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。     

基于深度神经网络的WiFi室内定位系统设计

针对地下停车场、地下矿井等用户场景定位服务的高精度需求,设计了一种基于WiFi信号的室内定位系统.系统的设计引入了深度神经网络算法,对WiFi指纹数据进行训练,得到一种室内定位模型.通过对UJIIndoorLoc数据进行实验仿真,结果表明,该室内定位模型的楼层定位准确率较传统机器学习模型提升约6%,位置定位精度较传统模型提升约7%.通过对实际应用场景进行测试,测试结果表明该室内定位模型的定位精度优于传统机器学习模型,提升约5%.     

基于位置指纹的WiFi室内定位算法研究

本文主要探讨分析基于位置指纹的WiFi室内定位算法,该算法主要是通过层次聚类方式划分测试环境区域,再匹配对应的WiFi信号指纹信息,之后利用加权计算确定定位位置。按照此次研究结果显示,在充足的WiFi热点数量之下,对比分析k-means-KNN算法以及原始KNN算法,位置指纹室内定位算法在地位给精准度以及准确率方面表现良好,此外,还分析加权最近邻算法和最近邻算法等相关内容,希望可以为位置指纹的WiFi室内定位算法研究提供参考性价值。     

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.     

融合地图信息与WiFi地标的室内粒子滤波定位算法

目前行人航迹推算(pedestrian dead reckoning,PDR)和WiFi指纹定位成为室内定位的主流技术,WiFi指纹定位由于无线信号的波动性导致定位结果不稳定,PDR算法随着应用时间的延长传感器累计误差增大,同样会导致定位精度降低。本研究提出一种基于地图信息的粒子滤波(particle filter,PF)与WiFi地标相结合的混合定位算法(WL+PF)。该算法通过地图信息约束粒子的位置,同时利用WiFi信号峰值检测相应地标信息,对观测信息修正的同时,更新粒子权重,从而实现最终的定位。实验结果表明,优化后的算法定位精度优于其他常规滤波融合定位算法。     

基于CC2431的井下人员定位系统设计

为了满足井下人员定位的需要,设计了一种基于CC2 431的无线定位系统。采用CC2 430作为定位参考节点,带有定位引擎的CC2 431芯片作为跟踪定位节点,跟踪节点利用从参考节点处接收到的信号强度估算与各参考节点之间的距离,利用定位算法计算出自身位置坐标,并发送给监控中心。该文设计了定位系统模型,并在传统的三角质心算法基础上提出了改进的加权三角质心算法,从而减小定位误差,提高定位精度。实验表明该方法能够比较准确地获取井下人员的位置,为管理人员及时掌握井下人员情况提供依据,且成本较低,实用性较强。     

基于位置范围限定的WiFi-KNN室内定位算法

针对传统的基于WiFi的最近邻(K-nearest neighbor algorithm, WiFi-KNN)室内定位算法精确度不能达到精准定位的需求的问题,本文提出了一种基于位置范围限定的K近邻(K-nearest neighbor based on the location range limit, LRL-KNN)室内定位算法。LRL-KNN算法通过利用用户的先前位置与WiFi指纹数据库中的参考点位置之间的物理距离组成的相关范围因子来缩放指纹距离,以此来减少定位的空间歧义性。尽管利用了先前的位置,但是该算法并不需要知道用户的确切移动速度和方向。与此同时,考虑到WiFi接收信号强度的时间波动性,将RSS直方图合并到距离计算中来减小时间波动带来的影响。实验结果表明:传统KNN算法的平均定位误差为2.13 m,新算法的平均定位误差为1.80 m,该误差在相同的测试环境下比传统的KNN算法减少15%。     

基于KNN-SVM算法的室内定位系统设计

以室内的用户定位需求为应用背景,提高定位精度为目标,针对室内中复杂的环境,基于最近邻法(KNN)和支持向量机(SVM),提出了新的室内定位算法.先采用KNN去除训练样本中的奇异点,再采用支持向量机进行定位.与KNN法、朴素贝叶斯法、SVM回归法等室内定位算法比较,结果表明该定位算法有效提高了定位精度和定位速度.进一步提出了基于Android平台的室内定位系统的设计方案,采用Java语言编程实现了该系统,并进行了系统测试.实验数据表明:该室内定位系统的平均误差为1.7m,最大误差为4.9m,该系统在满足速度要求的前提下,有效提高了室内定位精度.     

