基于PCA-LSSVR算法的WLAN室内定位方法

针对WLAN室内定位系统中存在的接收信号强度指示(RSSI)时变特性降低定位精度的问题,提出一种基于主成分分析(PCA)和最小二乘支持向量回归机(LS-SVR)的PCA-LSSVR定位算法。该算法首先利用PCA对采集的各接入点(AP)的原始RSSI信号进行数据降维和去相关处理,提取主要的定位特征数据;然后利用LS-SVR构建指纹点的定位特征数据与其位置的非线性关系,并利用此关系对测试点的位置进行回归预测。实验结果表明,该算法的定位精度优于几种传统的定位算法,是一种性能良好的WLAN室内定位算法。     

基于无线传感器网络自校正定位算法

节点定位是无线传感器网络的重要应用之一,为了抑制实际应用中各种环境因素对无线传感器节点精度的影响,提出了一种基于误差校正的定位算法。通过基于粒子群优化算法的粒子群优化-接收信号强度指示算法(par-ticle swarm optimization-received signal strength indication,简称PSO-RSSI算法)将未知节点收到信标节点一定数量的存在偏差的链路质量指示值进行优化,实现对误差的补偿。将链路质量指示值转化为接收信号强度指示值,从而得到距离。实验结果表明,该算法可提高定位精度,具有普遍应用价值。     

测距误差分级的室内TOA定位算法

在室内TOA(time of arrival)定位中,严重的多径和非视距现象造成测距误差较大.如何降低测距误差对定位精度的影响是室内精确定位系统的重要挑战.首先介绍了基于RSSI的室内TOA测距误差分级模型(RSSI based indoor TOA ranging error model,RITEM),该模型根据测距过程的RSSI值大小,将测距误差划分为4个等级,且各个等级的误差区间和对应的RSSI值区间可以通过现场测试获得.将RITEM应用到定位算法中,提出一种基于误差分级的室内TOA定位算法(ranging error classification based indoor TOA localization algorithm,REC).算法根据TOA测距过程中的RSSI值和RITEM实时估计测距误差级别和误差范围,利用极大似然法求得定位区域中标签最大概率位置作为定位结果.仿真和实际测试结果显示,在实际室内环境中,REC定位算法具有较高的定位精度,且平均定位误差、定位误差均方差和90％定位误差、最大定位误差等性能明显好于Ls、CN-TOAG、Nano算法.     

基于RSSI每跳分级和跳距修正的DV-HOP改进算法

针对DV-HOP(distance vector hop)算法的定位精度对节点间跳数信息依赖性较强的特点,提出一种基于接收信号强度指示(received signal strength indicator,RSSI)每跳分级和平均跳距修正的DV-HOP改进算法RADV-HOP(RSSI and average hopping distance modifying DV-HOP).仿真结果表明:在相同的网络环境里,与传统DV-HOP算法相比,RADV-HOP定位算法仅需节点通信芯片带有RSSI指示功能及增加少量的计算和通信开销,不需要额外的硬件开销,将每跳分为3个子级时,归一化定位误差能下降65％;与其他DV-HOP修正算法相比,RADV-HOP算法以相同的通信开销和稍微增加的计算开销使定位误差下降了45％.     

动态参考点群组ZigBee辅助定位系统设计

基于Zig Bee的无线传感网络因其组网方便、低功耗、具有网络自愈性等特点,在群组定位中具有较大的潜力。但传统的定位方法在实际应用中有很大局限性。采用动态参考节点定位方法,即依据群体中任意两个节点之间的RSSI值(接收信号强度指示)推算出任意两节点间的距离信息,再利用Lab VIEW上位机软件将任意两节点间的距离信息处理成为群组节点的相对位置信息,并将其在坐标系中形象地显示出来。经实验验证,多节点群组在动态坐标系中能够显示出来,且节点距离6 m范围内多次测量误差在0.51 m。研究结果表明,该设计对动态参考节点群组定位技术研究具有一定的参考价值。     

基于RSSI测距的老人监护系统定位方案

为满足养老院老人监护系统成本低、响应快速等要求,将无线传感器网络(WSN)技术应用到老人监护系统中,提出了一种基于接收信号强度(RSSI)测距的无线定位方案。对养老院具体环境和定位要求进行了分析,以Micaz节点构建了系统平台,并结合RSSI测距的特点,提出了在不同环境下的锚节点部署方案;设计了适应性强的区域三边定位算法,以实时监测老人的位置信息,当老人身体出现异常时,能快速确定老人位置,确保老人的人身安全;最后,通过实验验证了该定位算法的正确性。研究结果表明,基于RSSI测距的老人监护系统定位方案能够较好地完成定位功能,帮助医护人员及时准确地到达出事地点,加快救援速度。     

基于ZigBee技术的无线定位算法研究

针对目前无线定位技术及其算法进行了一定的研究,并提出了一种新的方法:阈值分段定位方法(Threshold Localization Method,TLM)。当目标节点和参考节点距离在阈值距离以内时采用改进的RSSI测距法,建立一个特定环境中的信号传播模型;当距离在阈值距离以外时,采用基于LQI指示的DV-Hop算法,在传统DV-Hop算法中引进LQI来改善定位精度。无线收发采用ZigBee无线通信技术。     

基于RSSI的无线传感网络协同定位算法及其应用

为了解决传统无线传感网络(WSN)中定位方法精度不高的问题,将协同定位的技术应用到无线传感网络的定位中。首先,通过对盲节点与参考节点的距离关系的分析,初步确定了盲节点区域;然后利用接收信号强度指示(RSSI)测距技术建立了盲节点之间的相对位置关系,并应用盲节点的相对位置关系多次迭代缩小盲节点区域,精确盲节点位置;在此基础上,提出了基于RSSI的无线传感网络协同定位算法。在Zigbee平台上对该算法进行了技术评价,与传统定位方法进行了对比实验,实验结果表明,基于RSSI的无线传感网络协同定位算法具有一定的精度优势,特别是当参考节点数目较少时,这种优势比较明显,具有良好的应用前景。     

