基于CSI的轻量级自适应井下定位算法

针对传统井下定位成本高、工作危险系数大的问题,提出一种基于信道状态信息(channel state information, CSI)的轻量级自适应井下定位(lightweight self-adaptive underground positioning algorithm, LSA)方法。LSA方法以细粒度的CSI替代粗粒度的接收信号强度(received signal strength indicator, RSSI)来获得更高的定位精度,采用逆傅里叶变换将原始CSI数据转换为信道脉冲响应,以此选取视距信号,并通过构建CSI视距信号衰减模型实现轻量级的精确测距;基于井下现有WiFi网络中的访问接入点(access points, APs)位置和井下巷道特征,计算目标相对AP的方向,根据方向和测距结果完成定位。该方法能够自适应于AP在巷道中的任意位置部署,并利用拐角识别优化算法进一步提高定位的精度。试验结果表明,该方法能够使得定位中位数误差达到0.53 m,且无需在井下单独部署任何定位系统,性能明显优于已提出的CDPF、FILA等其他定位算法。     

基于堆叠稀疏自动编码器和SVM的CSI室内定位方法

针对基于高细粒度信道状态信息(channel state information,CSI)的室内定位指纹数据冗余大、解析复杂的问题,提出一种基于堆叠稀疏自动编码器和支持向量机(support vector machine,SVM)的CSI室内定位方法.该方法首先融合物理层信道信息的幅值与相位数据,利用堆叠稀疏自动编码器在非线性指纹特征空间提取深层定位特征;然后,生成稀疏特征指纹,通过支持向量分类器完成目标位置确定.稀疏特征指纹的应用将CSI指纹库体积缩小约92.6％,同时,实验结果证明该方法可在视距与非视距传播路径混合的复杂室内环境下达到1.205 m的平均定位误差,较其他定位方法有明显的定位精度提升.     

基于信道状态信息的人体行为识别系统

提出了一种基于无设备的人体行为识别系统,利用Wi-Fi信号的信道状态信息(CSI)来识别3个动态活动:行走、摔倒和坐。该系统只需要一台Wi-Fi路由器作为发射器和一台装有无线网卡的笔记本电脑作为接收器。系统从WiFi信号中提取CSI,然后经过低通滤波以消除噪声,并且为了降低CSI的维度和避免周围噪声所带来的不良影响,在整个CSI数据流中采用了主成分分析(PCA)算法。因此,该系统能够从CSI的时域和频域中得到有用的信号特征值。继而,采用支持向量机(SVM)算法来对人体行为进行分类。为了评优系统的可用性和稳定性,跟5个用户在动态环境中,分别在视距(LOS)和非视距(NLOS)的条件下做了大量的实验,这些实验表明该系统能够得到较高的准确率。     

一种非视距环境下改进的组合定位算法

为解决基于UWB技术的室内定位算法在测距时存在非视距误差以及异常值,而导致定位精度以及稳定性下降问题,文中提出了一种能够鉴别非视距环境以及消除非视距误差的组合定位算法。该算法通过二项假设检验鉴别非视距环境,在扩展的卡尔曼滤波算法中的待估计的状态向量之中引入非视距转换因子,利用迭代算法消除非视距误差对定位估计的影响,最后通过CTK算法对定位进行精确计算。实验结果表明,该算法针对非视距环境在约95%的定位结果中的误差仅为0.04m左右,相比于CTK算法,定位精度效果提升了13%左右,定位结果更加准确,可以更好满足室内移动机器人的定位要求。     

复杂电磁环境下移动节点三维定位研究

动态环境下的定位是最基本的应用支持技术之一。仅靠电磁信号的高精度测距定位对普通移动电子设备及其时钟同步的要求很高,而且对电磁干扰、多径效应和非视距等因素的影响较为敏感。为适应移动节点所处的邻居信标节点数量的不断变化和复杂电磁环境下对高精度定位的特殊要求,解决在信标节点稀疏分布情形下的高精度定位问题,提出基于次声波和电磁波的非同步TDOA三维测距解析定位及加权辅助定位算法,其中包括三维解析定位算法、动态质心定位算法和轻量级的新抗差加权最小二乘算法,并研究了内插法下的运动轨迹恢复。仿真表明该算法具有很好的稳健性和很高的定位精度。     

煤矿井下区间分段视距节点合作定位算法

针对煤矿井下长距离定位时节点信号波动大、非视距路径信号衰减严重造成定位精度低问题,提出一种区间分段式视距节点合作定位算法。该算法利用学习向量量化聚类将长距离信号传输区间自定义分段,利用分段阈值选择未知节点所属区间;把已定位出结果的未知节点视为其他未知节点的虚拟参考节点,实现所有节点信息相互交流,在节点筛选思想下,利用信道状态信息,克服多径效应来寻找视距路径节点,将近距离区间内的已定位视距路径节点代替远距离区间内的参考节点,减少远距离参考节点的使用。结果表明,与传统未分段、未寻找视距路径节点合作的算法相比,定位误差只有1.5m,精度提高率达到85%。     

双频副载波调幅的UHF RFID定位研究

针对多径效应及非视距阻挡使得基于收信强度的室内定位系统精度难以进一步提高的问题,提出了一种适于915 MHZ射频识别定位算法,以收发信号的相位差作为定位依据,引入双频副载波克服整周期模糊度并降低采样率要求,结合全相位FFT谱分析特性,提出一种基于欠采样条件下的相位差估计方法并获取测距信息,利用最小二乘法求解定位标签位置.仿真结果表明,该算法具有良好的定位准确度及稳定性.     

