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.     

面向大中型机房的RSSI定位算法研究

针对大中型机房中信号阅读器只能部署在较高安全位置,不能直接采用基于测距的接收的信号强度指标(received signal strength indication,RSSI)定位算法进行三维定位的问题,文章通过分析机房内特有的室内环境,提出了在原定位算法计算结果的基础上,采用逼近定位算法的方案。考虑障碍物对信号传播的遮挡,修正测距算法中阅读器到有源标签的距离矢量;引入参考节点方向矢量权重,改善加权质心法,迭代矫正定位,并对异常结果进行矫正处理。相比基于RSSI原定的定位算法,其结果不仅给出了三维坐标,在平面上的定位精度也提高了约60%。     

基于稀疏指纹采集和改进WKNN的定位算法

为解决位置指纹定位算法中指纹采集工作量大、定位精度低的问题,提出一种基于稀疏指纹采集和改进加权K最近邻(weighted k-nearest neighbor,WKNN)的定位算法。稀疏选定参考点并采集来自各接入点(access point,AP)的接收信号强度(received signal strength,RSS),根据容错四分位法对采集的RSS进行异常值预处理;利用经过预处理的指纹数据训练高斯过程回归(Gaussian process regression,GPR)模型,通过共栖生物搜索算法(symbiotic organisms search,SOS)求取模型最优超参数以提高模型的泛化能力,进而预测定位区域内非参考点的RSS;由有限参考点数据通过SOS-GPR模型的训练与预测生成密集位置指纹库,结合由卡方距离和AP加权改进的WKNN算法完成仿真验证。实验结果表明,在保证定位精度的前提下,稀疏指纹采集法较传统全采集法减少50%的采集工作量;与原WKNN算法和M-KWNN算法相比,提出的WKNN算法有效提高了定位精度。     

一种基于RSSI校正的加权质心定位算法

节点自定位技术一直是无线传感器网络中的关键技术,而基于接收信号强度指示(RSSI)的定位技术则是目前的研究热点。在对传统的加权三角形质心定位算法分析的基础上,提出了一种改进的定位算法。在测距阶段,将信标节点之间的距离和信号强度同时作为参考来校正RSSI值;在定位阶段,对传统加权三角形质心定位算法的权值进行修正。通过仿真证明改进算法比传统算法的定位精度有明显提高。     

基于扩散策略的分布式多维尺度节点定位算法

针对无线传感器网络节点自身定位问题,提出了一种基于扩散策略的分布式多维尺度定位算法,给出了扩散策略和局部网络信息融合的方法.与传统多维尺度定位算法相比,该算法无须将所有信息集中到中心节点进行定位计算,而是在局部网络内进行定位迭代解算及信息交换再进行坐标信息融合.该算法在迭代过程中将未知节点视为锚节点,将原算法中被忽略的参数量引入优化目标方程,采用一组凸组合权值系数对交换后信息进行加权融合以得到节点自身坐标.仿真结果表明:改进算法与原算法相比在测量噪声较大时平均与最大定位误差均下降约10%,特别是当网络连通度较低时改进算法定位精度更高.     

基于线性回归的无线传感器网络加权质心定位算法

在建立定位算法求解数学模型和定位性能的基础上,提出一种基于线性回归的加权质心定位算法。该算法首先利用节点之间的跳数对质心定位算法进行加权处理、中心化处理,然后利用线性回归的数学模型对节点进行校正,最后对校正位置进行修正。通过Matlab程序仿真,与原始质心算法相比,改进算法的平均定位误差下降了50%以上,并且在信标节点密度较低的情况下,可使节点定位比率提高至接近1。     

传感器位置浮动情况下的水下TDOA定位算法

针对水下声源定位中传感器位置存在不确定性的问题,提出了一种基于两阶段加权最小二乘算法的水下目标定位算法.首先,当传感器位置浮动时,利用获取的到达时间差数据,将测量值噪声和传感器位置误差构造加权系数矩阵,通过加权最小二乘算法估计目标位置;然后,通过引入目标定位误差构造定位方程;最后,用求解的目标定位误差调节上个阶段估计的目标位置.仿真结果表明:在传感器位置噪声较小情况下,本文算法具有较好的定位精度.     

无线传感器网络中基于反距离加权的DV-Hop改进算法

通过分析传统DV-Hop定位算法在对无线传感器网络中节点分布随机性方面的不足,提出了一种改进算法。该算法采用最小均方误差准则代替方差或偏差,求得平均每跳距离。为了体现各信标节点对未知节点的影响程度不同,采用反距离加权法来处理平均每跳距离。实验结果表明,在没有增加原算法复杂度和成本的前提下,定位精度有了一定提高,该算法是一种简单实用的改进定位算法。     

基于跳段距离优化的改进DV-Hop定位算法

系统介绍无线传感器网络DV-Hop分布式定位算法的工作机理,并指出该算法的不足.为了减小原算法的定位误差,基于加权原则改进了计算全网平均每跳距离的公式.仿真结果表明,改进算法与原DV-Hop定位算法及已有的改进算法相比,能够更好地提高节点定位精度.     

基于带符号残差加权的手机定位方法

在蜂窝网的移动终端定位中,非视距(NLOS)环境造成的误差是导致定位精度下降的主要原因.为降低NLOS误差的影响,本文提出了一种基于带符号残差加权的定位方法.该方法采用Chan算法算出移动台的初始位置,用带符号残差加权模型进行修正,再应用带符号残差辅助的泰勒级数展开法进行迭代,得到移动台的最终估计位置.仿真实验结果表明,与基于平方残差加权的方法相比,基于带符号残差加权的方法的定位精度平均提高约14.82%,可更加有效地抑制NLOS的影响.      

