基于Wi-Fi指纹定位技术的智能停车场系统的设计与实现

为解决城市停车难问题,通过Wi-Fi指纹定位技术实现大型地下停车场智能系统的低成本部署、免取卡操作、智能化导航,设计了一套智能停车场系统。该系统同时提供智能反向寻车指引和自动缴费功能,以提高停车场资源管理效率,改善用户体验,促进信息技术在停车场管理中的进一步应用。实验表明,所提方案能够在低成本部署前提下,实现适合停场定位精度的定位需求。

室内Wi-Fi指纹定位技术研究

作为一种常见的室内定位方法,Wi-Fi指纹定位通常包含离线建库和在线定位两个步骤。目前,受信号强度RSSI不稳定的影响,Wi-Fi指纹定位方法在离线阶段的指纹采集及在线定位阶段的位置定位中均存在一定的偏差。文章围绕Wi-Fi指纹定位的指纹建库和指纹匹配,对现有的Wi-Fi指纹定位关键技术进行了阐述,并对离线阶段的位置指纹库建立技术、在线定位阶段的指纹匹配技术的研究现状及发展前景进行了研究。

基于高斯过程回归的Wi-Fi RTT/RSS测距与指纹定位研究

基于往返时间(RTT)测量的智能手机Wi-Fi测距定位受限于室内环境的复杂性,仍面临稳定性差、精度低等问题。利用同步量测的Wi-Fi RTT和信号接收强度(RSS)数据,分别从测距与指纹补偿、测距定位与匹配定位优化等方面开展研究。首先,通过分析RTT测距误差规律,建立了基于高斯过程回归(GPR)的非参数测距误差补偿模型;研究了RSS数据分布,通过拟合Wi-Fi信号路径衰减模型,构建了基于GPR的RSS补偿模型。其次,开发了基于Web端的指纹库生成和指纹定位软件,可支持RSS指纹库、RTT测距指纹库自主建设和RSS/RTT指纹定位。最后,设计了基于GPR补偿的RTT测距定位、RTT指纹定位和Wi-Fi RSS指纹匹配定位算法,并综合分析了3种方法的定位性能。实验结果表明,经过高斯补偿的RTT测距定位、RTT指纹定位和RSS指纹定位的平均精度分别提升了50.81%、52.85%和48.72%,证明了高斯过程回归模型可有效提升Wi-Fi RTT/RSS测距与指纹定位的精度与稳定性。

基于Wi-Fi位置指纹的室内定位技术的研究与应用

本文就主要分析了国内外室内定位技术研究的实际情况,提出了室内定位基于位置指纹Wi-Fi当中存在的问题,进行了优化,以安卓平台为基础,构建了实时定位平台。

基于Wi-Fi定位技术的建筑使用者动态信息研究

合理的能耗运营管理是建筑节能的有效途径。由于大型公共建筑内部人员动态信息收集难度大,目前大部分建筑节能策略采取约束室内人员行为的方法,其操作程序复杂、节能效率低下。因此,借助Wi-Fi定位技术提出一种精度高、经济性好的室内定位方法,实时收集建筑使用者的实际位置和行动,掌握使用者的基本行动规律,为开展更具科学性的能耗管理与优化奠定基础。

基于Wi-Fi指纹和LED光学特性的室内定位系统

该文提出了一种基于Wi-Fi指纹和LED光学特性的室内定位系统,将Wi-Fi指纹和光学特性的色温和频率信息进行组合定位。使用光学特性提高Wi-Fi指纹定位的精准度。将需要定位的区域划分为多个相同的小区域,并在整个区域上构建稀疏的Wi-Fi指纹地图。通过Wi-Fi指纹定位确定目标所在的小区域。在小区域内通过光学信息的光照强度和频率信息进行精准定位。最后,通过设计实验和仿真结果表明,在室内环境中,该系统实现了平均误差为0.97 dm的定位,能够有效地定位。

基于VIO和Wi-Fi指纹技术的室内定位系统设计

针对视觉惯性里程计(Visual-Inertial Odometry,VIO)在特征高度重复的场合易产生较大误差以及Wi-Fi指纹精确度不高等问题,提出了一种基于VIO和Wi-Fi指纹技术的室内定位方法。该系统运用VIO和Wi-Fi指纹在系统层面的结合,利用Wi-Fi指纹的无漂移、成本低的特点和VIO在一定范围内的高精确度,先进行Wi-Fi指纹粗定位,后进行VIO精定位,将大面积切割成小面积从而有效提高系统室内定位精确度,降低误差。该系统能在精定位的同时进行对指纹数据库的更新。实验结果表明,该系统的定位误差小于单独使用VIO或Wi-Fi指纹的系统,平均误差达0.15 m,能够有效提高定位精度。

