基于Wi-Fi的RFID定位方案探讨

随着无线定位技术的发展,室内定位技术成为人们关注的热点.基于WiFi的定位技术具有覆盖范围广,信息传输速度快,实现成本较低等优点,研究将射频识别技术(RFID)运用到Wi-Fi室内定位系统中,探讨基于Wi-Fi的RFID定位方案,对基于信号强度和基于距离角度的RFID定位技术进行分析和研究,实现对内置RFID标签的Wi-Fi终端的精确定位.     

一种改进型几何聚类指纹室内定位方法

为解决传统加权K最近邻算法(WKNN,Weighting K-Nearest Neighbor)定位方法中选取K值存在局限性影响定位精度的问题,提出了一种改进型几何聚类指纹室内定位方法。该方法首先利用网格分布在定位区域构建指纹点几何位置分布,采集指纹点接收信号强度(RSS,Received Signal Strength)和位置信息,建立指纹定位数据库;然后,利用支持向量机分类算法在解决高维度和非线性问题上的优势选取定位点的多个近邻指纹点,根据对定位贡献度的大小筛选近邻指纹点并构建几何聚类定位区域;最后利用WKNN算法进行定位。实验结果表明,提出的方法解决了传统WKNN方法中多边形定位区域在K值选取存在局限性的问题,具有更高的定位精度和工程实用性。     

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。     

一种自适应的指纹更新定位方法

指纹定位具有低成本、易部署等特点,已成为室内定位的主要方案之一.然而,由于信号强度会随着环境而动态变化,因此在离线阶段构建的指纹库容易过时,而为每个环境变化重新测量信号强度是费时费力的.针对上述问题,提出了一种自适应的指纹更新定位方法.首先根据信号传播路径损耗参数不同,利用模糊聚类方法将定位区域聚类成不同分区,确保每隔分区具有相近的路径损耗参数;然后,分别在不同分区中部署一个校正节点,负责实时测量其他信标节点的信号强度;最后,根据矫正节点的实时观测值,周期更新各分区的定位指纹.实验结果表明,该方法能够有效提高定位系统的定位精度.     

基于中心定位算子遗传算法的模糊聚类方法

针对聚类算法易陷入局部优化的缺点,将中心定位算子遗传算法与模糊聚类方法结合,通过遗传算法的全局寻优特点弥补聚类算法的不足。算法对样本进行降维预处理,提高了算法的效率和准确性。     

采用机器学习的聚类模型特征选择方法比较

针对机器学习聚类模型在特征选择时存在的问题,首先,对特征选择在聚类模型中的适用性进行分析并对其进行调整和改进.然后,基于R语言中的递归特征消除(RFE)特征选择方法和Boruta特征选择方法进行特征选择算法设计.最后,应用聚类内部有效性指标,对在线品牌忠诚度聚类模型优化结果进行分析,进而对特征选择方法进行比较研究.结果表明:Boruta特征选择方法更具优势.     

基于云模型的体震信号智能诊断方法

研究了使用云模型理论智能诊断体震信号中心率异常信息的方法.利用云模型将定性的专家诊断体系与定量的计算机辅助诊断系统相结合,模拟了专家诊断过程.建立了心率异常智能诊断规则云模型,构造了体震信号JJ间期分布曲线图,以此自动校正模型参数,最终建立智能诊断机制.采用实验室搭建的体震信号实时采集系统提取2 000组样本作为采样对象,并与传统标准阈值法进行对比,验证了所提方法的可行性.实验结果表明:该方法自动聚类的准确率达到90.2%,高于传统方法 2个百分点.     

改进K-means聚类的自适应加权K近邻指纹定位算法

针对指纹定位精度易受指纹数据K-means聚类预处理效果不佳、加权K近邻算法采用固定K值进行匹配定位精度差等问题,提出一种基于改进K-means聚类的自适应加权K近邻算法.算法在对指纹数据进行聚类计算过程中充分考虑参考点间接收信号强度值与实际物理坐标的双重影响,以避免参考点分类不明确;根据每个测试点的匹配参考点之间实际距离的均值和标准差设置阈值,动态选择K值.实验结果证明,改进K-means聚类的自适应加权K近邻算法相较于传统室内定位算法定位精度提高了44％,可为相关应用提供更精确的定位服务.     

基于视频图像的人脸定位方法

给出了一种视频图像中的人脸定位方法,该方法首先通过一种平均帧差的方法检测人体运动区域;然后根据人脸分布的特点,采用水平投影的方法在运动区域里分离人脸和身体;最后根据人脸器官的分布规律,利用k-means的聚类算法对人眼进行定位.实验表明,该方法简单、高效,而且不依赖于人脸肤色,在一定范围内能很好地适应光照变化,能满足实时系统的要求.     

