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。     

一种改进的RSSI加权质心定位算法

针对现有加权质心定位算法易受环境因素影响、权重确定不合理导致的室内定位精度低的问题,该文提出了一种基于RSSI的改进加权质心定位算法,该方法在原算法基础上对权重的确定进行了改进,以RSSI值解算的距离值的倒数和作为权重,有效降低了较远距离在权值中所占的比重,提高了室内定位精度;针对权值修正系数n的取值对定位精度的影响,通过实例得出n=6时定位精度最高的结论,同时证明了本文算法优于现有的质心定位算法及加权质心定位算法。本文算法降低了室内复杂环境因素的影响,提高了利用无线传感网络的定位精度,可为智慧城市、智能交通、矿井及灾害救援等领域精确的位置估计提供帮助。     

改进加权距离定位算法在室内定位中的应用

基于RSSI(Received Signal Strength Indication)的距离测量技术是一种新型低成本的距离测量技术,并且在距离定位的领域中得到广泛的运用。针对常规的Zigbee指纹定位的加权最邻近定位算法较为复杂且精度低下的问题,该文对基于RSSI的Zigbee指纹数据库定位算法中加权最邻近算法进行了研究,提出了利用一种新的加权距离定位算法,并且使用Zigbee无线网络系统进行实验。结果表明,使用加权定位算法后,与常规的3种定位算法相比,Zigbee定位系统的定位偏差得到一定程度的提高且优于1.57m。     

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%。     

基于5G毫米波到达时间差的室内定位算法

随着第五代移动通信技术(5G)时代的到来,以毫米波通信为代表的技术得到了日益广泛的关注.5G毫米波信号的带宽大、频率高、时延短,并且信道稀疏,所以能够为基于到达时间(TOA)和基于到达时间差(TDOA)的定位提供更加准确的测量值,有利于实现高精度的室内定位.研究了三种应用于室内的5G毫米波TDOA定位算法,并结合卡尔曼...     

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。     

基于自动化室内建模的5G基站信号仿真和优化选址方法

目前,第五代移动通信技术（5th generation mobile communication technology,5G）技术想要全面推广,需要做好基站选址的工作。5G信号频率较高,穿透能力与4G、3G、2G相差悬殊,利用传统的基站布设策略,无法保证室内深度覆盖需要的良好体验。针对这一问题,本文首次基于自动化重建的室内模型进行了5G信号仿真,并提出了5G小基站选址的优化方法。首先确定候选基站,模拟5G信号传播过程;然后考虑信号传播过程中的路径损耗和墙面材料对信号造成的反射衰减损耗,以模拟5G信号的强度值和覆盖度。最后基于重建的室内结构化模型与5G信号仿真结果,利用贪婪优化算法设计了面向5G基站优化选址策略。实验结果表明,本文的方法能够有效地模拟5G信号,并且实现自动化5G基站布设和选址,该方法能更好地满足室内快速布设大量高密度5G通信基站的需求。     

Improved GNSS-based indoor positioning algorithm for mobile devices

GPS Solutions - The widespread use of global navigation satellite system (GNSS) receiver in mobile devices induces the adoption of effective GNSS-based indoor positioning algorithms exploiting...     

地面无线定位基站部署优化设计研究

为了满足面向室内定位中基站部署的优化设计需求,该文设计了一种测距型基站布网优化系统,研究和提供了室内基站定位优化部署模型.依据读入的基站配置信息,提供基站最佳部署方案,实现最优化基站部署,满足定位精度等性能要求,支撑室内定位、位置服务等业务应用的顺利实现.根据系统设计的基站最优化部署模型,研究了平面设置2～4个基站条件下的定位精度变化规律,得到最优化部署原则.结果表明,对于平面设置2个基站的情况,基站与观测中心间夹角90°或270°时,基站正交分布为最优部署;对于平面设置3个基站的情况,基站与观测中心间夹角120°时,基站围绕观测中心均匀分布为最优部署;对于平面设置4个基站的情况,基站与观测中心间夹角90°时,基站围绕观测中心均匀分布为最优部署.     

基于MCS-SCKF的超宽带室内定位算法

针对传统超宽带（UWB）室内定位中非线性跟踪问题,基于当前统计（CS）模型和容积卡尔曼滤波（CKF）,本文提出了一种新的定位算法。即采用奇异值分解（SVD）代替标准CKF算法中的Cholesky分解,提高了算法的稳定性,构造了奇异值分解容积卡尔曼滤波器（SCKF）。首先在CS模型的基础上改进了先验参数的函数形式,得到改进的CS模型（MCS）,实现模型参数的自适应调整;然后将MCS模型引入SCKF滤波器,实现滤波算法的自适应调整;最后利用MCS-SCKF算法对UWB定位系统模型进行解算,从而得到移动目标位置。仿真和试验结果表明,该算法优于CS模型-卡尔曼滤波算法（CS-KF）和CS模型-SCKF算法（CS-SCKF）,提高了UWB室内定位的定位精度。     

单目视觉测量系统质心定位算法

在测头成像视觉坐标测量系统中,对图像进行采集和处理是为选取合适的特征点并对其进行优化曝光以便获取高质量的图像,进而实现特征点与背景图像分离和特征点中心的精确定位。因此,对于特征点成像的亚像素定位直接决定着三维空间坐标的测量精度。文中提出高斯拟合双三次插值算法,并与灰度加权和高斯双线性进行对比,实验表明精度比较高,能够达到单目视觉测量系统质心定位要求。     

PDR算法对地磁室内定位精度的提升研究

利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位,而且基于地磁场的定位无需布设任何额外设施,因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题,本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法,并开发了地磁室内导航系统,以智能手机为硬件平台构建磁力计传感器模型,建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内,产生的平均定位误差为1.13 m,最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%;与单一地磁指纹匹配算法相比,定位精度提高了57%。试验证明,本文提出的融合算法对提高室内定位精度具有显著的作用。     

模糊数学的WiFi室内定位算法

针对目前大多数基于位置指纹的WiFi定位算法都是以统计数学理论为依托,而且很少涉足定位精度在空间分布上的研究这一问题,该文在总结K近邻、加权K近邻以及最大似然模型的WiFi室内定位基础上,提出了一种结合模糊数学理论的WiFi定位算法。从平均误差、最小误差、最大误差、变异程度、定位时间这几个角度,将该算法与其他传统算法进行比较分析。基于真实场地的实验测试结果表明,该算法定位精度高,定位速度快。最后对定位误差进行空间插值分析,结果表明4种模型的定位精度均与WiFi信号源的分布位置有很强的相关性。