基于多LED的高精度室内可见光定位方法

针对可见光室内定位问题,该文基于接收信号强度(RSS)定位技术,提出一种利用多个LED发射端实现室内定位的方法,即MLED-RSS定位算法。该方法在充分考虑LED拓扑结构对定位性能影响的基础上,利用部署在室内的多个LED,合理选择其中3个LED作为发射节点,采用改进的三边定位法获得定位目标位置信息。定位算法可以有效地解决可见光定位存在的遮挡效应。仿真实验表明,MLED-RSS算法可以实现高定位精度。

基于RSSI的室内WiFi定位算法

提出一种奇异谱分析与高斯过程回归算法相结合的室内WiFi定位方案。由于室内WiFi的接收信号强度容易受到室内环境以及多径效应的影响,位置指纹和现实位置之间的联系必然受到影响。为解决这一问题,采用网格法划分定位区域,用奇异谱分析方法消除采集数据中的波动和干扰,采用高斯过程回归算法进行回归建模,构建位置指纹和现实位置之间的非线性映射关系。实验结果表明,奇异谱分析有效地去除了数据集中噪声,与传统的定位方式相比,奇异谱分析和高斯过程回归模型具有最佳定位精度。

基于独立成分分析与核典型相关分析的WLAN室内定位方法

接收信号强度(received signal strength,RSS)在WLAN室内定位环境中存在时变特性,降低了WLAN定位环境中RSS信号与位置信息之间的相关性,致使定位精度降低。针对这一问题,提出通过利用独立成分分析(independent component analysis,ICA)对RSS信号进行数据降维和去相关处理,提取独立分量;然后采用核典型相关分析(kernel canonical correlation analysis,KCCA)来提取独立分量与位置信息之间的典型相关特征;最后结合传统定位算法如加权K近邻法(weighted K nearest neighbors,WKNN)、支持向量机(support vector machine,SVM)算法实现定位。实验结果表明,传统定位算法WKNN、SVM算法通过运用ICA与KCCA特征提取后再进行定位其定位精度得到了提高。

室内定位无线接收信号强度测距模型的研究

接收信号强度测距法易受室内复杂环境的影响,在许多研究和实际应用中,通常将路径损耗因子作为固定不变常量,增加了系统误差。分析了室内无线信号的传播特性,介绍了对接收信号强度测距模型,推导了最优拟合当前室内环境对数路径损耗模型参数的计算公式,将自主建模的思想引入到基于接收信号强度的测量中进行了可行性探究。

基于KDDA和SFLA-LSSVR算法的WLAN室内定位算法

针对接收信号强度(received signal strength,RSS)的时变性降低WLAN室内定位精度的问题,提出了一种基于核直接判别分析(kernel direct discriminant analysis,KDDA)和混洗蛙跳最小二乘支持向量回归机(SFLA-LSSVR)的定位算法,该算法通过核函数策略将采集的各接入点(access point,AP)的RSS信号映射到非线性领域,有效提取了非线性定位特征,重组定位信息,去除冗余定位特征和噪声;然后采用LSSVR算法构建指纹点定位特征数据与物理位置的映射关系模型,采用SFLA算法优化该关系模型的参数,并用该关系模型对测试点的位置进行回归预测.实验结果表明:提出算法在相同的采样次数下的定位精度明显优于WKNN,ANN,LSSVR算法,并且在相同的定位精度下,采样次数较大减少,是一种性能良好的WLAN室内定位算法.

基于Zigbee通信的室内定位系统

为解决常规的模型存在比较明显的误差,定位时通常不能实现预期定位的问题,设计了一类室内定位系统。该系统很大程度上结合了标准化的RSSI(Received Signal Strength Indicator)测距模型,并应用了高精度的3边定位算法。实验表明,该系统能在很大程度上解决定位误差问题,误差减小15%,得到可靠的定位结果。

多方位分组式WiFi室内定位算法

WiFi信号的多径传播受到室内环境很强的制约性,障碍物的遮挡和阻隔造成部分接入点(AP)的信号传输发生折射和衍射使得信号强度减弱,基于接收信号强度指示(RSSI)测距时易产生和真实距离很大的测量误差。与其他的室内定位技术相比,RSSI测距的WiFi室内定位技术在定位精度、功耗和成本方面具有很大的优势。本文提出一种新的定位算法,将多方位RSSI测距进行分组定位的方法与加权质心算法相结合,用多方位测距减小障碍物的遮挡和阻隔引起的测量误差。室内定位精度提升了近40%。

