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。

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。

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。

Wi-Fi定位的信号采集技术研究

对Wi-Fi定位系统的Wi-Fi信号采集技术进行了研究和探讨。首先对比介绍了两种信号采集模式:网络设备上行采集模式和终端下行采集模式,对两种模式进行了细致的优劣对比;其次,对网络设备上行采集模式的信道扫描技术进行了详细的描述,介绍了业务AP进行信道扫描的附加模式、监视AP进行信道扫描的增强模式、业务AP增加专用射频进行信道扫描的极致模式;然后,描述了用于解决信号采集中因为业务流量不足以及终端休眠等问题的主动的同步探测技术;最后,对新标准Wi-Fi6引入的新技术特性对信号采集技术的增强进行了概述。

基于Wi-Fi定位技术的航站楼旅客时空行为特征分析——以上海虹桥机场T2航站楼为例

机场航站楼中的旅客行为复杂多变,是环境行为领域的重要研究课题。Wi-Fi定位等室内定位技术的迅速发展,为研究航站楼内旅客行为提供了新的数据来源。通过66天收集的近6000万条Wi-Fi定位数据,对上海虹桥机场T2航站楼内旅客的到离时间、活动区域与航班信息等进行分析;进一步发现可能影响旅客提前到达航站楼的因素包括时间、航空公司和延误情况等,并建立对应的回归模型。研究展示的Wi-Fi定位数据在行为分析领域的潜力,能够为航站楼设计和运营提供建议,对大型公共建筑领域亦有借鉴意义。

应用室内结构布局提高Wi-Fi定位精度和稳定性

采用基于历史的Wi-Fi指纹定位算法,根据若干个时间上连续的Wi-Fi信号指纹进行移动设备的室内定位。提出将室内结构和布局通过无向连通图进行建模,并将其应用到基于历史的Wi-Fi指纹定位算法中。实验结果表明,该方法能够明显削弱信号不稳定造成的影响,有效地提高室内定位的精度和稳定性,同时减少错误的房间和楼层估计。针对多楼层情况,提出了一个针对多楼层的处理算法,进一步提高了楼层的正确估计率。

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。

基于匹配优化与距离辅助的Wi-Fi定位算法

针对排序聚类定位算法类匹配精度较低,且用于位置解算的指纹点中存在异常指纹点的问题,提出一种匹配优化与距离辅助的Wi-Fi定位算法。根据用户前后位置、距离和步长,设计了一种类匹配偏差检测模型,用来判断用户位置异常和匹配偏差;将排序后的接收信号强度向量中相邻元素作差,并与设定阈值相比较,确定待定位点排序特征向量变化位置,进行交换,以达到校正的目的,进而得到校正合并的类匹配结果;根据定位时前m时间段内所确定的用户位置与匹配类中指纹点的距离远近,剔除用于位置解算指纹点中的异常指纹点,实现更为精确的室内定位。仿真实验结果表明,该算法类匹配精度提高了17%,平均定位精度提高了22%。

智能锁与Wi-Fi定位原理的研究

变电站内设备屏柜大部分都采用机械锁,用锁匙开启,虽然锁匙归类管理,但是缺乏有效的监管措施,安全得不到保证。基于以上原因,利用Wi-Fi定位原理,结合单片机应用,组建一套变电站设备安防控制体系。研究成果包括带定位及远程鉴权的锁具、内采集系统、状态数据采集分析系统,能够有效防止人为复制,起到有效的安保作用,是防"三误"的有效控制措施,并能及时统计监视屏柜的作业数据等信息。

浅析基于Wi-Fi定位的医院导航系统——以北京中医医院为例

就医导航系统是建设智慧型医院的基础环节,在指引患者就医,梳理患者流向等方面起着重要作用。该文首先介绍了3种无线定位方法,通过对3种室内定位技术的分析,结合医院实际情况,确定符合医院硬件条件的定位技术,最终实现医院导航系统的成功上线。

基于AP RSSI特征向量相似度匹配的多尺度Wi-Fi定位方法

随着Wi-Fi和智能手机的愈发普及,基于Wi-Fi来进行定位是最近越来越受关注的一个研究领域。现有针对Wi-Fi定位所开展的研究工作本质上都是一种静态的方法。针对这一问题,提出一种基于AP RSSI特征向量相似度匹配的多尺度Wi-Fi定位方法,设计了一种面向目标地点的可探知AP接收信号强度指示符(RSSI)特征向量生成机制,重点研究了相似度度量和距离度量这两个指标,并依托这两个指标实现了一种AP RSSI特征向量之间相似度匹配算法,根据相似度匹配结果提供如楼宇级、楼层级、房间级等多尺度定位。基于Android环境开展实验,实验结果表明该方法在多种尺度下均能达到96%以上的定位正确率,能够提供准确、高效及低成本的定位服务。

应用室内结构布局提高Wi-Fi定位精度和稳定性

随着我国经济的发展,我国的无线通信技术呈现出较为蓬勃的发展趋势.当前,人们对自身的位置信息的定位精度和稳定性的要求逐渐提升.社会的进步使得室内的面积逐渐增大,许多大型场所的出现使得这个问题更加突出.可以说,人们在日常生活中,在处理各种事务的时候,大部分时间都是在室内进行,使得位置信息定位出现了一定程度的偏差.针对这种情况,利用室内的布局对Wi-Fi的精确程度以及稳定性进行改进,具有重要的现实意义.本文分析了针对Wi-Fi室内定位精度和稳定进行改进的原因,解读了基于Wi-Fi的室内定位方法,最后提出了应用室内结构布局针对Wi-Fi的精度以及稳定性进行改进的方法.

