基于稀疏表示的室内指纹定位算法

为解决室内实时定位中精度不高的问题,提出了一种基于稀疏表示的室内指纹定位算法.针对传统的指纹数据库匹配算法的不足,将待测点的位置估计看作多分类问题.首先在室内区域选择若干个参考点,多次测量参考点的WiFi信号强度,构建稀疏数据字典.通过稀疏表示的方法,用参考点的指纹矢量对待测点处的指纹矢量进行重构,计算重构误差并根据其对待测点位置进行估计.实验结果表明,与传统SVM定位方法相比,该算法的定位精度有明显提高.     

基于INS定位和WIFI指纹定位技术的无人机室内定位方法研究

针对无人机室内定位问题,提出了一种基于惯性导航系统（INS）和WIFI指纹定位技术的四旋翼无人机的室内定位方法。该方法首先利用WIFI模块测量的信号接收强度信息,根据WIFI指纹定位原理求出该定位时刻下的无人机位置;同时,利用惯性传感器信息计算出INS定位下的无人机位置,结合两种定位结果得出更为精确的位置。最后,通过实验验证了INS定位和WIFI指纹定位相结合的无人机室内定位方法的有效性,且该方法较两种单独定位方法的定位精度更高。     

一种改进的位置指纹智能手机室内定位算法

为了减小智能手机现有室内定位算法的时间复杂度和空间复杂度,提出一种将确定型算法和概率分布算法融合的智能手机室内定位新方法。利用最近邻算法选出K个最相近的位置点,然后采用贝叶斯算法将K个位置点中匹配概率最大的点作为最终的估计位置。在Android手机上分别采用3种方法进行20组室内对比定位实验,并随机选取10个位置进行定位误差对比实验,结果表明,新方法比贝叶斯算法的复杂度降低了Ο(4n/5),比最近邻算法的定位准确率提高了约4%,且定位误差较小。     

基于模拟退火聚类的室内定位算法

针对大型室内场景下现有指纹定位算法运算复杂度高、定位精度低的问题,提出一种基于模拟退火聚类的室内定位算法。该算法采用模拟退火聚类的方法完成对指纹空间的聚类和划分,有效降低了指纹匹配所需的候选指纹数量,并消除了具有一定特征相似性的奇异点,从而降低了运算复杂度,提高了定位精度。实验结果表明,该算法可计算出定位环境下指纹空间的最优聚类数从而确保定位精度,较K 均值聚类定位算法和KNN算法定位精度高,且定位精度不受初始值影响。     

基于小样本的高精度室内停车场指纹定位算法

针对传统指纹定位算法在离线阶段采集样本工作量较大的问题,该文利用一种分区拟合值近似法（P-FP）来建立离线指纹库。为了解决在线阶段由于WiFi信号的波动导致的定位精度较低的问题,提出一种基于P-FP的设定阈值的序贯重要性采样（SIR）粒子滤波算法（PS-FP）来优化定位坐标。首先建立了路径的损耗模型,并对室内停车场进行分区拟合,得到每个分区的环境系数;然后用拟合值与实际测量值的差值来建立误差特性矩阵,并重新部署虚拟的参考节点（RP）;最后对离线指纹库进行C均值聚类。通过比较平均定位误差（MLE）寻找PS-FP算法的最优阈值,并采用PS-FP算法来优化在线定位坐标。实验结果表明,在部署很少的RP即获取样本比较少的条件下,PS-FP算法依然能达到较高的定位精度,其平均定位误差约为0.7 m。累积分布函数（CDF）的分析结果表明,采用PS-FP算法在2 m以内的定位误差能达到98%。     

基于证据理论的群指纹融合室内定位方法

室内定位的主要挑战是室内的多径传播及非平稳信道环境,传统基于信号强度指纹的单指纹室内定位方法由于受环境变化影响较大,稳健性较差且精度较低。针对此问题,提出一种基于D-S证据理论的群指纹融合高精度室内定位方法。在建库阶段,利用室内阵列信号接收模型,首先通过计算阵列接收信号的不同统计特性构建包括信号强度、协方差矩阵、信号子空间及四阶累积量组成的群指纹库,再对群指纹进行神经网络训练获取针对每种指纹的神经网络分类器;在实测阶段,把实测数据的上述4种变换输入到训练好的神经网络分类器中,最后利用D-S证据理论对神经网络分类器的分类结果进行融合,给出最终的定位结果。仿真结果证明了算法的有效性及可行性。该算法可充分发挥指纹信息的集群效应,对噪声、多径传播等具有较好的稳健性,是一种高精度的室内定位新方法。     

仿蝎子振源定位机理的位置指纹室内定位方法

针对基于接受信号强度(RSS)的位置指纹室内定位方法易受到多径效应及噪声干扰而导致定位精度低这一问题,提出了一种仿蝎子振源定位机理的位置指纹室内定位方法。该方法首先仿蝎子的n/1神经元构型构建神经元结构对振动信号进行编码,将振动信号转化为脉冲。然后,提取脉冲作为位置指纹特征,并利用该脉冲建立位置指纹特征库。最后,用加权K近邻(WKNN)算法进行振源位置估计。为验证本文算法的有效性,模仿蝎子生理结构,搭建了一套仿蝎子振动感知的振动信号采集系统,在室内环境中进行用户踏步信号的采集,并根据振动数据进行定位试验。结果表明:本文提出的仿蝎子n/1神经元构型的位置指纹定位方法比基于RSS的位置指纹定位方法的平均定位准确度提高了0.148 4 m。     

基于声音位置指纹的室内声源定位方法

针对基于模型的声源定位方法在非结构化空间中应用所存在的模型依赖度高、定位精度低等问题,提出一种基于声音位置指纹的定位方法,通过将待定位点处的声源信号空间位置特征与定位数据库中信息进行比较从而完成声源定位.该定位方法包括2个阶段:离线采样阶段,捕获各定位参考点处声源信号并完成位置特征提取,据此特征和参考点位置信息构建定位数据库;在线定位阶段,通过提取待定位点处实时信号特征并和定位数据库中信息进行匹配完成定位.仿真实验结果表明:在麦克风数量较少、环境噪声干扰较大的情况下,该方法具有较小的声源位置估计偏差,定位效果可满足实际应用需求.     

