一种基于蓝牙/Wi-Fi的自适应指纹定位方法

为混合蓝牙指纹定位和Wi-Fi指纹定位,该文提出了一种基于蓝牙/Wi-Fi的自适应指纹定位方法。通过Wi-Fi与蓝牙指纹定位结果的坐标间距判断是否存在异常定位结果,若坐标间距较小,说明定位结果无异常,两种指纹定位结果都可信,根据指纹确定权重,取加权平均值作为最终定位结果;如果坐标间距过大,说明存在异常定位结果,此时对指纹进行分析,评估定位结果的可信性,若评估结果表明只有一种定位结果可信,选择此结果作为定位结果,若两种结果都可信或都不可信,选择加权平均值作为定位结果。实验结果表明,蓝牙指纹定位的平均定位精度为3.133 m,Wi-Fi指纹定位的平均定位精度为2.878 m,而基于蓝牙/Wi-Fi的自适应指纹定位方法的平均定位精度为2.183 m,相比只用蓝牙指纹定位和Wi-Fi指纹定位,定位精度分别提高了30.32%和24.15%。     

一种基于蓝牙室内指纹定位的贝叶斯改进算法

贝叶斯估计是重要的位置指纹定位算法,但传统的等值贝叶斯先验概率在动态定位中不适用。针对该问题,本文提出了一种基于贝叶斯指纹定位的改进算法。首先,借助陀螺仪获取的航向信息和高斯核函数模型建立概率投票算法,计算先验概率;然后,结合先验概率和信号强度计算待测点位于参考点上的后验概率;最后,选取概率最高的参考点,以概率为权重计算待测点的最或然值。以智能手机为试验对象,在规则路径试验中,改进算法的平均定位误差为1.15 m,定位误差小于2 m的概率为96.1%,不规则路径试验中,平均定位误差为0.50 m,定位误差在1 m的可信度为94.8%;并且改进算法对定位中位置跳变的现象有明显改善,具有较好的稳健性。     

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%。     

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。     

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...     

一种基于流形正则化的半监督指纹定位算法

针对传统指纹定位算法采集带标签训练数据成本高的问题,本文提出了一种基于流形正则化的半监督指纹定位算法。首先以流形假设为依据,利用批量输入的带标签数据与无标签数据之间的相似度构建图拉普拉斯算子;然后与极限学习机算法相结合,通过随机特征映射建立隐含层;最后在流形正则化框架下,求解隐含层和输出层之间的权值矩阵,从而建立位置估计模型。仿真结果表明,与INN、SVR、ELM 3种算法相比,该算法的训练和测试时间相对较短,且在带标签训练数据稀疏的前提下仍能保持较高的准确率与稳定性。     

一种基于低功耗蓝牙的室内定位技术

本文提出了一种基于蓝牙基站的室内定位解决方案。该技术方案中,蓝牙基站由低功耗蓝牙模块组成,在需要定位的室内空间均匀部署一定数量的蓝牙基站,每个蓝牙基站可以创建一个信号区域,并周期性地向外界广播自己独有的与位置信息对应的mac(media access control)地址和RSSI(Received Signal Strength Indication)值。当携带有蓝牙终端设备的用户进入该信号区域,就会接收蓝牙基站广播的RSSI值和mac地址,然后通过基于泰勒级数线性化的最小二乘迭代算法进行精确定位。实验结果表明,该系统定位精度在2.5 m以内,满足绝大多数的室内定位需求。     

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。     

一种区域自适应的遥感影像分水岭分割算法

提出了一种区域自适应的标记分水岭分割方法。该方法利用高斯低通滤波和概率统计相结合的方法,对梯度影像进行区域自适应阈值分割,提取分割标记,然后采用Meyer算法进行标记分水岭分割。实验结果表明,该算法能够有效解决遥感影像不同区域的分割问题,达到比较理想的水平。     

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%。     

一种基于TD-SCDMA系统的定位算法研究

对第三代移动通信TD-SCDMA系统设备定位技术的应用进行深入研究。在原有小区定位的基础上,提出一种新型的适用于TD-SCDMA系统的增强型定位算法,将可观察的到达时间差（OTDOA）与单基站智能天线定位技术相结合,通过减少测量的误差值来提高定位精度。主要阐述增强型算法的可行性,同时推导出OTDOA增强型算法的计算公式...     

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.      

