基于参考位置指纹离散程度的WKNN定位方法

针对目前在室内复杂环境内Wi-Fi无线接入点位置指纹定位精度低且不同位置时定位精度波动较大等问题,提出了基于参考位置指纹离散程度的WKNN定位方法.构建初始位置指纹数据库,基于K-means算法完成数据聚类.采用DD-WKNN指纹定位算法选取与RSSI值欧氏距离最相近的指纹数据,根据离散程度估算参考权重的权值,完成归一...     

离散度WKNN位置指纹Wi-Fi定位算法

为改善加权K近邻位置指纹定位算法在室内环境复杂时的定位性能,提出一种以位置指纹离散度作为权值参考的改进加权K近邻位置指纹定位算法.算法在离线位置指纹数据库建立阶段采用K-means聚类算法对位置指纹进行聚类,来降低搜索位置指纹库的计算量.从离线位置指纹库中选取K个与在线实测Wi-Fi信号强度信息最相似的位置指纹,比较其离散程度,将离散程度小的位置指纹赋予较高的加权系数,以减小原加权K近邻算法在室内复杂环境信号强度随距离变化较大情况下带来的位置估算误差.对离散度加权K近邻算法时间复杂度的分析表明,其计算量小于原加权K近邻算法;实际环境实验结果表明,离散度加权K近邻算法具有更高的定位精度,且定位误差波动较小.     

一种改进的室内指纹定位算法

针对指纹定位算法在建立离线指纹库时需要部署较多参考节点(RP)的问题,提出一种分区拟合近似算法(PFAM)。为减少指纹定位算法在离线阶段的工作量,对整个目标环境进行分区,并在每个分区内重新部署虚拟RP;采用三阶多项式对数距离路径损耗模型拟合得到每个分区的环境系数,并建立每个分区的误差向量;利用拟合模型和误差向量逆推得到虚拟RP的信号强度,并采用C均值聚类算法对离线指纹库聚类来减少在线阶段的计算量;在在线阶段采用加权K近邻算法(WKNN)对目标进行定位。实验结果表明,在RP部署较少的条件下,PFAM算法依然能达到较高的定位精度,平均定位误差约为1.2 m。累积分布函数(CDF)分析结果表明,有86%的定位误差分布在2 m以内。     

基于扩展卡尔曼滤波算法的室内定位跟踪系统

为了解决无线室内定位系统实时跟踪位置坐标误差较大问题,提出一种基于扩展卡尔曼滤波(EKF)算法的室内定位方法。系统采用基于WiFi信号指纹定位,然后利用扩展卡尔曼滤波对估算的位置进行滤波,以改善WiFi指纹定位方法的精度,达到对目标实时跟踪。仿真和实验结果表明,该算法有效地改善了系统定位精度,能较好地满足室内定位的需求。     

PD辅助的P3P可见光定位算法

针对可见光定位中的发光二极管（LED）数目和朝向对定位性能影响较大的问题,提出光电传感器（PD）辅助的3点透视（P3P）定位算法。算法首先基于图像信息估算入射角,然后使用经典P3P算法得出4组接收器到3个LED的距离解集,最后基于光强信息确定唯一的距离解集并计算位置信息。仿真结果表明,该算法能有效地降低LED倾斜带来的定位误差。为了进一步验证算法性能,搭建了可见光定位平台。基于实测平台验证了该算法使用3个倾角在15°之内的LED可以实现20 cm以内的定位误差。     

WiFi指纹定位中改进的加权k近邻算法

针对WiFi指纹定位中传统的信号欧氏距离不能很好地反映各位置点间物理距离的问题,提出了改进的加权k近邻定位算法。首先,在信号距离的计算中引入接收信号强度的方差;然后,根据接收信号强度和物理距离之间的非线性关系引入加权系数,设计了一种信号加权欧氏距离;最后,利用信号加权欧氏距离进行指纹匹配和位置估计,改进了加权k近邻算法。在真实环境下的实验结果表明,信号加权欧氏距离能够更准确地衡量各点之间的物理距离并选择更合理的最近邻参考点。与现有的加权k近邻算法相比,改进的加权k近邻算法能够明显地提高WiFi指纹定位的精度。     