基于方差修正指纹距离的Wi-Fi定位技术研究

针对当前卫星定位技术在室内环境下定位不准确的问题,文章通过对基于位置指纹数据库的Wi-Fi定位技术的研究,提出了一种基于方差修正的指纹距离算法及其阈值优化算法,能满足在现有建筑条件下低成本开展应用的需求。实验表明,基于方差修正的指纹距离算法及其阈值优化算法能够较好满足室内环境下的定位需求,实现80%概率下误差不超过3. 5m的定位。

基于Wi-Fi位置指纹的室内定位技术研究

Wi-Fi网络和设备的广泛分布和智能移动终端的广泛使用,基于Wi-Fi的内部定位技术成为研究热点。GPS很难解决一些室内定位问题。大部分室内环境都提供Wi-Fi。因此,在没有额外硬件的情况下使用Wi-Fi进行定位是非常经济有效的方式。传统的基于时间和角度的定位方法不适用于Wi-Fi。在过去的十年中,位置指纹识别已被广泛研究并用于定位室内Wi-Fi场景下。

离散度WKNN位置指纹Wi-Fi定位算法

为改善加权K近邻位置指纹定位算法在室内环境复杂时的定位性能,提出一种以位置指纹离散度作为权值参考的改进加权K近邻位置指纹定位算法.算法在离线位置指纹数据库建立阶段采用K-means聚类算法对位置指纹进行聚类,来降低搜索位置指纹库的计算量.从离线位置指纹库中选取K个与在线实测Wi-Fi信号强度信息最相似的位置指纹,比较其离散程度,将离散程度小的位置指纹赋予较高的加权系数,以减小原加权K近邻算法在室内复杂环境信号强度随距离变化较大情况下带来的位置估算误差.对离散度加权K近邻算法时间复杂度的分析表明,其计算量小于原加权K近邻算法;实际环境实验结果表明,离散度加权K近邻算法具有更高的定位精度,且定位误差波动较小.

基于动态时间规整距离指纹匹配的Wi-Fi网络室内定位算法

Wi-Fi网络中常规的基于指纹匹配室内定位算法面临信号时变现象或人为干扰的影响,导致定位精度不高。为此,提出基于动态时间规整(DTW)距离相似性指纹匹配的Wi-Fi网络室内定位算法。首先,该算法将定位区域的Wi-Fi信号特征按照采样的先后顺序转化为时间序列类型指纹,通过计算Wi-Fi信号指纹动态时间规整距离的大小来获取定位点与样本点的相似性;然后,根据采样区域结构特征,将Wi-Fi信号指纹采集问题划分为三类基本的动态路径采样方式;最后,结合多种动态路径采样方式增加指纹特征信息的准确性和完整性,从而提高指纹匹配的准确性和定位精度。大量实验结果表明,较瞬时指纹匹配定位算法,所提算法误差范围在3m以内定位的累积错误率:路径区域匀速运动提高了10%,变速运动提高了13%;开放区域交叉曲线运动提高了9%,S型曲线运动提高了3%。所提算法在实际室内定位应用中能有效提高指纹匹配的准确性和定位精度。

企业可移动考勤系统Wi-Fi指纹定位与监测技术分析

随着我国经济的不断发展和进步,社会各行业都取得了很快的发展和进步。在如今的社会中,考勤系统在各个企业中都随处可见,是人们工作中所用到的一种十分重要的工作系统,其中Wi-Fi指纹定位与监测技术就是一个十分重要的内容。所以我们一定要对可移动考勤系统Wi-Fi指纹定位与监测技术有一个清楚的认识。但是目前,企业移动考勤系统Wi-Fi指纹定位和监控技术仍存在诸多问题。所以为了企业能够得到更好的运行,我们一定要努力找到相关有效的策略来解决这些问题。基于此,本文对企业移动考勤系统的Wi-Fi指纹定位和监控技术进行了简单分析。