基于多磁信标的指纹匹配定位算法

针对室内、地下以及障碍物较多的复杂环境中,可用导航源匮乏问题,本文提出一种利用低频时变磁场实现目标高精度位置与姿态解算的解决方案。传统时变磁场定位方法要求磁信标坐标系与目标坐标系一致且无法解算目标相对姿态角信息,同时精度普遍较差。本文提出的方案在解决传统方案的局限性基础上,又提出一种基于指纹匹配的改进方案,具有穿透性好、鲁棒性强且精度高的特点。首先根据空间中测量磁场计算磁信标接收信号强度RSSI (Received Signal Strength Indicator)拟合直线,根据指纹匹配原理估计目标位置;再根据测量磁场方向矢量模型,反演解算目标姿态角信息,实现目标位置与姿态信息解算过程,研究并分析了磁信标导航系统误差来源及解决方案;最后通过对比实验,验证本文提出的算法在实验条件下,位置估计误差期望为0.069 m,姿态角估计误差期望为2.3°,且误差不随时间积累,相对于传统的磁信标导航方案具有明显优势,具有较高的工程应用价值。     

一种基于到达时间差的卡尔曼滤波定位算法

针对超宽带室内定位技术在复杂室内环境下易受到非视距误差影响造成定位精度下降的问题,基于到达时间差（TDOA）定位模型,对Chan算法和泰勒（Taylor）算法进行联合,并引入了无迹卡尔曼（UKF）滤波算法来进一步提高标签的定位精度,建立了改进的Chan-Taylor-SVDUKF联合定位算法。主要体现在：(1)采用双边双向测距（DSTWR）的方法来获取TDOA值;(2)采用改进的Chan-Taylor联合算法对受到非视距（NLOS）影响的观测值进行筛除;(3)针对TDOA模型中状态方程为线性的情况,用一步预测和一步预测协方差代替UKF中对状态方程进行的无迹（UT）变换;(4)针对UT变换中采用平方根法（Cholesky）分解易分解失败,采用奇异值分解代替Cholesky分解。实验结果证明,Chan-Taylor-SVDUKF算法提高了定位精度和稳定性。     

一种基于PGD的WIFI位置定位新算法

在利用已知指纹点位置坐标估算定位点位置时,目前大多采用WKNN。考虑到AP信号在不同方向有不同的衰减率,本文在WKNN基础上提出了基于PGD的位置定位新算法。通过实验分析,结果表明：与WKNN相比,本文提出的PGD算法具有更高的定位精度和更强的可靠性。     

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％.     

一种基于感知概率的室内定位匹配算法

近年来,指纹匹配技术在高精度的室内定位系统中取得了很大的进步。由于复杂的室内环境和信号的多变性,很难获得统一的信号传播模型,因此位置指纹技术被广泛应用于室内定位系统中。基于接收信号强度,k近邻和最大似然概率算法是常用的位置指纹匹配算法。本文首先给出感知概率的定义,将感知概率引入到欧氏距离和似然概率中,并利用直方图模型和核密度估计技术计算似然概率,提出了修正k近邻和最大似然概率算法。实验结果表明,提出的修正算法可以获得较好的定位精度。     

一种基于蓝牙的室内定位导航技术

为解决GNSS定位技术的“最后一公里”问题,室内定位近年来成为定位领域的研究热点。为了满足室内定位和导航服务的需要,该文采用iBeacon信标节点,设计了一种蓝牙技术为基础的室内定位系统。利用不同AP对位置的影响差异,实现空间分割以自动构建指纹数据库,结合用户的运动状态实现室内定位。研究结果表明:该文的定位方案在500m2的室内环境下,定位精度优于2m,完全可以满足日常定位导航功能。     

一种自适应两阶段卡尔曼滤波算法

当动力学模型存在未知的随机系统偏差时,两阶段卡尔曼滤波要优于标准卡尔曼滤波。两阶段卡尔曼滤波的基础是准确的知道随机系统偏差的统计特性,这在实际过程中是很难做到的。提出了基于新息向量的自适应两阶段卡尔曼滤波。它不仅能够很好的估计随机系统偏差,而且在随机系统偏差的先验统计特性不准确时也能取得良好的效果。最后通过一个仿真算例,验证了自适应两阶段卡尔曼滤波的适用性。     

一种基于Wi-Fi FTM指纹与测距的动态加权混合定位

针对传统的指纹定位与测距定位混合需要提前确定两者权重的问题,该文提出了一种新的动态加权混合定位方法。该方法利用Wi-Fi精细时间测量(FTM)协议同时返回接收信号强度(RSS)与测距数据的条件,在分析指纹定位与测距定位原理的基础上,分别对两种定位方法生成的定位结果动态确定权值,最后根据间接平差原理对两种定位结果进行融合,得到最终定位结果。在相同的实验条件下,该文所提的动态加权混合定位方法的平均定位误差(ME)为1.42 m,均方根误差(RMSE)为1.85 m,与指纹定位、测距定位和确定性加权混合定位方法相比,ME分别减小了27.6%、18.4%和21.9%,RMSE分别减小了37.3%、15.5%和15.5%。实验结果表明：与指纹定位、测距定位单种定位方法和确定性加权混合定位方法相比,该文提出的动态加权混合定位方法可以提高定位结果的精度和稳定性。