基于偏度-峰度检验的无线局域网位置指纹室内定位算法

目前,无线局域网(wireless local area networks,WLAN)技术因其成本低、配置简单、精度高等特点,被认为是室内定位的最佳选择之一。虽然WLAN接收信号强度指标(received signal strength indicator,RSSI)指纹法是最精确的定位方法,但由于其无线电地图(radio map,RM)在发生环境变化时已经过时,具有很大的缺陷,且重新校准RM是一个耗时的过程。因此,提出基于偏度-峰度检验进行WLAN位置指纹室内定位算法改进。在离线阶段,通过偏度-峰度检验样本总体是否服从高斯分布,对于严重偏离高斯分布的样本直接舍去,而对于与高斯分布接近的样本,利用核函数估计其概率密度。在线阶段,利用K最近邻(K-nearest neighbor,KNN),将移动终端设备接收到的RSSI与建立的指纹数据库中的RSSI,通过欧几里得公式计算样本点到观测点的欧氏距离,并从中选择欧氏距离最短的样本点的位置作为研究位置的无偏估计。实验结果:本文提出的算法比传统定位算法的精度提高了11%,证明了该算法具有更高的定位精度和更少的离线工作量等优点,而且在RSS(received signal strength)信号容量较小时该算法的定位误差比其他算法更小,具有显著的稳定性。     

基于众包校正的多源融合室内定位算法

为了提高室内定位算法的精度，本文融合Wi-Fi和蓝牙两种信号源，提出了一种结合粗定位和众包校正的适用于多用户环境的室内定位算法。该定位算法分为离线和在线两个阶段，离线阶段的主要任务是构建多个指纹库，在线阶段的主要任务是进行粗定位和众包校正。粗定位分别利用Wi-Fi接收信号强度指示和蓝牙接收信号强度指示计算用户的粗略位置和用户间的距离；众包校正包括聚类校正和虚拟空间校正两个部分，它利用用户间的距离和用户组的位置分布提高定位精度。在UJIIndoorLoc和IPIN2017-CAR数据集上进行验证，实验结果表明，提出的定位算法将平均定位误差分别降至4.96 m和4.35 m。     

采用确定性信号传播模型的普适寻优定位方法

Wi-Fi定位由于不需要额外的基础设施和专门的硬件设备,在室内定位领域有重要应用,不可预测的环境变化引起的接收信号强度(received signal strength,RSS)波动是导致Wi-Fi定位系统精度低的主要原因.提出一种基于测距的普适室内定位方法,使用快速数据聚类训练原始RSS数据,以确保RSS数据的稳定性和有效性;在此基础上,针对提取的RSS信号进行拟合,建立一种确定性信号传播模型,利用天牛须优化方法实现位置求解的高效寻优.通过仿真结果分析,提出的CB-DSPM(clustering by fast search and find of density peaks beetle antennae search-de-terministic signal propagation model)定位算法的误差在1.5 m左右,且迭代10～30次之后基本可以收敛到最优位置.     

校园网环境下基于众包的噪声数据收集

基于众包原理,研究校园噪声数据收集问题,提出了一种噪声收集激励机制.该机制从数据量、时间间隔和监测点位置等3个方面以计算奖励积分的方式来评估校园中各监测任务点的优先度.优先度越高的监测点,用户完成任务时获得的奖励积分越高,从而激励众包用户完成噪声收集任务.设计了一个C/S和B/S模式相结合的噪声收集原型系统,基于无线校园网传输噪声数据,支持IPv6/IPv4双栈协议.实验结果表明,系统收集的噪声数据与真实情况有较好的吻合.     

基于压缩感知的室内定位系统的定位性能分析

随着Wi-Fi技术的普及,Wi-Fi室内定位技术也越来越受到关注。压缩感知(compressive sensing, CS)技术被提出应用于Wi-Fi室内定位,为了研究各类CS算法在室内定位系统中的定位性能,构建出一套基于CS算法的室内位置指纹定位系统。在离线阶段采集数据并构建指纹库,在在线定位阶段采用不同压缩感知算法比较各类算法的定位性能。实验结果表明,设备朝向包含多方向,参考点数据量越多时定位性能更优;CS的算法参数会影响定位性能;在设定的实验环境下,压缩感知中的分段弱正交匹配追踪(stage-wise weak orthogonal matching pursuit, SWOMP)算法的定位精度比K最近邻算法(k-nearest neighbor, KNN)优21.9%;在各类压缩感知算法中,正交匹配追踪(orthogonal matching pursuit, OMP)相较于其他CS算法表现较差,并且这种差距随参考点数据量的增多而愈加明显。     

