基于SVM分类的煤矿井下人员指纹定位算法

为了减少煤矿井下环境对人员定位系统的影响,提出一种基于SVM分类的煤矿井下人员指纹定位算法,该算法由指纹数据库、井下巷道指纹数据采集和井下位置匹配等环节组成。该算法利用SVM分类方法建立指纹数据库,采用奇异值去除方法消除指纹动态影响,通过实时采样信号与指纹数据库进行映射的方法找出最佳匹配位置。通过随机采集50个指纹样点数据作为位置信息,进行多终端用户位置信息测量,并取5个终端用户的测量数据进行分析。定位试验表明,该算法定位误差小于1.5 m,相比传统的基于RSSI定位算法有更高的定位精度。

基于信号均值滤波+k-means+WKNN的Wifi指纹定位算法研究

首先利用平滑均值滤波方法对采集信号的RSSI值进行均值平滑处理,提高信号采集的精度;其次利用kmeans聚类算法对指纹库进行优化提高指纹库的精度;最后在KNN算法的基础上采用加权的方法来进行改进,形成新的指纹算法WKNN,并将新的指纹匹配算法WKNN应用到文本设计的Wifi指纹定位系统中.实验结果表明:该改进算法在定位精度和稳定性方面较传统Wifi指纹定位算法有大幅度的提高.

基于方差滤波的动态自适应室内指纹定位算法

目前常用的室内定位算法在构建指纹库时,因为在参考点处接收到的信号强度值存在噪声值,传统的欧氏距离计算公式忽略信号发射器的稳定程度从而造成定位误差,以及K近邻算法无法根据实际情况动态确定参与定位的参考点个数,从而造成定位算法缺乏拓展性和稳定性。针对上述情况,设计了一种经过方差滤波的动态自适应室内指纹定位算法。该算法首先在离线阶段利用方差滤波去掉噪声值,之后在在线阶段利用新的基于方差的相似度计算公式计算待定位点与各个参考点之间的相似度,然后动态自适应地确定距离较小的K个点来参与定位计算,最后利用确定的K个点加权估计待定位点的位置。实验结果证明,该算法较对比算法能够有效提高定位精度和定位的稳定性。

基于对数正态模型的二次匹配指纹定位算法

针对复杂室内环境WiFi信号不稳定导致指纹定位算法定位精度不高的问题,对AP选择、指纹库构建和定位算法进行研究,分别提出了基于对数正态模型的AP选择方法、RSSI虚拟指纹库构建方法以及基于对数正态模型的二次匹配指纹定位算法。在离线阶段,通过拟合对数正态模型对WiFi信号建模,筛选出最契合模型的AP,并构建RSSI指纹库和虚拟指纹库。在线定位阶段,待定位节点在匹配RSSI指纹库的基础上,利用AP的契合度修正欧氏距离相似度,找出相似度更高的指纹点,初步确定待定位节点区域,接着二次匹配虚拟指纹库进行精准定位。实际环境实验结果表明,本文提出的方法突出了不同AP设备对定位造成的影响,能减少离线阶段指纹采集的工作量,有效的提高了定位精度。

基于近邻传播算法的动态自适应室内指纹定位算法

目前传统的室内指纹定位算法中存在以下几个问题:首先在构建指纹库时采用平均值的方式容易受到噪声点影响而降低定位精度;其次使用欧氏距离衡量待定位点与指纹点之间的距离可能引入信号强度距离较近、物理距离较远的参考点参与估计待定位点的位置,从而增大定位误差,以及当参考点数量较大时,由于K近邻算法的计算量较大,造成定位过程耗时较大,能源耗费较多的情况;最后由于K近邻算法无法根据实际情况确定参与定位的参考点个数而限制了定位系统的精确性和拓展性。针对上述问题,设计了一种基于近邻传播算法的动态自适应室内指纹定位算法。该算法在离线阶段对在每一个参考点采集的信号强度值使用方差滤波算法去除噪声值,然后利用加入了参考点物理信息的近邻传播算法对参考点进行聚类处理。在在线阶段,通过进行粗略定位和精确定位动态地估计待定位点的物理位置。经过实验证明,所提出的新算法较对比算法有较高的精确度和稳定度。

