多类智能终端基于灰色关联度的WKNN定位效果分析

为了解决WiFi指纹定位中遇到不同智能终端定位时产生的定位精度下降问题,针对多类智能终端情况,研究了以灰色关联度替代欧氏距离的改进加权K最近邻算法(WKNN)的改进效果,并进行了不同设备的定位实验。结果表明,对多类智能终端进行WiFi定位时,相较于传统WKNN算法,基于灰色关联度的改进WKNN算法在定位精度和普适性上均有很大提升。     

一种新的用于WiFi室内定位的最近邻搜索融合算法

研究了基于接收信号强度(received signal strength,RSS)的WiFi室内定位,这是一种具有低成本优势的室内定位技术.加权K最近邻搜索(weighted K nearest neighbor,WKNN)算法因为易于实现,可以用于位置的搜索确定.然而,WKNN算法的效率受最近邻搜索算法使用条件和K值...     

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。     

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.      

自适应K值及指纹库扩充的WLAN室内定位方法

针对细粒度指纹库构建耗时、邻近点误匹配等突出问题,为提升细粒度指纹库构建效率,该文提出了一种基于克里金插值算法的可靠接入点指纹点扩充方法。该方法在稀疏采样基础上完成细粒度指纹库自动扩充,获得丰富指纹样本。对于WKNN匹配算法中临近点误匹配和固定K值适应能力较弱等问题,提出一种改进的LWKNN算法,通过引入离群点探测剔除误匹配参考点,自适应获得动态K值,提高了参考点选取的准确性。经验证,提出的指纹库自动扩充方法及改进的LWKNN算法,在建库效率、定位稳定性和精度上均有显著提升。     

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．      

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。     

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。     

基于线段二分法的GNSS—R镜面反射点估计算法

通过研究GNSS—R基本几何关系和S．C．Wu镜面反射点估计算法,提出了基于线段二分法镜面反射点位置估计算法,并利用位移与速度之间的关系,论述了基于线段二分法算法在镜面反射点速度估计中的可行性。为了验证本文提出的算法的正确性,利用MATLAB仿真软件和STK仿真软件对已有镜面反射点估计算法和本文提出的算法进行了仿真分析。仿真结果表明：基于线段二分法算法可以正确估计GNSS—R镜面反射点位置信息和速度信息。     

步态特征提取的K均值聚类自适应判别

针对微惯性零速修正算法中步态特征的准确提取,以及步态特征的无规律性成为制约行人导航系统中步态信息提取与辨识的问题,该文提出一种基于K均值聚类自适应的行人步态特征辨别方法。分析行人步态规律并通过设定角速率阈值法对步态特征进行初判后,采用K均值聚类自适应算法设定时间阈值并将误判的步态进行纠正。为验证该算法的普适性,分别针对不同测试个体和同一个体5组不同行走速度条件下的步态特征判别实验,结果表明,本文提出的步态自适应判别方法对不同个体具有良好的适应性;为进一步验证K均值自适应步态判别算法对人员位置解算的准确性,分别开展圆形及400m跑道闭合行走实验,对比不同行走路径对应的位置误差可看出,解算位置误差虽然随行走距离增大而增加,但其相对误差均不超过2%。     

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。     

ST-CFSFDP:快速搜索密度峰值的时空聚类算法

时空聚类算法是地理时空大数据挖掘的基础研究命题。针对传统CFSFDP聚类算法无法应用于时空数据挖掘的问题,本文提出一种时空约束的ST-CFSFDP(spatial-temporal clustering by fast search and find of density peaks)算法。在CFSFDP算法基础上加入时间约束,修改了样本属性值的计算策略,不仅解决了原算法单簇集多密度峰值问题,且可以区分并识别相同位置不同时间的簇集。本文利用模拟时空数据与真实的室内定位轨迹数据进行对比试验。结果表明,该算法在时间阈值90 s、距离阈值5 m的识别正确率高达82.4%,较经典ST-DBCSAN、ST-OPTICS及ST-AGNES聚类算法准确率分别提高了5.2%、4.2%和7.6%。     

基于WiFi室内定位的AP综合选择策略分析

随着WiFi技术的快速发展与普及应用,利用WiFi进行室内定位已成为当前室内定位领域研究的热点。目前室内AP布置已经非常密集,WiFi信号无处不在。但是室内AP布设存在不均匀、冗余及遮挡现象,这严重影响了WiFi室内定位的精度,同时也增加了计算过程中的复杂度。本文针对AP的选择问题提出了一种综合AP选择策略。该策略融合了方差过滤、最大平均值及互信息方法,考虑了AP信号波动性、信号区域性和AP相关性。试验结果表明:采用AP综合选择方法实现AP组合的最优化,通过WKNN定位算法对定位性能进行评估,发现AP综合选择方法定位精度明显改善,定位平均误差为0.6292m,标准差为0.2483m,与最大平均值和信息增益算法结果相比平均误差均减少0.4m以上。     

