基于GA-GRNN的RFID室内定位算法

针对基于测距模型的定位算法易受环境干扰、测距误差大的问题,提出一种基于遗传算法-广义回归神经网络(GA-GRNN)优化的指纹定位算法。利用GRNN建立节点定位模型,通过GA确定最优平滑参数,将阅读器与标签间的信号强度值作为神经网络的输入,进而得到输出节点的坐标。仿真结果表明,与GRNN算法、BP神经网络算法、FOA-GRNN算法相比,该算法的定位精度较高,泛化能力较强。     

基于IMK-WLSSVR的WiFi室内定位算法

针对传统的基于单核加权最小二乘支持向量回归(WLSSVR)定位算法对接收信号强度指示(RSSI)的拟合度较差,导致定位精度不高的问题,提出了一种基于改进多核WLSSVR(IMK-WLSSVR)的Wi Fi室内定位算法。采用多核支持向量回归机模型构建指纹点RSSI值与位置坐标的非线性关系,采用多项式核函数和高斯径向基核函数构建多核函数,利用正态分布权值函数为每个指纹点赋予不同的权重;然后利用改进的模拟退火算法优化定位模型参数,进一步提升模型的定位性能;最后利用构建的定位模型进行定位。实验结果表明:在3 m网格、3 d Bm标准差噪声条件下,算法定位误差小于2 m的概率可达92. 2%,其定位精度优于现有的加权K最近邻(WKNN)算法以及单核WLSSVR方法。     

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RSSI的室内WiFi定位算法

提出一种奇异谱分析与高斯过程回归算法相结合的室内WiFi定位方案。由于室内WiFi的接收信号强度容易受到室内环境以及多径效应的影响,位置指纹和现实位置之间的联系必然受到影响。为解决这一问题,采用网格法划分定位区域,用奇异谱分析方法消除采集数据中的波动和干扰,采用高斯过程回归算法进行回归建模,构建位置指纹和现实位置之间的非线性映射关系。实验结果表明,奇异谱分析有效地去除了数据集中噪声,与传统的定位方式相比,奇异谱分析和高斯过程回归模型具有最佳定位精度。     

基于RSSI的高精度实时室内人员跟踪定位的改进

在能量有限的网络节点中,利用RSSI测距只需较少的通信开销和较低的实现复杂度.实际应用环境中,由于受不同的传播方向和传播介质的影响,在定位过程中产生的距离误差比较大.在此算法的基础上结合平滑算法,提出了增强型RSSI算法.增强型RSSI算法是将前一个 RSSI的值大小与当前的做一个平滑动作,主要降低移动目标的动能波动,从而对室内的人员进行更加精确的跟踪定位,通过与简单的RSSI进行比较,仿真验证了平滑算法的定位的精确性与有效性.     

基于WiFi的室内定位准确率改进算法

针对目前无线保真定位系统在低于2 m的误差范围内累计准确率过低的问题,提出一种改进的去异常值的线性判别低维组合算法。根据无线保真信号强度数据的自身特征进行异常值去除,利用线性判别算法在低维情况下进行排列组合,对所得的若干个概率值求和,通过门限设置对在线定位阶段的新数据进行约束,以提高相邻网格定位的准确率。在真实办公环境室内相邻网格的多次不同场景下将实测数据集作为测试集进行实验,结果验证了该算法的有效性和正确性。     

基于DBSCAN与KNN的室内定位算法

针对位置指纹室内定位算法中定位精度不足、计算量大、实时性较差的问题,提出了一种将聚类算法（DBSCAN）应用于传统定位算法的解决方案。离线阶段通过各参考点的接收信号强度进行聚类,将定位区域划分为多个子区域,在每个子区域选择一个中心节点,构造新型位置指纹数据库存储数据。在现阶段,通过各个子区域中心节点进行粗定位,根据参考标签所在的子区域对传统定位算法进行权重优化。实验结果表明,平均定位误差为1.63 m。该算法在提升定位精度的同时,提升了定位的实时性。     

基于谱回归核判别分析的候机楼室内快速定位算法

针对机场候机楼客流量大、室内环境复杂多变的特点，提出了一种基于谱回归核判别分析（SRKDA）的室内定位算法。在离线阶段，采集已知位置的接收信号强度（RSS）数据，使用SRKDA算法提取原始位置指纹（OLF）的非线性特征生成新的特征指纹库；在线阶段，先使用SRKDA对待定位点的RSS数据进行处理，进而使用加权K最近邻（WKNN）算法进行位置估计。定位仿真实验中，在两个不同的定位场景中，所提算法在1.5 m定位精度下的误差累积分布函数（CDF）和定位准确率分别达到91.2%和88.25%，相对于核主成分分析法（KPCA）+WKNN模型分别提高了16.7个百分点和18.64个百分点，相对于KDA+WKNN模型分别提高了3.5个百分点和9.07个百分点；在大量离线样本（大于1100条）的情况下，该算法数据处理时间远小于KPCA和KDA。实验结果表明，所提算法能够提高室内定位精度，同时节省了数据处理时间，提高了定位效率。     

基于改进BP神经网络的室内无线定位方法

针对在室内无线定位中采用加权质心定位法时精度较低且难以克服信号不稳定的问题,提出改进的BP神经网络方法。以接收信号强度(RSSI)为输入、二维平面坐标为输出建立网络结构,网络的初始权值和阈值用思维进化算法优化,并用边长3 m的正方形区域内的196个样本数据训练。实验结果表明,在27个预测点上可达到定位精度0.1 m。相比于BP网络以及BP网络和遗传算法的结合算法,该定位方法训练收敛时间短,定位结果稳定。     

