基于克里金空间插值的位置指纹数据库建立算法

为解决室内定位系统中建立位置指纹数据库工作量庞大的问题,提出了一种融合信号衰减因素的普通克里金空间插值建库算法。该方法首先采用高斯滤波对有限预选参考点的信号强度采样数据进行预处理,并基于球状模型由参考点预处理数据拟合出空间变异函数;然后采用普通克里金插值法对其他位置的信号强度进行估值并生成相应的位置指纹;最后由有限实测数据生成大容量高分辨位置指纹数据库,并通过KNN_Filter算法和对数权重算法完成定位仿真,验证了该建库方法的有效性。仿真实验结果表明,该算法在保证定位精度的前提下,相比传统建库方法可降低40%左右的工作量,提高了室内位置指纹定位方法的工作效率。

基于优化贝叶斯的室内WiFi与蓝牙融合定位算法

针对室内WiFi和蓝牙单独定位时信标覆盖有限以及定位精度较低的问题,提出一种基于WiFi与蓝牙定位数据的优化贝叶斯融合定位算法。利用高斯核函数对WiFi及蓝牙单独定位结果处理后作为先验样本信息,通过秩和检验法分别计算出WiFi和蓝牙定位信息源的可信度,进行多源先验信息融合得到融合后的先验定位结果及分布,使用优化贝叶斯的后验分布密度函数估计出坐标偏差用以修正融合定位结果,得到WiFi和蓝牙融合定位坐标的最优估计值。实验结果表明,该算法可有效提高WiFi和蓝牙协同定位精度,在高斯噪声标准差为3dBm的环境下,定位误差小于1m的概率可达到95%,定位性能明显优于WiFi和蓝牙单独定位算法。