车路协同场景的新型指纹定位算法

目前基于基站、卫星等诸多定位方案,在自动驾驶业务的车路协同场景中常会遇到定位精度、定位处理时延、部署成本等诸多方面的挑战。针对传统指纹定位技术直接应用于车路协同场景中遇到的签名参数不足和道路栅格化问题,提出一种基于路侧设备(RSU)的车路协同场景的新型指纹定位算法。该方法建立了适用于车路协同场景的极坐标指纹库,利用矩阵束测得车辆到达角(AOA)作为签名参数,并利用子指纹库叠加的方法提高了该方案的定位精度和切换效率。仿真结果表明,该算法的定位精度达到50 m内概率为81.2%,符合车联网中非实时性业务的定位需求,为目前的车路协同场景提供了一种有效的定位手段。

基于接入点的泰森多边形指纹聚类定位算法

针对KNN指纹定位算法定位耗时长和基于K-Means聚类的KNN指纹定位算法定位精度不稳定的问题,本文提出了一种以接入点为离散点生成泰森多边形,利用泰森多边形对指纹聚类,然后使用最强接入点法确定移动节点的定位区域,最后通过动态KNN算法进行定位的指纹聚类定位算法。实验表明,该算法能有效缩短定位时间并提高定位精度,在接入点数量变化时表现出较好的定位性能,且在不同定位区域中性能具有较好的普适性。

基于室内指纹定位的优化算法

针对室内环境中WiFi信号强度易受外界干扰,其不稳定性使得在指纹数据库中进行匹配时准确性较低,定位精度不高的问题,提出一种基于室内指纹定位的优化算法。该算法分别对指纹数据库和匹配算法进行优化。数据库优化采用限幅和滑动平均滤波进行预处理,并根据室内环境分配采样点所属区域编号,构建多维指纹数据库;匹配算法优化首先根据支持向量机(Support vector machine,SVM)对待定位点分类,获取其对应的区域编号,再将欧氏距离、曼哈顿距离和切比雪夫距离三者结合得到位置估计。最后,结合行人航位推算(Pedestrian dead reckoning,PDR)算法将得到的步长与航向角一同进行粒子滤波(Particle filtering,PF)实现定位。实验表明:本文的算法将定位精度提高了13.92%。

一种基于AP ID过滤的WLAN位置指纹定位算法

非视距传播是影响定位精度的主要因素,深入研究信号强度的统计特性有利于定位精度的提高。基于RSSI的位置指纹定位技术因其设备简单,定位精度高而成为近年来定位技术研究的焦点。在对信号强度的统计特性深入分析的基础上,结合AP ID与移动台位置之间的关系提出一种改进的基于AP ID过滤的无线局域网位置指纹定位算法。并借助MATLAB仿真对比了改进前后的算法性能,证明了改进算法的不仅降低了计算复杂度,且提高了定位精度。

基于MNN改进粒子滤波的指纹库定位算法研究

考虑到基于Zigbee传感器网络信号强度指示的指纹库定位算法只适用于静态条件下的定位,无法有效去除受噪声污染严重的有害数据,定位精度不尽人意,根据噪声的分布特点,引入粒子滤波技术,优化了该算法,有效去除了受噪声污染的有害数据,实现了目标的动态精确定位跟踪。传统粒子算法在应用过程中对重要性分布函数做了高斯分布假设,使得定位精度受到影响,将多层神经网络引入滤波算法进行补偿优化。实验结果验证了改进算法的优越性,其在静态条件下平均定位误差小于1.14m,动态跟踪定位精度也有很大幅度的提高,具有实际应用价值。

基于虚拟信息库的粒子滤波指纹库定位算法

指纹库定位算法的关键在于根据不同参考节点的接受信号强度指示RSSI(Receive signal strength indication)建立有效指纹信息数据库。传统的方法是在定位区域内标定多个信息采样点,而大量样本数据的采集会导致算法离线训练阶段工作量增大。Zigbee传感器网络平台下,综合考虑了目标自身对信号的干扰以及节点数对函数逼近能力的影响,利用信号强度的非线性特性,提出了一种基于多项式分区插值的虚拟指纹库生成方法;同时使用粒子滤波对预估计的结果进行处理,以解决RSSI不规则分布问题。实验结果表明该方式可以快速、简捷地生成细粒度的定位信息数据库,提高了定位精度。

基于模糊聚类和猫群算法的室内定位算法

针对RSSI室内指纹定位算法中参考点误匹配和位置搜寻问题,提出了一种基于模糊聚类和猫群算法的室内定位方法。首先,采用模糊聚类代替传统硬聚类算法,并根据聚类中参考点的隶属度对聚类中心的RSSI特征进行合理估算,不但增加了参考点之间的差异性,而且减小了特征匹配的复杂度;其次,利用猫群算法在靠近最优解处收敛速度快的特点,同时在算法中加入投食机制以增加算法局部搜索的能力,实现了稳定快速的区域化位置搜寻。实验结果表明,与传统算法相比,所提算法可以提高12.5%的定位精度。

