室内可见光定位算法研究

针对室内场所定位精度低的问题,本文提出一种基于改进粒子群算法的 RSSI（Received Signal Strength Indication：接收信号强度指示）可见光定位方法。采用莱维飞行算法对粒子群算法进行改进,解决了标准粒子群算法易陷入局部最优的问题,提高了算法的收敛速度和定位精度。在 5m×5m×3m 的室内环境下,经过仿真测试,本文改进后的粒子群算法结合 RSSI 定位方法定位精度可以达到0.038241m,算法稳定度上升,定位精度更高,更适合在室内定位中使用。     

PD辅助的P3P可见光定位算法

针对可见光定位中的发光二极管（LED）数目和朝向对定位性能影响较大的问题,提出光电传感器（PD）辅助的3点透视（P3P）定位算法。算法首先基于图像信息估算入射角,然后使用经典P3P算法得出4组接收器到3个LED的距离解集,最后基于光强信息确定唯一的距离解集并计算位置信息。仿真结果表明,该算法能有效地降低LED倾斜带来的定位误差。为了进一步验证算法性能,搭建了可见光定位平台。基于实测平台验证了该算法使用3个倾角在15°之内的LED可以实现20 cm以内的定位误差。     

光电经纬仪利用雷达距离数据实现单站定位方法研究

为了解决经纬仪快速定位问题,提高其使用效率,提出利用在光电经纬仪附近同站住两维雷达距离测量数据,结合光电经纬仪俯仰角测量数据,将雷达测量的相对于目标的距离数据转换到经纬仪相对于目标的距离数据,从而实现单站定位方法.经过误差分析表明,定位精度小于5m,满足对目标定位精度要求.同时经纬仪不需要与其它经纬仪交会即可对目标定位,减小了经纬仪对布站的限制.     

信标漂移场景下基于加权DS证据理论的目标定位

移动目标定位一般利用位置已知的信标节点确定目标位置.然而,部分信标节点可能受到外部因素的影响而偏离原来位置,即信标漂移,它使得定位结果误差增大甚至定位失败.为此,本文提出一种基于加权DS(Dempster-Shafer)证据理论的漂移节点重定位算法,它通过确定节点是否发生漂移并判断其可信度,进而选取未发生漂移或漂移小的节点作为重定位的信标节点,利用这些新信标节点即可实现移动目标的定位.此外,为了使得定位结果更加精确,算法还计算了外部因素对节点漂移的影响,将其作为权值对定位结果进行加权优化.仿真结果表明,本文算法在漂移距离总和、定位精度和可定位节点比例等方面具有明显优势:在100 m×100 m区域内,多数情况下重定位信标漂移距离总和在0～2 m范围内,重定位误差在0～3 m范围内,可定位节点比例超过80%.     

RFID室内定位算法与天线布设方案研究

为提高室内定位系统性能、节约成本,提出一种基于多边测量的有源射频识别(RFID)室内三维定位算法。采取单个阅读器在4根天线下分时发射接收标签信号对未知标签进行定位,利用接收信号强度指示(RSSI)测得待定位标签到不同天线的距离,求解待定位标签位置。为探讨天线布设对定位精度的影响,对10 m×10 m×10 m空间内天线摆设方案进行了研究。仿真结果表明:采取4根天线对未知标签进行定位,先用多边定位法求出初始位置,再用迭代法求解标签坐标,并对标签定位3次,取其均值作为最终结果的方案, 其定位效果好;定位天线所构成的四面体体积越大,三维定位的误差均值越小。       

基于扩展卡尔曼滤波算法的室内定位跟踪系统

为了解决无线室内定位系统实时跟踪位置坐标误差较大问题,提出一种基于扩展卡尔曼滤波(EKF)算法的室内定位方法。系统采用基于WiFi信号指纹定位,然后利用扩展卡尔曼滤波对估算的位置进行滤波,以改善WiFi指纹定位方法的精度,达到对目标实时跟踪。仿真和实验结果表明,该算法有效地改善了系统定位精度,能较好地满足室内定位的需求。     

