基于集成学习与BP神经网络的室内地磁定位算法

本文针对当前室内地磁定位技术存在地磁信号不稳定和地磁指纹不唯一所造成定位误差大等问题,提出一种基于集成学习与BP神经网络的室内地磁定位方法,提高地磁定位精度。将BP神经网络作为弱预测器,通过集成学习的方法把多组弱预测器集成为强预测器,使用地磁数据进行室内定位,与地磁指纹库中的真实位置信息进行对比并计算出定位误差。结果表明本方法与KNN、DTW以及BP神经网络相比,总平均定位误差分别降低了2.55、1.33和0.4 m。     

一种关于地标辅助行人航位推算技术的改进室内定位方法

近年来,基于智能手机的行人航位推算技术(pedestrian dead reckoning , PDR)、Wi-Fi以及多种融合室内定位技术得到了较快发展,与此同时,其存在对定位环境要求较高,定位结果偏差较大等缺点。为解决这一问题,我们在传统PDR基础上提出了一种结合地标库匹配的改进室内定位方法——地标辅助PDR定位算法(Landmark-aided PDR algorithm, LaPDR)。首先,将在传感器实时数据上识别出的特定地理位置(如墙,门,拐角,Wi-Fi接入点等)当做地标。然后,针对实验环境建立相应的地标库,目的是纠正传统PDR定位算法由于传感器安装精度较低及定位时间过长而产生的漂移。实验结果表明与传统PDR相比,地标辅助PDR定位精度明显提高,系统定位误差基本控制在1.5 m以内。     

基于熵和ICCP的多级地磁辅助惯性导航算法研究

惯性导航技术是一种完全自主的导航技术,为了解决惯性导航定位误差随时间积累不断增加的问题,采取地磁导航的方式来修正惯性导航的误差。研究地磁信息的熵算法和ICCP算法,利用熵算法具有剔除离散点、野值点,并且抗基准误差能力强和ICCP算法具有匹配精度较高,匹配结果较稳定的优点,提出一种将熵算法和改进的ICCP算法融合的新算法,以实现粗精结合多级匹配。仿真结果表明,该算法能够取得了很好的匹配效果,在一定程度上修正惯导误差,抑制惯性导航定位误差的发散,提高整个导航的精度,实现惯性导航长时间工作。     

基于ICCP算法的地磁匹配辅助导航

惯性导航系统(INS)的导航误差随着时间积累发散,要想使其完全自主导航,必须加以其它的导航方法进行辅助,如地磁匹配辅助导航等.导航算法是地磁匹配辅助导航的关键技术之一,采用基于地磁场的最近等值线迭代算法(ICCP),实现测量值与背景场数据的最优匹配,从而获得位置信息.在吉林松花湖水面,利用高精度的铯光泵磁力仪搭载于水下机器人(ROV)进行实际水域测量,绘制出高精度的局域地磁图.基于该地磁图,通过ROV在水面上航行时的实时地磁值、航向和航速等数据,利用ICCP算法进行地磁匹配.匹配结果与GPS实测数据对比,取得理想的补偿效果.实验表明,基于ICCP的地磁匹配辅助导航能够有效修正惯导所产生的累积误差.     

基于Android的室内定位系统的研究与实现

为满足定位市场的服务需求,改进传统的定位技术在室内使用存在着定位精确度低、耗电量大等缺点,作者对基于WiFi位置特征匹配的室内定位技术进行了深入研究,分析了各种因素对WiFi信号的影响以及一些常用定位算法的对比,通过在特征库建立阶段采用高斯过滤法剔除误差较大的信号强度值,提高了数据库中采集值的数据精度.在定位阶段采用改进的K加权近邻法,将改进后的算法作为在线匹配算法,有效地避免定位过程中偶然的信号波动给定位带来误差,设计与实现了一个基于Android系统的WiFi室内定位系统.     

