一种改进的无线局域网位置指纹定位法

精确、实时的室内定位技术是提供基于位置服务的关键技术之一。针对经典的基于无线局域网指纹定位法由于室内环境复杂多变、无线信号波动而不能实现精确定位的问题,提出了一种改进的指纹定位算法。该改进算法通过优化特征接入点的选取和指纹距离的计算,以及对最近邻的类聚处理,实现了对指纹匹配精确度和位置估计准确性的提高。实验表明,所提出的改进算法相比于经典的位置指纹法具有更高的定位精确度和鲁棒性。     

基于指纹的室内可见光定位方法

为了实现低成本、低复杂度以及高精度的室内定位系统,提出了基于指纹的室内可见光定位方法。该方法利用可见光发光二极管作为信号源,根据接收到的可见光信号强度信息,结合三角定位算法和指纹定位算法,实现室内高精度定位。定位过程主要分为两步:第一步,通过三角定位算法确定移动目标粗略的位置范围;第二步,以该位置范围作为限制条件,使用指纹定位算法实现更精确定位。实验结果表明,该方法与传统的基于可见光信号强度的定位方法相比,平均定位精度提高了64.71%;同时,与传统的基于指纹的定位方法相比,可以在更低复杂度的情况下,实现更精确定位。     

室内位置指纹定位方法中的小波去噪应用

采集的位置指纹包含的大量随机噪声严重影响着位置指纹定位方法的精确度,为了提高位置指纹定位方法的精确度,文中提出了一种基于卡尔曼滤波和小波去噪相结合的方法来去除采集获得的位置指纹中的随机噪声的方法。实验结果表明,与常规的去噪方法相比,基于此方法的位置指纹定位算法精度有一定程度的提高。     

基于VIO和Wi-Fi指纹技术的室内定位系统设计

针对视觉惯性里程计(Visual-Inertial Odometry,VIO)在特征高度重复的场合易产生较大误差以及Wi-Fi指纹精确度不高等问题,提出了一种基于VIO和Wi-Fi指纹技术的室内定位方法。该系统运用VIO和Wi-Fi指纹在系统层面的结合,利用Wi-Fi指纹的无漂移、成本低的特点和VIO在一定范围内的高精确度，先进行Wi-Fi指纹粗定位，后进行VIO精定位，将大面积切割成小面积从而有效提高系统室内定位精确度，降低误差。该系统能在精定位的同时进行对指纹数据库的更新。实验结果表明,该系统的定位误差小于单独使用VIO或Wi-Fi指纹的系统,平均误差达0.15 m，能够有效提高定位精度。     

基于双线性插值与K-means聚类算法结合的位置指纹定位改进算法

为了提升可见光通信(VLC)室内环境下的定位精度,提出一种基于双线性插值与K-means聚类算法结合的位置指纹定位改进算法。该算法首先建立初始指纹,然后对待定位点所在聚类域中的指纹进行插值计算,最后将插值后的部分区域指纹作为参考指纹库存,选择一种匹配算法实现最终定位。在5 m×5 m×3 m的室内房间建立VLC系统模型,仿真分析了指纹密集度对定位精度的影响以及改进算法的定位精度对比情况。仿真结果表明:随着指纹库密集度的降低,定位精度随之提高;改进算法使用插值指纹库与比使用初始指纹库的定位精度提高了21.5%,同时大大降低了计算复杂度。     

可见光重构指纹室内定位算法研究

提出一种可见光重构指纹室内定位算法(RFP),通过融合到达时间差(TDOA)算法和指纹算法可快速完成室内高精度定位。该算法首先利用TDOA算法多次估计得到的解集定义一个区域,然后在该区域中构建三维精细指纹库,再利用匹配算法定位未知节点。仿真结果表明,该算法的平均定位误差约为0.1719m,与传统的TDOA算法相比,提高了定位精度,与传统精细指纹算法相比,节省了定位时间。     

