基于信号丢失率的AP选取算法分析

近十年来,基于RSS(received signal strength)的WiFi指纹室内定位技术逐渐成为国内外学者的研究热点,其通过接收多个AP(access points)的信号来估计用户的位置.受到室内复杂环境的影响,不同AP的观测质量存在较大差异,AP选取对WiFi室内定位性能具有重要的影响.考虑到AP在传播过程中存在信号丢失,有学者提出了基于信号丢失率(signal loss rate,SLR)的AP选取算法,为了能够选取出更加合适的AP,本文针对基于SLR的AP选取算法进行了相关参数设置实验分析.实验结果表明:在合适的参数设置下,基于信号丢失率的AP选取算法与其他现有常见方法相比,具有更高的定位精度以及可靠性.     

基于KNN运动模式识别的改进PDR室内定位

为提高行人航迹推算(PDR)的定位精度,首先利用K最近邻法(KNN)对智能手机采集的6种行人运动模式数据进行识别,再与基于支持向量机(SVM)和高斯朴素贝叶斯(GNB)的运动模式识别方法进行对比,最后在实际环境下进行运动模式辅助的PDR实验。结果表明,KNN方法不仅比SVM和GNB方法易于实现,而且具有更高的识别正确率。在识别行人运动模式的前提下,PDR的室内定位效果比传统PDR方法定位效果更好。     

基于改进AP选择的融合随机森林室内定位算法

针对复杂室内环境下接收信号强度(RSS)值和维度发生变化的问题,提出一种改进的接入点(AP)选择方法并融合随机森林(RF)分类算法进行实时室内定位. 在离线阶段应用改进的AP选择方法,并使用AP的RSS数据方差以及AP出现频率来衡量AP稳定性并选取前m个稳定的AP. 在处理方差时会经拉普拉斯平滑,以避免出现方差为0的情况,并以此构建初步的指纹数据库;在在线阶段利用集成学习中的RF来对分类结果进行投票表决得到最终位置信息,并将改进后的算法同传统RF,改进后的AP选择融合加权的K近邻算法(WKNN)以及基于信息增益(IG)的AP选择算法加随机森林相比较. 实验结果表明:文中所提出的方法在定位误差方面较其他三个算法分别下降29.3%、23.2%、17.2%,同时在定位时间方面也有提升.      

PCA、ICA和Gabor小波决策融合的SAR目标识别

提出了一种基于主成分分析(PCA)、独立分量分析(ICA)和Gabor小波决策融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标识别方法。首先用PCA、ICA和Gabor小波变换分别对SAR目标图像提取特征向量,再用3个支持向量机分类器分别对3种方法提取得到的特征向量分类,通过基于等级的决策融合方法对3个支持向量机分类器的输出进行决策融合,得到最终类别决策结果。采用MSTAR数据库中3个目标进行识别实验,实验结果表明,PCA、ICA和Gabor小波决策融合后得到的识别率高于单独用其中任何一个特征得到的识别率。因此,该方法可提高目标的正确识别率,是一种有效的SAR图像目标识别方法。     

一种基于智能手机四向RSS指纹的室内定位方法

针对传统位置指纹匹配算法只能表征单一维度指纹点特征的问题,提出了一种基于智能手机四向接收信号强度(RSS)指纹的室内定位方法. 该方法通过离线阶段的数据采集、特征提取、接入点(AP)权重分配三个步骤提取了更丰富的指纹点信息,在线阶段使用改进的K最近邻(KNN)分类算法将测试点与指纹点匹配. 在操作系统版本为Android 10的智能手机上使用蓝牙传感器进行实验验证,随机选取30个测试点,得到的实验结果表明:1)四向RSS指纹优于传统的单向RSS指纹,在相同的实验条件下使用四向RSS指纹最高可降低13.4%的定位误差;2)使用四向RSS指纹结合提出的算法,平均定位误差在1.61 m,且响应时间在毫秒级.      

