温变环境下RSSI测距温度改正建模

现有RSSI测距中的路径损耗模型多依赖于经验模型,其环境适应能力较差。温度变化是影响RSSI观测的主要因素之一,进而影响RSSI测距精度。因此,构建包括温度改正项的信号传播路径损耗模型是温变环境下提高RSSI测距精度的关键。本文基于对数距离路径损耗模型,分析了将路径损耗指数视为温度函数和RSSI直接温度改正的两种温度改正建模方法,并提出了3种具体的RSSI测距温度改正模型。利用温变试验的RSSI实测数据,分析了RSSI随温度变化的特性,建立了RSSI测距温度改正模型。结果表明,RSSI测距温度改正的多项式改正项和混合改正项所建立的模型均具有较高的测距改正精度;但随着节点间距的增大,建模的误差也随之增大。     

室内定位信号强度—距离关系模型构建与分析

室内定位的关键技术之一在于室内距离的精确确定。基于WiFi信号强度确定室内距离的技术主要是利用WiFi信号在传播路径中发生衰减的原理实现位置推算。根据室内WiFi信号强度随距离变化这一物理特性,基于对数-距离模型,通过对实测信号强度(RSSI)与距离进行拟合,构建了基于信号强度—距离的室内定位多项式模型,并对其进行精度评定,实现了模型的优化,提高了信号强度转化距离的精确度。结果表明,采用对数-距离模型和对数拟合模型计算距离与真实距离的平均偏差为0.73m和0.56m,新设计的信号强度-距离多项式模型解算结果平均偏差为0.26m,优于之前两种模型,可为相关研究提供参考。     

一种WiFi指纹定位改进算法

目前,基于RSSI(received signal strength indication)的指纹定位算法由于低成本、易实施的特性,逐渐成为室内定位技术的研究热点。然而,基于RSSI的WiFi指纹定位受到指纹点观测质量的影响,RSSI抖动较大时引起定位精度较低。考虑到GPR(Gaussian process regression)模型能够有效地平滑时间序列信号,提出了基于GPR模型的WiFi指纹定位改进算法。实验结果表明,该算法能够有效提高定位精度,定位精度可达到1m,点位误差在小于1.5m限差时,其可靠度可达到83.3%。     

基于高程异常拟合的多项式模型参数方案探讨

针对多项式模型在大地高向正常高的转换中精度偏低的问题,本文首先讨论一次、二次、三次多项式模型的高程拟合精度,以确定最优拟合参数,进一步结合最小二乘配置法及EGM2008重力场模型对多项式模型进行精度优化。通过实例分析,多项式模型i=3时精度最高为0.045 m,结合最小二乘配置法的拟合中误差为0.032 m,再结合移去-恢复法为0.017 3 m。二次多项式模型拟合精度最高,最小二乘配置法及重力场模型可进一步将拟合精度提高至四等水准的精度要求。     

基于BLE室内精确测距模型研究与精度分析

由于室内实际环境中低功耗蓝牙(bluetooth low energy,BLE)接收信号强度指示(received signal strength indication,RSSI)信号易受折射、多径、障碍物、散射等不稳定因素的影响,测距误差较大,针对这一问题,研究基于BLE的RSSI室内测距分析,首先,选取3个室内主要环境影响因素,研究其对RSSI测量的影响,并进行实验分析;然后,分析RSSI室内测距模型参数,根据具体室内实际环境采用平均值法优化测距模型参数;最后,提出3种不同滤波方法处理RSSI值。实验结果表明,参数优化和高斯滤波后的测距精度最高,测距误差在0.5m以内。     

融合小波变换与神经网络的RSSI室内测距算法

提出一种融合小波变换与神经网络的基于WiFi的RSSI室内测距算法，该方法通过小波变换与神经网络对RSSI数据、路径损耗模型进行修正。利用小波分解与单支重构方法，只对低频的近似部分进行单支重构，舍弃高频细节部分，同时使用神经网络训练特定环境下的路径损耗模型。通过实例验证表明，该算法最大测距误差、最小测距误差、平均测距误差分别为1.206、0.037、0.692 m；平均测距误差比路径损耗模型、BP神经网络模型分别提高了1.846、0.469 m。     

一种基于RSSI的三维加权质心定位算法

定位技术是无线传感器网络的重要支撑技术。基于RSSI的定位技术以其不需额外的硬件、成本低廉而成为无线传感器网络的首选之一。本文在分析一些常用的算法基础上,提出了一种适用于RSSI技术的三维加权质心定位算法,在室外用ZigBee硬件平台进行实验,结果表明定位误差在4m以内,相对定位误差在20%以内的概率到达70%。     

一种基于RSSI的三维加权质心定位算法

定位技术是无线传感器网络的重要支撑技术.基于RSSI的定位技术以其不需额外的硬件、成本低廉而成为无线传感器网络的首选之一.本文在分析一些常用的算法基础上,提出了一种适用于RSSI技术的三维加权质心定位算法,在室外用ZigBee硬件平台进行实验,结果表明定位误差在4m以内,相对定位误差在20％以内的概率到达70％.     