基于谱回归核判别分析的候机楼室内快速定位算法

针对机场候机楼客流量大、室内环境复杂多变的特点,提出了一种基于谱回归核判别分析(SRKDA)的室内定位算法。在离线阶段,采集已知位置的接收信号强度(RSS)数据,使用SRKDA算法提取原始位置指纹(OLF)的非线性特征生成新的特征指纹库;在线阶段,先使用SRKDA对待定位点的RSS数据进行处理,进而使用加权K最近邻(WKNN)算法进行位置估计。定位仿真实验中,在两个不同的定位场景中,所提算法在1. 5 m定位精度下的误差累积分布函数(CDF)和定位准确率分别达到91. 2%和88. 25%,相对于核主成分分析法(KPCA)+WKNN模型分别提高了16. 7个百分点和18. 64个百分点,相对于KDA+WKNN模型分别提高了3. 5个百分点和9. 07个百分点;在大量离线样本(大于1 100条)的情况下,该算法数据处理时间远小于KPCA和KDA。实验结果表明,所提算法能够提高室内定位精度,同时节省了数据处理时间,提高了定位效率。

一种基于多用户协同计算的室内定位方法研究

在没有昂贵的设备或复杂的基础设施支持的建筑物内,基于智能手机的航位推算方法被广泛用于室内定位,但其性能取决于手机传感器的测量精度,很难实现精准的室内定位。为此,提出一种基于多用户协同计算的室内定位方法(ILM-MUCC)。用户通过检测到的设备获得接收信号强度后,利用接收信号强度与欧几里德距离的映射关系来估计设备之间的距离。被检测范围内的所有设备形成三角形或多边形,然后通过三角计算定位来确定自己的位置。此外,还设计了WiFi滤波器算法来减少干扰对定位的影响。最后,考虑到三角计算方法存在的不可靠问题,提出一种基于航位推算和三角计算的组合算法来实现室内定位。实验结果与分析表明,ILMMUCC的复杂度低,发展前景广阔,有利于改善位置信息,定位误差范围可被限定为1 m以内,并能辅助一些应用程序的开发,比如运动分析应用程序。

基于接收信号强度指示的AP簇测距方法

对移动目标的高精度测距是室内定位的关键。室内环境中无线接入点(Access Point, AP)采集的移动目标设备的接收信号强度指示(Received Signal Strength Indication, RSSI)受阴影衰落波动严重。受到RSSI采集频率和目标机动能力的限制,AP采集到的RSSI样本量少,导致基于RSSI测距精度差。为提高基于RSSI对移动目标测距的精度,本文提出了基于RSSI的AP簇测距(AP Cluster Ranging, APCR)方法。该方法通过对多个AP进行位置约束组成AP簇采集移动目标设备的RSSI,在相同采集频率下可获得更多的RSSI样本。利用RSSI波动特点,使用最大值选取和Dixon检验相结合的方式从AP簇采集的RSSI样本中筛选出高质量的RSSI样本,以提高对移动目标的测距精度。仿真和实验结果表明,与传统RSSI处理方法相比,本方法在室内环境简单或复杂时都具有更高的测距精度,在少量RSSI采集次数下同样能保持较高精度,更能满足对移动目标测距的需求。

一种基于信号强度的室内定位干扰抑制新方法

针对WiFi、蓝牙等基于信号强度的室内定位技术易受遮挡、反射等影响,导致较大定位误差的问题进行研究。在室内信号传播模型的基础上,推导出基于信号传播模型的场强测距模型,根据该模型对现有定位解算中的牛顿迭代算法进行改进,对不同信号计算不同权值,采用加权最小二乘法求解,在不增加解算复杂度的情况下,提高定位精度。仿真表明,该算法抑制干扰能力强,有效提升了定位精度。

KPCA-ESN方法在Wi-Fi室内定位中的应用

针对动态的室内环境及时变的接收信号强度(Received Signal Strength,RSS)值对定位精度的影响,提出一种基于核主成分分析(Kernel Principal Component Analysis,KPCA)和回声状态网络(Echo State Networks,ESN)相结合的Wi-Fi室内定位方法。KPCA方法对RSS指纹信息进行预处理,有效提取模型输入的非线性主元。利用ESN方法构建所提取出的定位特征与物理位置之间的非线性映射关系。将所提出的KPCA-ESN方法应用于仿真与物理环境的Wi-Fi室内定位实例中,在同等条件下,还与其他定位方法进行比较。结果表明,该方法定位精度较高,能够适应动态环境变化。

跨异构设备的室内Wi-Fi指纹定位方法

基于Wi-Fi位置指纹的室内定位中,采用异构设备在同一位置、同一时间采集的无线信号接收强度(Received signal strength indicator,RSSI)存在差异,使得离线指纹库与不同用户在线采集的信号难以兼容而影响定位精度。针对该问题,本文提出一种适应异构设备的定位算法。该方法首先通过接入点(Access point,AP)选择,构建信号稳定的离线指纹数据库,再使用普氏分析法(Procrustes analysis,PA)对指纹库标准化,消除异构设备引入的信号差异。在线阶段采用余弦相似度(Cosine similarity,CS)算法得到目标的位置估计。在2种典型室内环境中利用4台手机测试了所提方法的定位性能,并分析了影响定位性能的因素。实验结果表明,所提方法在2种室内环境中的平均定位误差分别为2.96 m和2.29 m,相比较加权K近邻(Weight K-nearest neighbor,WKNN)算法定位精度分别提高了21.3%和21.6%。