可见光通信室内定位技术进展与应用EI北大核心CSCD

可见光通信定位(VLP)技术具有低成本、高精度、无电磁干扰、部署便捷、兼顾通信定位和照明的优点,在室内定位领域展现出良好的应用前景。本文首先分别总结了基于可见光通信的成像和非成像室内定位方法,分析和讨论了两种方法的关键技术、研究进展及应用情况;然后,提出了一种基于自相关序列的VLP光源匹配识别方法,并介绍了一种基于普通成像传感器和矩形平板光源的定位系统构建方法;最后,对室内VLP技术的研究发展方向进行了展望。     

WiFi室内定位的不同接入点选取策略的性能评估分析

最优无线接入点(access point,AP)子集的选取是进一步改善WiFi室内定位技术的一个难题。本文介绍了现有的AP选取算法并提出了基于奇异检验的AP选取算法,给出了WiFi室内定位的性能评估指标。通过实验评估分析了各AP选取算法的综合性能,结果表明:基于相同原理的AP选取算法,其位置估计误差具有相似性,但不同AP选取算法由于选取原理不同各自具有局限性。在实践应用中,要贴合实际情况,结合各AP选取策略特点,选择合适的AP选取策略。     

一种新的基于STD和SLR融合的AP选取算法

为了进一步提升基于RSS(received signal strength)的WiFi室内定位算法的精度和可靠度,本文对比研究了基于标准差(standard deviation,STD)的AP(access points)选取算法和基于信号丢失率(signal loss rate,SLR)的AP选取算法,并提出了新的基于STD和SLR融合的AP选取算法。实验结果表明,基于STD的AP选取算法定位精度受到AP子集个数的影响,当子集个数大于6并继续增加时,定位精度变化不再明显;基于SLR的AP选取算法耗时最少;新的基于STD和SLR融合的AP选取算法定位耗时略大于融合前的两种AP选取算法,但其定位精度和可靠性明显优于其他两种AP选取算法。     

多方位角图像决策融合的SAR目标识别

提出了一种基于多方位角图像决策融合的合成孔径雷达(SAR)图像目标识别方法。对目标切片图像用二维小波分解和主成分分析提取特征向量,利用支持向量机对特征向量进行分类,用贝叶斯方法对目标多幅不同方位角下图像的分类输出进行决策融合,得到最终类别决策。用MSTAR数据库中3个目标进行识别实验,实验结果表明,对3幅以上不同方位角的图像进行决策融合时,该方法可显著提高目标的正确识别率。该方法是一种有效的SAR图像目标识别方法。     

超宽带与激光雷达组合的室内定位方法

针对室内及室内外过渡区域,GNSS信号受到严重影响导致的定位精度下降甚至无法定位的问题,该文提出了一种新的多传感器组合的室内定位方法。充分利用超宽带(UWB)超高的时间分辨率、良好的抗多径能力和较强的穿透能力,以及激光雷达(LiDAR)所表现在构图与定位方面主动、高效、精确的特点。使得两个系统相互作用,在复杂的室内环境下能够获得厘米级的定位结果。基于室内环境下的实测实验结果表明:无论是在非视距环境下UWB定位能力受到严重影响,还是在LiDAR定位结果出现较大发散的情况下,基于EKF的UWB/LiDAR组合定位系统都能够稳定维持厘米级的定位精度,定位结果比较接近参考轨迹。本文提出的基于EKF的UWB/LiDAR组合定位模型,实现了复杂室内环境下的高精度定位。     

基于WiFi信号的整体区间重叠度的AP选取算法

针对WiFi指纹室内定位中AP(access point)选取算法问题,提出了一种基于WiFi信号的整体区间重叠度(overall interval overlap degree,OAIOD)AP选取的优化算法,给出了算法的流程和整体区间重叠度计算方法。通过实验并与区间重叠度、信息增益、信息增益率、互信息等多种AP选取算法相比,结果表明:该算法定位精度较高,可靠性和稳定较好,增强了AP对指纹点的识别能力,又减少了指纹点中AP之间的关联性。     

基于D-S推理的灰关联雷达辐射源识别方法研究

在战场实际环境中，多数情况下传感器设备获得辐射源的信息在时间上是冗余的。针对这种实际侦测环境，基于信息融合的思想，提出了一种新的辐射源识别方法。该方法在灰关联识别的过程中．引入D-S证据理论，通过对信号的积累和对信任度的重新分配．对识别结果进行了有效的融合．提高了辐射源的正确识别率。仿真结果表明了该方法的可行性和有效性．为工程应用提供了参考。     

