结果表明,所提方法较惯导和稀疏指纹方法在定位精度方面分别提升58%和33%。 相似文献
7.
8.
针对KNN算法定位精度有待提高以及定位稳定性较差的问题,本文提出了一种基于KNN算法和XGBoost算法的室内指纹定位算法。该算法首先将样本集划分为训练集和测试集,将训练集中AP的RSSI数据作为特征,坐标作为标签,使用XGBoost算法进行建模。其次,融合KNN模型,将KNN算法寻找到的近邻集合引入XGBoost模型中,再结合单独XGBoost算法的预测结果,以实现坐标定位。最后,在实际环境下研究了算法的K值、回归树数量、决策树深度和学习率对误差的影响,确定算法的相关参数。通过搭建的实际实验环境进行了测试,实验结果表明,本文提出算法的平均定位误差为1.55 m,较于KNN算法和XGBoost算法分别减少了24.76%和11.93%,并且累积分布函数曲线的收敛速度更快,具有较好的定位性能。 相似文献
9.
多种室内定位技术中,基于WiFi的定位在基于位置的服务(location based service,LBS)中有着巨大的应用潜力。提出一种新的室内WiFi定位方法,结合分级定位结构,能够有效利用人员行走模式先验信息。该方法在预备粗定位阶段通过上一时刻的位置推断可能区域,通过信号指纹检测器判断可能区域是否正确,通过再次粗定位阶段重新推算可能区域。在精定位阶段,该方法通过最大后验概率密度方法得到位置估计。利用开源数据集进行实验,证明了所提方法相比传统的3种方法(无先验的最大后验、先验kNN和无先验kNN方法),定位精度分别提高了3%、5%和7%。 相似文献
10.
11.
基于安卓平台的脑-心电远程监控系统 总被引:1,自引:0,他引:1
随着安卓手机的硬件性能的不断提高,使得日常生活中的生理检测成为可能。为此,设计了一种便携的基于安卓平台的脑-心电监护系统。该系统由脑-心电采集模块、WiFi模块、数据处理和监测模块和医疗服务器组成。由脑-心电采集模块采集到的数据,通过WiFi模块将数据转传输至安卓手机显示和分析。安卓手机通过互联网、3G等将信息传输给医疗服务器做进一步分析和诊断。为了确保信号处理的实时性,安卓手机针对脑电采用排序熵分析方法,针对心电采用二进离散小波(DDWT)分析。整个系统为用户提供了一个可靠的家用健康监护平台。 相似文献
12.
为了提高室内定位的准确性,同时降低现场勘测的成本,提出了基于高斯过程回归和WiFi指纹的室内定位方法.首先,在离线阶段,采用高斯过程回归模型(GPR)来扩展WiFi指纹数据库,即通过对不同的GPR核函数进行训练,得到最佳的GPR预测模型,进而利用有限的已知数据预测未知区域的信号强度(RSS).然后,在指纹匹配阶段中,根... 相似文献
13.
在分析通信电源基本构成的基础上,提出了一种基于Android 4.2操作系统的通信电源监控系统的方案。对系统的总体结构进行了分析和阐述,并对监控系统中所应用到的关键技术进行了详细的研究,设计并实现了该系统。结果表明,该系统运行稳定,可靠性强,具有广阔的应用前景。 相似文献
14.
在无线传感器网络室内定位中,由于遮挡、多径效应等因素的影响,传统基于RSSI(Received Signal Strength Indicator)的定位算法存在测距不准、定位精度不高的问题。针对此问题,本文提出一种改进的基于RBF(Radial Basis Function)神经网络的室内定位算法,算法在离线阶段直接建立各参考节点接收到的RSSI值与其位置坐标的映射关系;在线阶段采集待定位节点的 RSSI值,利用学习好的神经网络对待定位节点进行定位。实验结果表明,与传统RSSI定位算法相比,本文提出的定位算法具备更高的定位精度。 相似文献
15.
在利用接收信号强度指示(RSSI)进行定位的WLAN室内定位系统中,为获得更高的定位精度,提出一种支持向量机与加权质心法相结合的定位算法。该算法首先以四边形对定位场地进行区域划分,在各四边形区域的顶点位置采样指纹点数据,利用支持向量机(SVM)多分类将定位点位置缩小到某个四边形区域内。最后利用加权质心法,计算出定位点的坐标。仿真实验与实地实验结果表明,该算法比支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)、K最近邻法(KNN),定位精度有明显提高,定位误差在1.4 m,定位精度在90%以上。 相似文献