时变参数PGM(1, 1)变形预测模型及其应用

在GM(1，1)模型的基础上，考虑参数随时间的变化，用多项式逼近模型参数，同时针对GM(1，1)模型背景值取值方法的不足，引入背景值最佳生成系数，建立了时变参数PGM(1，1)变形预测模型。多项式中的待定系数采用最小二乘法确定，背景值最佳生成系数采用搜索法确定。实例计算表明，时变参数PGM(1，1)变形预测模型具有较高的模拟精度和预测精度，适合用于变形体的变形预测。     

加入地形改正的卫星影像多项式模型研究

本文针对一般多项式只适用于平坦地区或垂直成像卫星影像正射纠正的不足,根据摄影测量理论中地形起伏产生的像方位移可以用特定的数学公式表达的特点,在多项式纠正方法中引入投影差改正,实现了更精确的微分多项式纠正。文章首先分析了地形起伏引起像点位移原理,在此基础上建立了高程改正的卫星影像多项式模型,设计并实现了修正后的模型的定向方法及正反算算法。实验表明该模型较一般多项式模型X方向上精度有很大提高,适用于山区卫星影像纠正。     

一种基于高斯和滤波的蓝牙信标室内定位算法

高精度的室内定位是物联网中基于位置服务应用的基础. 低功耗蓝牙信标的接收信号强度指标(RSSI)可用于室内定位. 为此,提出基于高斯和滤波的蓝牙信标室内定位(GSF-IL)算法. GSF-IL算法考虑到室内环境信号的多径衰落以及波动,利用高斯和滤波(GSF)算法处理RSSI测量值,使RSSI值具有非高斯特性,并利用瓦瑟斯坦距离(WD)将GSF模型的分量数降至单高斯分量. 仿真结果表明:提出的GSF-IL算法实现对原始RSSI值的修正作用,并利用了定位精度.      

小区域GNSS高程异常拟合方法研究

选取恰当的拟合模型是提高高程异常拟合精度的关键．本文利用湖南省新化县城区全球卫星导航系统（GNSS）和水准测量数据,采用反距离加权法、多项式插值法、径向基函数法、克里金插值法等多种曲面拟合方法进行高程异常拟合研究,并进行拟合精度评定．结果表明,径向基函数插值法内插精度最高,其中误差为±0.0158 m;局部多项式插值法外推精度最高,其中误差为±0.0104 m;综合来说,局部多项式插值法在县域尺度高程拟合中精度最高,本文研究结果对小区域GNSS高程拟合方法选取工作具有一定的参考意义.      

A regression model-based method for indoor positioning with compound location fingerprints

ABSTRACT

This paper proposed and evaluated an estimation method for indoor positioning. The method combines location fingerprinting and dead reckoning differently from the conventional combinations. It uses compound location fingerprints, which are composed of radio fingerprints at multiple points of time, that is, at multiple positions, and displacements between them estimated by dead reckoning. To avoid errors accumulated from dead reckoning, the method uses short-range dead reckoning. The method was evaluated using 16 Bluetooth beacons installed in a student room with the dimensions of 11 × 5 m with furniture inside. The Received Signal Strength Indicator (RSSI) values of the beacons were collected at 30 measuring points, which were points at the intersections on a 1 × 1 m grid with no obstacles. A compound location fingerprint is composed of RSSI vectors at two points and a displacement vector between them. Random Forests (RF) was used to build regression models to estimate positions from location fingerprints. The root mean square error of position estimation was 0.87 m using 16 Bluetooth beacons. This error is lower than that received with a single-point baseline model, where a feature vector is composed of only RSSI values at one location. The results suggest that the proposed method is effective for indoor positioning.     