基于几何聚类指纹库的约束KNN室内定位模型

针对室内环境基于RSSI定位不稳定问题,提出了以几何信息改进基于指纹库的KNN定位算法。根据室内几何布局建立了聚类指纹库,提出了表征点位几何特性的点散发性强度(geometric strength of sporadic,GSS)概念。利用最邻近样本点的GSS判别移动终端所在参考点RP控制网结构以动态选择KNN关键参数K,构建最佳多边形为约束准则自适应选取后K-1个邻近点,建立了基于几何聚类指纹库的约束加权KNN室内定位模型。结果表明,改进后定位模型可以更好地估计终端位置信息,其中几何聚类指纹库是改善定位准确性的关键,约束KNN能够有效地提高室内定位精度。     

WiFi指纹定位中AP个数对定位精度的影响

基于RSSI的WiFi指纹定位算法离线建立指纹数据库阶段受AP个数影响,因此AP个数也将影响到指纹定位算法精度。为了探究AP个数对定位精度的影响,文中在室内环境下进行实验,选取不同的AP进行基于RSSI的WiFi指纹定位实验和分析,定位精度和可靠性作为定位结果的衡量指标。实验结果表明:在单个办公室内,5~6个AP时定位精度较高且定位结果可靠性达到最高。     

复杂环境下的超宽带高精度定位算法

针对相对于室外更为复杂的室内或者灾害环境中,全球导航定位系统(GNSS)信号受到严重影响导致定位精度下降甚至会无法定位的问题,该文充分利用了超宽带(UWB)极高的时间分辨率、优异的抗多径能力和非视距(NLOS)环境下较强的穿透力,从信号传播层面改进定位算法,通过经验值判断测量环境,在基准站与移动站之间不存在障碍物遮挡的情况下,通过UWB定位模型进行定位并通过卡尔曼距离滤波模型去除噪声;在基准站与移动站之间存在障碍物且在信号可以穿透障碍物的情况下,通过路径损耗模型实现对NLOS误差的粗略估计,在此基础上加入卡尔曼距离滤波模型做进一步估计,进而以此估计值对定位结果进行改正。基于室内环境下的实测实验结果表明:无论静态或者动态,在产生NLOS误差导致定位结果轨迹与实际参考轨迹差别较大的时候,该文定位算法会对定位结果有较好的改正,通过经验值判断的方法可实现复杂环境下较好的定位。     

基于深度学习的人体行为识别

为了识别公共区域等特定场所下的人体行为,提出了一种基于深度学习的人体行为识别方法。首先,预处理训练样本集和测试样本集中的所有图像,通过高斯混合模型提取出目标运动前景。其次,对训练样本集中各种目标行为建立样本库,定义不同类别的识别行为作为先验知识,用于训练深度学习网络。最后,结合深度学习所得到的网络模型,分类识别测试样本集中的各种行为,并将识别的结果和当前流行方法进行了比较。实验结果表明,该人体行为识别方法优于其它方法,平均识别率相比其他方法有较大的提高。     

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。     

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。     

利用数据场的表情脸识别方法

提出了一种利用数据场的表情脸识别方法。根据数据场的思想层次建模,从数据中提取概念,用特征集来表示概念。在JAFFE表情脸图像库中进行实验,其整体识别率高达94.3%,说明该方法能够较有效地处理表情脸识别中的不确定性。     

WiFi指纹定位的一种新组合算法

探讨AP选取策略和贝叶斯位置估计算法对基于RSS的WiFi室内定位技术位置估计精度的影响。国内外学者分别对AP选取算法和贝叶斯位置估计算法进行了大量的研究。为了进一步深入研究不同算法的优劣性,利用组合优化的思想对不同算法进行组合,通过找出最优算法组合从而提升WiFi室内定位系统的性能。基于互信息最小化的AP选取策略和考虑AP相关性的贝叶斯位置估计算法,提出一种新的WiFi指纹定位组合算法。实验分析表明:新算法具有良好的实用性和定位性能。