基于自适应距离ADWKNN室内定位算法

针对基于蓝牙接收信号强度(RSS)的加权K-近邻(WKNN)位置指纹室内定位算法中由于信号波动存在的单一距离估算标准导致定位精度偏低的问题,提出了一种基于自适应距离的ADWKNN定位算法。离线阶段利用K-means聚类算法对指纹数据库进行划分,减少数据查询量以保证定位的时效性。在线定位阶段首先对待定位点处采集到的RSS信号值进行卡尔曼滤波,减弱随机噪声的干扰;然后采用ADWKNN算法计算曼哈顿距离与欧氏距离的标准差,自适应的选择距离估算方法并实现K值的动态变化。实验结果表明,ADWKNN算法的平均定位精度为1.22 m,与使用余弦距离、曼哈顿距离、欧氏距离和Sorensen距离的单一距离的WKNN算法相比,ADWKNN算法的平均定位精度有明显提高。

一种融合蓝牙和地磁的位置指纹室内定位方法

室内定位服务目前已经普遍运用到了导航、抢险救灾等领域,其中基于蓝牙传感器的室内定位易于普及、实用性强,并且可以借助手机自带的一些功能实现,然而在人员较多和电磁环境复杂的区域往往定位效果较差。针对这个问题,本文提出了一种蓝牙与地磁融合的位置指纹室内定位方法,即在待定位的商场等区域设置若干蓝牙信标,采用手机自带的i Beacon功能和霍尔传感器分别接收蓝牙和地磁信号,之后对蓝牙估计坐标和地磁估计坐标在决策层进行融合计算用户的位置,既减小了定位误差又没有耗费额外的硬件资源。实验结果表明该融合定位方法具有较高的估计精度。

基于ECA-CNN的混合指纹室内定位方法

在指纹法的定位中,指纹特征和定位模型是影响定位精度的2个关键因素.在指纹特征的选取方面,可见光强度稳定性较高,但位置特征区分度低;无线信号强度区分度较高,但波动性较强.在定位模型的构建方面,基于卷积神经网络(convolutional neural network, CNN)的定位模型在特征提取时不能有效地突出重要特征.针对上述问题,提出一种基于ECA-CNN的混合指纹室内定位方法(hybrid fingerprint indoor localization method based on ECA-CNN, ECACon-HF).首先,利用可见光强度和低功耗蓝牙(Bluetooth low energy, BLE)接收信号强度指示(received signal strength indication, RSSI)来构建混合指纹,降低BLE指纹不稳定的影响,并增强不同位置之间的区分度.同时,基于高效通道注意力(efficient channel attention, ECA)模块改进CNN定位模型,ECA能够通过跨通道交互策略自适应地提取指纹中的重要信息,抑制指纹中的环境干扰,增强混合指纹特征表达能力,更有效地利用混合指纹优势.实验结果显示,ECAConHF在构建的混合指纹库上可以达到0.316 m的定位精度,高于在单一指纹上的精度;并且基于同一指纹库,ECACon-HF相比其他室内定位方法,定位精度具有明显优势.

基于STM32的智能门锁系统设计

针对传统门锁的安全、开锁方式单一与智能化方面存在的问题,设计并开发一款基于STM32F103单片机的智能门锁系统。该系统可分别通过键入密码、指纹、RFID刷卡、手机蓝牙四种方式进行解锁。同时,集成光照度传感器,根据室内光亮度来控制屋内照明系统,达到智能家居设备联动的效果。整体设计具有较高的完整性和实用性,不仅提高了开锁的安全性、便捷性,还可与其他智能家居设备进行联动,更为智能化。最后,通过实物进行了实验验证,达到了预期结果。

基于深度学习的蓝牙射频指纹识别系统

蓝牙射频指纹具有难以伪造的优点,基于射频指纹的身份识别能有效提高网络的安全性。文中设计了一种基于深度学习网络的蓝牙射频指纹识别系统。首先,利用HackrfOne软件无线电平台和GNURadio软件在蓝牙信号广播阶段采集多种蓝牙信标信号。其次,对蓝牙信号进行预处理,将预处理后的数据分为训练集与验证集。然后,使用MATLAB深度学习工具箱来设计长短期记忆网,利用训练数据集对各个网络进行训练,得到蓝牙射频指纹识别网络。最后,利用验证集对上述网络进行测试和分析。当迭代次数为300时,网络对3种蓝牙信标的射频指纹识别的准确率均达到80%以上。