顾及像面畸变的卫星视频稳像

卫星视频每帧影像外方位元素数值存在差别,相邻帧影像间的同名点在像面位置不同,且由于每帧影像均存在几何畸变,经典的帧间的投影变换模型、仿射变换模型等视频稳像的配准模型不能精确描述帧间的同名点关系。针对该问题,本文提出顾及像面畸变的卫星视频稳像算法,基于仿真的卫星视频,验证了该算法的可行性和精度。     

GLONASS卫星位置的动力学改进算法

为了减弱由于广播星历拟合引起的误差,本文提出了一种基于动力学轨道改进的GLONASS卫星位置算法。该算法仅采用GLONASS广播星历信息就能够提高GLONASS卫星位置坐标的计算精度。算例表明,该方法能够有效减弱GLONASS卫星广播星历的拟合误差,卫星位置的精度损失从0.5m降到mm级;外推2-3h,精度损失也仅在cm级水平。     

一种 RSSI 不同特征值融合的提取算法

室内WIFI指纹位置定位一般取RSSI的平均值作为其定位特征值,但考虑到室内环境的复杂性和动态性,平均值并不能准确地反映RSSI信号特征值。通过对不同外界干扰因素下RSSI的概率分布特征研究的基础上,提出一种RSSI不同信号特征值融合指纹定位算法。给出算法实现的步骤,并且在稳态环境下和动态环境下分别进行指纹定位在线端的数据采集实验。实验结果表明:RSSI不同信号特征值融合指纹定位算法的定位精度优于均值指纹定位算法的定位精度。     

顾及几何形状相似性的简单多边形最近距离计算方法

提出简单多边形距离计算方法,在计算简单多边形最近距离的同时,可以求得多边形之间彼此面对的线段链.针对多边形之间不同位置关系,给出不同的最近距离和多边形之间彼此面对线段链的计算算法.     

一种基于标签云的位置关联文本信息可视化方法

互联网的广泛应用产生了越来越多与地理空间位置关联的文本信息。现有地理信息系统一般通过外部链接来浏览这些数据,需要频繁的缩放、漫游和点击操作,而其他方法又难以有效表达出空间位置关系。提出了一种基于标签云的位置关联文本信息可视化方法———标签云地图,给出了标签云地图的设计思路和实现流程,并以腾讯微博的真实数据集为例建立了原型,重点研究了点状和面状地理要素的Cartogram生成算法,关键字和词频的提取算法,面向不同尺度和不同时间的标签云显示规则的标签位置生成算法。实验表明,该方法能够帮助用户从大量的位置关联文本信息中快速感知并把握信息的总体特征和发展趋势。     

传感器位置条件的自适应卡尔曼滤波及其应用

当多个传感器安装于同一载体之上,构成组合导航系统时,必然存在位置约束关系,当定位传感器等于或多于三个时,会产生多个这样的关系。利用这些条件,采用传统的约束滤波算法可以提高组合定位系统的整体精度,但有时也会造成高精度传感器的精度损失。本文中将这些位置约束条件看作观测量,通过设计适当的权矩阵,并结合自适应卡尔曼滤波算法,提出了一种用于提高传感器滤波精度的方法,并和传统的约束滤波算法进行了比较。仿真计算表明:在各传感器精度相当时,该算法可以提高各个传感器的精度,并和传统的约束滤波算法等效;当各传感器精度不同时,该算法仍然可以提高高精度传感器的滤波精度或保证高精度传感器的滤波精度不受损失。     

修正扩维无迹卡尔曼滤波算法研究

在脉冲星导航中,角位置误差是主要的误差源之一。因此本文基于X射线脉冲星导航,提出了一种修正扩维无迹卡尔曼滤波(MASUKF)算法进行角位置误差的改进。MASUKF算法在原扩维无迹卡尔曼滤波(ASUKF)算法的基础上加入了Roamer延迟的高阶项,并将其作为误差项,将修改后的误差项代入状态方程与量测方程中,即可进行仿真分析。在仿真中,首先将ASUKF算法与UKF算法进行对比仿真模拟试验,结果显示ASUKF算法能显著地提高约45 m的定位精度,在X、Y、Z 3方向的速度误差估计精度约提高了20%;然后比较ASUKF与MASUKF算法,结果显示MASUKF算法较ASUKF算法的速度误差与位置误差的估计精度均提高2%以上。