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.     

基于改进LightGBM的室内指纹定位算法

针对室内定位算法在定位时所用时间较长和定位精度较低的问题,提出了一种基于改进LightGBM算法的室内定位算法。该算法首先针对指纹库中的数据进行预处理,通过KNN算法去除异常点和离群点,降低环境噪声干扰,提高数据可靠性。接下来,将样本集划分为训练集和测试集,使用LightGBM算法对进行建模。同时,使用遗传算法调整LightGBM算法中的参数,并根据适应度函数寻找最优参数,得到LightGBM+GA坐标预测模型。最后,根据优化后的参数建立预测模型实现坐标预测。实验结果表明,该算法在WiFi定位的精度上较与XGBoost算法提高0.1m,相较于GBDT算法提高0.19m,在定位时间上,LightGBM+GA算法比GBDT算法快5.10s,比XGBoost算法快5.97s,具有较好的实用性。     

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。     

一种非视距三维超声波室内定位系统研究

目的 针对超声波室内定位系统在非视距定位中精度较低的问题,为减少非视距环境误差与时钟同步等硬 件误差,从定位系统整体出发提出一种非视距环境下基于对射式测距的超声波定位系统。 方法 利用差分修正 Chan-Taylor 算法结合 Chan 算法与 Taylor 级数展开算法的优势,通过 Chan-Taylor 算法估计空间中已知坐标点并 记录其误差信息,以实际坐标为参考点,运用相邻范围内参考点对未知点差分加权,修正该点经 Chan-Taylor 算法 的初始估计坐标,得到最终位置。 为简化定位系统复杂度,提高视距环境定位精度,提出改进差分修正 Chan - Taylor 算法,减少初始参考点密度,将符合参考点最小间隔条件的待测点经差分修正后的估计坐标记为新参考点, 优化原参考点体系误差信息分布情况。 结果 算法仿真实验结果表明:在非视距环境下,差分修正 Chan-Taylor 算 法在不同参考点分布区域的平均误差与 Chan 算法和 Chan-Taylor 算法相比减小 6. 43%到 37. 46%;改进差分修正 Chan-Taylor 算法在视距定位中平均定位误差减少至少 11. 15%,均方根误差值 FRMSE 降低 22. 59%。 搭建超声波室 内定位系统以验证改进差分修正算法的定位精度,实验结果表明:定位误差范围在 3 ~ 7. 5 cm,其中 90%的误差值 小于 6 cm,与 Chan-Taylor 算法相比提高 28. 23%。 结论 该超声波室内定位系统在非视距定位中精度有明显提高, 在视距定位中提升较小。 可通过提高 Chan-Taylor 算法精度和改进参考点加权函数以优化定位算法;通过优化超 声波接收端信号识别方法,增大发射端信号范围以在硬件方面进一步提升该系统定位精度。     

WiFi的室内定位技术的改进研究

现行传统Wi Fi(wireless fidelity)接收信号强度指示RSSI(receievd signal strength inication)的位置指纹室内定位技术存在定位误差大、稳定性差的缺陷.因此,我们对原有的K最近邻KNN(K-Nearest neighbor)算法提出了改进的方案.同时,在原有的KNN算法的基础上提出了融合朴素贝叶斯概率算法的新算法-BKWNN(Bayes K-Nearest weighted neighbor)算法.通过仿真实验的结果表明:在相同的实验环境下,BKWNN算法显著地提高了室内定位的精确度,BKWNN算法相比于原来其它常用的指纹匹配算法具有更高的稳定性.     

基于超声波的室内三维定位系统

为满足对室内定位技术和系统应用平台的迫切需求，提出一种基于超声波的室内三维定位系统，阐述了其工作原理并对三边定位算法进行了研究。该系统基于射频和超声波传
感器的固有性质，对超声波信号采用CDMA（Code Division Multiple Access）技术进行编码，以便在目标节点上区分每个信标发来的超声波信号，并结合射频信号实现TDOA（Time Difference Of Arrival）测距算法，最终实现三维定位。实验研究表明，以一个信标为原点，另外两个信标分别放置为X轴和Y轴上，建立三维坐标系，能简化三边定位算法，并能实现精度较高的三维定位。     

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。