基于动态环境自适应WiFi室内定位系统设计

针对室内动态环境中WiFi定位精度低等问题,提出了一种基于位置指纹的自适应定位方案.通过采集参考点处的AP信号强度和终端朝向信息,构建出参考点的位置指纹,再提取待测点位置指纹中的朝向信息,经由KNN算法进行指纹匹配,从而完成预计定位.实验测试表明,方案可有效避免了由于用户手持终端方向及身体遮挡等因素对RSS值的影响.     

基于WiFi的便携式室内定位系统

针对全球定位系统无法满足室内定位的问题,基于Android平台开发了利用Wi Fi信号特征的便携式室内定位系统.该系统由移动定位终端、服务器和数据库组成,移动定位终端和服务器联合完成定位功能.定位算法采用基于接收信号强度指示(RSSI)的指纹算法,以场景分析的手段估算出移动定位终端的坐标.在线定位阶段,采用欧氏距离平方倒数作为权重系数对K最近邻算法的权重系数进行改进,以减小在线阶段的误差.实验表明,系统便于携带,操作简单,单次定位速度小于3 s,并且系统3 m内的定位精度达到80%以上.     

基于加权余弦相似度的WiFi指纹室内定位

基于Wi Fi的室内定位具有低成本、易部署、覆盖范围广、精度高等优点,成为室内定位技术研究的热点.Wi Fi指纹定位法可以对抗多径的影响,具有较高的定位精度.但是由于智能移动终端的种类繁多,使得室内定位系统离线建立的指纹数据库难以兼容不同的智能移动设备,降低了定位系统的适用性.为解决此问题,提出了加权余弦相似度算法,使用信号强度的加权余弦相似度作为匹配特征.实测表明,采用加权余弦相似度算法可有效解决终端差异性,提高了室内定位系统的精度和普适性.     

基于2.4与5GHz信号的WiFi指纹定位算法研究

为了减小2.4 GHz信号强度波动对无线定位的影响,在保证定位范围的前提下提高定位精度,通过分析2.4 GHz和5 GHz信号的传播特点,构建了基于2.4 GHz与5 GHz信号的WiFi指纹定位算法,该算法以加权平均的方式同时考虑2.4GHz与5 GHz信号.以深圳大学土木工程学院院馆作为实验场景,对算法进行了验证.实验结果表明,将2.4 GHz与5 GHz信号强度的方差倒数作为两者的稳定性系数是有效的;本定位算法比传统算法在定位精度和稳定性两个方面都有提高.     

基于层次聚类的WiFi室内位置指纹定位算法

提出一种利用WiFi信号指纹实现对室内区域进行定位的CL-KNN(complete linkage K-nearest neighbor)算法.该算法先采用层次聚类方法对测试环境进行区域划分,再根据相应的WiFi信号指纹信息进行匹配,最后通过加权计算确定定位结果.实验结果表明,在WiFi热点数量足够多的情况下,与原始KNN算法和kmeans-KNN算法相比,CL-KNN算法可以获得更高的定位精度和准确率.     

基于2.4GHz与5GHz信号的WiFi指纹定位算法研究

为了减小2.4 GHz信号强度波动对无线定位的影响,在保证定位范围的前提下提高定位精度,通过分析2.4 GHz和5 GHz信号的传播特点,构建了基于2.4 GHz与5 GHz信号的Wi Fi指纹定位算法,该算法以加权平均的方式同时考虑2.4GHz与5 GHz信号。以深圳大学土木工程学院院馆作为实验场景,对算法进行了验证。实验结果表明,将2.4 GHz与5 GHz信号强度的方差倒数作为两者的稳定性系数是有效的;本定位算法比传统算法在定位精度和稳定性两个方面都有提高。     

基于RFID的室内定位系统设计

根据室内定位存在NLOS现象和电磁波的多径传播特点,结合信号强度(RSS)和几何空间距离之间对应的经验关系,利用最邻近参考标签的来完成定位,设计一种基于RFID的室内定位系统。该系统精度好,稳定性强,能够很好地移植到各种实际场合。     

WiFi与行人航迹推算自适应无迹卡尔曼滤波融合定位算法

针对wifi信号易受环境波动和存在多径效应现象,行人航位推算(PDR)系统中传感器模块精度有限,且存在累计误差问题,因此提出了一种加入自适应调整因子的改进无迹卡尔曼滤波(UKF)融合算法,该算法利用残差rk的理论协方差与实际协方差的差异作为条件,引入调整因子ρ调整状态向量和观测向量的协方差进而调整卡尔曼增益参数,增强系统鲁棒性和提高定位精度。在实验环境中,实验结果表明所提算法的平均误差为1.35m,最大误差为2.23m。定位位置误差在1.5m以内的概率达到了约80%,相比于标准UKF算法在1.5m以内的概率约为22%,提高了约58%。     

基于位置连续性的室内定位算法

为了减小RSSI波动和多径干扰对定位精度和稳定性的影响,提出了一种基于位置连续性的室内指纹定位改进算法.依据用户位置具有连续性的特点,应用室内布局结构来缩减指纹搜索空间,去除位置歧义点,在此基础上,采用基于改进的贝叶斯方法进一步提高定位计算的精度和稳定性.分析与实验表明,该算法能有效降低RSSI波动对定位的影响,提高精度,同时也降低了实时定位的计算开销.     

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RSSI的室内定位改进算法

【目的】为提高室内环境的定位精度,提出一种改进的基于RSSI(接受信号强度显示)的室内定位算法。【方法】首先根据室内的实际布局情况对场所进行区域分割,然后采用等边三角形布局信标节点,接着用高斯模型对数据进行预处理,最后使用改进的加权三边测量法定位未知节点的最终坐标。【结果】改进的算法具有定位误差小、精度高的特点。【结论】该算法适用于室内精确定位,有利于无线传感器网络的发展。     

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Zigbee 通信的室内定位系统

为解决常规的模型存在比较明显的误差, 定位时通常不能实现预期定位的问题, 设计了一类室内定位系统。该系统很大程度上结合了标准化的RSSI(Received Signal Strength Indicator)测距模型, 并应用了高精度的3 边定位算法。实验表明, 该系统能在很大程度上解决定位误差问题, 误差减小15%, 得到可靠的定位结果。     

基于惯性导航的消防室内定位技术研究

面对城市高层建筑火灾,消防室内定位的需求日益凸显。首先讲述了消防室内定位现状,详细介绍惯性导航定位技术腰部方案和脚部方案的原理,并针对目前主流的消防室内定位技术进行对比论证,最后提出了惯性导航消防室内定位技术创新改进方案。     

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。     

基于核函数与卡尔曼滤波的室内定位方法

针对室内定位中存在的定位精度不高、定位稳定性较差的问题,提出了一种基于核函数与卡尔曼滤波结合的室内定位算法.首先利用核函数作为匹配算法进行初步定位,高斯核函数可以充分捕获参考点指纹与测试点RSS之间的非线性相关性,取得比K最近邻算法更好的匹配效果,再利用卡尔曼滤波对核函数的定位结果作滤波处理.实验结果表明,在真实无线局域网环境下,对核函数定位的结果作卡尔曼滤波处理后,均方根误差降低了25%,2m以内的定位准确度由75%提高到90%,定位稳定性提高了29%.