智能手机Wi-Fi往返时间测距室内定位方法

针对室内活动场景下,额外布设定位基站成本较高,应用范围有限,基于手机的室内高精度位置服务需求难以满足的问题。考虑到Wi-Fi在全球网络中的广泛部署及智能手机内置多种运动传感器,本文实现了基于Wi-Fi RTT测距信息和手机内置多传感器的实时室内定位方法,并在室内进行静态和动态定位实验。实验结果表明：该算法无论是定位精度还是定位准度都优于仅依赖于Wi-Fi RTT测距信息的Wi-Fi RTT LS算法和Wi-Fi RTT UKF算法,平均定位误差为1.16 m,最大定位误差为2.14 m。     

全向指纹和Wi-Fi感知概率的WKNN定位方法

针对室内环境下Wi-Fi信号强度衰减受人体影响较大且存在信号缺失现象的现状,该文提出一种基于全向指纹和Wi-Fi感知概率的加权K近邻定位方法,离线阶段构建顾及用户朝向和Wi-Fi感知概率的全向指纹库,在线阶段将全向指纹库中的感知概率用于定位过程。分别开展了基于方向识别、全向指纹和该文所提定位方法的实验,该文所提的方法在K为2时定位精度最高,平均定位误差为1.42m,标准差为1.04m,45%定位结果的精度优于1m,80%定位结果的精度优于2m。实验结果表明,该方法在定位精度和稳定性方面优于基于方向识别定位方法和基于全向指纹的定位方法。基于全向指纹和Wi-Fi感知概率的WKNN定位方法能够减少用户身体遮挡和信号缺失对定位的影响,可提高Wi-Fi指纹定位的精度。     

采用无线信号测距加权的室内协同定位

随着基于位置服务应用的普及,室内外无缝定位已成为下一代定位系统的核心,但是精确的室内定位至今仍是难点问题。众多学者提出过无线信号定位算法,然而无线信号具有不稳定性,且需要事先建立信号特征指纹数据库,这给定位带来了误差和繁琐性。通过对室内环境中超宽带信号测距结果分析以及对快速生成无线信号数据库方法的探讨,提出一种基于多用户测距约束的融合多传感器信息的协同室内定位算法。该算法利用粒子滤波集成了航向推算数据、WiFi数据、用户间测距以及室内地图等信息。测距约束能够剔除由于信号不稳定或数据库没有及时更新造成的误差。通过集成室内采集的数据,验证了该算法能够有效提高室内定位精度及稳定性。结果表明该算法比航向推算或WiFi定位结果提高了40%以上。     

正则化距离准则的Wi-Fi位置指纹室内定位方法

针对K-近邻法中常规指纹相似度匹配准则未能充分利用测试点和参考点的几何距离信息问题,该文提出了正则化距离准则的Wi-Fi位置指纹室内定位方法。该方法较常规距离准则兼顾了测试点与参考点的指纹距离和可靠几何距离,仅增加了正则化距离和K-近邻位置估算的迭代流程。而且,该方法仅含一个正则化因子,确定方法简便且可解释性好。密集与稀疏参考点格网间距下智能手机Wi-Fi平面定位实验表明,所提方法在正则化距离准则下能够有效提高约20%的定位精度,其中曼氏和欧氏定位中误差不超过2m。     

基于Wi-Fi信道状态信息的室内定位技术现状综述

室内定位技术一直是工业界和学术界的研究热点,Wi-Fi信号作为重要的定位源,长期受到研究人员的关注。传统的利用接收信号强度的Wi-Fi定位方法受到诸多限制,容易受到环境等因素的影响,精度难以有效提升,也无法展开大规模的应用。信道状态信息（channel state information,CSI）是一种比接收信号强度更能描述Wi-Fi信号传播本质的观测量,利用CSI进行室内定位研究已得到越来越多的关注。介绍了CSI基本概念,综述了现有基于CSI的各类定位方法,包括指纹匹配、测角和测距等,分别描述其基本原理,指出其中的优缺点,并分析其现状和难点。并对基于Wi-Fi信道状态信息的定位技术未来的发展方向进行了展望。     

基于Wi-Fi和Android平台的室内定位技术研究

由于GPS不能满足用户对室内定位的需求,研究并开发基于Wi-Fi和Android平台的室内定位系统,利用位置指纹匹配算法和Kalman滤波实现室内定位。实验结果表明,该系统具有良好的实时动态定位效果。     

一种基于传播模型和位置指纹的混合室内定位方法

提出了一种结合传播模型的位置指纹室内定位方法。首先利用无线信号传播模型公式建立定位环境中已测定位置坐标的参考点距离各AP的理论距离的指纹数据库;然后再根据传播模型公式确定待定点到AP的理论距离;最后通过匹配待定点和匹配度最大的3个参考点之间的欧氏距离的倒数作为计算待定点坐标的权值,计算待定点坐标。试验结果表明,相对于传统的单独使用传播模型法或位置指纹法,本方法通过对两种方法结合进行室内定位,取得了更高的精度。     

