基于移动终端和大数据的自动化定位研究

为提高移动终端的自动化定位精度,提出一种基于细粒度WIFI指纹地图+改进KNN的移动终端定位方法。其中,首先采用DBSCAN聚类算法对移动终端的位置数据进行预处理,为后续的定位奠定基础;其次,提出基于细粒度WIFI指纹地图生成指纹地图,进而提高后续移动终端的定位精度;最后采用改进KNN算法实现移动终端的定位。通过MATLAB软件进行实验仿真,仿真结果表明,与其他基线模型相比,本研究构建的指纹地图模型能够完成更高精度的定位;与粗粒度指纹地图相比,本研究所在于的细粒度指纹地图算法有着更高的精度,定位误差仅为8.29 m。以上实验结果验证了本研究构建的定位方法的可行性和合理性,具有一定的实用价值。     

基于隐马尔可夫模型的移动终端定位算法

移动互联网技术的快速发展,对移动终端定位方法提出了新的要求.针对传统方法在功耗、精度、通用性方面往往不能兼顾的问题,在充分挖掘个人行为习惯的基础上,提出了一种基于隐马尔可夫模型的定位算法.该算法根据地图信息对基站覆盖区域进行路段划分,通过记录个人的行走轨迹,利用其统计规律来辅助建立GSM信号的隐马尔可夫模型,通过测量基站的信号强度序列,完成对当前位置给出较为精确的估计.实验结果表明该算法在保证低功耗的同时有效提高了定位精度.     

基于dynFWA-SVM的WiFi室内定位算法

针对实际定位应用中室内环境复杂,传统的WiFi室内定位算法精度低、稳定性差、代价较高以及不同移动终端之间采集信号强度存在差异等问题,提出了基于dynFWA-SVM的WiFi室内定位模型.定位过程中,利用高斯滤波对信号进行除奇异值操作,同时采用信号强度差(SSD)位置指纹替代传统的接收信号强度(RSS)位置指纹;采用动态搜索烟花算法(dynFWA)优化支持向量机(SVM)参数,从而建立了dynFWA-SVM室内定位模型.实验结果表明:经高斯滤波处理后的SSD指纹可以有效提高定位的稳定性和可靠性,减小因不同终端采集信号强度存在差异对定位结果造成的影响,相较于粒子群优化(PSO)算法和烟花算法(FWA),dynFWA算法的优化效率更高,提出的dynFWA-SVM定位模型的定位误差更低.     

一种基于Voronoi-图的室内定位技术

本文提出了一种新的无线室内定位技术.该方法把Voronoi-图引入到定位中,利用信号强度与距离之间的关系,根据Voronoi-图的特性来确定移动终端的位置.仿真结果表明,该方法时间复杂度小,收敛速度快,同时也具有较好的精度,能适应快速定位的要求,具有较高的实用价值.     

基于UML的移动终端软件自动化测试用例建模

以移动终端软件测试为例,依据统一建模语言(Unified Modeling Language,UML),利用建模工具和UML模型图,给出了一种生成测试用例的方法。该方法能直观地创建自动化测试用例方案模型,尽可能多地生成测试用例场景,从而加大了测试用例的隐含故障覆盖率,并能为移动终端的自动化测试工具提供有效的配置参数。     

基于移动信标的无线传感器网络节点定位

提出了一种基于测距的移动信标节点定位方法.该方法采用一个移动信标节点,信标的移动方式采用高斯马尔可夫模型,该移动模型基本能遍历整个传感区域,能使未知节点获得足够定位信息;定位机制采用加权质心与扩展卡尔曼滤波算法相结合,先用加权质心算法进行初精度定位,进而用扩展卡尔曼滤波方法进行精确定位.通过对信标移动时间、移动速度、虚拟信标点个数、迭代次数等定位参数分别进行仿真试验,实验结果表明在相同条件下该方法与最小二乘法(LSE)及加权最小二乘法(WLSE)相比,其定位精度高,健壮性好,可扩展性强.     

基于移动节点的无线传感器网络定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一,为了提高定位算法的准确性,提出了一种基于移动目标节点的两步定位算法。该算法利用一个移动目标节点遍历整个网络,并周期性地广播包含自身当前位置的信息。而传感器节点的自身定位过程则可用基于无迹卡尔曼滤波(UKF)的目标跟踪方法实现。由于所用的目标状态模型和量测模型有一定的不确定性,所以先选取不共线的3个拥有RSSI测距能力的目标节点信息,利用Euclidean定位法提高滤波的初始位置精度,从而改善定位效果。通过仿真、分析和比较该目标节点在多种移动轨迹情况下的定位误差,这种两步定位法可以改善对目标节点移动轨迹的特殊要求的限制,能取得较好的定位精度,而且更适合于实际情况。     

煤矿井下人员融合定位方法

针对飞行时间(TOF)测距定位方法定位盲区多、易受非视距干扰、定位精度有限,捷联惯性导航定位方法长时间累计误差的问题,提出了一种基于TOF测距定位和捷联惯性导航定位的煤矿井下人员融合定位方法。该方法分区域定位:当定位终端位于定位基站近距离无线通信覆盖范围内时,采用TOF测距定位方式,通过近距离无线通信方式将定位数据发送至附近的定位基站;当定位终端位于定位基站近距离无线通信覆盖范围之外时,采用捷联惯性导航定位方式,并利用卡尔曼滤波算法对定位数据进行修正,通过远距离无线通信方式将定位数据发送至附近的定位基站;当定位终端位于定位基站远距离无线通信覆盖范围之外时,定位终端对定位数据进行本地存储,当定位终端移动到定位基站无线通信覆盖范围内时,将存储的定位数据发送给定位基站。定位基站将定位数据传输至地面监控中心,获得人员轨迹和位置坐标。实验结果验证了该方法的有效性。     

基于WiFi的四边测距修正加权质心定位算法

针对现阶段无线信号传播过程易受周围环境干扰、运动载体定位算法精度低的问题,提出一种基于WiFi技术的四边测距修正加权质心定位算法.该算法首先运用近高斯拟合算法和卡尔曼滤波剔除RSSI数据中的突变数据和差异较大的数据,选出最优的RSSI值;然后根据无线信号传播路径损耗模型,运用RSSI值对移动终端和AP的距离进行模型计算;最后采用改进加权因子的加权质心定位算法并结合四边测距法对待定位点坐标进行计算.仿真实验表明:基于WiFi技术的四边测距修正加权质心定位算法相对提高了定位的精度.     

视频测速技术在煤矿井下机车定位中的应用

针对传统的矿井信集闭系统因采用传感器获取机车运行信息来实现机车识别与定位而导致的系统不稳定问题,介绍了一种采用视频测速技术来实现井下机车定位的方法。该方法采用双目立体视觉测距技术得出机车运行距离,根据相邻两帧图像时间间隔求出机车实时运行速度,然后将机车运行速度转换为相应模拟小球的移动速度,使调度员在调度室内通过观察模拟小球的移动状态来实时监测移动小球对应机车的运行状态,从而实现对机车的定位功能。