基于时间反转的二阶段Wi-Fi室内定位方法

受Wi-Fi系统有限物理带宽限制,时间反转定位算法的定位精度难以得到提升。当定位范围较大时,在线定位阶段所需的匹配运算量更大,导致定位时间更长。针对上述问题,提出了一种基于时间反转的二阶段Wi-Fi室内定位方法。首先对接收信号强度和信道频率响应进行离线采集,利用接收信号强度和K近邻匹配算法进行位置粗估计,大致确定待测点所在范围。随后根据粗估计结果筛选原始指纹库,构建指纹库子集。在位置精估计阶段,计算待测点信道频率响应与指纹库子集中各参考点处信道频率响应的信号组合共振能量,通过最大值搜索寻找组合共振能量最大的参考点,将其坐标值作为位置估计结果。实验结果表明,所提算法相比于传统定位算法在精度和运行速度上有明显提升,在非直射环境下仍能保证较高的定位精度。

Wi-Fi室内定位技术在生活中的广泛应用

随着我国经济建设的发展与生活水平的提高,人们对Wi-Fi室内定位技术的需求也越来越大。由于Wi-Fi室内定位技术具有速率快、精度高等优点,被广泛应用于各个领域。比如若将Wi-Fi室内定位技术应用于大型地下停车场,则可以提高停车效率,解决寻车不易、停车难等问题;若将WiFi室内定位应用于大型商场,则可消费者提供有效的商场导航导购,消除购物难的困扰;若将Wi-Fi室内定位技术应用于火灾救援,则可有效控制火灾场面,降低救援难度;除此之外,Wi-Fi室内定位技术还可广泛的应用于医院、社交等公共场所,为群众提供智慧便利的生活。

基于LWLR预测模型的Wi-Fi室内定位方案

针对传统Wi-Fi指纹定位方法采集点多、运维成本高等问题,提出一种仅需采集少量锚节点信号值,利用基于高斯核的局部加权线性回归(LWLR)、梯度下降等机器学习相关算法,建立符合室内Wi-Fi信号分布特征的回归预测模型,可实现较高精度室内定位的解决方案。

改进MixNet的CSI图像指纹室内定位方法

为了提升信道状态信息(channel state information,CSI)指纹室内定位的性能,提出了一种改进MixNet的CSI图像指纹室内定位方法.在离线阶段,通过选择定位参考点(reference point,RP)处信号强度指示(received signal strength indication,RSSI)最强的3个接入点(access point,AP),提取其CSI数据并转换为图像;然后利用改进的MixNet模型对图像进行训练并保存模型.其中改进的MixNet引入了坐标注意力(coordinate attention,CA)和残差连接.首先,将MixNet-s中的SE(squeeze-and-excitation)注意力替换为CA,以增强网络的信息表示能力并更精确地获取CSI图像指纹特征.其次,根据MixNet-s模型的特点构建残差连接,以增强网络的表示能力并防止过拟合.最后,通过减小网络深度确保所有网络层得到充分训练;在线阶段,采集目标设备的CSI数据并转换为图像,输入已训练好的改进MixNet模型(命名为MixNet-CA);最后利用加权质心算法根据模型输出的概率值估计目标设备的最终位置.提出方法在室内环境中进行了验证,达到了0.3620 m的平均定位误差.

Wi-Fi的室内定位技术在地下车库中的应用

本文介绍了当前室内定位技术发展现状,在对Wi-Fi室内定位技术的基本原理流程阐述之后,设计了一种适用于地下车库定位的方法,分析了基于Wi-Fi的地下车库定位的过程并进行相关公式推导。

室内Wi-Fi定位系统设计及组合算法

为了实现较高精度的室内定位功能,利用Wi-Fi技术设计并搭建了室内定位系统,并提出一种定位组合算法。选择以Android系统为载体的移动定位终端,应用Eclipse开发工具自主开发手机端功能模块。除此之外,在PC端应用Mysql和QT Creator软件创建并设计定位指纹信息库及服务器端窗口,以完善室内定位系统。着重研究并设计了室内定位组合算法:包括位置指纹投票法与基于损耗测距模型的结合,NN匹配算法的应用等,成功获得了较高的定位精度。通过进行系统的实地测试与定位结果分析,验证了组合算法的有效性。

基于Kmeans和动态WKNN的两层Wi-Fi改进定位方法

基于KNN(K Nearest Neighbor)的算法广泛应用在Wi-Fi室内定位中,但传统的KNN模式匹配阶段匹配时间消耗过长,而且采用固定的K值来搜索最邻近点存在较大的定位误差。针对这两个方面,文中提出一种基于Kmeans聚类和动态WKNN(Weighted K Nearest Neighbor)的新型两层定位算法。实验表明在时间复杂度和平均定位误差方面,文中提出的改进算法较传统的KNN,WKNN和EWKNN(Enhanced Weighted K Nearest Neighbor)均有改善。同时针对在指纹库构建阶段现实存在的暂时性"消失"现象,提出针对缺省值的最邻近插值方法,实验证明可以有效减少定位误差。