An Indoor Localization Approach Based on Fingerprint and Time-Difference of Arrival Fusion

In this paper, an effective target locating approach based on the fingerprint fusion positioning (FFP) method is proposed which integrates the time-difference of arrival (TDOA) and the received signal strength according to the statistical variance of target position in the stationary 3D scenarios. The FFP method fuses the pedestrian dead reckoning (PDR) estimation to solve the moving target localization problem. We also introduce auxiliary parameters to estimate the target motion state. Subsequently, we can locate the static pedestrians and track the the moving target. For the case study, eight access stationary points are placed on a bookshelf and hypermarket; one target node is moving inside hypermarkets in 2D and 3D scenarios or stationary on the bookshelf. We compare the performance of our proposed method with existing localization algorithms such as k-nearest neighbor, weighted k-nearest neighbor, pure TDOA and fingerprinting combining Bayesian frameworks including the extended Kalman filter, unscented Kalman filter and particle filter (PF). The proposed approach outperforms obviously the counterpart methodologies in terms of the root mean square error and the cumulative distribution function of localization errors, especially in the 3D scenarios. Simulation results corroborate the effectiveness of our proposed approach.     

一种基于Shapelet算法的指纹定位方法

信道状态信息（CSI）受时空影响较大,导致现有基于CSI的室内定位技术鲁棒性差.针对这一问题,提出了基于Shapelet算法的指纹定位方法.在训练阶段将CSI作为原始位置数据,通过3-σ异常值处理法和卡尔曼滤波对原始数据进行处理、修正;再使用Shapelet算法提取每个位置的指纹,并建立指纹库;最后使用指纹库构建Shapelet决策树,通过决策树分类实现较为精准的定位.通过与主成分分析算法以及k近邻算法的对比实验,结果表明,该方法在不同时间的定位精度较高,且能保持性能稳定,所需训练集更小.     

Self-Recovery of Localization Loss for Indoor Mobile Robot

室内移动机器人在定位丢失时的自恢复研究

蒋林¹,王翰¹, 雷斌^1*, 朱建阳¹, 刘怀广¹, 赵慧²

（1.武汉科技大学 冶金装备及控制教育部重点实验室,武汉,430081;

2.武汉科技大学 机器人与智能系统研究院,武汉 430081）

创新点说明：

针对机器人“绑架”问题,本文具体分析机器人离实际位置点较近和较远的“绑架”类型,以及不同绑架类型所对应机器人的状态和造成这种状态的原因。为判断机器人是否处于“绑架”状态,本文提出改进蒙特卡洛定位算法(IMCL),该算法通过检测粒子均权重的突变进行判断,并针对机器人处于不同的状态采用不同的重采样策略来改进粒子集,进而帮助机器人重新找到自己的真实位置。

关键词：室内移动机器人;自恢复;定位丢失;改进蒙特卡洛定位算法

     

基于中心点的指纹匹配算法的研究

研究了一种基于指纹中心点的指纹匹配算法.该算法将指纹的中心点来确定指纹匹配时的参考点,指纹的中心方向为初始方向,在此基础上所有的特征点用极坐标表示.该方法降低计算量,并提高了匹配的准确性.     

基于K均值聚类的定位算法分析

在描述了聚类算法的基本思想和概念的基础上,介绍了一种常见的聚类算法—K均值和K中心点聚类算法,通过处理认知无线电网络中主用户定位在海量数据中应用K均值聚类算法,对该算法进行分析,仿真结果表明:与传统的主用户定位算法相比,使用K均值聚类算法能够有效地提高定位精度和降低定位算法的复杂度.     

自动指纹识别技术研究

文章详细阐述了自动指纹识别技术(AFIS)中各个步骤的核心技术，对在图象滤波，指纹图象分类与匹配用到的技术做了进一步的比较，分析了各自的优缺点，并提出了今后需要进一步研究的展望。     

利用测距值优化的室内三维定位算法

为了解决实际误差分布与假设误差分布不匹配导致最小二乘三维定位算法精度较低的问题,提出一种基于测距值优化的最小二乘室内三维定位算法.结合残差修正、Cayley-Menger行列式及空间四面体几何约束,利用非线性规划方法优化测距值,使测距误差符合高斯分布特性,从而提高最小二乘三维定位算法的定位精度.实验对比分析结果显示,所提算法具有较高的定位精度及稳定性.     

基于标记盒的指纹分割

为增强指纹图像分割的效果，首先，基于方向一致性、局部灰度均值和灰度方差指标，提出了像素空间分布并进行了分析；然后，给出了使用标记盒来建立模型和进行指纹图像分割的算法步骤；最后，为了评估该方法的性能，分别使用线性分割器和二次曲面分割器的方法进行了对比实验．实验结果表明新方法提供了更精确的分割结果，仅有0．80％的像素分割错误，而二次曲面分割法的错误率为0．97％．