一种基于差分梯度匹配算法的Wi-Fi定位方法

GPS定位系统被普遍使用在军用和民用系统中,但是由于房屋等障碍物的遮挡,GPS无法用于室内定位。随着经济的发展,Wi-Fi覆盖范围越来广,基于Wi-Fi的定位系统的实现越来越成为可能。提出一种基于差分梯度匹配算法的Wi-Fi定位方法,差分梯度匹配即对Wi-Fi的信号强度进行梯度划分,不同梯度对应不同的匹配率,通过计算当前待定位点和指纹库里所有指纹的匹配率,找到匹配率最高的K个点,以这K个点的几何中心作为带定位点的位置坐标。

Wi-Fi实时定位算法研究

针对Wi-Fi定位技术中基本三边定位算法的测距模型参数不确定和定位计算误差大等问题,提出基于权值的参数实时更新定位算法。该算法首先按照基于区分度能力的信息增益方法选择三个最能反映待定位点信息的访问接入点AP,然后对测距模型进行实时获取参数的改进,最后对三边定位计算中的距离进行加权处理。实验表明,该定位算法能减小由环境因素和信号强度测量值引起的误差,与基本的三边定位算法相比,算法具有更高的定位精度。

Wi-Fi与PDR自适应加权的CKF融合定位算法

针对Wi-Fi定位稳定性差和行人航位推算(pedestrian dead reckoning,PDR)定位产生累积误差的问题,提出并实现了一种通过自适应加权容积卡尔曼滤波算法对Wi-Fi定位和行人航位推算定位进行信息融合的方法。首先采集指纹库,通过智能手机采集Wi-Fi和PDR的数据,采用加权K近邻(weighted-nearest neighbor,WKNN)算法进行Wi-Fi定位以及地图匹配方法辅助PDR定位,然后采用渐消因子自适应地加权两者信息,并使用容积卡尔曼滤波(cubature Kalman filtering,CKF)算法进行滤波计算。实验表明,所提方法能够有效克服Wi-Fi和PDR两种定位产生的问题,对比经典的扩展卡尔曼滤波(extended kalman filter,EKF)融合算法,能够大幅度提高室内定位的精度,并具有较强的稳定性。

基于RSSI的Wi-Fi室内定位常用算法对比

WiFi定位是室内定位的方法之一,其观测值主要为WiFi的信号强度(received signal strength indication,RSSI),利用信号强度进行室内定位的方法基本上可以分为两种,一种根据模型计算接收节点与发射节点的距离,估计接收节点的位置;另一种是根据事先采集的信号强度指纹进行空间匹配。通过在不同场景下对两种定位算法的比较,基于信号强度指纹匹配的定位精度明显高于基于估计接收节点的定位精度,但与指纹匹配法相比,位置估计法更加灵活。

基于Wi-Fi指纹的改进型室内定位算法研究

针对复杂多变的室内环境,导致运用Wi-Fi位置指纹定位算法定位的确定性和抗干扰能力较差,且定位精度及定位效率无法得到保证的问题,提出了一种改进型的位置指纹识别算法,将手持设备的方向角和接入点的数量加入离线指纹数据库,在线定位阶段采用K-means聚类算法与加权KNN算法相结合进行位置估计。通过实验验证得出,改进后的位置指纹定位方法与常规的位置指纹定位算法相比,定位精度得到明显提高,效率显著加快。

基于K-IDPC算法的Wi-Fi室内定位方法

针对目前室内定位依靠Wi-Fi电磁指纹库方法实现室内人员定位进行判别存在误差大以及时效性低的问题,本文提出一种融合K近邻(K-NN)的改进密度峰值聚类(K-IDPC)算法。引入关联系数和K-NN思想,解决了普通密度峰值聚类(DPC)算法对定位数据密度不均衡,聚类中心区分度不高的问题,进而提高了对定位环境的鲁棒性。并结合数据切分算法,对离线电磁数据进行切割,使得大数据集分为若干小数据集,降低了计算复杂度。实验结果表明:提出的室内定位方法,同传统的K均值(K-means)、具有噪声应用的基于密度空间聚类(DBSCAN)、DPC聚类算法相比,能够有效地提高室内定位的效果。

基于知识图谱的Wi-Fi室内定位技术研究

在常见的Wi-Fi室内定位方法中,大部分研究聚焦于定位算法的精度,但是对于已有室内数据如何进行高效组织和处理,以实现室内位置服务的应用系统研究并不多。针对此类问题,将知识图谱与传统室内定位技术结合,并利用多种软件开发技术完整开发出实用的定位系统。融合了物理空间和信息空间,信息空间包含室内信息获取、云端服务、信息存储及计算部分,物理空间表达了室内空间结构及其数据关系。最后,通过WEBGL(web graphics library)技术进行直观的定位展示,以实现室内信号数据和定位结果的可视化。系统拥有完备的数据存储和使用机制,对室内物联网设备的已有数据信息整合后便可以为用户提供房间级位置服务,并且系统的分步定位功能有助于减少系统运算耗时。

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。