无线传感器网络协同定位算法

针对无线传感器网络中基于RSS的定位算法存在的不足,提出一种协同定位算法。该算法包含2个方面：一是引入参考信标节点,以增加节点定位的容错性;二是采用狄克逊（Dixon）检验法剔除异常RSS值,同时引入RSS标准差阈值和学习模型,减小基于RSS的测距误差,有效提高定位精度。通过仿真实验对算法性能进行了评估,结果表明,该算法定位精度得到了有效提高,健壮性和稳定性较好。     

基于测距权重的蒙特卡罗定位改进算法

针对传统蒙特卡罗定位算法采样效率低,对锚节点密度要求高的特点,本文基于蒙特卡罗定位算法MCL提出一种改进的移动传感器网络的节点定位算法IMCB.该算法利用历史锚节点信息和RSSI测距,以及运动模型的改进对待定位节点的位置采样范围进行了进一步限制,对有效采样点的权重进行了区分.仿真结果表明:该算法的定位精度相比MCB算法提高了16.6%.     

基于凸半定规划的RSS测距的合作式定位方案

无线传感网中的多类应用均需要准确的定位算法。为了降低定位成本,减少能量消耗,常采用基于接收信号强度RSS(Received Signal Strength)测距,再利用最大似然ML (Maximum likelihood)估计法求解节点的位置。然而,ML估计为非线性、非凸性,难以获取全局最优解。为此,提出凸半定规划SDP(Semidefinite Programming)的合作式定位方案,利用凸半定规划策略将ML估计转换成凸优问题。同时,该方案考虑两类场景：源节点发射功率已知、未知。针对第一类场景,利用半凸松驰策略,并结合最小化最小二乘法,建立凸优表达式,最后利用CVX求解;针对第二类场景,先建立联合ML估计函数,再利用SDP估计,并结合起来简单的三步骤方案进行位置估计。仿真结果表明,提出的SDP算法的定位精度比SD/SOCP-1、SDPRSS平均提高了近15%至20%。此外,提出的SDP算法在所有场景的误差小于3m的出现概率占0.8,而SD/SOCP-1、SDPRSS算法小于0.5。     

室内应急疏散的多人员Wi-Fi定位精度研究

应急疏散研究中的人员定位问题对于快速疏散人群和拯救被困人员具有重要的意义.为了确定Wi-Fi定位手段对于室内人员疏散的适用性,采用手持Wi-Fi设备和预设置的无线信号基准参考点,利用无线接收信号强度指数通过模式匹配的方式进行多人员定位的尝试.所得实验结果表明此方案的室内定位精度能达到5~7m.新方案所提供的定位精度能够区分室内多个体的移动路径,为相应疏散应用提供人员的动态位置信息描述.     

植物体内核定位信号介导的蛋白质核转运

介绍了植物体内核定位信号的类型和结构特点及由核定位信号介导的蛋白质核转运机理。     

基于KM-PCA稀疏信号的盲源分离算法

欠定盲信道估计是欠定盲源分离的关键组成部分,其估计精度直接影响到源信号的估计精度.基于充分稀疏假设,在K均值聚类的基础上,提出一种新的欠定盲信道估计算法——K均值与主成分分析方法(KM-PCA算法).该算法首先对观测数据进行K均值聚类,然后对聚类分析结果分别进行主成分分析,修正其聚类中心,从而提高混叠矩阵的估计精度.采...     

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。     

基于室内办公环境的WSN信道衰落模型的分析

针对室内环境下无线传感器网络信道衰落的不确定性,提出一个基于室内环境的信道衰落模型。根据无线信道衰落模型的理论研究和无线传感器网络信道衰落测试系统在室、内外实验数据的分析,得到信道衰落模型的各个参数,确定无线传感器网络室内信道衰落模型。实验证明此衰落模型在实际网络的节点部署和节点定位中的作用优于其他无线信道衰落模型。     

基于散射区模型与参数聚类的室外NLOS单站定位算法

室外非视距(non line of sight, NLOS)环境中障碍物会阻碍终端电磁波信号直接传播到基站,而且该条件下单基站收集的定位信息不足,导致定位精度不高。针对上述问题,提出一种基于空间布局的散射区模型和基于参数聚类的定位算法。根据固定基站附近的空间布局确定散射区并构建散射区模型,该算法基于该模型收集多径信号的测量参数,将k-means聚类(k-means clustering)和均值漂移聚类(means shift clustering)算法有效结合对参数聚类处理,再根据聚类结果和单站定位系统的几何结构建立方程组,将方程组的求解问题转化为非线性优化问题并利用列文伯格-马夸尔特(Levenberg-Marquardt, LM)算法求解优化问题估计目标位置。仿真结果表明,在室外NLOS环境中,且仅提供单个基站的条件下,该算法可以有效提高定位结果的精度。     

基于PSO优化LSSVR的三维WSN节点定位方法简

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。