Dv-hop定位算法在农田无线传感器网络监测系统中的应用

针对农田无线传感器监测系统,根据Dv-hop算法定位过程,在研究已有Dv-hop改进算法的基础上,提出了对Dv-hop定位技术在平均每跳距离估计方法及未知节点平均每跳距离估算采用不同参考节点平均每跳距离等两方面的改进措施。采用MATLAB仿真环境对算法进行了验证,结果表明改进后的算法较原算法在定位精度上有提高。     

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.     

一种DBSCAN聚类点密度的加权质心定位算法

加权质心定位算法是无线传感器网络中最常用的定位算法,为了进一步提高其定位精度,本文将聚类算法引入到无线传感器网络定位中,提出了一种具有噪声的基于密度的聚类算法(DBSCAN)聚类点密度的加权质心定位算法。该算法根据共线度理论选择参数,构建定位三角形的集合。选择集合中定位效果较好的一部分三角形对未知节点进行定位,并对所得的初始定位结果进行DBSCAN聚类。在排除误差较大的定位坐标后,将聚类后每个簇的核心点个数视为权值,采用加权质心定位算法得到未知节点的最终定位位置。仿真结果表明:该算法与传统加权质心定位算法相比,平均定位误差减小80%以上,有效提高了无线传感器网络定位精度。     

铀尾矿库放射性污染无线传感器网络监测改进型加权质心定位算法

针对传统铀尾矿库放射性污染监测定位线路布设成本高、不易扩展等问题,结合带状铀尾矿库坝体环境特点,提出一种改进型加权质心算法(ACA).通过改进权值选择机制,克服了远距离定位误差偏大的缺点,提高了监测定位精度.仿真研究表明:相比极大似然估计法(MLE)加权质心(CA)两种算法,ACA算法平均定位误差分别降低了40.0%和19.5%,最大定位误差分别减少了约1/4和1/6,定位的可靠性和稳定性较高,可满足铀尾矿库放射性污染监测定位要求.     

基于WiFi和蓝牙融合的误差区域加权算法研究

基于接收信号强度(RSSI)的室内定位易受干扰且信号波动较大,导致定位误差较大,为解决这一问题,提出了一种基于Wi Fi和蓝牙融合的误差区域加权定位算法(ERWLA)。该算法在离线阶段采用Wi Fi和蓝牙信号强度的多边测量,得到相应定位可取区域,并利用区域面积设立置信度,进行融合加权得到Wi Fi和蓝牙融合位置信息。随后建立位置信息融合误差模型进行误差分析,利用移动最小二乘插值法(MLSI)对误差进行曲面拟合得到误差的拟合函数。在线采集实时位置信息,由算法得到融合位置信息并传递给误差拟合函数,得到加权拟合误差,从而获得最终的位置优化估计,实现高精度的定位服务。实验验证了该算法在定位精度和稳定性方面有较大的提升。     

多缓冲机制下ADPCM解码算法适应性研究

文章对不同缓冲机制下ADPCM解码算法的运行条件进行了分析与对比,利用最小二乘法,提出关于ADPCM解码函数输入数据量与函数输入缓冲区长度的条件关系式,量化了不同缓冲机制对算法适应性的影响;针对实验环境的特点,改进了IMA ADPCM解码算法.研究结果表明,采用多缓冲机制能显著提高ADPCM算法的适应性;改进后的解码算法效率较原算法提高约75%.     

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%。     

无线传感网络DV-Hop定位改进算法

针对DV-hop定位算法定位精度不高的问题,提出了一种改进的DV-hop算法,并详细介绍了改进的基本原理.在算法第二阶段融入了RSSI算法修正平均每跳距离,第三阶段采用先减后平方的方法对极大似然估计法计算步骤进行了改进,减小了计算误差.并利用matlab对改进算法进行了仿真分析.仿真结果表明:与传统的dv-hop定位算法相比,改进算法定位误差降低了21.8%,使定位精度有了较大的提高,且不需要增加额外的硬件开销.     

基于压缩感知的无线传感器网络节点定位算法

为了得到有效的、通用的定位算法,提出了两种新的定位算法——基于压缩感知的无线传感器网络节点定位算法（NLCS）及其改进算法（INLCS）.NLCS算法利用压缩感知和加权质心算法进行节点位置估计.提出了伪跳数以改进NLCS算法,提升了算法的定位性能.这两种算法解决定位问题必须满足3个条件,使其更适合于实际应用.仿真结果表明,相对于LSRC和LSVM定位算法,这两种算法有更好的定位性能.     

基于改进粒子滤波的超宽带与惯性测量单元融合定位算法

为了提高UWB与IMU融合定位算法的定位精度,提出了一种基于改进自适应加权数据融合的粒子滤波定位算法。首先利用自适应最优加权融合算法中最小方差估计理论,对粒子滤波中粒子分布权重进行调整;利用阈值限制所求观测方差,避免了因实际环境导致观测方差发散;利用观测噪声协方差和测量值,在粒子滤波后RMSE限制区间求得各传感器最优加权因子,避免因传感器信号弱或丢失产生的算法发散问题。最后,进行了UWB与IMU融合定位的对比实验,实验结果显示该算法与EKF融合算法相比定位精度提高了15%以上。