无线传感器网络节点定位算法

针对无线传感器网络(wireless sensor network,WSN)系统中节点的定位算法问题,提出了基于差分的DV-Hop定位算法,信标节点将测算的位置测定误差作为校正值向四周区域广播,未知节点接收到信标节点的校正信息后,据此修正自身的相对位置测算值,以减少节点定位误差,提高定位算法的精度。仿真测试表明,该算法与普通的DV-Hop算法相比,在定位误差与通信距离的比值等性能指标上得到了明显改善。     

物联网中基于扩展卡尔曼滤波的移动群体定位

为了满足高精度和高可靠性定位的需求,提出了一种基于扩展卡尔曼滤波的移动群体定位算法,把待定位的用户节点当成一个群组,利用他们之间的距离信息得到更好的定位性能,以减小环境噪声和无线信号不稳定造成的影响.此外,开发出一个实际的系统,并在大学校园里进行了大量实验.实验结果和理论分析验证了所提出方法的有效性.     

最小定位误差限的Wi-Fi接入点优化布置

提出了一种基于最小定位误差限的Wi-Fi指纹定位接入点位置优化方法.利用费歇尔信息矩阵的特性,分析了定位误差与不同信号强度分布的数学关系.首先,根据信号强度分布特性的不同,将定位目标区域划分为若干子区域;然后,推导出定位目标区域所对应的平均定位误差限;最后,利用模拟退火算法搜索最优接入点位置使得平均定位误差限达到最小. 仿真结果表明,此方法可以有效提高Wi-Fi位置指纹定位法的精度.     

基于Voronoi图的无线传感器网络定位算法优化

无线传感器网络是由具备传感、计算和通信能力的传感器节点组成的多跳自组织网络。定位技术是无线传感器网络的关键技术之一,大多数定位算法都以测距技术为基础。提出了一种基于距离优化的Voronoi图定位算法VB-DR。该算法利用Cayley-Menger行列式的几何应用对节点之间的距离关系进行限制,得到关于测距误差的约束方程并用以优化距离信息。仿真表明,VB-DR算法可以较好地修正测距误差,并解决经典的基于Voronoi图定位算法中存在的定位失败问题。     

基于信息区分度的AP有效集构建方法

随着无线网络的广泛应用，面向接受信号强度（RSS）指纹定位的接入点（AP）日益增多，导致一些AP的作用是冗余的，甚至对定位产生不利影响，同时也增加了定位计算的开销。通过对AP进行适当筛选可以一定程度上去除冗余AP，但定位效果会随着AP数量发生较大变化，甚至会增大误差。本文提出一种基于信息区分度的AP有效集构建方法（EID），充分利用指纹信号在不同空间的差异，实现了准确的位置估计。首先，用信息区分度评估AP的定位能力，有效反映出每个AP在不同采样点的区别，展示AP对空间位置的分辨程度。然后，基于AP信息区分度设计更加符合现实环境的增量聚类算法，能根据AP的定位能力得到不同类别的集合并具有较好的鲁棒性。最后，利用点集距离最大原则提出AP有效集选择策略，根据聚类结果和选择要求，选择出合适的AP集合。本文在真实场景下进行实验验证，并与现有的AP选择方法，即基于组判别（GDB）算法、基于软件定义网络（SDN）算法和基于非均匀量化RSS熵（NQRE）算法对比，在减少不低于40%AP数量的情形下，EID将定位精度分别提升了18.7%、11.2%和14.6%。与此同时，本文方法具有更好的稳定性，在95%的情形下定位误差低于1.2 m。     

基于相交度比的无线传感器网络迭代定位算法

为提高免测距无线传感器网络节点定位算法的性能,针对免测距定位算法利用最小跳路径距离替代节点间欧氏距离,和信标节点近似共线引入较大定位误差的缺陷,提出基于相交度比的无线传感器网络迭代定位算法,首先利用定位单元拓扑分布质量函数选择1-跳邻居参考节点,组成高质量的定位单元;其次采用基于相交度比的距离计算估计距离精度;最后采用双曲线定位方法减少误差.仿真结果表明,在节点均匀随机部署,非均匀C-型分布的网络场景中,与DV-Hop、Amorphous等已有改进算法相比,新算法具有更小的定位误差,可提供更加精确的传感器节点位置.     

