复杂环境下基于CFSFDP的自适应室内定位方法

针对复杂环境下的WI-FI定位受限于多径效应等因素影响，提出一种基于CFSFDP（Clustering by Fast Search and Find of Density Peaks）的自适应室内定位算法。该算法分为三个阶段:第一预处理阶段，采用CFSFDP方法训练原始指纹，从中挖掘出稳定且有效的指纹特征；第二离线阶段进一步构建多层覆盖的采样点策略，建立指纹地图；第三在线阶段针对提取到的RSS信号进行参数训练，建立一种自适应信号传播模型，结合离线阶段的指纹地图实现指纹匹配。指纹地图可弥补自适应传播模型测距方案精度不高的缺陷，而测距方案降低在线阶段指纹批匹配开销。仿真结果表明:本文提出ALCCE算法在复杂环境下具有明显的优势，且使用的测距模型性能较高。      

一种改进的WKNN匹配算法

在WiFi室内定位方法中,基于接收信号强度(RSSI)离线指纹数据库的加权K最邻近点(WKNN)算法得到了深入研究,但目前的WKNN算法未考虑实测数据维度高、无效缺省数据多等特点,不利于匹配定位精确度的提高。为此,在对实测RSSI指纹向量按照由大到小进行排序的基础上,只选取大于设定RSSI阈值的有效RSSI指纹数据进行后续的匹配;按照欧式距离的统计量自适应调整K值;按照欧式距离的均值,调整高斯权重系数。实验结果表明,与未改进的WKNN算法相比,改进后的WKNN算法定位精确度更高。     

利用现有无线局域网进行室内定位算法研究

目前,多种WiFI室内定位方案被提出,但是往往需要重新部署无线AP,造成成本和复杂度上升。本文充分利用现有无线局域网的拓扑结构进行室内定位研究,提出了一种自适应网络变化的WKNN指纹算法,该算法通过实时监控无线AP的匹配数,自动根据位置适应网络变化,定位精度明显提高。在此基础上,为了减少无线信号不稳定引起的定位误差,提出了一种新的数据修正方法,该方法根据移动平均速度动态预测标准,动态调整a参数将预测坐标与实测坐标加权,从而得到最终定位坐标。最后,算法在实际环境中验证表明,利用现有无线局域网的自适应网络算法和数据修正使定位获得了33.5%的误差改善。      

基于Wi-Fi的动态室内定位方法

针对目前动态室内定位方法定位精度不足，研究基于Wi-Fi的动态室内定位方法。该方法利用传感器采集Wi-Fi的RSS(received signal strength，接收信号强度)指纹信号后，使用改进非均值滤波算法去除RSS指纹信号的干扰噪声，以不含干扰噪声的RSS指纹信号作为基础，使用基于指纹子空间匹配动态室内定位方法，计算不同阶段RSS指纹覆盖向量、汉明距离以及欧式距离等，得到若干个动态室内定位估计值，再使用峰值密度聚类算法对若干个动态室内定位估计值进行估计，获取估计值中可信的估计位置，即动态室内定位结果。实验结果表明：该方法不仅可有效去除RSS指纹信号含有的干扰噪声，还可对动态室内目标进行准确定位，定位误差仅为-1～0.5 m，定位精度较高。     

改进的基于WLAN位置指纹定位算法

针对传统的K最近邻（K Nearest Neighbor,KNN）算法定位误差较大以及匹配运算量大的问题,提出采用均值平滑法（Mean Smoothing,MS）对采集到的Wi-Fi信号强度（Received Signal Strength,RSS）进行滤波以提高定位精度,并采用改进的K-means算法对离线阶段建立的位置指纹库进行聚类分析,降低匹配计算的复杂度。实验结果表明,本文提出的算法可以改进KNN算法的定位性能。     

基于Wi-Fi的室内定位系统在智慧校园中的应用

针对目前现有的室内定位系统无法很好地达到大学校园用户的一些个性化服务的定位精度要求,本文利用Android手机平台研究一种基于位置指纹的Wi-Fi室内定位系统,用于提高图书馆、实验室等场所的LBS的服务质量。该系统在在线定位阶段采用WKNN算法进行位置指纹匹配并定位,取得了较好的效果。     