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。

蓝牙通信中的射频指纹识别技术

利用开机瞬态特征对蓝牙传输设备进行射频指纹识别时,开机瞬态信号的捕获与提取存在一定的局限性。为此,提出将频率跳变瞬态特征用于蓝牙设备的唯一性鉴别,以克服开机瞬态特征的局限性。在射频指纹识别中的数据获取、瞬态信号检测、指纹提取和分类过程中对该特征进行验证,根据实验数据对鉴别性能进行评估。分析结果表明,利用频率跳变瞬态特征能够成功鉴别蓝牙设备。以对虫洞攻击的检测和防御为例,进一步分析射频指纹识别在蓝牙网络安全协议中的应用,并给出基于蓝牙指纹识别的安全链路管理协议。

基于K-means和SVM的蓝牙室内定位算法

为了克服指纹定位过程中,由于信号不稳定所造成的定位精确不高,指纹漂移等问题,利用卡尔曼滤波对采集的蓝牙接收信号强度(RSS)数据进行预处理,并通过K-means算法对数据进行初始聚类;计算待测数据与各聚类中心的距离,将与待测数据临近的类簇数据进行融合。针对融合形成的新数据子集,训练出对应的支持向量机(SVM)模型,并完成待测数据的分类。经过测试,结果表明:算法的定位精度稳定在1. 5m以内,达到预期目标。

相关性匹配蓝牙信标位置指纹库的室内定位

针对K近邻算法(KNN)在对偏向于某个样本点的未知点进行三角质心定位时定位精度变差的情况,提出了应用相关系数去匹配蓝牙信标i Beacon位置指纹库的室内定位算法。通过比较待定位点和位置指纹库中参考样点的相似程度,并进行数据差异显著性检验,来检验采集的待定位点数据与指纹库数据是否显著相关,然后取相关性较高的样本点进行加权平均匹配定位。实验结果显示,相关系数匹配位置指纹库算法可将2 m以内的定位精度从65%提高到92%,相较于传统的KNN匹配定位算法有着定位精度高、计算量小、定位时间短等优势。

基于蓝牙技术的便携式指纹追捕系统设计

针对公安跨区域室外追逃行动的实际的需求,提出了一种新的基于蓝牙技术的便携式指纹追捕系统构架。设计了以AT77C102B和ARM9芯片为核心的传感器节点的硬件,以指纹识别系统为核心的软件。实现了一个基于蓝牙技术的指纹追捕的任务系统平台,经试验结果证明基于蓝牙技术的终端传输的距离能达到70 m,存储的指纹图像的容量能达到40 GB,指纹图像的误检率只有千分之一。

基于时空相似模型的蓝牙室内定位RSSI指纹插值方法

随着蓝牙无线通信技术迅速发展,蓝牙技术结合位置指纹定位算法来进行室内定位,具有方便快捷、低成本等优势。然而,构建一个细粒度的指纹库需要耗费大量的人力和时间。为减少离线阶段的工作量,提出了一个时空相似性模型,并定义了4个度量指标(空间距离,信号相似度,相似性可能性,RSSI向量距离),利用时空相关性来对未采样点进行插值。在部署有蓝牙室内定位系统的环境中获取数据,将该方法与四种常用的插值方法(线性插值、立方插值、最近邻插值和压缩感知)进行对比。实验结果表明,基于时空相似模型的插值精度,在采样率为60%时比其他四种插值方法提高了7.64%。

基于S3C2440的高校课堂指纹考勤系统设计

为解决高校课堂考勤繁琐的问题,设计了基于三星S3C2440指纹考勤系统。该系统以ARM9微处理器为核心硬件平台,软件进行了Linux内核的移植和考勤系统的设计。通过蓝牙模块和手机等移动终端的对接实现课堂考勤信息的传输,实现高校课堂的实时指纹考勤。该系统运行稳定,识别率高,功耗低,便于在高校教师中推广应用。

基于BL4.0 iBeacon技术的室内定位算法研究

通过BL4.0iBeacon技术进行室内定位,分析了最邻近值算法和贝叶斯算法的不足,提出一种将上述两者优点进行融合的算法.首先,使用最邻近值算法的优选区域限定,缩小贝叶斯算法对指纹库的搜索范围,然后,采用贝叶斯概率法计算各个iBeacon节点的信号强度值集合在指纹库中每一位置参考点对应的条件概率值,概率最大的点就是待测点的预测位置.实验结果表明,使用该算法计算的坐标准确度比较高,坐标误差较小,能明显提高室内定位的精度.

