基于蝙蝠算法的位置指纹定位技术的研究

为了改进室内位置指纹定位技术存在离线阶段工作量大、定位精度有限、鲁棒性较差的缺点,提出了一种基于蝙蝠算法的位置指纹定位技术的方法。该方法利用中点插值法和信道衰减模型自动生成指纹数据库从而代替了离线训练阶段,实现了定时自动更新数据库的功能,并且将K近邻算法和蝙蝠算法结合应用于匹配算法的阶段,最终实现定位功能。该方法与传统位置定位技术相比降低了整体定位的工作量,能快速应对环境变化对定位结果的影响,最后在给定的仿真环境下进行了定位性能的测试,结果显示该方法较其他算法相比平均定位精度大约提高了23.14%,绝大部分的盲节点的定位误差范围在1.5 m以内,显示出在定位精度、鲁棒性和适应环境变化方面的优势。

基于人工智能的室内指纹定位技术要点探究

室内指纹定位技术为提升其精益化表现,所以采用到了人工智能技术,如此可保证其达到米级定位精度性能,转化为高段位智能终端并投入实践应用中,同时满足低成本开发要求。本文探究了基于人工智能技术背景下聚类算法以及混合 AP 选择算法中的室内指纹定位相关定位要点。

定位技术在高校照明系统中的应用研究

为了促进高校校园节能减排的发展理念,依据物联网指纹定位技术的应用原理和RSSI定位模型,采用引入定位向量的方法实现目标节点在路灯下的区域定位,为减小外界因素的干扰,借助基于位移的修正的方法,进一步优化定位结果,达到在满足照明需求的前提下缩短路灯的照明时间以节约能源消耗的目的;最后构建照明模型进行实测,通过实验结果的分析与对比,基于定位技术的路灯能够有效减少能源的消耗。

基于WiFi的室内定位算法的研究

随着现代社会科技水平的不断提高和通信技术的愈加完善,定位技术受到了用户越来越多的关注。WiFi定位技术具有在室内获取便利、覆盖范围广、信息传输速度快和搭建成本低廉等优点而得到了广泛的应用。提出了一种基于WiFi技术的位置指纹定位算法,称为快速定位算法,极大地提高了计算效率,并且仍然能够保持室内定位的精确性。基于此,设计并实现了应用于Android终端的室内定位系统。

基于RNN的多传感器融合室内定位方法

针对室内空间内的人员定位困难问题进行了研究,提出了一种基于Wi-Fi指纹法和循环神经网络(recurrent neural network,RNN)的多传感器融合室内定位算法。该算法将智能手机接收到的路由器信号强度作为时间序列输入RNN,通过RNN获得对行人精度较高的定位,与此同时获取智能手机中惯性测量单元提供的位置信息。随后,通过粒子滤波算法对两种定位方式的定位结果进行融合。在实际场景下设计了多组实验进行对比。实验结果表明,该算法定位平均误差为0.9 m,优于加权K近邻等算法,可以为行人提供实时的定位。

无线定位技术及其发展（上）

近几年来定位业务发展非常快，已经在北美、欧洲、日本和韩国等国家和地区广泛开展，并获得了良好的收益。中国联通也已经开通其“定位之星”业务。无线定位技术将成为移动通信系统中的一个重要支撑技术。