基于核化K-means和SVM分类回归的Wi-Fi室内定位算法

针对目前指纹室内定位系统指纹库管理效率低、实时性差和定位精度低的问题,提出了一种新的基于核化K-means和SVM分类回归的无线定位算法。首先利用核化K-means算法将输入的预处理后的RSS(Received Signal Strength)信号进行无监督聚类,将聚类后的数据信息存入指纹特征数据库,然后通过SVM回归的机器学习算法对特征数据库的数据进行训练,得到一种最优的拟合位置函数的数学模型。并且采用粒子群算法对参数进行寻优,进行实验仿真。实验结果表明,该算法有效地提升了定位精度,优于KNN、WKNN、SVR等室内定位算法。     

基于指纹匹配的无蜂窝大规模MIMO三维定位方法

本文研究了无蜂窝大规模多输入多输出（Multiple input multiple output, MIMO）系统中基于指纹匹配的无线定位方法。假设服务区域内布设大量接入点（Access point, AP）,每个AP配置水平均匀线性阵列天线（Uniform linear array, ULA）或垂直ULA。利用相互正交的线性阵列天线（Orthogonal uniform linear array, O-ULA）对不同地理位置用户的方位角和俯仰角进行辨识,提取无线信道的角度功率谱矩阵构建方位角和俯仰角指纹库。借助谱聚类算法对指纹数据库进行预处理,然后通过两阶段指纹匹配策略计算指纹相似度并排序,在指纹库中搜索与用户指纹相似度最高的参考点,并利用加权K近邻算法（Weighted K-nearest neighbor, WKNN）估计用户位置。仿真结果表明,所提方案和单天线方案、ULA方案、均匀矩形阵列（Uniform rectangular array, URA）方案相比能够获得更高的三维定位精度。      

基于仿射传播聚类的概率分布室内定位算法

随着定位技术的快速发展,基于无线局域网的室内定位成为新的研究热点。本文提出了一种基于近邻传播聚类的概率分布无线局域网(WLAN)室内定位算法。与传统室内定位算法相比,该算法首先引入近邻传播聚类缩小参考点搜索空间,然后利用概率分布定位算法进行精确定位。仿射传播聚类可以有效减少概率分布定位算法的计算量,应用于系统后将有效降低系统复杂度。实验结果表明,本文所提算法具有更好的定位精度,可实现对WLAN室内定位目标的快速、可靠定位。     

稀疏参考点下的室内定位方法

随着移动互联网的发展,人们对于室内的位置服务需求日益增加。基于Wi-Fi的指纹库室内定位算法具有成本低、定位误差小的优点,但指纹库信号采集需要消耗大量的时间和人力,本文对稀疏参考点下构建高效指纹数据库和高精度室内定位的方法进行了深入研究。本文改进了卡尔曼滤波有效解决了Wi-Fi的噪声和缺失点,设计了基于信号强度差分方差的无线接入点筛选策略来滤除信息量较低的接入点,提出了一种基于支持向量回归拟合的克里金插值算法（Kriging Interpolation Algorithm Based On Support Vector Regression, SVR-Kriging）进行指纹库的构建,最后通过接入点加权的K加权近邻法（AP weighted and Weighted K-Nearest Neighbor, AWKNN）完成定位。将该方法应用于实际的二维、三维定位场景,实验结果表明二维场景平均定位误差为1.01 m,三维场景平均定位误差为0.92 m。该方法解决了指纹数据库信号采集困难、接入点数据冗余的问题,有效地降低了定位误差。      

基于线性内插法改进的室内定位算法

针对室内位置指纹定位技术存在的离线阶段工作量大、定位精度有限、顽健性较差的缺点,提出了一种基于线性内插法改进的指纹定位匹配算法.与传统位置指纹定位技术相比,该算法不仅降低了整体工作量,而且降低了多径效应造成的不利影响.最后搭建实验场景对该算法定位性能进行测试.实验数据显示,该算法与WKNN法相比,平均定位精度大约提高了34.25％,绝大部分待测点的定位误差在0.4 m以内,验证了所提算法在定位精度、顽健性和适应环境变化方面的优势.     