基于指纹技术的蓝牙室内定位系统

针对室内定位服务的迫切需求,搭建了利用指纹技术实现对室内蓝牙设备的精确定位系统。该系统以蓝牙设备为平台,通过获取蓝牙无线链路的接收信号强度参数,建立信号样本数据库,对在线阶段采集到的信号利用K阶近邻法实现对设备的定位。该系统在传统指纹定位算法的基础上加入了对在线定位阶段信号的小波去噪过程,用于降低噪声干扰,提高定位精度。在办公室环境下,蓝牙设备的平均定位精度达到了0.2 m。

基于随机离散Wi-Fi指纹的室内定位技术研究

近年来,室内定位的需求日益增加,实现室内精确定位成为了学者追求的目标。多个Wi-Fi源发出的信号叠加在某位置点时,会呈现出诸如指纹般的唯一识别特性,这种特性使得使用Wi-Fi指纹对特定对象进行室内定位成为可能。文章首先研究了Wi-Fi指纹信号序列的最佳组成形式,选用适当的筛选算法对指纹信号数据进行筛选。将结果数据的不等长序列归一化成等长序列录入数据库。然后和位置索引库中的数据进行比对,从而得出定位对象在投影地图中的坐标。

基于域自适应的Wi-Fi指纹设备无关室内定位模型

基于Wi-Fi指纹定位方法在大规模实际应用中存在设备多样性问题,定位精度受到极大影响。提出了一种设备无关的Wi-Fi指纹室内定位模型DeviceTransfer。该模型基于深度学习的域自适应理论,把智能手机的设备类型作为域,通过对抗训练来提取任务相关而设备无关的Wi-Fi数据特征,并把学习到的源域位置信息迁移到目标域上。采用预训练和联合训练来提高模型训练的稳定性并加快收敛。在教学楼和商场2个真实场景中,使用4台不同型号的智能手机验证模型的性能。实验结果表明,DeviceTransfer能够有效提取设备无关的Wi-Fi数据特征。只使用一台手机在参考点采集Wi-Fi指纹,使用其他型号手机在线定位也能获得较高的定位精度,降低了定位成本。

基于K-Means和FCM的增强型Wi-Fi指纹定位策略

研究了通过数据处理算法以提高Wi-Fi指纹库室内定位性能的问题.首先采集Wi-Fi指纹样本,将其放入MySQL数据库中和R工程;其次将Wi-Fi指纹库分成若干个簇,使用K-均值聚类(K-Means)和模糊C-均值聚类(FCM)对待定位的Wi-Fi指纹进行聚类分析;最后,提出增强型的聚类策略(ECS)应用于Wi-Fi指纹匹配定位中.实验结果表明,ECS较仅使用FCM算法,其定位耗时缩短约50%-80%,且定位精度上有所改善;ECS较仅使用K-Means算法,其定位精度提高约20%-40%,且定位稳定性较强并自动更新Wi-Fi指纹库.

Wi-Fi定位技术在大学图书馆移动信息服务应用研究

随着高校数字化图书馆的建设和发展,无线网络之一的Wi-Fi定位技术在大学图书馆的建设和管理中的作用日益重要。本文简要介绍了Wi-Fi定位技术的工作原理,分析了面向智能终端的图书馆Wi-Fi定位平台的软硬件基础、架构框架、应用案例及创新发展前景。

基于群组的WI-FI指纹室内定位研究

WI-FI指纹定位是最常用的室内定位算法之一,但是WI-FI指纹定位存在较大的定位误差。为了提高定位精度,提出了基于群组的定位算法。首先在WI-FI指纹定位的基础上,提出了群组的概念,然后阐述了基于最小编辑距离的群组识别算法,最后利用群组中人与人之间的物理距离,设计了一种基于群组的定位算法。实验表明,基于群组的WI-FI指纹定位算法能明显减小WI-FI指纹定位的误差。

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GPS与Wi-Fi位置指纹的室内外无缝定位研究

为应对GPS在室内环境中的定位盲区,实现室内外环境下的无缝精准定位,提出基于GPS卫星定位技术和Wi-Fi位置指纹定位技术的室内外无缝定位算法GPS-LF。GPS-LF算法在室外环境中利用GPS卫星定位技术进行定位,进入室内后切换到Wi-Fi位置指纹定位,将待定位节点接收的多组Wi-Fi信号强度值与事先已下载到该节点的位置指纹数据库进行匹配,估算出未知节点的位置从而实现定位。实验结果表明,GPS-LF算法能够较好地满足室内外无缝定位的需求。