一种基于RSSI的贝叶斯室内定位算法

为提高室内定位系统中基于接收信号强度指示(RSSI)的定位精度,提出一种基于RSSI的贝叶斯室内定位算法。在对RSSI信号进行高斯滤波预处理后,利用三角形质心算法计算未知节点的初始坐标,对该初始坐标进行贝叶斯滤波处理,得到更加准确的坐标。实验结果表明,该算法能降低定位误差,定位精度可达98%。     

基于稀疏表示和位置相关性的室内定位算法

针对基于接收信号指数强度(RSSI)的WLAN室内定位算法易受干扰、波动较大及室内指纹定位方法指纹库构建繁杂而工作量较大的问题,提出了一种基于稀疏表示的指纹定位技术,在离线阶段利用压缩感知的理论来构建离线数据库,以降低离线采集的复杂度,在线定位阶段利用向量相似性理论来提高定位的精度,实验结果表明,本文提出的算法有效地提高了室内静态定位问题的精度及抗干扰性能.     

基于模糊控制的无线传感器网络室内定位算法

提出了一种通过无线传感器网络组网,利用基于模糊算法的改进接收信号强度指示(RSSI)测距技术来进行室内定位的系统设计方案。通过模糊状态分类建立环境气候和障碍物的模糊分布参数,对“距离-损耗”模型进行改进,算出其隶属函数,从而得到较准确的测距公式,计算出移动节点的位置信息。实验结果表明：提出的定位算法在对移动节点定位的实时性和准确性上能满足实际需要,具有应用价值。     

基于AP布置优化和K-means聚类算法的室内定位研究

传统室内定位中聚类算法被动依赖定位环境中接入点(Acess Point,AP)数量,导致定位效率低、误差大,室内位置指纹定位研究中AP布局是影响定位精度的关键性因素。因此,采用Intel芯片的嵌入式微系统和美国Signal Hound生产的SA44B型测量接收机共同组成传感器网络,根据电波路径损耗建立室内定位的目标函数,采用单纯形法和模拟退火算法融合算法对目标函数进行优化,从而达到最合理的AP室内位置布局,而后改进K-means聚类算法将优化后的AP位置坐标作为初始聚类中心,来提高系统的定位效率和精确度。实验结果表明,与传统K-means算法相比,经过AP位置最优化后的聚类定位算法精度提高了13.8%。     

基于TOA的三维空间定位算法研究

对三维定位算法进行了研究,提出了一种基于到达时间的三维定位算法.其主要思想是用一新变量代替定位估计中的二次项,把非线性估计转化为两次WLS(加权最小二乘)线性估计.该算法结构简单,计算量较小.仿真结果证明了该算法的有效性.     

基于TDOA的空间定位算法

随着第三代(3G)移动通信的发展和美国E911规定的颁布,蜂窝网络移动台(MS)无线定位技术得到了越来越广泛的注视.该服务能够提供有关移动台位置的信息,因此在很多领域有着重要的应用.提出了一种基于到达时间差(TDOA)的三维定位算法.其主要思想是用一新变量代替定位估计中的二次项,把非线性估计转化为两次WLS(加权最小二乘)线性估计.此算法结构简单,计算量较小.通过模拟仿真,结果证明了该算法的有效性.     

基于位置社交网络的地点推荐算法

目前基于协同过滤的地点推荐算法存在难以准确估算用户偏好、推荐结果准确性不高等问题。改进了传统协同过滤中相似用户计算方法,在迭代过程中分别计算用户相似度和地点相似度的值,并不断交叉调整对方的值,直至收敛。该方法能够在稀疏的数据集下准确计算用户相似性。此外,在top-N推荐阶段,同时考虑了用户的兴趣度和推荐地点离用户所在地距离的影响,并设置阈值控制二者的权重,自适应地产生推荐结果。实验表明,与其它方法相比该方法能够获得更好的推荐效果。     

基于ORB-SLAM的室内机器人定位和三维稠密地图构建

针对在室内机器人定位和三维稠密地图构建系统中,现有方法无法同时满足高精度定位、大范围和快速性要求的问题,应用具有跟踪、地图构建和重定位三平行线程的ORB-SLAM算法估计机器人三维位姿;然后拼接深度摄像头KINECT获得的三维稠密点云,提出空间域上的关键帧提取方法剔除冗余的视频帧;接着提出子地图法进一步减少地图构建的时间,最终提高算法的整体速度。实验结果表明,所提系统能够在大范围环境中准确定位机器人位置,在运动轨迹为50 m的大范围中,机器人的均方根误差为1.04 m,即误差为2%,同时整体速度为11帧/秒,其中定位速度达到17帧/秒,可以满足室内机器人定位和三维稠密地图构建的精度、大范围和快速性的要求。     

基于三维变换形状搜索的ASM人脸特征点定位

通过三维变换的特征点搜索方法对二维人脸图像进行形状搜索,形状搜索以人脸的标准三维模型为基础,将二维坐标三维化;通过三维变换、投影等过程迭代搜索逼近目标形状,最后得到三维变换的10个姿态参数。测试结果表明：在对非活动形状模型(ASM)训练集中的多姿态人脸进行形状搜索时,三维变换方法具有更好的逼近效果。较好地模拟了人脸姿态的实际变化,有效地解决了ASM人脸偏转的非线性问题。     

一种基于切片的三维模型检索算法*

为了更加高效地从三维模型库中检索出相似模型,提出了一种基于切片的三维模型检索算法。首先应用主元分析对三维模型进行预处理;然后对预处理后的模型在不同位置和不同方向上进行切片,根据所得切片断面的相对面积进行三维模型检索。基于该算法设计并实现了三维模型检索系统。实验采用PSB(PrincetonShape Benchmark)提供的三维模型数据库,结果表明把模型的切片截面作为三维模型的特征描述,能有效地区分不同模型,并取得了较好的检索效果。