一种Wi-Fi RTT/数据驱动惯性导航行人室内定位方法

为了研究基于智能手机的行人室内定位方法,并提高其精度,本文提出了一种基于Wi-Fi往返时间(RTT)、惯性测量单元(IMU)的定位系统。该方法主要包括3部分:(1)使用扩展卡尔曼滤波融合测距信息的Wi-Fi RTT室内定位方法;(2)适用于多手机使用模式的航位推算方法,该方法基于长短时记忆模型(LSTM)建立神经网络模型,预测行人运动速度及航向;(3)基于误差状态卡尔曼滤波的Wi-Fi RTT/数据驱动惯性导航融合定位方法,进一步提高定位精度。试验结果表明,与单一的基于Wi-Fi RTT方法和数据驱动惯性导航方法相比,本文方法的平均定位精度提升了10%~20%。

基于Wi-Fi指纹且计算外包的室内定位隐私保护方案

为了解决室内定位中用户和服务器双方的隐私保护问题,提出了一种在使用Paillier加密的过程中将部分计算外包给云服务器的方案,这不仅保护了用户和定位服务器的隐私,而且避免了产生过大的计算和通信开销。该方案的主要思想是服务器先在离线阶段建立指纹数据库,在线阶段用户将k匿名算法和Paillier加密结合,将加密后的Wi-Fi指纹发送给定位服务器,服务器对接收到的Wi-Fi指纹和数据库指纹进行聚合处理,然后外包给云服务器进行解密和距离计算,最终得到定位结果。理论分析和实验结果表明了所提方案的安全性、有效性和实用性。

基于Wi-Fi信号感知技术的图书馆特殊群体服务研究

特殊群体是图书馆用户的重要组成部分,采用数字技术帮助特殊群体享受均等化的公共文化服务,是无障碍图书馆建设的重要部分。文章在介绍面向人机物融合的Wi-Fi信号感知技术的基础上,梳理了其在图书馆特殊群体服务中的具体应用场景。Wi-Fi信号感知技术在图书馆特殊群体服务中具有很好的应用价值,但也存在一些弊端和问题需要进一步优化和解决,在多种技术的加持下突破服务壁垒,提高服务质量。

基于Wi-Fi感知的多用户身份识别研究

随着无线感知技术的发展,基于Wi-Fi的身份识别研究在人机交互和家居安防等领域备受关注。尽管基于Wi-Fi信号的身份识别已经取得了初步的成功,但是目前主要适用于用户独立行为场景,并发行为下的多用户身份识别仍然面临着一系列挑战,包括用户之间的相互干扰以及模型鲁棒性差等问题。因此,提出了一种并发行为下多用户身份识别系统Wiblack,其核心思想是训练一个多分支深度神经网络(Wiblack-Net)来提取每个单用户的独特特征。首先,利用主干网络提取多用户之间的共同特征;然后,为每个用户分配一个二分类器以此判断给定群体中是否存在目标用户,在此基础上基于并发行为实现多个用户身份识别。此外,将Wiblack与多个独立的二分类模型和单个多分类模型进行对比实验,对运行效率和系统性能进行分析。实验结果显示,在同时识别3个用户身份时,Wibalck平均准确率达到了92.97%,平均精确度为93.71%,平均召回率为93.24%,平均F1值为92.43%。

基于Wi-Fi CSI的无监督域自适应伪装步态识别

步态识别作为一种非侵入性的人体生物识别技术,因其无须用户主动配合的特点,被广泛应用于安防和智能家居等领域。然而,现实中步态识别系统面临的一个重大挑战是伪装效应。当受试者改变着装或携带物品时,步态数据的可靠性往往受到影响,从而使步态识别变得困难。为解决这一问题,该文提出一种基于Wi-Fi CSI的无监督伪装步态识别方法。该方法引入一种新的数据度量策略,通过预训练来获取伪装步态数据的伪标签,并利用匹配滤波技术生成高质量的标记训练数据对。最终,通过无监督学习实现数据分布对齐,克服伪装步态数据的分布偏移问题。实验结果表明,该文的方法在伪装步态识别方面显著优于现有最先进的步态识别技术。

基于Wi-Fi信道状态信息的坐姿监测方法

[目的]针对现有的坐姿监测方法存在的接触式、隐私性低、成本高、部署不方便等问题对坐姿监测方法进行研究.[方法]提出基于Wi-Fi信道状态信息的坐姿监测方法.该方法在不同坐姿下采集商用路由器的Wi-Fi信道状态信息,结合卷积神经网络和长短期记忆神经网络建立坐姿分类模型,融合采样窗口内信道状态信息的幅值和相位数据,并充分提取数据的空间和时间特征,提高坐姿分类精度.在对原始相位数据进行预处理时,提出了近邻子载波差值阈值补偿方法,有效地解决了不同子载波的相位旋绕不同步的问题.[结果]搭建坐姿监测环境,对办公或学习场景下的5种常见坐姿进行分类.实验证明,该坐姿监测方法对坐姿分类有较高的准确率,对所有坐姿分类的平均准确率达到91.23%.[结论]本文提出的基于Wi-Fi信道状态信息的坐姿监测方法,具有非接触式、隐私性高、成本低、部署方便等特点,且对坐姿分类准确率高,在坐姿监测系统的研究上具有一定的实用价值.

