基于用户反馈的WiFi位置指纹数据库更新算法

为使Wi Fi位置指纹数据库,不在定位区域Wi Fi环境发生改变时,出现位置指纹过时现象,设计一种更新算法。该算法使用用户的反馈数据,考虑了AP信号不稳定情况下AP新增与撤销的检测问题;消除了手机热点等临时AP对传统更新算法的影响;最终通过检测AP位置移动等引起的RSS改变,加速位置指纹数据库的更新。实验结果表明,在实际环境中该算法在指纹数据库的更新效率上优于传统更新算法。

面向室内语音导航的“附近”关系协同定位方法

针对传统室内定位模式单一,且单一“附近”空间关系无法满足定位需求的问题,提出一种融合“附近”空间关系/无线保真(WiFi)/行人航迹推算(PDR)/地磁的室内定位方法:阐述多源融合语音交互室内定位方法框架;并针对室内环境,建立“附近”空间关系概率密度函数;然后步行构建地磁/WiFi指纹库;最后后通过“附近”空间关系约束粒子及指纹匹配空间范围,在PDR推算位置基础上,利用WiFi/地磁/“附近”空间关系更新粒子权重,实现最优位置估计。实验结果表明,基于粒子滤波融合单一“附近”空间关系/WiFi/PDR/地磁为一种低成本可行的定位方法,平均定位精度1.93 m,有90%可能性定位精度可达2.52 m。

室内区域性WiFi定位EKNN算法设计

WiFi由于应用广泛而被作为室内定位的热门技术之一,而定位精度与速度向来是研究的焦点.文中针对室内感兴趣区域(ROI)的定位问题,提出了一种证据理论K近邻(EKNN)算法.首先以接收信号强度指示作为指纹,在各区域分别建立无线指纹数据库作为识别的类;然后利用证据理论在各类别内进行近邻证据组合、类别间进行证据融合;最后确定目标所在ROI类,并在类中进行精定位.与其他算法相比,文中设计的EKNN算法的最佳区域类识别率可以达到97%,最大定位误差约为2.2 m,定位效率也有较大提高.

一种智能手机室内位置共享的方法

针对GPS室内定位精度较低,难以实现准确的室内位置共享的问题,提出一种智能手机室内位置共享的方法,主要包括室内定位和路径规划2个部分:室内定位方法采用行走采集的方式快速构建WiFi指纹数据库,分析3种智能手机获取航向的方法,并采用球面线性插值算法来融合陀螺仪和旋转矢量传感器以获得更为稳定的航向,再将WiFi定位与航迹推算结果进行粒子滤波融合;路径规划方法利用环信即时通讯云作为通讯服务器实现位置共享,并采用Dijkstra算法计算最短路径,为用户提供地图导航。实验结果表明,该方法能够在有效提高室内定位精度的同时,结合室内位置共享和路径规划实现快速准确的室内寻人寻址。