一种改进的RSSI室内加权质心定位算法

针对现有基于信号强度的质心算法定位精度不能满足特定场景下对高精度室内定位需求的问题,该文提出了一种改进的接收信号强度(RSSI)室内加权质心定位算法。该算法通过RSSI测距得出4个已知锚节点到待测点的距离,以相应的锚节点为圆心画圆弧,得到由4段圆弧相交的四边形,其任取3个顶点可以组成一个三角形,然后以距离平方倒数之和作为权值计算4个三角形质心坐标,再以4个三角形质心坐标作为初始值以信号强度之和作为权值求解待测点坐标。实验结果表明:该算法最大误差值为1.02m,最小误差值为0.21m,平均误差值为0.68m;该算法室内定位精度比基于RSSI的质心算法最大提高24cm,最小提高12cm,平均提高了18cm;比加权质心算法最大提高10cm,最小提高3cm,平均提高了8cm。     

一种基于全向指纹库的WiFi室内定位方法

WiFi室内定位技术是导航与位置服务领域的研究热点。室内环境下WiFi信号衰减受人体遮蔽影响较大,本文考虑了用户朝向引起的信号强度差异,提出了一种基于全向指纹库的WiFi室内定位方法。试验结果表明,该方法定位精度高于基于方向识别的指纹定位方法,当K取4时,平均定位误差为1.44 m,定位精度优于1 m的置信概率为54%,优于2 m的置信概率为88%。     

一种WiFi距离交会加权融合定位算法

基于距离交会的WIFI室内定位算法受环境的影响,距离反演精度较低导致定位误差较大,不同距离反演模型对定位误差影响特性存在差异。考虑到GPR距离反演模型过度平滑引起定位结果扎堆的缺陷和传统损耗模型反演精度过低引起定位结果误差较大的缺陷,提出一种基于GPR预测模型和损耗模型的加权融合定位算法。实验结果表明:该融合算法能够有效提高定位精度并明显改善基于GPR模型定位算法的定位结果扎堆现象。     

一种虚拟空间划分的室内指纹库定位方法

RSSI测量距离技术被广泛应用于距离定位的领域。针对传统的Zigbee指纹定位算法和复杂环境,文章提出了一种虚拟空间划分的Zigbee指纹库定位算法,其中包括虚拟空间划分最邻近定位算法、虚拟空间划分加权最邻近定位算法和虚拟空间划分贝叶斯定位算法。实验结果表明,在最优情况下,此方法能将定位误差抑制在1.50m。     

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％.     

基于FDE-IRF的室内指纹定位方法

针对传统指纹库存在建立工作量大以及随机森林匹配误差大等问题,提出了一种基于指纹库自动扩充的改进随机森林指纹定位方法(FDE-IRF)以提升指纹库构建的效率和指纹匹配的精度.该方法对传统全采样构建指纹库方法和随机森林回归定位方法进行改进,稀疏采样多时间段的指纹数据和Kriging插值方法组合补全未采样指纹点,提升建库效率...     

一种改进的组合定权的指纹定位算法

室内场景复杂、WiFi信号不稳定等因素,造成基于信号空间K最近邻法的WiFi指纹定位算法匹配的邻近点会出现偏差,使用偏差较大的点计算待定点位置会直接影响定位结果。本文提出了一种改进的组合定权的指纹定位算法,对K个邻近点的几何结构进行分析,剔除其中偏离邻近点几何中心较远的点后,同时分析匹配邻近点中心同待定点几何位置存在理论上的关联,利用选择后的邻近点与其中心点的几何距离、待定点与指纹点欧氏距离组合定权,加权求取坐标。与KNN、WKNN算法定位结果分别进行比较,表明该方法提高了定位准确性和精度。     

一种室内无标志动态目标视觉定位方法

提出了一种室内无标志动态目标的视觉定位方式,采用卡尔曼滤波估计动态目标图像坐标,并利用分区定位方式对多相机视场内的动态目标进行定位,根据观测到动态目标的相机数目将多相机视场范围区域划分为单目区域、双目区域和多目区域,对不同的区域采用不同的定位方式。仿真和真实实验表明,本文算法可以达到10 cm左右的定位精度,运行效率可以达到50 ms/帧。提出的无标志动态目标定位方法具有更高的鲁棒性,基本可以满足实时性要求且定位精度较高。     

基于GF-KF修正RSSI的室内指纹定位方法

针对Wi-Fi信号易受噪声等外界不确定因素的影响以及移动终端接收信号强度指示（RSSI）与真实值存在偏差而导致定位精度不高的问题,本文提出了一种基于GF-KF修正RSSI的室内指纹定位方法．由于采集的RSSI不稳定,该方法利用RSSI类高斯分布的特性,对RSSI数据进行高斯拟合,以得到较为确定的RSSI值．在此基础上,引入卡尔曼滤波算法对拟合后的RSSI数据进行误差修正,结合加权K近邻（WKNN）匹配算法进行定位．实验结果表明:本文方法的平均定位误差为1.5 m,2.0 m以内的误差累积分布概率为90.06％,定位效果优于同类方法．      

基于传统超宽带的室内高精度动态定位算法

传统超宽带(ultra-wideband,UWB)室内定位算法在求解运动目标位置时没有考虑目标的运动信息,较难实现对动态目标,尤其是高速运动目标的高精度定位。针对上述问题,提出了一种顾及速度参数的UWB室内定位算法。该算法在估计目标位置的同时引入了目标的运动信息,建立考虑速度参数的观测方程,并根据经验模型对目标位置和速度参数添加先验约束,从而实现对运动目标的精确定位。实验结果表明,顾及速度参数的UWB室内定位算法可以充分利用目标运动的先验知识,实现对运动目标实时、稳定地高精度定位。