基于指纹的可见光室内定位系统融合算法

可见光室内定位系统由于墙壁反射和外界噪声存在而产生误差.对现有的基于指纹识别的可见光室内定位算法进行仿真比较,提出了将确定型算法与概率分布算法融合的室内定位改进算法.首先用KNN算法选取几个与接收机位置相近的网格点,对接收信号进行高斯滤波,而后用贝叶斯算法计算其后验概率,后验概率最大的点即为估计位置.这一改进算法不仅降低了贝叶斯算法的复杂度,也大大提高了KNN算法的定位精度,平均误差为0.17 m.     

基于二值化差分的CCD星图快速定位方法

大视场星敏感器的发展以及光电望远镜观测模式的改进,对CCD星图图像处理速度提出了更高的要求。文章给出了交叉投影星点快速定位算法的一种改进方法,根据其投影原理对投影值进行二值化后,运用差分方法对星图目标进行边界提取,并结合质心定位算法实现对星图目标的快速定位。仿真实验结果表明,同交叉投影算法相比本方法具有更快的处理速度。     

一种面向室内环境变动的人员目标无源定位算法

现有的基于接收信号强度(RSS)的人员目标无源室内定位算法在定位环境变动的情况下难以兼顾人工工作量、时间消耗和定位准确率。针对这个问题,本文提出了基于迁移聚类和坐标融合的变分自编码器(FusVAE)的室内环境变动下人员目标无源定位算法。在环境变动后,采集少量无标签RSS样本,然后使用本文提出的基于度量学习的半监督模糊C均值聚类(SFCMML)对其进行精确聚类和标签标注,对原有的定位模型进行重训练,只需很小的人工和时间代价就可以使原定位模型在新环境下也具有较高的定位准确率。同时,针对变动后环境下采集RSS样本较少的问题,本文提出了基于坐标融合的变分自编码器(FusVAE),对新环境下的RSS样本进行数据增强,丰富了RSS样本的数量和质量,提高了定位模型的泛化能力。实验结果表明,在环境变动的情况下,本文提出的算法的平均定位准确率可达88.6%,和同领域同类型算法相比,具有较高的定位精度和较好的环境变动适应性,更适用于变动环境下的人员目标无源室内定位问题。     

改进UKF算法在移动机器人定位系统中的应用

为解决移动机器人室内定位误差较大的问题,提出一种将最小偏度采样策略和衰减记忆滤波相结合的改进UKF(unscented Kalman filter)算法.该算法采用最小偏度采样策略,采样点个数由2n+1减少到n+2,提高了定位实时性;采用衰减记忆平方根滤波修正量测噪声的权值,避免滤波发散,提高了系统鲁棒性.构建无线局域网定位系统,使用改进的UKF算法对获得的无线信号(RSSI值)进行滤波.采用三边定位法进行定位计算.实验结果表明,系统平均定位误差降低49%,达到0.505 m,可较好地实现机器人的精确定位,满足移动机器人的室内定位要求.     

NLOS环境中的线性回归最小二乘三维定位算法

针对室内非视距无线环境中移动终端的三维定位问题,提出了一种非视距无线环境中基于线性回归与最小二乘法的三维定位算法。首先,基于无线通信环境中波达时间(TOA)的测量误差具有正偏置的特性,运用线性回归估计测试终端到基站之间的非视距测量距离误差与真实距离之间的线性关系;然后,根据该线性关系运用最小二乘原理对移动终端进行三维几何定位。实验结果表明,算法具有较高的定位精度,最大定位误差不超过2 m,且在非视距环境下,所提出的定位算法不仅不需要TOA的时延分布先验知识,而且定位精度优于其他基于TOA的两阶段最小二乘定位算法的定位精度。     

提高NLOS环境下室内定位精度的新方法

针对室内环境下无线信号的功率既可能增强又可能减弱而导致定位测量误差具有正负偏置的问题,提出了一种改进的到达信号强度室内定位算法,利用定位圆环相交,再对相交各点采用加权质心的算法获得移动台位置.仿真结果表明,这种定位方法能有效提高非视距环境下室内定位的精度.     