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。     

双频-时频信道联合指纹优化室内定位方法

传统信道状态信息（Channel State Information, CSI）指纹定位方法存在以下难题:1）单频段或单域的CSI存在较大维度损失,指纹解译能力差;2）硬件设备的基带设计导致CSI幅度和相位失真,定位稳健性差。因此,针对当前流行的双频WiFi网卡,提出双频-时频信道联合指纹优化室内定位方法。首先通过获取双频段的CSI进行幅度和相位优化,然后从优化后的CSI中提取出双频-时频信道联合指纹。将多个样本的该指纹分别输入到定位模型进行位置候选集构造,再根据候选集合,提出可信位置选择算法,联合优化各个候选位置的核密度函数和权重,选出值得信任的位置进行加权,得到最终位置的最优估计。两个实际场景中的实验结果表明所提定位方法极大地改善了指纹解译能力,较传统方法具有更高的定位精度和稳健性。      

MSSFD—一种递进式人脸检测算法

针对传统人脸检测算法计算复杂度大、精确度低的缺点，提出逐层递进式人脸检测算法——MSSFD。该算法首先在视频图像中运用背景消减的方法定位运动物体区域，然后在此区域中运用区域增长算法的自适应阚值处理进行肤色分割，得到运动肤色区域，最后再用SVM分类器做进一步分类，逐层递进武的逐步定位人脸区域。实验表明MSSFD算法复杂度低、精确度高，对阴影、人脸表情、小角度旋转、有遮盖物等有很好的鲁棒性，具有良好的检测效果。     

基于隐马尔可夫模型的Cell-ID定位跟踪方法

针对传统基地台识别码(Cell-ID)定位方法精确度不高的问题,提出一种新的Cell-ID定位跟踪算法。该算法利用移动台当前的服务基站信息和相邻基站信息,分别加权计算出似然向量,通过隐马尔可夫模型来获得移动台的运动状态,最后利用最大后验概率准则求出移动台的位置。实验结果表明,该算法复杂度低,在服务基站稳定的区域内定位性能良好,达到通信委员会(FCC)的定位精确度要求。     

融合反距离加权和矩阵填充的位置指纹库构建

为解决位置指纹定位在离线阶段构建位置指纹库时耗费的人力和时间成本较大,构建指纹库效率低和利用空间插值法构建的指纹库精度不高的问题,提出了一种融合反距离加权和矩阵填充的位置指纹库构建算法。该算法仅需人工采集定位区域内少量参考点的接收信号强度值用作信标点指纹信息,结合反距离加权算法特性计算出次信标点指纹信息,根据位置指纹库数据矩阵的低秩性,应用奇异值阈值矩阵填充算法构建出位置指纹数据库。仿真实验结果表明,所提算法有效降低了矩阵填充算法构建位置指纹库所需的人工和时间成本,构建出的位置指纹库定位性能优于反距离加权和克里金空间插值法,接近传统人工采集法,显著地提高了位置指纹库的构建效率。     

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.     

基于改进指纹聚类的WLAN定位优化方法

将K-means聚类算法应用到无线局域网（WLAN）位置指纹定位中,虽然可以缩短定位时间,但是容易降低定位精度。为了解决此问题,提出了基于改进指纹聚类的WLAN定位优化方法。首先根据接收信号强度标准差来优化初始聚类中心的选取,然后对指纹数据进行聚类处理,最后进行在线定位。实验结果表明,与传统的WLAN位置指纹定位方法和K-means聚类定位方法相比,基于改进指纹聚类的定位优化方法不仅缩短了定位时间,还能有效提高定位精度。     

利用时变噪声贝叶斯卡尔曼滤波的室内移动目标定位

基于射频识别的指纹滤波定位技术是当前室内定位中常使用的技术之一。针对该技术存在的卡尔曼滤波算法不能准确适应环境噪声变化,致使定位精度不高的问题,提出了一种适应时变噪声的贝叶斯卡尔曼滤波算法。所提算法结合Sage-Husa滤波模型和贝叶斯模型,实现了过程和测量协方差矩阵的最优化,有效地降低了噪声,提高了指纹滤波定位的精度。实验结果表明,与变分贝叶斯卡尔曼滤波和Sage-Husa滤波相比,无障碍情况下,基于改进算法的定位精度提高了6%以上;有障碍干扰下,则提高了14. 6%以上。     