融合Wi-Fi RTT/惯导的室内小车定位

本研究提出了一种基于卡尔曼滤波器的室内定位方法,利用Wi-Fi RTT和惯导技术融合实现室内小车定位研究。Wi-Fi RTT定位技术既能够提供快速定位也能在定位精度上得到保障。惯导系统不易受外界干扰,具有较强的稳定性和抗干扰能力。本研究对两者进行技术融合,实现室内消费级小车定位。本文提出的融合定位系统通过误差状态卡尔曼滤波器(ESKF)得到最优估计。首先Wi-Fi RTT定位系统通过使用扩展卡尔曼滤波(EKF)获取测距信息,并得到定位和测距值。将Wi-Fi RTT测距值作为滤波约束,融合惯导数据实现最优定位估计。然后通过RTS平滑器进一步平滑惯导系统的定位误差。最后对惯导系统定位结果中的平滑误差进行补偿,从而修正惯导系统的定位误差,得到最优估计下的定位结果。

基于通感一体化的Wi-Fi卸载匹配算法

针对目前移动数据流量激增所导致的通感一体化无线通信网络系统中的拥塞和过载问题,提出一种基于通感一体化的Wi-Fi卸载匹配算法。首先,基于信息论综合考虑系统的通信吞吐量和感知互信息量,定义系统的效用函数,在满足用户QoS的同时最大化系统的总效用;其次,基于图论的思想建立Wi-Fi信道分配算法为每个Wi-Fi接入点分配信道,并将用户的接入选择问题建立为具有外部性的多对一匹配博弈模型。仿真结果表明,所设计的卸载策略能够提高系统的总效用,缓解基站处的数据压力。

基于Wi-Fi Sensing的无感检测技术

随着智能家居的推广普及,对于移动物体的行为感知成为热点技术。相比于传统的信息检测技术,新型的基于Wi-Fi信号的设备无关被动入侵检测,能够在无需用户做任何干预也不影响人员隐私安全的情况下实现对于行为的检测判断,这和使用摄像头或红外检测形成显著差异,成为研究热点。该文基于Wi-Fi芯片平台采集物理层信道状态信息,构建与移动载体信息相关的检测模型,结合大数据分析和智能算法,给出相关的实现方案,并基于实验验证实现从无线信道中捕捉波形特征,验证方案的有效性,结合结果分析也为后续精度的进一步提升提供改进方向。

基于MIMU与Wi-Fi的普适室内定位方法综述

室内导航定位作为城市数字化转型的重要基石和关键技术之一,在智慧城市发展建设的过程中起到至关重要的作用。然而,受复杂多变的室内环境、空间结构布局及室内行人活动等影响,实现准确可靠、普适泛在的室内定位,满足大众化的定位需求,有效助力智慧城市发展仍面临很大的挑战。其中,基于微惯性测量单元(MIMU)的航位推算定位方法具有体积小、成本低、自主性强及实时性高等特点,且现有无线保真(Wi-Fi)信号覆盖广泛,无需额外布设设备,使得基于MIMU与Wi-Fi的室内定位技术因具有广泛的研究价值和意义而受到广泛关注。主要围绕基于MIMU与Wi-Fi的室内定位方法进行综述。首先,分类阐述了基于MIMU的室内定位方法原理,并概括了其存在的问题及研究现状;其次,分析了基于Wi-Fi的室内定位方法研究的局限性与面临的挑战,重点总结了基于机器学习的Wi-Fi指纹室内定位方法研究现状;再次,系统对比分析了现有的基于MIMU与Wi-Fi的融合定位方法,考虑了其优缺点及各自的适用性;最后,对基于MIMU与Wi-Fi的定位方法未来的发展趋势进行了展望。

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。

热点密集部署场景中的Wi-Fi信道规划和应用

为了解决2.4 GHz频段Wi-Fi信道严重干扰问题,提升用户业务感知,本文通过研究Wi-Fi接入机制、信道分布和信道特性,对比同频干扰和邻频干扰对业务感知的影响,提出了在热点密集部署场景中Wi-Fi信道规划的原则和策略,并进行了现场实验验证。实验证实了相对于自动信道选择,整体信道规划可降低干扰影响,有效改善业务感知。

基于Wi-Fi控制的智能家居监控系统软硬件设计

随着互联网、人工智能的发展,智能设备变得越来越普及且强大,智能家居控制设备是最常见的智能设备之一,对人们生活水平的改善产生重要的影响。该文基于Wi-Fi控制设计智能家居控制系统,提出一种基于STM32芯片的智能家居监控系统,该方法采用Wi-Fi和智能手机相连,并将数据传送给云平台,进而对数据进行智能处理。在具体设计中,该文首先对系统总体方案进行明确,其次根据总体方案设计芯片、各功能模块等硬件系统,随后设计所需系统平台,开发手机APP,利用Wi-Fi将数据传递到云服务器上,最后利用手机APP进行远程监控,从而实现温度湿度监控、灯光自动控制、火灾报警等功能,为用户提供个性化的居家服务。