一种5G辅助地磁匹配的室内定位方法

针对地磁匹配存在误匹配、定位误差较大等情况,提出一种5G信号辅助地磁匹配的定位方法,利用5G的CSI粗定位约束地磁匹配范围,从而获得较高的定位精度。分析了5G信号和地磁匹配定位的不同特点,并利用BP神经网络对5G信号进行粗定位,再以该结果作为约束条件筛选地磁匹配区域,然后在该区域利用动态时间规整算法进行地磁匹配,实现5G辅助下的高精度地磁匹配定位。实验结果表明,基于5G的CSI的单基站定位方式的精度约为2～3 m, 5G辅助地磁匹配的组合定位可有效解决地磁误匹配问题,平均误差在1 m以内,能够满足大多场景下室内定位的需求。     

改进的蜂窝网室内定位匹配算法

针对无线信道的动态衰落特性,基于蜂窝网的室内定位存在较大误差,提出一种改进的蜂窝网室内定位匹配算法——基于主成分分析法(principal component analysis,PCA)的子空间匹配算法,不仅保证系统实时性,而且有效地剔除大误差点,提高定位精度.该算法利用无线蜂窝信号非视距传播造成的位置特性构建离线指纹数据库,根据在线接收信号从离线指纹库中提取子指纹库,利用PCA算法对在线实测数据及子指纹库进行有效地降维,构建子空间,并结合加权K近邻匹配算法(weighted K nearest neighborhood,WKNN)估计出多个位置坐标,利用3σ准则对这些位置做筛选,输出最终定位结果.实验结果表明,基于PCA的子空间匹配算法在保证定位实时性的前提下,能有效剔除大误差点,提高整体定位性能.     

一种基于KNN的室内位置指纹定位算法

提出了一种基于KNN 的FM、DTMB 联合信号位置指纹匹配算法,并根据不同位置具有不同信号强度将匹配过程设计为一个多分类算法模型. 离线阶段,通过采集FM 信号与DTMB 信号的强度信息,完成位置指纹库的构建. 在线匹配阶段,利用KNN 算法对新采集到的数据进行加权欧氏距离匹配,通过对K 值以及特征向 量的选取对定位误差进行了分析. 仿真结果表明,该算法在室内定位中具有良好的鲁棒性和准确度,90% 概率下定位精度2.3 m.     

基于惯导误差特性的地磁匹配正交搜索方法

针对地磁匹配导航对实时性的需求，提出了基于惯性误差特性的正交搜索方法.该方法在对惯导误差特性分析基础上，采用正交搜索策略，将插值后匹配点地磁数据序列沿与飞行轨迹垂直方向和平行方向分别进行正交搜索，快速得到最佳匹配结果.将地面测量地磁数据延拓到不同高度，分别应用本文方法和全局搜索算法进行处理.数据处理结果表明本文方法与全局搜索算法具有同等的匹配精度，但减少了搜索时间，能有效提高高空高速飞行器匹配定位方法的实时性.      

基于群智感知和非监督式学习的室内定位指纹库构建算法

针对指纹法定位中的指纹库构建耗费大量人力和时间的问题,提出了一种基于群智感知和非监督式学习的室内定位指纹库构建算法.首先利用群智感知的方式采集无线接入点的接收信号强度获取原始指纹数据集.然后针对原始指纹数据的冗余杂乱和指纹注释问题,提出基于学习向量量化(LVQ)和多维标度(MDS)结合的一种新颖算法FLM来解决.最终有效构建室内定位指纹库.最后基于射线跟踪模型(ray-tracing)建立仿真实验场景,仿真结果表明其指纹库建立效率得到显著提高,应用于基本定位算法的定位误差80%,在2.6,m以下,而且单次定位的计算量下降63%,.     

地磁匹配导航算法综述

地磁导航在军事和民用领域上具有广阔的应用前景,地磁匹配导航算法是地磁匹配导航的核心技术。本文综合分析了地磁匹配导航算法的研究现状,针对目前存在的主要问题,指出了研究高效、实时的匹配算法的关键技术,分析了匹配算法的发展趋势并进行了展望。     

基于多次约束匹配的室内定位算法

传统增强动态K加权算法(enhanced weighted K nearest neighbors,EWKNN)算法相比K加权邻近算法(weighted K nearest neighbors,WKNN)算法,虽然能有效提高定位精度,但是仍然存在定位结果在空间中跳动跨度大的问题。针对传统EWKNN算法的不足,在EWKNN算法的基础上提出了基于多次约束匹配的室内定位算法。考虑了行人前后位置的关联性,用上一步预测的位置对当前步的Wi Fi匹配进行多次约束,剔除匹配到的较远的参考点。实验表明,相比于传统的EWKNN算法,研究结果具有较高的定位精度。     

基于小波和动态时间弯曲的时间序列相似匹配

提出了一种基于小波和动态时间弯曲(DTW)距离的时间序列索引和相似匹配方法. 该方法采用小波变换进行数据降维,利用R·-tree建立多维索引结构. 给出了查询序列的DTW距离边界和其在小波空间的查询超矩形的计算方法,从而将原始空间的基于DTW距离的相似匹配转换为小波空间基于欧氏距离的相似匹配. 证明了此匹配方法不会产生漏报,给出了基于DTW距离的范围查询算法和近邻查询算法. 实验结果表明该方法具有较高匹配精度和其较低的计算代价.     