基于粒子群优化压缩感知的可见光定位算法

目前,基于压缩感知的可见光定位采用线性最小二乘法重构信号,容易陷入局部最优解,且需要高密度的发光二极管布局。针对这些问题,提出了一种基于粒子群优化压缩感知的可见光定位算法。首先,建立一种基于重构接收信号强度残差的适应度函数;其次,将指纹定位的权重求解问题转换为稀疏矩阵的重构问题;最后,采用粒子群优化重构信号。仿真结果表明,所提算法的时间复杂度较低、鲁棒性好,即使在低密度的发光二极管布局下,定位误差依然很小。当信噪比为10 dB、网格间距为50 cm时,所提算法定位误差的平均值为3.67 cm,显著低于现有的10种同类算法。还详细分析了不同参数对所提算法定位误差的影响,所得结果可为实际可见光定位系统的设计提供有益的参考。     

基于移动蜂窝网的机器学习室外指纹定位方案

基于移动蜂窝网络技术的定位方案是提供网络优化、紧急救援、公安巡警和位置服务等应用的重要技术途径之一。传统的基于小区基站位置信息的定位方案定位精度低、定位误差大,无法满足某些定位应用需求。基于指纹定位的方案能够在基于小区粗定位方案基础上大幅度提升定位精度、节约计算成本、增强适用性,成为定位研究的热点。针对室外指纹定位的业务需求,深入研究分析了两种基于机器学习的栅格化和非栅格化室外指纹定位方案。通过参数加权、数据拟合等方法对于大规模指纹数据进行了清洗,提高数据源的有效性。通过划定研究区域、栅格化、构建指纹数据库、训练模型、修正模型、非栅格化、粗定位耦合、匹配参数、训练参数等子模块的实现,分析和优化了算法的运行效率和定位精度,确定了影响算法性能的关键指标。进而结合仿真结果,分析了两种基于指纹的定位方案的性能。最后介绍了基于机器学习的指纹定位方案在实际应用中的典型场景。     

基于电源线和位置指纹的室内定位技术

该文提出将室内环境不可或缺的电源线作为天线,通过在电源线上注入宽带高频信号构造室内空间的位置指纹,进而实现室内空间精确定位。首先介绍了电源线上宽带高频信号注入模块的实现技术,以及室内空间位置指纹的构造方法;其次,介绍了基于朴素贝叶斯分类算法的室内定位原理;最后,通过实验分析证明在多训练样本情况下,基于朴素贝叶斯分类算法的定位算法比基于K最邻近点(KNN)分类算法的定位算法有更好的定位准确率和时间迁移适应能力。     

Fast and resource efficient method for indoor localization based on fingerprint with varied scales

To improve the prediction speed in indoor localization,a novel algorithm based on fingerprint with varied scales was proposed.It divided the region of interest into distinct zones with distinctive coverage indicators,and reference positions with different distribution density were set in the region.According the time relevance and strength vary of the RSS from the anchors,the grids-matching process was greatly sped up for the usage of coverage indictors and the features of the location fingerprint extracted with the PCA,which made the proposed method fit the demand of application with limited power and memory.Experimental results indicate that accuracy of the positioning is ensured with the reduced energy-consuming,and more flexible about the number of anchors and the grid distribution.     

基于GAWK-means的地铁车站指纹定位方法

针对在城市轨道交通车站内,利用iBeacon技术进行指纹定位时存在匹配效率较低、定位精度不理想的问题,文中提出了一种基于GAWK-means的地铁车站指纹定位方法.离线阶段,根据指纹数据本身的离散程度进行K-means欧式距离权重优化以便更好地体现类内相似度,再将改进的K-means结合遗传算法,优化聚类结果以减少陷入...