基于WIFI的室内定位算法的研究

人类社会发展至今,定位服务已经成为人类生产生活方式中的重要组成部分。在物联网快速发展对高精度的室内定位提出了强烈需求的大背景下,WI-FI定位由于智能移动终端普及、AP热点覆盖率高的特性而具备低成本和低功耗等优点,使得WI-FI室内定位技术有可能大规模运用于实际。本文针对WI-FI无线定位的特点研究了位置指纹定位算法,给出了该算法的设计与实现方式。针对基于RSSI的位置指纹定位易受环境干扰影响精确度的缺点给出了一种可行的改进方案。该方案可以有效地降低误差,提高定位精确度。

一种应用于机器人室内定位的WiFi FLA

针对传统WiFi指纹定位算法定位精度不高,难以满足机器人对室内定位精度要求。提出一种应用于机器人室内定位的WiFi指纹定位算法,通过降低传统算法参考点间距,采用分时段采集方法在每个参考点采集WiFi信号,利用标准化处理方法对WiFi信号进行标准化处理,提高指纹数据的特殊性,运用马氏距离大小作为相似度参考并融合改进的自适应K值WKNN算法,实现指纹匹配准确率的提高。实验结果表明,提出的算法定位精度高于传统算法,定位精度满足机器人室内定位精度的要求。

数字校园中基于WiFi的室内指纹定位研究

基于位置的服务是建设数字校园的核心任务,为克服传统室内定位在精确度等方面的缺陷,提出了一种基于Wi Fi的室内指纹定位算法。该算法充分利用环境中不可控AP以增加识别精度,并通过序列比较方法容忍AP动态变化。通过大量与Free Loc及LCS这两个最新算法的对比实验,证实了其在精确度、稳定性、复杂度等方面的优越性。

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。

一种基于行为和航迹特征的室内定位方法研究

对基于Wi-Fi的指纹定位算法进行了深入研究和分析,并以LBS的应用为研究背景,解决指纹定位算法在离线阶段和实时定位阶段所存在的问题及提高室内定位的可靠性和有效性为研究目标。在对被定位目标在整个过程中所表现的行为特征研究的基础上提出一种基于行人航迹和行为特征的定位算法。该算法在有少量AP的情况下,充分利用行人的行走、转向以及轨迹连续性等特征来辅助定位,同时收集定位过程中行人产生的大量定位数据,形成历史参考信息来实现定位。在保证系统定位精度的前提下,极大缩减了系统的定位成本并在一定程度上提升了系统的定位精度。实验表明,在不同AP数量的情况下,该算法在定位精度上明显优于Wi Fi-FP等算法。

智能矿山通信网络关键技术及典型应用系统包括哪些?

1.煤矿5G专网技术(1)上行增强技术:采用特定帧结构配置,如1D3U,以及上行载波聚合和上行辅助SUL技术提升上行传输速率。(2)精确定位技术:基于射频指纹定位算法和3GPP NR定位技术,为井下设备提供精准定位。(3)空口低时延高可靠技术:通过迷你时隙、上行免调度传输、抢占机制等实现低时延,采用编码调制、重复传输等提高高可靠。

城市轨道交通地下段列车辅助定位方法研究

城市轨道交通信号系统采用降级模式运行时,列车定位信息的精确度将大幅下降,这给行车安全带来了一定的安全隐患。利用民用通信4G(第四代移动通信技术)/5G(第五代移动通信技术)网络的无线信号,采用无线信号指纹定位算法,建立了列车定位模型,以辅助列车在地下线路区间进行精确定位。对上海轨道交通9号线列车及线路区间内的测速数据进行对比分析可知,采用该算法可达到200 m或更高的列车定位精度,基本能够满足列车降级运行下的辅助定位需求。

基于模糊聚类的ZigBee室内定位系统设计

随着计算机技术及传感技术的发展,基于位置服务(LBS)逐渐成为研究热点。在采用德州仪器公司CC2530芯片设计的一套ZigBee室内定位系统的基础上,提出了基于模糊聚类的加权最邻近定位算法,并利用设计的ZigBee室内定位系统进行实验。实验结果表明,采用基于模糊聚类的加权最邻近定位算法,ZigBee室内定位系统的平均定位精度有了一定的提高,平均定位精度达到了1.47 m,并且与常见的NN定位算法、KNN定位算法、贝叶斯定位算法的定位效果进行了对比。