基于TS-KNN的室内定位算法

室内定位是智慧城市的硬性需求,大量智慧城市相关应用都离不开位置服务。主要室内定位技术包括:蓝牙、RFID、UWB、地磁等,但由于成本、部署便捷性等问题,限制了其应用发展。笔者提出了一种基于指纹时序特征的KNN(k-nearest neighbor)定位算法(TS-KNN,timing sequence based KNN),该算法使用当前时刻的指纹进行基准坐标选择,并利用前几个时刻的定位结果对每个基准坐标进行权值修正。在重庆市某广场进行实验测试结果表明,提出的TS-KNN方法与KNN和WKNN等其他算法相比较,具有更高准确率,可有效提高室内定位精度,降低平均定位误差。     

激光雷达和行人航迹推算融合的室内目标定位方法

激光雷达(LiDAR)在室内定位中具有抗干扰能力强,速度、角和距离分辨率高等优点,但在定位过程中其精度易受环境因素干扰影响。本文提出一种LiDAR和PDR融合的室内定位方法,以扩展卡尔曼滤波(EKF)为基础,通过对LiDAR的位移增量、角度观测值以及PDR的位姿信息等量测值进行解算,令二者互补融合,有效抑制非视距影响和误差累积的问题,并对单一类组合算法和融合类组合算法的定位精度进行对比分析。实验结果表明：当室内人员为行走状态时,LiDAR和PDR融合定位算法较单一定位方法在精度和稳定性均有效提高,PDR定位误差为0.98m,LiDAR定位误差为0.6m,EKF滤波融合后定位误差可以下降到0.32m。     

基于模糊聚类的音乐哼唱检索的研究与实现

针对哼唱检索中匹配过程的耗时性和哼唱的非完全准确性,提出了并行模糊动态时间规整算法实现音乐的哼唱检索。采用相对音高差表示旋律,用动态时间规整算法实现哼唱音高差序列与目标音高差序列的近似匹配。在匹配过程中,引入模糊集合及模糊聚类,通过构造哼唱音高差与目标音高差之间的隶属函数并计算隶属度得到音高差信息的相似度,进而获得转换代价矩阵,最后得到两个匹配序列的匹配距离。为提高检索速度,引入并行算法实现匹配过程。实验结果表明,模糊方法的引入提高了检索精度,并行算法的运用明显缩短了检索时间。基于并行模糊动态时间规整算法的音乐哼唱检索的正确率达到72%左右,在双核计算机上进行实验,引入并行算法后检索时间缩短一半。     

基于DTW改进算法的在线签名鉴别方法

 在线手写签名认证是一种基于生物特征的身份认证技术,识别正确率和防伪性能是签名识别的研究重点,识别响应速度也是决定系统实用化的关键。为了提高签名认证效率,提出了一种改进的在线签名鉴别算法。改进了传统的动态时间弯折算法结构,对最佳匹配路径的动态规划方法进行改进并将其应用于在线签名鉴别系统。讨论了实际应用中训练样本不足、字体随时间变化等因素带来的系统识别率下降的解决方法。避免了动态特征点提取、时序段匹配等方法由于书写环境和人物即时的生理特性所带来的问题,同时针对签名的稳定性提出了加权距离计算公式,保证高识别率的同时降低了误拒率。在模板较多时对匹配距离进行限制,节约了系统运算量,提高了模板匹配速率。随着待识别模板数目的增多,该算法效率优势更加明显。     

基于Hilbert-Huang变换的室内地磁信号处理分析

提出一种利用Hilbert-Huang变换(HHT)处理分析室内地磁信号的方法。介绍HHT原理与方法,设计出一种室内地磁信号采集平台,对实际测量的室内地磁信号进行经验模态分解(EMD),并对分解后的固有模态函数(IMF)进行频谱和时频剖析,最后将经过HHT处理的原始信号进行重组。结果表明,HHT能用于描述复杂的室内地磁信号的非线性时变特征,为室内地磁信号的处理分析提供一种可行的方法。