改进DV—Hop定位算法在随机传感器网络中的研究

DV—Hop定位算法是一种典型的无需测距定位算法。DV—Hop定位算法在各向同性的密集网络中,可以得到比较合理的定位精度,然而在随机分布的网络中,节点定位误差较大。针对随机传感器网络中节点分布不规则的特点,在传统DV-Hop算法的基础上采用了跳数修正和多变的平均跳距离法两个改进措施,提出了一种改进的DV—Hop定位算法。仿真结果表明,提出的改进算法可大大地提高随机传感器网络中节点的定位精度。     

一种改进的无线传感器网络APIT定位算法

分析了APIT定位算法在定位精度和定位覆盖率方面存在的问题及其原因,针对这些问题,提出一种基于信号传输时间的定位改进算法（简称为TAPIT）。在TAPIT算法中,采用测量节点间信号传输所需的时间替代节点间的距离,利用面积测试法进行三角形内点测试,减少了测试的误差,提高了算法的定位精度;通过引入TROA算法以及利用部分已定位的节点参与定位计算,帮助部分无法使用APIT定位算法进行定位的节点完成定位,从而提高了算法的定位覆盖率。仿真实验表明,与APIT定位算法相比较,TAPIT定位算法在定位精度和定位覆盖率上都有明显的提高。     

Fingerprint optimization method for the indoor localization system

The accuracy of the indoor localization is influenced directly by the quality of the fingerprint. But the indoor localization algorithms in existence are almost conducted based on the original fingerprint which is not optimized. The k-means is introduced to optimize the fingerprint in this paper. And deleting the collected bad-points through the theory of cluster could make the fingerprint more accurate for the indoor localization algorithm. Compared with the indoor localization systems in existence, the result of experiments shows that the optimized fingerprint can increase the accurate of indoor localization with a higher probability.     

基于二维正弦曲面滤波器的指纹图像增强算法研究

在深入分析指纹图像的基本特征及其对正弦曲面相似性的基础上,构造符合指纹局部区域纹线灰度分布规律的正弦曲面滤波器模型,并提出了基于该模型的指纹增强算法.实验结果表明,相比于加博增强算法,该算法具有更好的纹线连接能力,能有效提高指纹图像增强的实际效果和细节特征信息提取结果的准确性.     

无线传感器网络中基于复合权值的质心定位改进算法

节点定位是无线传感器网络应用的关键技术之一。为了提高无线传感器网络节点定位的精确度,文章分析了质心定位算法的原理和优缺点,提出一种基于复合权值的质心定位改进算法（简称为RWCLA）,利用不同的权值来体现不同的锚节点对多边形质心计算结果的影响。仿真实验表明,改进后的算法比标准质心定位算法的定位精度有了明显的提高。     

基于RSSI的四边测距改进加权质心定位算法

该文根据接收信号强度指示的测距特性,改进四边测距,并提出一种改进的加权质心定位算法。首先引入统计中值加权的方法,有效地降低了采集RSSI信号时的测量误差。然后运用Euclidean节点定位算法,改进四边测距算法。为进一步提高精度,对WSN定位技术中关于未知节点近似位置的算法做了修正,并对加权质心定位算法中的加权因子进行了优化,使未知节点的定位精度更加精确。相比之前的许多加权质心定位算法,仿真结果表明,改进的质心定位算法在定位精度方面有很大的提高,鲁棒性也较高。     

基于RSSI加权数据融合的TDOA定位算法

为解决基于到达时间差(TDOA)定位算法中的定位模糊、测量时差的精确度对定位精度影响较大等问题,通过对TDOA、基于接收信号强度(RSSI)定位算法进行研究分析,提出利用RSSI加权数据融合修正由TDOA算法获得的多个初始位置估计值,从而获得更优位置估计的TDOA/RSSI定位算法.该算法具有计算量小,能有效降低定位误...