轻量扩展的射频指纹地图构造方法

随着群智感知和机器学习的融合,基于射频指纹的室内定位技术引起研究者的广泛关注。然而现有工作存在指纹地图构建阶段开销过大形成的可扩展性和实时性瓶颈问题。针对这一问题,该文提出一个新颖的轻量可扩展指纹地图构造方法(FFIL)。在指纹构建阶段,将整个室内环境划分为多个环路快速分割地图并获取射频指纹;在指纹匹配阶段,首先计算AP与目标点间的距离,然后选择与圆环半径最相似的环路上的参考点一一匹配;在定位阶段,采用等高线聚类算法来提高定位精度。通过真实数据驱动的大量仿真和实验证明,FFIL能减小指纹地图构建的开销,同时提高定位精度和系统实时性。     

Deployment of RSS-Based Indoor Positioning Systems

Location estimation based on Received Signal Strength (RSS) is the prevalent method in indoor positioning. For such positioning systems, a massive collection of training samples is needed for their calibration. The accuracy of these methods is directly related to the placement of the reference points and the radio map used to compute the device location. Traditionally, deploying the reference points and building the radio map require human intervention and are extremely time-consuming. In this paper we present an approach to reduce the manual calibration efforts needed to deploy an RSS-based localization system, both when using only one RF technology or when using a combination of RF technologies. It is an automatic approach both to build a radio map in a given workspace by means of a signal propagation model, and to assess the system calibration that best fits the required accuracy by using a multi-objective genetic algorithm.     

基于粒子群优化压缩感知的可见光定位算法

目前,基于压缩感知的可见光定位采用线性最小二乘法重构信号,容易陷入局部最优解,且需要高密度的发光二极管布局。针对这些问题,提出了一种基于粒子群优化压缩感知的可见光定位算法。首先,建立一种基于重构接收信号强度残差的适应度函数;其次,将指纹定位的权重求解问题转换为稀疏矩阵的重构问题;最后,采用粒子群优化重构信号。仿真结果表明,所提算法的时间复杂度较低、鲁棒性好,即使在低密度的发光二极管布局下,定位误差依然很小。当信噪比为10 dB、网格间距为50 cm时,所提算法定位误差的平均值为3.67 cm,显著低于现有的10种同类算法。还详细分析了不同参数对所提算法定位误差的影响,所得结果可为实际可见光定位系统的设计提供有益的参考。     

An Adaptive AP Selection Scheme Based on RSS for Enhancing Positioning Accuracy

In recent years, the indoor positioning technologies have been recognized as core technologies for realizing smart space, a ubiquitous society, context awareness, and various location-based services. There are several approaches for positioning with radio signals, but the received signal strength (RSS)-based technology is considered a promising scheme because of its simplicity and practicality in implementation. In this paper, the positioning performance of the RSS value-based scheme is analyzed with respect to the location of access points (APs) and the number of APs in an indoor environment. An adaptive AP selection scheme and a base AP changing scheme are then proposed to enhance the positioning accuracy. In order to estimate the RSS characteristics, RSS values are measured as the distance between the AP and the receiver increases. The positioning performance is evaluated with differing AP numbers, which form a triangle or a quadrilateral. The performance of the proposed schemes is evaluated via experiments using wireless local area network APs. Results show that the performance of proposed schemes is enhanced compared to that of conventional scheme.     

基于RSS典型性判定的室内定位算法研究

在基于RSS指纹集的定位算法中,相似样本集的质量,是影响定位精度的一个关键性因素;而待定位点的RSS向量,则是影响相似样本点质量的一个重要元素。通过对D-RSS分布规律分析,提出了RSS典型性的概念,并且提出了基于RSS典型性判定的室内定位算法。该算法根据RSS的典型性特征与有效的相似样本点之间的关系,提出了RSS典型性的辨别方法以及与典型性相关的动态K值。通过实验证明,该算法不仅能完整地找出有效的相似样本点,排除非实质性相似点的干扰,而且在不同的定位场景中具有较强的适应性,同时具有较高的定位精度。     

Robust Indoor Positioning Provided by Real-Time RSSI Values in Unmodified WLAN Networks

The positioning methods based on received signal strength (RSS) measurements, link the RSS values to the position of the mobile station(MS) to be located. Their accuracy depends on the suitability of the propagation models used for the actual propagation conditions. In indoor wireless networks, these propagation conditions are very difficult to predict due to the unwieldy and dynamic nature of the RSS. In this paper, we present a novel method which dynamically estimates the propagation models that best fit the propagation environments, by using only RSS measurements obtained in real time. This method is based on maximizing compatibility of the MS to access points (AP) distance estimates. Once the propagation models are estimated in real time, it is possible to accurately determine the distance between the MS and each AP. By means of these distance estimates, the location of the MS can be obtained by trilateration. The method proposed coupled with simulations and measurements in a real indoor environment, demonstrates its feasibility and suitability, since it outperforms conventional RSS-based indoor location methods without using any radio map information nor a calibration stage.