Research on ground deformation monitoring method in mining areas using the probability integral model fusion D-InSAR,sub-band InSAR and offset-tracking

With the aim of addressing the problem of accurately monitoring complete deformation fields over mining areas by means of Synthetic Aperture Radar (SAR), this paper proposes a solution to obtain complete deformation fields using the probability integral model to fuse deformation data derived from Differential Interferometric SAR (D-InSAR), sub-band InSAR and offset-tracking. This method is used for small-scale, medium-scale and large-scale deformation monitoring using D-InSAR, sub-band InSAR and offset-tracking, respectively. Finally, the probability integral model is utilized to integrate the three deformation fields, and a complete deformation field with high-accuracy over the study area can be obtained. The method is tested on 13 TerraSAR-X (TSX) images from December 2, 2012 to April 24, 2013 of the working face 52,304 of the Daliuta mining area in Shaanxi province, China. The complete deformation field of the working face during the 113-day mining period is obtained. The results show that during the process of working face advancing, the subsidence basin has been expanding along the direction of excavation. The relationship between the average maximum subsidence rate and the advancing distance of the working face can be described by a quadratic polynomial. It has been also observed that, when the underground mining reaches the full mining condition, the maximum subsidence value does not increase further. The accuracy of the proposed method is verified against the global positioning system field survey data. The root mean square errors in the strike and dip directions are 0.134 m and 0.105 m, respectively. Due to the support provide by the reserved coal pillars, the subsidence value above the reserved coal pillars is smaller.     

高斯函数定权的改进KNN室内定位方法

室内某些区域无线访问接入点（AP）布设稀疏,以及信号指纹的时变特性等因素,均使得无线信号接收信号强度（RSSI）序列与射电地图（radio map）相应RSSI序列完全相同成为可能,计算得到信号空间的欧氏距离为0或非常小。利用欧氏距离定权的加权质心算法解算会出现错误,无法得到定位结果;取K个参考点坐标均值的KNN算法以1/K为权值,定位精度相对较低。本文提出了高斯函数定权的KNN定位算法,对K个最近邻欧氏距离进行了标准化处理,利用高斯函数分配权值,得到加权坐标值。与KNN和WKNN算法的定位结果相比,该方法提高了鲁棒性和定位精度。     

附加傅里叶补偿项的卫星遥感影像RFM平差方法

卫星光学遥感影像的几何畸变是制约其定位精度的重要原因。采用一般系统误差补偿模型难以从根本上消除影像复杂畸变。本文在有理函数模型RFM平差方案基础上,根据傅里叶级数的逼近特性,提出用二元傅里叶多项式代替一般多项式作为系统误差补偿项,以适用符合连续条件的任意形式畸变。仿真和实际数据平差试验结果表明,本文方法能够有效补偿由于影像内外方位元素误差造成的像方定位系统误差及不同大小的畸变。在控制点充足的条件下,附加3阶傅里叶补偿项的RFM平差定位精度显著优于附加一般多项式补偿项的常规方法,其中SPOT-5异轨立体像对平差后平面和高程定位精度可分别达到3.34 m和2.48 m,QuickBird同轨立体像对平差后平面和高程定位精度分别达到0.77 m和0.54 m,均达到了子像素精度水平。二元傅里叶多项式可作为一种通用的影像系统误差补偿模型,拓展应用于航空和近景影像的畸变校正。     

自动推算室内接入点坐标算法

随着基于位置服务的应用与发展,室外和室内定位技术都得到了飞速发展。特别是在WiFi定位技术的不断完善下,室内定位技术有了广泛的应用,但是,WiFi定位技术的两种定位方式均需预先知道室内网络接入点的精确坐标,这一要求无法满足一些紧急情况下的定位需求。因此,本文提出了一种基于M估计的自动推算室内接入点坐标算法。该算法借助在室内外交界处同时获取卫星定位信息和WiFi信号的RSSI信息,巧用分段RSSI测距算法提高长距离RSSI测距精度,结合残差绝对和最小的M估计改进距离交会定位算法,最终推算出室内接入点的三维坐标,实现自动化推算过程。试验结果表明：该方法的定位精度比常规距离交会最小二乘算法提高了50%,能够快速实时较精确地推算室内接入点的坐标,进一步完善了WiFi定位技术。     

干热河谷冲沟DEM插值误差的空间分布研究

为了分析云南元谋干热河谷典型冲沟插值误差的空间分布特征,采用反距离加权（inverse distance weighting,IDW）、局部多项式（local polynomial interpolation,LPI）、张力样条（spline with tension,ST）、析取克里格（disjunctive Kriging,DK）以及不规则三角网（triangulated irregular network,TIN）模型方法对高程采样点进行插值,用交叉验证法、相对差系数及沟谷线差异衡量其插值精度。遴选高程误差大于1 m的误差点,用变异系数（coefficient of variation,CV）、全局Moran指数和Getis-Ord G_i*指数分析其空间格局特征。结果表明:TIN和DK精度较高,IDW精度最低;高程误差均呈聚集分布,聚集程度TIN > LPI > DK > ST > IDW;高程误差均呈空间正自相关,TIN模型插值误差的自相关程度最高;误差热点位于坡度大的区域。