WiFi信号强度空间分辨率的研究分析

基于RSSI技术的室内导航定位近些年得到了快速发展,对Wi Fi信号强度定位算法的研究是目前研究的热点。本文首先从理论上研究分析了Wi Fi信号强度用于导航定位服务的空间分辨率,说明该技术具有广泛的应用前景和挖掘潜力;然后在实际室内环境进行了试验,研究分析了Wi Fi信号强度在一维空间和二维空间的实际空间分辨率;最后在理论和实践两方面分析的基础上,初步分析说明了基于RSSI技术的室内导航定位的研究方向和重点,为未来的研究工作奠定了基础。

基于WiFi接收信号强度监测的设备类型识别机制

当今WiFi技术迅速发展,WiFi设备的种类和数量随之急剧增长,但WiFi设备识别这方面的研究并不多,仅有的一些研究也过多的依靠beacon节点主动搜集无线信号的方式开展。本文基于非侵入式监测搜集的WiFi信号数据,提出了一种WiFi设备类型的识别机制。通过监测WiFi通信过程中的技术参数,如接收信号强度(Received Signal Strength,RSS)、MAC地址(Media Access Control Address)、通信时间戳等,我们分析提取各类WiFi设备的特征,构建特征向量,然后运用机器学习中相对成熟的分类算法实现对常见无线设备如手机、笔记本电脑和无线路由器的分类。实验结果表明,本文提出的设备类型识别机制使用不同分类算法进行层次化分类后,均可达到较好的效果。

WIFI定位信号强度相似判断算法实现

利用预筛选出来的有效指纹点与实时定位点的接收信号强度进行相似判断。两者对应的接入点的接收信号强度进行判断和运算,最后得到接收信号强度相似系数。找出相似度最高的3个指纹点的坐标为下一步实时定位点坐标推算提供数据。

信号强度与运动传感器融合的智能手机室内定位算法

利用智能手机传感器实现高精度跟踪定位已经成为一个研究热点。针对室内定位中由于手机的运动引起采集信号强度不稳定造成的定位误差大的问题,提出了基于信号强度与加速度梯度融合综合的新的测距算法,结合手机方向信息、地图信息、信号强度的分布信息,利用测距信息与地图匹配算法,实现对智能手机的精确定位。在实验测试中,该算法平均定位精度为1.2 m,3.5 m以下定位精度达95%。本算法有效地提高了智能手机的室内定位精度,并且相比指纹库定位算法减少了搜索次数,提高了定位速度。

一种基于行人航位推算、地图匹配和WIFI指纹的室内融合定位算法

室内位置信息在人们日常生活和工作中发挥着十分重要的作用。与室外环境相比,室内环境一般为封闭或半封闭空间,存在着信号变弱、障碍物多、干扰源多等特点。为了解决室内复杂环境下的定位问题,提出了一种基于行人航位推算(PDR)、地图匹配和WIFI指纹的室内定位算法。该算法首先利用WIFI指纹进行行人位置的初始化定位,然后通过航位推算算法推算行人行走轨迹,并利用地图匹配算法对行人航位推算误差进行实时修正,最后使用卡尔曼滤波算法对行人轨迹进行进一步的修正。初步研究表明,该算法具有较好的实用价值,可在博物馆、超市、机场等场所为消费者提供精确的导航与定位。

矿井有限空间WIFI信号测评系统研究

针对矿井有限空间WIFI信号覆盖和工程验收困难,传统分段测评方法存在数据不兼容、测试效率低等问题,设计一种由嵌入式WIFI模块和无线网卡组成的矿井有限空间WIFI信号专用测评系统,嵌入式WIFI模块用于完成信号覆盖测试和干扰测试,无线网卡用于完成WIFI网络性能测试;在便携式终端使用CSharp语言编程对测试数据进行处理、存储、图形化显示,并结合矿井无线通信标准生成评估报告.研究结果表明:该系统能准确、客观、高效地反映矿井有限空间WIFI信号质量。