基于改进AP选择的融合随机森林室内定位算法

针对复杂室内环境下接收信号强度(RSS)值和维度发生变化的问题,提出一种改进的接入点(AP)选择方法并融合随机森林(RF)分类算法进行实时室内定位.在离线阶段应用改进的AP选择方法,并使用AP的RSS数据方差以及AP出现频率来衡量AP稳定性并选取前m个稳定的AP.在处理方差时会经拉普拉斯平滑,以避免出现方差为0的情况,并以此构建初步的指纹数据库;在在线阶段利用集成学习中的RF来对分类结果进行投票表决得到最终位置信息,并将改进后的算法同传统RF,改进后的AP选择融合加权的K近邻算法(WKNN)以及基于信息增益(IG)的AP选择算法加随机森林相比较.实验结果表明:文中所提出的方法在定位误差方面较其他三个算法分别下降29.3%、23.2%、17.2%,同时在定位时间方面也有提升.

Wi-Fi定位支持下的智慧校园大数据服务平台研究

Wi-Fi定位技术是室内空间位置服务的重要手段,开发Wi-Fi定位与大数据相结合的平台并提供相应的智慧化服务,能大幅拓展智慧校园内涵。着重探讨了面向移动终端用户的Wi-Fi定位平台的基础条件及技术算法,并实验测试与对比分析不同算法在不同场景下的优势,结果证明了Wi-Fi定位平台的可行性,在该基础上,设计了基于Wi-Fi定位技术的智慧校园大数据服务平台并给出了应用案例。

基于RSSI概率分布与贝叶斯估计的加权定位方法

针对传统的基于测距的Wi-Fi定位技术未考虑接收的信号强度指示(RSSI)值的分布特性而造成室内定位效果欠佳的问题,提出了一种基于RSSI概率分布与贝叶斯估计的加权定位方法.该方法在研究RSSI的平稳性、分布特性的基础上,通过贝叶斯估计将先验的RSSI概率分布引入权重的计算,给异常值较低的权重,降低了环境噪声和外界不确定因素对定位精度的影响,并以权重最大的位置作为定位结果.实验结果表明:文中方法与三边定位、加权质心定位、权重校正的加权质心算法相比平均定位误差分别降低了45.4%、14.6%、8.2%,累积概率分布在50%内的误差分别降低了66.7%、42.1%、32.4%.

基于Wi-Fi信号SLR的AP选取算法

Wi-Fi室内指纹定位的精度和定位效率与参与定位的Wi-Fi信号接入点Access Points (AP)紧密相关,如何进行AP选取在Wi Fi室内定位技术中变得非常关键。本文提出了一种基于Wi Fi信号丢失率(Signal Loss Rate,SLR)的AP选取算法,通过AP的信号丢失率阈值α进行训练获取参数最优解,然后利用该阈值进行AP选取。为验证该算法可行性,在广州市城市规划勘测设计研究院测量部门的某办公室进行了测试。实验结果表明本文所提算法的平均定位精度比最大均值(Max Mean)、互信息(MI)和最小标准差(LSTD)等AP选取算法分别提高了44. 0%,41. 8%和27. 3%。

正则化距离准则的Wi-Fi位置指纹室内定位方法

针对K-近邻法中常规指纹相似度匹配准则未能充分利用测试点和参考点的几何距离信息问题,该文提出了正则化距离准则的Wi-Fi位置指纹室内定位方法。该方法较常规距离准则兼顾了测试点与参考点的指纹距离和可靠几何距离,仅增加了正则化距离和K-近邻位置估算的迭代流程。而且,该方法仅含一个正则化因子,确定方法简便且可解释性好。密集与稀疏参考点格网间距下智能手机Wi-Fi平面定位实验表明,所提方法在正则化距离准则下能够有效提高约20%的定位精度,其中曼氏和欧氏定位中误差不超过2m。

智慧宿舍管理系统设计与实现

宿舍管理系统可以有效解决宿舍的管理和信息登记,计算机技术的发展为设计和实现智慧化宿舍管理系统提供了可行途径。通过探究基于CAD矢量图的数字宿舍地图构建和基于宿舍Wi-Fi热点的室内定位方法,并在数字宿舍地图上一体化集成室内定位系统,实现在数字宿舍地图上实时动态跟踪与可视化学生位置,定位精度可达0.56 m,结合学生位置与宿舍相对位置关系统计分析学生活动规律,实现查寝、防聚集、异常作息告警等宿舍管理职能的智能化,提升高校宿舍管理与服务水平。

智慧航站楼人流密度的数据分析实现与应用

本文通过探讨基于多种人流密度自动化采集手段的构建、融合,以及旅客人流密度数据在智慧航站楼的应用,实现为航站楼的运行管理、安全应对,服务水平提高、以及商业规划能力赋能。