基于改进海鸥优化算法的可见光室内定位研究

为提高室内定位精度,提出了一种基于黄金正弦与Sigmoid连续化海鸥优化算法(GSCSOA)的接收信号强度(Received Signal Strength Indication,RSSI)可见光室内定位技术。传统的海鸥优化算法(SOA)收敛速度慢、寻优精度低,在海鸥搜寻过程中引入Sigmoid函数使算法在后期快速收敛,在海鸥扑食过程中加入黄金正弦机制能提高算法的寻优能力。在6 m×6 m×3 m的房间顶板上按3×3的网格状布设9盏LED灯,经过实验表明:利用传统的RSSI定位估计算法得到的定位精度为1.28 m,改进的海鸥优化算法结合RSSI的定位算法得到的定位精度为7.17 cm。显然,改进后的室内定位算法精度更高,可应用于大部分的室内定位场所。

基于近邻法的WIFI室内定位改进算法研究

位置指纹算法被广泛应用于室内定位,针对位置解算过程中数据匹配效率低,定位精度不高的问题,文中在分析位置指纹算法的基础上,提出一种基于指纹数据空间位置关系对指纹数据分级的方法,通过数据分级缩小数据匹配范围提高匹配效率,同时提高定位精度。离线建库阶段,对RSSI双重滤波处理,提高位置指纹数据库的可信度;对定位区域网格化,基于参考点空间位置关系对指纹数据分级。在线定位阶段,基于近邻法先与1级数据匹配并修正,通过匹配结果的空间关系确定2级数据再次匹配,最终获取位置信息。实验结果表明,提出的改进算法相对于传统的近邻法,平均定位误差减小0.5m,实现1.5m的平均定位精度。

基于ZigBee混合滤波RSSI的室内定位算法

针对复杂的室内环境,基于ZigBee的接收信号强度指示(RSSI)室内定位技术以功耗低、成本低等优势脱颖而出。但RSSI信号强度容易受环境、障碍物、人员走动的干扰而产生波动,影响定位精度。针对以上问题,结合现有滤波算法的优点,提出一种基于卡尔曼滤波、高斯滤波、限幅滤波、加权平均值滤波相融合的新型混合滤波算法——KGWAL。以KGWAL滤波后的RSSI采样值为基础,根据最小二乘法估计路径损耗模型。最后用加权质心三边定位得到实际位置。实验结果表明:KGWAL滤波能很大程度提高RSSI采样值精度,优化后的室内路径损耗模型能够精确反应RSSI与距离的关系,定位精度在0.315 m左右,定位精度得到明显提升。

基于无线传感器网络与无迹卡尔曼滤波的室内定位系统设计

基于接收信号强度指示(Received Signal Strength Indicator,RSSI)的测距方法和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)实现了一种无线传感器网络室内定位系统。系统主要由协调器节点、锚节点和盲节点组成,首先由盲节点发送RSSI信标信号至锚节点处,锚节点接收信标信号后做均值处理,并将自身位置信息一起打包回发给盲节点;然后盲节点将定位信息的相关数据通过协调器无线发送至上位机;最后在上位机中完成对盲节点的定位计算。为进一步提高定位精度,首先应用三边定位方法获得盲节点的初步定位结果,然后采用无迹卡尔曼滤波实现了二次精确定位。使用C#语言开发上位机软件,在20 m×20 m的定位范围内,对10个随机位置处的盲节点进行了定位测试,其中最大定位误差为1.52 m,最小误差为0.50 m,平均定位误差为1.04 m。结果表明所提出的定位算法性能良好,系统定位方案切实有效。

基于可见光强度的室内定位技术研究

目的:欲提出一种基于接收信号强度检测的可见光室内定位技术。方法:由四个LED光源发出信号光,被待定位设备上的光探测器接收。利用带通滤波和傅里叶变换,降低噪声并提取源信号。采用三边法估算位置坐标,确定待定位设备的位置。结果:实验结果表明,RSSI可见光定位的误差在5 cm以内。结论:本技术有效提高了定位精度,具有实际应用意义。

基于WiFi的室内人员定位技术的算法和模型

比较了几种基于Wi Fi的室内定位方法,指出基于接收信号强度(RSSI)的室内定位技术不增加额外的硬件设备,更加易于推广。分析了基于RSSI的定位模型及指纹信息预测模型,指出指纹信息预测模型法可有效地提高室内定位精度,减少障碍物造成的定位误差。

一种接收信号强度的室内定位稳健估计方法

随着人们在室内活动的范围和时间逐渐增加,对室内定位的需求也日益增加,本文介绍了目前主要的室内定位技术,并对基于测距的几种常用的室内定位方法原理进行说明,提出一种接收信号强度的室内定位的稳健估计方法。以接收信号强度的室内无线定位对数路径损耗测距模型为切入点,通过实验测定和曲线拟合的方法获取接收信号强度的测距模型参数,并分别采用经典最小二乘法和本文提出的稳健估计方法进行室内定位求解,试验结果表明本文方法室内定位解算精度更高、鲁棒性更好。