融合WiFi、激光雷达与地图的机器人室内定位

由于室内环境受多径效应影响,单一WiFi定位效果不佳;激光雷达(LiDAR)虽然测距定位精度高,但在室内存在大量单一、重复的场景结构(如走廊)时,往往会由于无法提取有效特征进行匹配而造成大量错误定位。因此,该文提出基于卡尔曼滤波框架的WiFi、激光雷达与地图的融合定位新方法。其中,滤波器的状态定义为机器人当前与历史时刻的位置序列。滤波器的观测值由两部分组成,一部分为该文所提基于多环路分割地图下信号强度加权匹配的WiFi指纹定位结果;另一部分来自激光雷达在单一重复场景中计算出来的高精度相对定位结果(如横向定位)。利用场景地图中的先验参考位置,可将该横向定位结果转变为机器人位置的线性约束。最后,利用卡尔曼滤波器实现机器人高精度的融合定位结果。实验中,针对两种典型的单一、重复的室内场景,分别采用2维与3维激光雷达对该文算法进行验证。实验结果表明,由于激光横向定位精度可达厘米级,结合厘米级地图可以极大提高机器人定位精度。与单一WiFi定位算法相比,利用激光雷达计算出来的相对定位结果结合场景地图,平均定位误差可降低70%~80%,在满足机器人实时定位需求情况下,实现定位精度与稳定性的显著提升。

基于WiFi指纹序列匹配的机器人同步定位与地图构建

同步定位与地图构建(SLAM)是当前机器人定位导航的研究热点,可靠的闭环检测是图优化SLAM的关键。而在大范围的复杂环境下,通过视觉或激光雷达进行闭环检测的可靠性低且计算开销大。针对这一问题,提出了一种基于WiFi指纹序列匹配的图优化SLAM算法。所提算法采用指纹序列进行闭环检测,由于指纹序列中包含多个指纹数据,信息量比单个指纹点对的数据丰富,因此将传统的基于指纹点对的匹配扩展到指纹序列的匹配可以大幅减小闭环误判的几率,从而确保了闭环检测的准确性,满足了SLAM在大范围复杂环境下的算法高精度要求。采用两组实验数据(机器人从不同的起点开始)对所提算法进行验证的结果表明:与高斯相似度的方法相比,所提算法的精度在第一组数据上提高了22.94%;在第二组数据上提高了39.18%。实验结果充分验证了所提算法在提高定位精度、确保闭环检测可靠性方面的优越性。

基于Android的室内WiFi导航微地图设计

室内定位导航是GPS难以解决的问题,而室内WiFi覆盖率的提高、Android手机广泛的市场占有率及其系统的可扩展优势,使基于Android的WiFi定位导航成为用户室内位置自服务的主导方式,然而能够适应手机内存等硬件约束的微地图开发研究明显不足,极大地限制了室内手机导航的应用.研究利用Android自带的Android Studio开发模块和SQLite轻型数据库,基于指纹库和KNN位置匹配算法,设计了一套适用于手机导航的室内定位导航微电子地图.经不同Android版本的手机测试,系统运行良好,精度和效率较高,满足手机室内定位导航地图小、灵、精、快等基本要求,并能实现室内空间门户相邻和属性共享情况下的精确定位.

位置指纹定位中WiFi信号特性分析及处理技术研究

针对位置指纹定位中其指纹数据库要求所存放的WiFi信号强度值需具备一定的平稳性,故利用统计分析原理,对不同方位角同距离位置处接收到的WiFi信号强度值的分布规律及统计特性进行分析,明确了不同方位角下WiFi信号强度值的信号强度值分布、概率分布及自相关性等诸多统计特征。而后以其统计特征为理论指导,将拉依达检验法和卡尔曼滤波算法相结合,对各方位角采集的WiFi信号强度值进行数据处理工作,其结果表明经算法处理后的数据分布相较于原始数据的分布更加紧凑且均匀,说明拉依达-卡尔曼滤波算法在WiFi信号强度值处理上具有良好的性能,同时处理后的数据也为后续位置指纹库搭建工作提供可靠的数据来源。

Wifi定位的原理及应用方向

随着WiFi热点的日益增多,使用Wi Fi热点来对目标进行定位精度逐步提高,WiFi热点定位技术凭借低成本的优势可以广泛应用。

基于信道状态信息的WiFi环境感知技术

随着Wi Fi技术的日益成熟和广泛部署,在使用Wi Fi信号实现基础通信功能的同时,研究者开始将Wi Fi技术应用于环境感知。传统基于Wi Fi的环境感知通常基于接收信号强度RSS信息,然而其性能受限于多径效应等因素影响。近年来,随着信道状态信息CSI可基于普通商用设备获得,研究者开始研究基于CSI的环境感知技术,并进行了一系列开创性工作。相比于RSS,CSI更细粒度地描述了无线信道状态,并可较好地区分多径成分,从而实现更为鲁棒、可靠的环境感知。文中主要对基于CSI的环境感知新趋势进行了综述分析,在深入分析现有工作的基础上,根据CSI的使用方式将这些工作分为人体检测、室内定位、视距路径识别和活动识别等4类。针对每类应用,文中详细介绍了其基本工作原理及代表性原型系统,最后指出了基于CSI的环境感知技术的未来潜在发展方向。

