一种融合蓝牙和地磁的位置指纹室内定位方法

室内定位服务目前已经普遍运用到了导航、抢险救灾等领域,其中基于蓝牙传感器的室内定位易于普及、实用性强,并且可以借助手机自带的一些功能实现,然而在人员较多和电磁环境复杂的区域往往定位效果较差。针对这个问题,本文提出了一种蓝牙与地磁融合的位置指纹室内定位方法,即在待定位的商场等区域设置若干蓝牙信标,采用手机自带的i Beacon功能和霍尔传感器分别接收蓝牙和地磁信号,之后对蓝牙估计坐标和地磁估计坐标在决策层进行融合计算用户的位置,既减小了定位误差又没有耗费额外的硬件资源。实验结果表明该融合定位方法具有较高的估计精度。

一种基于WiFi的位置指纹和PDR的缠绕融合定位方法

目前基于接收信号强度(RSSI)的位置指纹定位与行人航位推算(PDR)的组合定位算法,大多着重于PDR的步态解算优化,未考虑指纹定位的鲁棒性差和基础定位误差较大带来的负面影响,没有针对环境特性有效地将两种算法在流程上充分融合。文中提出一种基于WiFi-RSSI的位置指纹和PDR相结合的缠绕融合定位方法,根据平面楼层环境及各区域内行人运动程度规划实验范围,通过递进平均滤波校准PDR的结果,减小PDR的累计误差。其次结合环境划分递进位置指纹库,在对应的不同区域使用对应的离线指纹库,通过PDR解算步态数据校准位置指纹的异向偏移,输出最终指纹定位结果,减小了位置指纹法的定位偏差。最后通过无迹卡尔曼(UKF)择优观测输入进行融合滤波,得到最终结果。通过仿真实验验证,该算法效果相较于位置指纹法和PDR,定位精度提升了41%和29%,较现有的组合定位方法提升了28%。

离散度WKNN位置指纹Wi-Fi定位算法

为改善加权K近邻位置指纹定位算法在室内环境复杂时的定位性能,提出一种以位置指纹离散度作为权值参考的改进加权K近邻位置指纹定位算法.算法在离线位置指纹数据库建立阶段采用K-means聚类算法对位置指纹进行聚类,来降低搜索位置指纹库的计算量.从离线位置指纹库中选取K个与在线实测Wi-Fi信号强度信息最相似的位置指纹,比较其离散程度,将离散程度小的位置指纹赋予较高的加权系数,以减小原加权K近邻算法在室内复杂环境信号强度随距离变化较大情况下带来的位置估算误差.对离散度加权K近邻算法时间复杂度的分析表明,其计算量小于原加权K近邻算法;实际环境实验结果表明,离散度加权K近邻算法具有更高的定位精度,且定位误差波动较小.

基于LS-SVM的位置指纹室内定位

基于无线接入点(Access Point,AP)接收信号强度(Received Signal Strength,RSS)的位置指纹室内定位技术近几年已经成为国内外位置感知研究的热点。提出了基于最小二乘支持向量机(Least Squares Support Vector Machines,LS-SVM)的位置指纹定位方法。给出了基于LS-SVM的指纹定位模型,描述了LS-SVM指纹样本训练的具体实现过程。重点在于将定位问题转化为一个多类别分类问题,并分别采用一对一(OAO)和一对多(OAA)方法将其转化为多个二值分类问题。仿真结果表明,LS-SVM较传统支持向量机(SVMs)、K近邻(k-Nearest Neighbors,K-NN)定位方法的分类准确率高且计算代价小,平均分类准确率达92.00%。

基于电源线和位置指纹的室内定位技术

该文提出将室内环境不可或缺的电源线作为天线,通过在电源线上注入宽带高频信号构造室内空间的位置指纹,进而实现室内空间精确定位。首先介绍了电源线上宽带高频信号注入模块的实现技术,以及室内空间位置指纹的构造方法;其次,介绍了基于朴素贝叶斯分类算法的室内定位原理;最后,通过实验分析证明在多训练样本情况下,基于朴素贝叶斯分类算法的定位算法比基于K最邻近点(KNN)分类算法的定位算法有更好的定位准确率和时间迁移适应能力。

与强度无关的位置指纹在线定位改进算法

将现有的研究较热的固定发射端、定位接收端的室内位置指纹定位系统应用到固定接收端、定位发射端的室内无线电干扰源定位中,研究了一种考虑干扰源发射强度的在线定位算法,以克服直接使用以一固定发射强度信号源建立的指纹数据库和现有的在线定位方法无法实现对不同发射强度干扰源定位问题。在分析信号传播模型和现有在线定位方法的基础上,利用强度差的均方差进行定位计算。给出了算法实现依据和流程,对改进的算法进行了仿真和实验验证,结果证明了改进算法的实用性。同时,改进算法的思想对现有的考虑接收端异质的位置指纹定位系统也有一定的指导意义。