反射与噪声对室内可见光定位系统精度影响及其克拉美罗界

基于到达信号强度(RSS)测距的方法,可见光室内定位系统中因为墙面反射和外界噪声等存在干扰,从而产生误差.将计算机图形学中的Phong模型应用到可见光定位的墙面反射模型中,通过计算仿真反射和噪声信号到达接收端的强度,与发射端直射到接收端的信号强度进行对比,发现干扰信号中反射信号的强度与直射强度处于同一个数量级上,因此干扰对于可见光定位系统误差的影响不容忽略.仿真得到这些干扰对于最终定位系统造成的误差,并且与表示定位性能的克拉美罗下界进行对比,发现最大误差达到1.82 m,平均误差为0.12 m,干扰现象在墙角区域明显.     

基于偏度-峰度检验的WLAN位置指纹室内定位算法

目前,无线局域网（Wireless Local Area Networks,简称WLAN）技术因其成本低、配置简单、精度高等特点,被认为是室内定位的最佳选择之一。虽然WLAN接收信号强度指标(Received Signal Strength Indicator,简称RSSI)指纹法是最精确的定位方法,但由于其无线电地图(Radio Map,简称RM)在发生环境变化时已经过时,具有很大的缺陷,且重新校准RM是一个耗时的过程。因此,本文提出基于偏度-峰度检验进行WLAN位置指纹室内定位算法改进。在离线阶段,通过偏度-峰度检验样本总体是否服从高斯分布,对于严重偏离高斯分布的样本直接舍去,而对于与高斯分布接近的样本,利用核函数估计其概率密度。在线阶段,利用K最近邻(K-Nearest Neighbor,简称KNN）,将移动终端设备接收到的RSSI与建立的指纹数据库中的RSSI,通过欧几里得公式计算样本点到观测点的欧氏距离,并从中选择欧氏距离最短的样本点的位置作为研究位置的无偏估计。通过实验结果,本文提出的算法比传统定位算法的精度提高了11%,证明了该算法具有更高的定位精度和更少的离线工作量等优点,而且在RSS(Received Signal Strength)信号容量较小时该算法的定位误差比其他算法更小,具有显著的稳定性。     

集成加权软投票的众包真值推理方法

为了提高众包的质量并获取高质量的标注数据,已有许多基于真值推理的众包标注方法被提出.传统真值推理利用多噪声标签作为输入,通过聚合策略推断出真实标签,该过程只考虑了实例的标签而忽略了实例的特征,且忽略了不同工人对不同实例的标注质量.该文引入实例的特征以最大程度地挖掘实例中蕴含的有用信息.通过计算众包实例属于每一个类别的概...     

一种改进的WIFI位置指纹室内定位算法

WIFI位置指纹定位作为目前常见的室内定位方法,存在接收信号强度(received signal strength, RSS)波动和时变等问题,导致定位精度不高。文章为此设计了一种采用结合卡尔曼滤波的方差修正加权K最近邻(weighted K-nearest neighbor, WKNN)算法的室内定位方法。离线阶段,经过卡尔曼滤波后,选择数据的方差和均值作为反映RSS变化的特征值;在线阶段,通过采集的信号均值计算近似方差,对欧式距离进行权重修正,最后选择K个最近邻点确定待定点位置。实验结果表明:该文采用的定位方法平均定位精度达到1.248 m,相比于传统的WKNN室内定位方法,平均定位精度提升了20.3%;对比K-均值聚类结合动态加权K最近邻算法(K-means-EWKNN),平均定位精度提升了8.9%。     

基于矩阵填充的室内定位位置指纹库构建

位置指纹定位方法因其定位精度高、受环境因素影响小而成为无线室内定位技术中的主流方法,但因离线指纹信息采集工作量较大,位置指纹库构建效率较低,而在一定程度上影响了算法的实用性,鉴于此,引入低秩矩阵填充理论,利用采集到的少量的位置指纹数据,通过凸优化方法来填充其他参考点的位置指纹数据,从而准确的重构出完整的位置指纹数据库,大大降低了离线采集阶段的工作量.仿真实验结果验证了本文算法的有效性.     