基于ZigBee的三维定位系统设计与实现

研究设计了基于Zig Bee的三维定位系统。定位系统采用基于接收信号强度指示(RSSI)的测距方法,并采用极大似然估计法计算未知节点的位置;节点硬件采用以TI公司的CC2530芯片为核心的Zig Bee模块,并在Z-Stack协议栈基础上编写了Zig Bee网络协调器、参考节点和未知节点的程序,实现了未知节点采集定位信息的功能;定位管理计算机根据未知节点采集到的定位信息实现了未知节点的位置解算功能,并通过实验测试证明了该方案可以实现节点的三维定位功能。     

基于双频点载波相位的 RFID 室内定位算法

针对传统射频识别(RFID)室内定位方法定位精度不高的问题,提出了一种基于双频点载波相位距离模型的RFID室内定位算法。采用跳频技术虚拟大带宽获取距离粗估计以实现多径抑制,并基于多径抑制完成最优双频点的选择;利用最优双频点载波相位设计粒子滤波定位算法,通过遗传算法优化传统粒子滤波中的重采样方法,有效解决了粒子退化问题并提升了定位精度。实验结果表明,所提算法的中位数定位误差为5.23 cm,定位性能比传统中国余数定理的定位方法提高了约39%。     

基于反馈校正的WLAN与PDR融合定位方法研究*

在智能手机作为终端的室内定位系统中,基于WLAN的指纹定位和行人航位推算定位(PDR)是较为常用的方法。WLAN定位方式能够进行独立定位,但稳定性差;PDR定位短时间内稳定性好,但易产生累积误差且不能进行独立定位。针对上述问题,本文通过分析两种定位方式的误差特点,提出一种基于反馈校正的融合定位方法。该方法主要分为两个过程:基于自适应粒子分布的信息融合过程和基于融合信息的PDR自适应线性反馈校正过程。利用提出的融合方法,可以很好地解决一般融合方法所存在的定位结果稳定性差的问题。实验数据表明,本文提出的融合定位方法对最终的定位结果有较大的改善效果。     

融合 WiFi 与可穿戴惯导模块的室内定位方法

为解决基于智能手机的人员室内定位追踪易受手机姿态影响的问题,提出一种融合WiFi与可穿戴惯导模块的室内定位方法。通过固定在胸部的惯性测量单元实现行人航迹推算PDR)定位,消除手机姿态对PDR定位的影响,采用加权贝叶斯算法实现WiFi指纹定位,为PDR提供初始定位,同时基于无迹卡尔曼滤波融合WiFi定位结果与PDR定位结果,以减少PDR的累积定位误差。最后,在真实室内环境中进行大量实验,实验结果证明本文提出的加权贝叶斯WiFi定位算法相比于传统贝叶斯算法定位误差降低了51.9%,提出的融合WiFi与可穿戴惯导模块的定位方法具有更好的精度和稳定性,相比于纯PDR定位算法平均定位误差降低了65.2%,相比于完全利用手机实现的融合算法,在3种不同手机姿态下平均定位误差分别下降了12.3%、39.3%和48.4%。     

基于图论模糊聚类的室内自适应RSSI定位算法

针对现有RSSI定位算法无法满足室内环境下对目标的自适应定位,提出一种基于图论模糊聚类的室内自适应RSSI定位算法IAL-GT-FC。算法根据室内环境下各区域RSSI分布的差异性,建立基于图论和模糊聚类的RSSI模糊聚类模型,并基于该模型将定位区域自适应划分成若干环境差异较小的子区域;通过建立参数自适应规则,自适应调整各子区域内的环境参数,使其满足该区域内RSSI测距的需要;结合该区域内的环境参数,通过建立相邻区域间的RSSI补偿机制对未知节点进行RSSI测距补偿;最后采用权重质心法对未知节点进行位置求解。通过实验,证明该算法具有较高的定位精度和较强的自适应能力,能够满足室内环境下对目标的精确定位。     

基于SINS/DR组合导航和地图匹配技术的地铁定位方法研究

随着轨道交通的发展,地铁在人们日常生活中扮演着越来越重要的角色,地铁的定位技术也是移动闭塞实现的关键.本文针对地铁无法使用GPS且地面设备复杂,成本高的缺点,提出了一种基于惯性测量单元(IMU)和速度传感器辅以轨道电子地图的自主定位方法,在抑制捷联惯导系统(SINS)的误差发散的同时,减少了航迹推算(DR)由于姿态角误差造成的累计误差.根据铁路线路的特殊性,提出了运用最小二乘进行地图匹配的方法校正组合定位带来的误差,极大提高了定位的精度,同时减少了对轨旁设备的依赖性,降低了造价和维护成本.     

Outdoor position estimation based on a combination system of GPS-INS by using UPF

This paper proposes a technique that global positioning system(GPS)combines inertial navigation system(INS)by using unscented particle filter(UPF)to estimate the exact outdoor position.This system can make up for the weak point on position estimation by the merits of GPS and INS.In general,extended Kalman filter(EKF)has been widely used in order to combine GPS with INS.However,UPF can get the position more accurately and correctly than EKF when it is applied to real-system included non-linear,irregular distribution errors.In this paper,the accuracy of UPF is proved through the simulation experiment,using the virtual-data needed for the test.