基于声音位置指纹的室内声源定位方法

针对基于模型的声源定位方法在非结构化空间中应用所存在的模型依赖度高、定位精度低等问题,提出一种基于声音位置指纹的定位方法,通过将待定位点处的声源信号空间位置特征与定位数据库中信息进行比较从而完成声源定位.该定位方法包括2个阶段:离线采样阶段,捕获各定位参考点处声源信号并完成位置特征提取,据此特征和参考点位置信息构建定位数据库;在线定位阶段,通过提取待定位点处实时信号特征并和定位数据库中信息进行匹配完成定位.仿真实验结果表明:在麦克风数量较少、环境噪声干扰较大的情况下,该方法具有较小的声源位置估计偏差,定位效果可满足实际应用需求.

室内WLAN定位中位置指纹优化的接入点部署方法

提出了一种新的室内WLAN定位中指纹优化的接入点(AP)部署方法。首先在最大化不同位置指纹信号强度间欧式距离的基础上构造注水优化模型,然后经过多次迭代的过零调整及离散调整处理,得到各AP候选位置的非负离散权重,最后根据最大平均权重准则,合理部署AP进而优化位置指纹。实验表明,所提方法能够获得较高的位置指纹定位精度及较低的AP优化位置搜索时间开销。

基于位置指纹的室内移动目标定位系统

目前无线传感器网络中移动节点进行室内定位时,实际应用环境中存在的随机环境噪声会影响定位稳定性和精度。针对这一问题,文中提出了一种基于无线传感器节点RSS值的位置指纹定位算法。该算法利用高斯核函数完成位置指纹匹配,再通过卡尔曼滤波减少估计误差。为了研究实际应用环境中本算法的有效性,设计并实现了基于Android平台的室内移动目标的实时定位系统。实验结果表明,移动目标3 m内的定位精度达100%,单次定位时间在1 s内。

终端异质下位置指纹的鲁棒性研究

针对终端硬件差异对接收信号强度(RSS)测量的影响,导致传统RSS指纹鲁棒性较差的问题,借鉴信号强度差(SSD)在室内定位中的应用,提出一种抗移动终端硬件异质的SSD位置指纹。从理论上对SSD、RSS及双曲位置指纹(HLF)3种指纹的鲁棒性进行分析,并在实际无线局域网环境中应用传统K最近邻法,对3种指纹在训练定位阶段使用相同终端与不同终端2种情况下进行实验。结果证明,与RSS和HLF指纹相比,SSD指纹在抗移动终端异质方面的鲁棒性更好。

基于改进克里金插值的室内定位位置指纹库构建方法

当今社会对基于位置服务尤其是室内位置服务的需求日益迫切。位置指纹法利用室内无线信号强度来进行定位,具有方便快捷、低成本等优势,但构建一个细粒度的位置指纹库需要耗费大量的人力和时间。为提高位置指纹库的构建效率,提出一种基于改进克里金插值的位置指纹库构建方法。通过部分测量数据结合克里金插值法进行插值,并利用模拟退火算法提高理论变异函数拟合精度,进而估计出未测量点处的信号强度,提高插值精度和指纹库的构建效率。实验表明:相比反距离加权插值和传统克里金插值,该方法不但具有较高插值和定位精度,而且可将指纹数据人工采集工作量降低50%。

基于双重匹配位置指纹的室内停车场定位方法

为了提高室内停车场的寻车效率,提出了一种基于双重匹配位置指纹的室内停车场定位方法。该方法在加权K邻近算法基础上,利用RSSI值得出用户坐标,融合数据过滤算法与格点对应算法,以降低算法的定位误差,并采用双重数据库方法提高定位效率。实验采用均方根误差与累积分布函数两种指标对比了WKNN算法、过滤WKNN算法、格点WKNN算法与本文算法,实验结果表明本文算法具有较高的定位精度。

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。

相关性匹配蓝牙信标位置指纹库的室内定位

针对K近邻算法(KNN)在对偏向于某个样本点的未知点进行三角质心定位时定位精度变差的情况,提出了应用相关系数去匹配蓝牙信标i Beacon位置指纹库的室内定位算法。通过比较待定位点和位置指纹库中参考样点的相似程度,并进行数据差异显著性检验,来检验采集的待定位点数据与指纹库数据是否显著相关,然后取相关性较高的样本点进行加权平均匹配定位。实验结果显示,相关系数匹配位置指纹库算法可将2 m以内的定位精度从65%提高到92%,相较于传统的KNN匹配定位算法有着定位精度高、计算量小、定位时间短等优势。

RSSI位置指纹的定位误差分析与仿真

为了确立RSSI位置指纹定位技术中定位误差与影响其主要参数的关系,提出了表示定位平均误差的数学模型,通过计算整个定位区域误差的期望,公式化地表达了接入点个数、接入点摆放位置、采样点间距、最邻近点个数各因素取值不同对定位精度的影响.通过对实验数据的统计分析,仿真结果表明:接入点个数取4个可满足定位要求,当选择多于5个接入点实现定位时,可以不考虑接入点摆放位置,采样点间距取1 m可满足定位要求,K的取值对定位精度影响不明显.

