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。     

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．      

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。     

A regression model-based method for indoor positioning with compound location fingerprints

ABSTRACT

This paper proposed and evaluated an estimation method for indoor positioning. The method combines location fingerprinting and dead reckoning differently from the conventional combinations. It uses compound location fingerprints, which are composed of radio fingerprints at multiple points of time, that is, at multiple positions, and displacements between them estimated by dead reckoning. To avoid errors accumulated from dead reckoning, the method uses short-range dead reckoning. The method was evaluated using 16 Bluetooth beacons installed in a student room with the dimensions of 11 × 5 m with furniture inside. The Received Signal Strength Indicator (RSSI) values of the beacons were collected at 30 measuring points, which were points at the intersections on a 1 × 1 m grid with no obstacles. A compound location fingerprint is composed of RSSI vectors at two points and a displacement vector between them. Random Forests (RF) was used to build regression models to estimate positions from location fingerprints. The root mean square error of position estimation was 0.87 m using 16 Bluetooth beacons. This error is lower than that received with a single-point baseline model, where a feature vector is composed of only RSSI values at one location. The results suggest that the proposed method is effective for indoor positioning.     

一种室内实时定位监控系统地图可视化方案

针对大型室内场所实时监控系统面临的地图可视化功能不足的问题,文章结合室内定位监控系统需求,提出一种基于开源WebGIS技术的实时定位监控系统室内地图可视化方案,基于Web三层体系分别设计了室内地图符号化方案、管理方案以及Web监控端显示方案;最后设计开发了一套室内实时定位监控系统HospMonitor,并在医院进行了应用实验,能够实现对医院特定人员进行实时定位、动态追踪和查询分析等功能,该方案提升了现有实时定位监控系统中的室内地图可视化性能,可推广应用于大型室内场馆实时监控管理应用中。     

基于人工鱼群优化的BP神经网络WiFi指纹室内定位方法

针对传统的基于反向传播(BP)神经网络室内定位算法存在着低精度和慢收敛问题,且考虑到室内环境复杂,通常存在多径效应,无法使用信号强度衰减测距模型进行精确定位,提出一种改进的人工鱼群优化的BP神经网络WiFi指纹室内定位算法．利用人工鱼群觅食和寻优方式来提高全局寻优搜索的速度和能力,采用改进的人工鱼群算法(IAFSA)优化选取室内定位BP神经网络的权值和阈值,有效避免了传统BP神经网络的预测值易陷入局部最优的缺点,同时利用高斯滤波对信号进行去噪处理,建立采样点获取到的信号强度值(RSSI)与位置坐标的关系．实验结果证明所提方法与传统的BP神经网络方法相比,平均定位误差减少了0.75 m,平均定位精度提高32.2％,提高了定位可靠性,算法具有更好的稳定性.      

IndoorGML室内空间模型描述

室内空间数据模型的表达能力是影响室内位置服务的关键因素,在进行室内空间位置服务之前,需要建立能够表达室内空间复杂特征的模型。针对这一需求,本文提出了一种多元混合室内空间模型,该模型基于传统的对象特征模型、几何空间模型和符号空间模型,通过其表达的几何和拓扑特征的优化组合来实现,可充分表达室内位置和目标间的连通关系,满足室内位置服务需求。针对大量应用程序需要相同的数据模型进行导航分析和信息交换,本文提出了一种使用IndoorGML描述室内空间模型的方法,该方法可实现室内空间模型信息在各设备端的共享。以北京某大型商场为例,建立了多元混合空间模型并使用IndoorGML对其进行描述,最后通过两目标间路径分析证明本文方法的应用价值。     

一种基于目标检测和PnP的移动终端室内定位方法

针对传统的视觉定位易受噪声干扰、目标检测准确率低且无法获取终端准确位姿信息的问题,提出了一种基于卷积神经网络的目标检测和PnP相结合的移动终端室内定位方法,通过Mask-RCNN进行目标检测,然后采用EPnP算法求解相机准确的位姿信息,并对该方法进行系统实现及真实场景试验。试验结果表明,该方法目标检测准确率在98%以上,单轴定位误差在0.35 m以内,满足移动终端室内定位的精度,具有精度高、稳定性好的优点,为基于视觉的移动终端室内定位提供了新的思路。     

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。     

基于尺度空间的角反射器车载SAR影像坐标定位

确定角反射器(CR)在SAR影像中的高精度影像坐标是合成孔径雷达影像(SAR)几何校正、辐射校正和形变检测等研究的基础。本文提出了一种基于尺度空间的角反射器车载SAR影像坐标定位方法。通过对仿真数据和车载SAR影像数据的角反射器进行定位试验,验证了该方法的可行性和稳定性;并与使用地面控制点几何纠正后的角反射器定位结果进行对比,验证了该方法满足子像素级定位精度的需要,且无需地面控制点。     

基于角锥体原理的空间后方交会改进算法

在摄影测量中,空间后方交会是一个很重要的概念,通过空间后方交会可以确定像片的外方位元素,从而确定像片在物方空间坐标系中的位置和姿态。本文在文献[1][2]的基础上,对其中部分复杂公式进行改进,得到了表达形式简单,且易于理解和解算的实用公式,并通过实例证明改进算法的正确性。     

高温锻件测量中绿激光标志中心定位

本文针对工业摄影测量中高温锻件上的反射标志提取方法进行了探讨,提出绿激光投射到锻件上并提取标志中心点的方法,通过摄影采集绿激光标志图像并提取分析,验证此方法相比于用Canny算子和椭圆拟合算法提取所用的时间减少三分之二,与V-STARS摄影测量系统比对后,精度近0.039像素,初步满足了中精度工业摄影测量的要求。