非视距环境下UWB节点的LS定位算法

针对非视距环境下的超宽带节点定位中问题,为提高超宽带(UWB)定位精度,对基于最小二乘法的超宽带节点定位算法进行了改进。首先对超宽带测距方法进行了分析,重点对选择的基于接收信号到达时间的双边双向测距方法进行了研究;在此基础上,对超宽带节点定位原理进行了介绍,对选定的最小二乘法定位算法进行分析;最后,通过Matlab对非视距环境下的定位进行仿真验证。仿真结果表明,与泰勒级数定位算法、三边质心定位算法相比,最小二乘法定位算法具有较高的定位精度和鲁棒性。     

基于信道状态信息的无源室内定位

针对传统室内定位方法在准确性及稳定性上的不足,本文提出了一种基于信道状态信息(channel state information,CSI)的无源室内定位方法。该方法采用普通设备搭建了实验平台,离线阶段采集CSI数据建立位置指纹库,在线阶段则利用机器学习的朴素贝叶斯算法进行位置分类。为进一步提高分类准确度,本文还提出了置信度方法,通过综合多条天线对的结果来减少位置误判。实验结果表明,本文所提出方法能有效实现对室内人员的无源定位,可以达到90%以上的准确度。     

一种基于PARAFAC模型的MIMO中继系统信道估计方法

为了有效地估计两跳放大转发(AF)多输入多输出(MIMO)中继系统的信道状态信息(CSI),提出了一种基于平行因子(PARAFAC)模型的信道估计方法。在信宿,该方法通过对接收信号构造PARAFAC模型,采用所提的复值最优交替最小二乘(CALS)拟合算法就能估计出该通信系统中所有的CSI。与已有的信道估计方法相比,所提方法需要较少的信道训练数据块和具有更高的信道估计精度。仿真结果验证了所提方法的有效性。     

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.     

基于高斯过程回归与硬件优化的可见光室内定位设计

为了使可见光室内定位操作更加简单,不依赖于视线视图和位置登记,在硬件方面,使用光电二极管作为接收器,通过组装兼容的光电二极管和紧凑型LED完成硬件方面的优化。在软件算法方面,基于指纹技术,使用高斯过程回归（GPR）算法进行定位。首先对GPR环境进行建模,构建一个强度分布模型。然后,使用贝叶斯理论获得定位的表达形式。实验在3m×3m的平台区域上进行,对25个目标进行测试。与类似的室内定位系统相比,所提系统定位精度更高,实现了厘米级定位。且可以长时间精确定位运动目标,鲁棒性较好。     

心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.     

误差修正的声源目标混合定位算法

针对定位系统因非视距传播、多路径效应等因素所导致定位精度降低的问题,提出了一种基于到达时差的误差修正声源目标混合定位算法。首先,该算法在传统加权最小二乘法中引入动态权值修正技术获得泰勒级数迭代法初值,减少了迭代次数;其次,提出了后项时延选择算法,并结合标准残差函数剔除了误差较大的时差对定位性能的影响,选择最优的时差组合方式进行目标位置解算;最后,通过标准残差加权的方式修正混合定位算法误差,得到声源目标位置。 实验结果显示,新提出的误差修正混合定位算法性能优于参考算法,且对非视距误差具有显著的抑制作用,有效地提高了定位精度。     

基于秩滤波和裴波那契树的信号强度定位算法

针对接收信号强度指示（RSSI）测距定位精度和鲁棒性差的问题,提出了一种基于秩滤波和裴波那契树的信号强度定位（RF-RSSI-FTO）算法.采用秩滤波方法对RSSI值进行去干扰滤波处理,可提高测距精度及鲁棒性;引入裴波那契树优化算法对定位坐标进行全局和局部搜索寻优处理,可减小定位误差.仿真结果表明,RF-RSSI-FTO算法能有效改善测距精度和鲁棒性,增强全局和局部搜索能力,提高定位精度.     

基于Sagnac振动传感器的扫频定位

萨格纳克(Sagnac)传感器可用于监测围栏、管道、输电线路等振动信号.通过Sagnac振动传感器定位的原理,提出了采用函数信号发生器驱动压电陶瓷来模拟宽频入侵振动信号,从而确定系统定位的精度方法.对获得的信号小波降噪,并根据降噪后的信号进行快速傅里叶变换,再根据频谱寻找零频点对振动点定位,信号的解调程序采用Lab VIEW软件进行编写.实验证明,该方法能够很好地确定系统的定位精度.     

基于正交多项式拟合的非视距定位优化算法

提出一种非视距环境中基于到达时间的移动定位优化算法。首先在基站端利用系统测量误差的先验知识判断到达时间测量值中是否存在非视距误差;然后通过加权正交多项式拟合对含有非视距误差的测量值进行修正,并利用有约束的加权优化算法对移动用户进行位置估计;最后对算法的定位误差性能进行仿真分析,并与视距环境中的最小二乘算法和有约束加权最小二乘算法的平均定位误差以及定位误差的克拉默·劳下界进行了比较。计算结果表明,提出的算法在非视距环境中能够得到较好的定位精度。     

Semi-Supervised Clustering Fingerprint Positioning Algorithm Based on Distance Constraints

With the rapid development of WLAN (Wireless Local Area Network) technology, an important target of indoor positioning systems is to improve the positioning accuracy while reducing the online computation. In this paper, it proposes a novel fingerprint positioning algorithm known as semi-supervised affinity propagation clustering based on distance function constraints. We show that by employing affinity propagation techniques, it is able to use a fractional labeled data to adjust similarity matrix of signal space to cluster reference points with high accuracy. The semi-supervised APC uses a combination of machine learning, clustering analysis and fingerprinting algorithm. By collecting data and testing our algorithm in a realistic indoor WLAN environment, the experimental results indicate that the proposed algorithm can improve positioning accuracy while reduce the online localization computation, as compared with the widely used K nearest neighbor and maximum likelihood estimation algorithms.