一种改进的位置指纹智能手机室内定位算法

为了减小智能手机现有室内定位算法的时间复杂度和空间复杂度,提出一种将确定型算法和概率分布算法融合的智能手机室内定位新方法。利用最近邻算法选出K个最相近的位置点,然后采用贝叶斯算法将K个位置点中匹配概率最大的点作为最终的估计位置。在Android手机上分别采用3种方法进行20组室内对比定位实验,并随机选取10个位置进行定位误差对比实验,结果表明,新方法比贝叶斯算法的复杂度降低了Ο(4n/5),比最近邻算法的定位准确率提高了约4%,且定位误差较小。

基于多分布密度位置指纹的高效室内定位算法研究

为提高定位效率,提出了一种基于多分布密度位置指纹、精度渐进的室内定位算法。该算法把定位区域分为多个局部区域,并设定不同分布密度的参考位置点,根据来自锚节点的接收信号强度(RSS)时间和强度分布,通过各局部区域对应的信号覆盖向量和主成分分析法(PCA)提取的稀疏指纹的特征实现层次化匹配,有效减少在线指纹匹配过程的计算量,有利于目标节点存储空间和能耗的优化。实验结果表明,提出的算法在定位精度上不逊于其他室内定位算法,并且对锚节点分布密度依赖度小。

回溯搜索优化改进矩阵填充的高效位置指纹库构建

针对基于信号强度指示(RSSI)的位置指纹定位过程中用于其离线位置指纹库构建的全采法采集工作量较大、位置指纹库构建效率较低、而插值法通常精度有限等问题,提出一种基于回溯搜索优化算法改进奇异值阈值(SVT)矩阵填充(MC)算法的离线位置指纹库高效构建方法。首先,利用定位区域内采集到的部分参考点的位置指纹数据建立低秩矩阵填充模型;然后通过基于奇异值阈值的低秩矩阵填充算法来求解该模型,进而快速准确重构出完整的位置指纹数据库;同时,针对传统矩阵填充算法最优解模糊及平滑性欠佳的问题,引入回溯搜索优化算法,以核范数最小建立适应度函数,对矩阵填充算法的寻优过程进行改进,进一步提高了求解精度。实验结果表明,利用所提方法构建的位置指纹库与实际采集的位置指纹库之间的平均误差仅为2.705 4 d B,平均定位误差仅相差0.086 3 m,但却节约了近50%的离线采集工作量。上述结果表明所提算法用于离线位置指纹库构建可以在保证精度的基础上,有效降低离线采集阶段的工作量,显著提高位置指纹库构建效率,在一定程度上提高位置指纹定位方法的实用性。

基于泛克里金插值的WSN位置指纹预处理

基于接收信号强度(RSS,Received Signal Strength)的位置指纹是室内定位中最常用的方法之一,其定位精度与采样指纹的分布密度存在一定的相关度。考虑到RSS信号的空间相关性以及在室内复杂环境下的变异特性,通过漂移函数和变异函数提取RSS信号的分布特点,利用有限的采样点通过泛克里金插值(UK,Universal Kriging)形成采样密度高的位置指纹库。实验表明,基于泛克里金插值构成的指纹库有更高的定位精度,在确定的定位精度要求情况下,可有效降低离线阶段的人力和时间成本;为达到良好的插值效果,需选择合理的采样密度和插值密度,实验中考虑6~8倍原采样点数量的插值进行构建的指纹库性能较佳。

基于RSS空间线性相关的WLAN位置指纹定位算法

针对RSS(接收信号强度)时变性以及不同终端信号接收能力的差异性,导致WLAN位置指纹定位不稳定的问题,基于RSS空间线性相关性提出一种新颖的位置指纹定位算法。在每个参考点分别采集多组RSS样本形成特征矩阵,并构建离线位置指纹数据库。定位时,通过计算实时RSS矩阵与指纹库参考点相关性,得到最相关的k个参考点,利用二次加权质心算法计算用户的最终位置。为了有效降低信号时变性的影响,采样时进行了滤波、排序等处理,构建离线指纹数据库时尽量增加采样次数,但需要对样本进行聚合处理以适应定位相关性计算。实验结果表明,该算法在保证较高定位准确度的同时,针对不同终端有更好的定位稳定性。