基于WiFi的自适应匹配预处理WKNN算法

针对基于接收信号强度(Received Signal Strength,RSS)的WiFi室内定位技术中,传统加权K邻近(Weighted K-nearest Neighbor,WKNN)算法不能自适应获取WLAN中有效接入点(Acess Point,AP)且参考点匹配准确度不高的问题,本文提出了自适应匹配预处理WKNN算法。该算法中每个实时定位点自适应地根据网络状况对AP的RSS均值由大到小排序,然后选择RSS均值较大的前M个AP,与参考点中对应的M个AP一起参与匹配预处理计算,从而优化了传统的指纹定位算法。同时将室内定位和室内地图相结合,使参考点和定位结果直观地展示在地图上,并通过使用地图数据大幅度简化了离线训练过程。此外,本文设计并实现了基于Android平台的室内定位系统,通过该系统验证了本文所提算法在单点定位和移动定位中的有效性。实验结果表明,该算法可获得30以上的定位误差改善,有效提高了定位精度和定位稳定性。

基于WiFi与GPS组合定位算法的无缝定位方法研究

无线局域网络(WLAN)是一种全新的无线信号传输平台,该文在总结目前无缝定位与导航技术的研究现状、分析存在的问题和发展趋势的基础上,提出了联合GPS和无线局域网络的组合定位方法,以实现室内外的无缝定位与导航。同时,在深入研究卫星导航定位和无线传感器网络定位原理与算法基础上,针对定位环境的不同,提出了无缝定位的解决方案、转换机制和切换策略,并以WiFi网与GPS组合定位算法为例,进行了详细分析和深入讨论,所用算法可以实现无GPS、少于4颗可用卫星以及GDOP值不满足定位情况下的定位,与单独WiFi网络定位算法相比,该算法可以提高定位精度。

一种传播模型无关的快速WiFi访问点定位算法

在一个未知环境中定位无线WiFi访问点(AP),由于传播介质的衰减参数是时变的,导致传统三点定位方法会产生较大的定位误差.但定位AP与常见的终端定位相比具有其特殊性,即信号源是单一的,因此信号源的功率变化在多个终端处可以通过差分计算消除.基于信号源定位的特殊性,研究实现了一种与传播模型参数无关的定位算法,对多个观测点的测量数据,定义了一个与无线信号传播模型无关的评价函数,从而将定位问题转换为对该评价函数的最小化问题,因此可利用已有的数值计算方法优化计算效率,最终实现基于信号强度的快速WiFi AP定位.

基于粒子滤波和地图匹配的融合室内定位

为提高室内定位的精确性与合理性,该文提出使用粒子滤波融合Wi Fi指纹定位和行人航位推算,应用室内地图对定位结果进行匹配与矫正。地图匹配中,首先通过室内地图约束粒子的不恰当转移来解决粒子的穿墙问题,然后采用基于回退的穿墙矫正算法对行走轨迹中的穿墙现象进行矫正。仿真实验中,经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹,优于Wi Fi指纹算法和行人航位推算算法估计的轨迹,而经过地图匹配与矫正后,定位精度和合理性得到进一步提高。

基于曲面拟合的WiFi指纹数据库更新

针对指纹数据库更新需要大量时间和人力开销问题,提出了一种新的WiFi环境下接收信号强度(RSS)的估计方法。即采用径向基函数插值的方法,利用一部分RSS被重新测量的参考点,拟合出接收信号强度曲面,估计出邻近未知参考点RSS值,从而更新指纹数据库。大量实验证明,所提方法只需要测量四分之一的参考点,就能在定位误差为2 m范围内达到与实测数据库相同的累积误差概率,保证了较高定位精度。

基于WiFi的室内位置服务路径规划研究

以室内电子地图路径模型为基础,采用基于WiFi的室内定位技术,探索了室内位置服务GIS应用系统的路径规划技术。通过比较和分析路径规划中的相关算法,采用A*算法作为室内路径规划算法,并利用A*算法在Android平台上实现室内路径规划的应用。进一步指出了室内路径规划研究的方向。

基于WiFi的室内位置服务GIS应用系统研究

以室内电子地图为基础,采用基于WiFi的室内定位技术,设计了室内位置服务GIS应用系统框架,实现了POI搜索、路径规划、路径导航等系统功能,对室内位置服务GIS的研究与应用具有一定借鉴意义。

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.