蓝牙4.0标准规范下的模糊指纹定位算法

蓝牙技术的普及以及蓝牙4.0标准规范的提出,使得利用蓝牙技术实现室内定位具有极其广阔的应用前景.把模糊理论应用于蓝牙室内定位系统,提出一种模糊指纹定位算法.基于该算法的定位过程分为离线和在线两个阶段:离线阶段建立模糊指纹库;在线阶段对手机客户端进行实时模糊决策定位.仿真实验结果表明,该算法的平均定位误差为1.36 m,相比于传统的指纹标定法,其定位精度提高约49%,而计算量缩减至原来的1/c,其中c为模糊聚类类别数.

基于STM32和C#的学生考勤系统设计

学生考勤是培养学生良好学习行为习惯和提高学生自学能力的重要举措,传统纸质版签到考勤方式存在代签弊端,为提高学生素质建设良好学风提出了基于STM32的便捷课堂考勤系统。考勤系统首先利用电容式指纹传感器进行指纹采集,然后将采集的指纹与预先建好的指纹数据库中指纹信息对比,并将最终匹配结果通过蓝牙上传至上位机考勤管理系统,考勤管理系统将学生考勤情况存入SQL数据库。与传统的考勤系统相比体积小、功耗低、更加便携的特点,经过实验测试,该考勤系统达到设计要求,在高校学生考勤管理中有一定的价值。

PE管道智慧焊接监测系统的设计

随着信息技术的发展,为了提高PE管道的焊接质量,设计了基于"互联网+"的PE管道智慧焊接检测系统。通过指纹验证,完成了焊接人员身份的智慧识别;通过北斗定位技术,完成了焊接地点的智慧定位;通过焊接参数的无线传输,完成了焊接结果的智慧判断。采用STM32F103RCT6作为硬件平台,添加了R305指纹识别、CH376SU盘管理、北斗定位、KS97无线通信、蓝牙等功能模块,完善了系统设计。该监测系统实时性好,在焊接结束后的10 s内即可得到焊接结果;定位精度高,焊口定位误差最高仅为3 m;评价正确率高达90%。该系统体积小、功能全、稳定性好,能够实时监测影响PE管道焊接质量的三个要素(焊接人员、焊接地点、焊接结果),已经成功应用于实际工作中。

高校课堂三位一体实时指纹考勤系统设计

为实时监测高校课堂学生考勤状况,设计了三位一体实时指纹考勤系统。该系统在课堂端采用以ARM9微处理器为核心的硬件平台采集学生的指纹信息,并通过该硬件平台的蓝牙接口及时传输学生考勤信息到授课教师手机端。授课教师手机端APP把学生考勤信息无缝隙传递给学校的考勤服务器,主管学生工作的老师可以通过浏览器或者手机端APP实时掌握学生每次课堂的出勤情况。

基站布设方案对蓝牙指纹定位精度的影响

为了弥补当前对在基于RSSI的蓝牙指纹定位过程中基站选取布设研究的不足,重点研究基站个数和采样间距对蓝牙指纹定位精度的影响:在典型室内办公环境中,选取不同数目的基站和不同的采样间距进行基于RSSI的蓝牙指纹定位分析,采用最近邻匹配算法作为在线定位匹配算法,给出点位误差、定位精度和精度可靠性指标。实验结果表明:基站在典型办公室内5~6个呈放射状排列和在走廊中直线排列布设时,定位精度及其可靠性可达到最高。

一种基于智能手机的室内融合定位方法

随着室内无线终端与智能手机的快速发展,室内定位技术成为近几年的研究热点之一。本文研究了基于低功耗蓝牙(BLE)和行人航位推算(PDR)技术,利用扩展卡尔曼滤波(EKF)进行融合处理的室内定位方法。该方法包含3部分:①离线阶段利用蓝牙指纹快速采集方法建立指纹库,在线阶段利用加权K邻近算法进行指纹定位;②利用手机内置传感器准确估计航向角,并结合步态识别算法和步长估计算法推算行人位置;③利用EKF对两种定位结果进行融合,获取最优位置估计。试验结果表明,融合定位方法的平均定位精度为1.17 m,90%的概率定位精度达到2 m。

基于K-means聚类的蓝牙室内定位算法研究

提出一种基于K-means聚类的蓝牙指纹室内定位算法,首先利用K-means聚类对定位区域的指纹数据库进行划分得到不同子区域的类中心以及每个类的指纹参考点;然后,在线定位时将接收到的蓝牙信号强度与不同的类中心进行比较,匹配到对应的子区域中。其次,本文提出了一种基于位置加权k-最邻近(Weight K-Nearest Neighbor,WKNN)定位算法,其中WKNN中的权重选取是利用多次定位结果的方差决定。实验结果表明利用区域划分和基于位置方差加权的WKNN算法可以有效提高定位精度。