联合Spline插值的Wi-Fi指纹匹配定位算法

该文从降低现有的Wi-Fi室内定位技术算法成本、保证定位精度的角度出发,提出了联合Spline插值的Wi-Fi指纹匹配定位算法。在构建信号强度指纹数据库方面,该文提出了稀疏指纹库的构建,大大降低了数据采集的工作量和硬件需求,并且提出将混合滤波与Spline插值方法结合,对稀疏指纹数据库进行丰富。在信号强度指纹数据库的插值方面,经过相同程度的混合滤波后,与已知的反距离加权(IDW)插值算法相比,联合Spline插值方法能够实现对数据库的精确填充,实现更高的定位精度;在指纹匹配定位方面,采用K最邻近(KNN)等匹配算法实现高精度定位。通过仿真实验证明,该文所提出的联合Spline插值的Wi-Fi的指纹定位方法能够在仅需要构建低成本稀疏指纹数据库的前提下,保证较高的定位精度。

不依赖位置坐标的室内Wi-Fi网络覆盖度量方法

3GPP在版本16(R16,Release 16)中升级了最小化路测(MDT,minimization of drive test)技术,提出移动终端可利用4G/5G网络自主上报Wi-Fi信号的接收信号强度指示(RSSI,received signal strength indicator),为运营商度量Wi-Fi网络的覆盖率带来了可能性。然而,现有基于MDT技术的网络覆盖度量方法严重依赖GPS提供的位置坐标,但全球定位系统(GPS,global positioning system)不能提供室内精准定位,无法用于室内Wi-Fi网络的覆盖度量。为此,提出了一种不依赖位置坐标的RSSI聚类方法,充分利用室内相近位置RSSI的统计相似性,区分不同位置的RSSI测量差异,在无位置坐标条件下准确估计出室内Wi-Fi网络的覆盖率。实验结果表明,所提方法估计的覆盖率与基于真实位置坐标测量的覆盖率相近,度量准确度明显优于现有的其他方法。

非法Wi-Fi信号识别与定位的方法研究

迅速发展的无线网络已经覆盖工作生活的方方面面,与此同时其安全问题越来越凸显,其中非法Wi-Fi问题尤为突出。为了保证无线网络中信息安全,必须及时识别、定位和清除非法Wi-Fi信号。文章主要研究了Wi-Fi信号的分析识别方法以及2种定位WiFi信号的方法,进一步为识别与定位非法Wi-Fi信号提供了解决思路。

基于Wi-Fi模块及无线路由器实现分布式测控系统设计

随着信息科学技术的发展,在控制工程领域,传统的串口通信渐渐无法满足当前移动式、多样化的通信需求。提出了一种基于Wi-Fi模块及无线路由器实现分布式测控系统的设计方法。该系统由Wi-Fi模块、无线路由器等组成,下位机是以C8051F020单片机和USR-WIFI232-T串口转Wi-Fi模块为核心设计的多功能测控装置。按照制定的通信协议开发软件,可使计算机通过无线网络与下位机之间实现分布式的测量与控制,进而通过在云平台部署和配置服务器程序,还可以实现远程的分布式测量与控制。

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。

Wi-Fi 7标准研究现状与技术优势分析

目前,Wi-Fi 7的标准制定工作尚未正式发布。Wi-Fi 7的标准化工作还需要一定时间,但是IEEE和Wi-Fi联盟正在积极推动相关工作,预计Wi-Fi 7标准将在未来几年内正式发布。Wi-Fi 7具有更高的数据传输速率、更低的网络延迟和更强的网络可靠性等技术优势,必然引领成为扩展现实、元宇宙、社交游戏和边缘计算等最前沿应用场景的重要基础。

基于TI-FI-Cat Boost的公司财务困境的集成预测方法

挖掘年度信息披露报告中表外披露的关键信息,对于揭示企业财务困境具有重要的意义。本文选取了2001年-2021年我国A股232家被ST的上市公司和232家正常公司为研究对象,融合年度信息披露报告中的财务文本信息(TI)和财务指标(FI),构建TI-FI-CatBoost集成预测模型,用于预判上市公司的财务困境。研究结果表明:(1)TI-FI-CatBoost模型集成分析了财务文本信息和财务指标,在财务危机预测研究中优于仅使用财务指标的CatBoost模型以及Logistic模型、SVM模型和XGBoost模型;(2)预测财务困境的最佳窗口期为被ST前两年;(3)年度信息披露报告中的财务文本信息对于预警财务困境具有重要的参考价值,中断、原告、锐减、亏损、明显、谨慎、未能、可能、风险、减持等词汇与财务危机显著正相关,成本、控制、规模、资本、缺陷、收益等词汇与财务危机显著负相关。