基于LS-SVM方向判别模型的WLAN室内定位方法

为解决WLAN室内定位中信号在传播过程受人体遮挡产生阴影衰落而影响定位精度的问题,提出了一种最小二乘法支持向量机(LS-SVM)方向判别模型的WLAN室内定位方法。该方法主要分为两个部分:首先,充分利用人体在不同遮挡方向上产生阴影衰落的接收信号强度变化(RSS)特征信息,判定人体遮挡方向;然后,通过LS-SVM回归算法建立指纹点特征数据与位置之间的映射关系获取定位点位置结果。实验结果表明,与传统利用SVM的定位方法相比,提出的方向判别模型可解决人体遮挡产生的阴影衰落影响定位精度的问题,提高了定位的实用性和鲁棒性。     

Atmospheric Pressure-Aware Seamless 3-D Localization and Navigation for Mobile Internet Devices

This paper describes a seamless three-dimensional (3-D) localization and navigation system for smartphones.The smartphone includes an atmospheric pressure sensor to measure the user’s altitude that is combined with the outdoor Global Positioning System (GPS) and indoor WiFi-APs localization systems in a seamless 3-D localization system.The smartphone software also provides seamless navigation services by updating map information for both indoor and outdoor locations through the mobile Internet.The indoor floor information calculated from the altitude information is used to project localization anchor nodes,e.g.,WiFi-AP,on different floors onto the user’s floor with an indoor 3-D localization algorithm using projection distances based on a Received Signal Strength (RSS) algorithm.Tests show that the 3-D method reduces systematic errors and achieves much higher accuracy than the traditional two-dimensional localization method.     

基于概率法的移动机器人无线网络定位系统

 作为一种全新的室内定位技术,将无线路由器的无线信号强度（Receive Signal Strength Indicator,RSSI）值应用在室内移动机器人定位领域。为实现室内移动机器人的定位,提出利用无线信号强度值定位的概率法,根据无线信号强度值在室内环境中的分布特点,分析概率法定位原理,开发一种基于VC++6.0平台室内移动机器人定位系统,该定位系统包括硬件平台和软件平台,并进行移动机器人定位实验,得到较好的定位实验结果。同时,分析机器人定位精度,确定影响定位精度的因素主要包括障碍物、人体、温度和湿度等。定位实验结果表明,在结构化环境下机器人定位的最大偏差为1.2758m,最小定位偏差为0.3007m,可以较好地满足室内移动机器人的定位要求。     

基于真三维模型的室内定位系统设计

为了解决全球定位系统在大型室内场合无法给出精确定位的问题,设计了一种安卓平台下基于真三维模型的室内定位系统。基于百度地图SDK(software development kit)开发一款室外定位的电子地图软件,用于获取室内场景所在位置,再结合Unity3D游戏引擎将根据室内场景制作比例为1的模型制成可在安卓设备上运行的软件,通过虚拟现实技术及空间位置服务,实现室内定位功能。结果表明:系统具有的功能基本满足用户室内外定位需求,且系统具有定位方法直观、功能服务全面及系统搭建简单等特点,适用于一些大型的室内外公共场合,如商场、机场、博物馆等。     

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.     

基于贝叶斯网络的室内无线信号强度学习算法

考虑到接收信号强度（RSS）算法的定位结果有着其不确定性,提出了一种新的生成场强分布图的自动学习算法.在此算法中,在初始简易场强分布图的基础上,首先启动一个带有默认参数值的线性模型,然后自动学习各类在线RSS数据;在学习的过程中,基于现有的支持RSS测量的WLAN、Zigbee、UMB等无线网络,扩展了标准的最大期望（EM）算法,推算出场强分布图的一种最大似然（ML）估计算法并运用到自动学习中,就可以生成一较精确的场强分布图.模拟表明,无需任何校准数据,该方法可以提供较高的精度.     

RSSI和PC-CSI加权融合的指纹定位方法

针对基于RSSI和CSI的指纹定位技术易受环境干扰、定位精度较低的问题,提出了一种基于RSSI指纹和相位修正信道状态信息(phase correct based channel state information, PC-CSI)指纹的加权融合指纹定位技术。基于PC-CSI的指纹定位在传统基于CSI幅值的指纹定位基础上增加相位信息对定位结果进行修正,之后对RSSI指纹和PC-CSI指纹的定位结果加权重定位。实验结果表明,提出的加权融合指纹定位算法与基于CSI的主动定位算法相比,平均定位误差(mean position error,MPE)降低了36.2%,能满足室内定位需求。     

基于RFID的室内人员定位系统的设计与实现

为满足室内人员定位的需求,设计了一种基于射频识别(RFID)技术的室内人员定位系统,在融合区域定位和接收信号强度的室内定位算法的基础上,该系统采用三级网络结构,利用CAN总线进行数据传输;描述了该系统的三级网络结构,最后以C#为开发语言,利用串口通信和Access 2003数据库实现了可视化控制管理软件的设计.该系统利用RFID技术,可以实现对室内人员简单快速的定位、跟踪、查询.