3D indoor floor localization based on WiFi and PDR

A layered indoor 3D positioning technology based on WiFi positioning and Pedestrian Dead Reckoning (PDR) is proposed to solve the problem that the pedestrian can only get coordinates in the 2D plane and low accuracy of current indoor localization from intelligent terminal. In the PDR location, the pedestrian's horizontal walking or taking up-down stairs can be distinguished by detecting the pitch-rate mutation. Height change of the pedestrian is obtained by using the effective steps and stairs information. The equations of the two different behavior patterns are constructed and three-dimensional PDR is realized. In the part of the filter, a particle filter algorithm combining WiFi, PDR, building information and behavior patterns is proposed. By fusing the building information and behavior models into the weight calculation and the sampling of the particle, the localization precision is effectively improved. The results show that the average error of the horizontal location is 2.6m and the average error of the height estimation is 1.1m, which satisfies the demand of the individual intelligent terminal for the location service, with the elevation parameter enabling the user to recognize floor information.     

利用测距值优化的室内三维定位算法

为了解决实际误差分布与假设误差分布不匹配导致最小二乘三维定位算法精度较低的问题,提出一种基于测距值优化的最小二乘室内三维定位算法.结合残差修正、Cayley-Menger行列式及空间四面体几何约束,利用非线性规划方法优化测距值,使测距误差符合高斯分布特性,从而提高最小二乘三维定位算法的定位精度.实验对比分析结果显示,所提算法具有较高的定位精度及稳定性.     

基于EC-TDOA和ZigBee技术的室内超声波定位系统

目的研究室内定位方法机理,解决室内目标高精度定位的问题．方法设计了一种基于测距的室内定位系统,该系统采用测量射频信号和超声波信号到达时间差的方法测距并引入校正因子减小测距误差,通过极大似然估计定位方法计算目标位置,运用ZigBee制作节点模块组成网络实现对室内目标的定位．结果在测距实验中,EC-TDOA测距结果的误差小于0．02cm,满足测距精度要求．在定位实验中,最大定位误差和平均定位误差分别为4．3cm和1．64cm,而定位误差在2．5cm以内的比例达到90％．定位频率为20Hz,满足实时定位的要求．结论系统在室内环境中实现对超声波信号覆盖范围内移动节点的定位,通过测距校正有效提高定位精度．系统具有较强的容错性和自适应性．     

一种基于Shapelet算法的指纹定位方法

信道状态信息（CSI）受时空影响较大,导致现有基于CSI的室内定位技术鲁棒性差.针对这一问题,提出了基于Shapelet算法的指纹定位方法.在训练阶段将CSI作为原始位置数据,通过3-σ异常值处理法和卡尔曼滤波对原始数据进行处理、修正;再使用Shapelet算法提取每个位置的指纹,并建立指纹库;最后使用指纹库构建Shapelet决策树,通过决策树分类实现较为精准的定位.通过与主成分分析算法以及k近邻算法的对比实验,结果表明,该方法在不同时间的定位精度较高,且能保持性能稳定,所需训练集更小.     

基于RSSI辅助的精确测距混合定位算法

针对传统的超宽带（UWB）室内定位方法中,UWB信号极易被遮挡,满足不了3个以上有效测距信息,导致无法精确定位的问题,提出了一种基于接收信号强度（RSSI）辅助的精确测距混合定位算法。该算法通过对数正态模型,将无线网络（wireless LAN,WLAN）中测量的RSSI转换为距离信息,通过构建距离差的代价函数,结合单个UWB基站的精确测距,利用搜索方法,实现了在多个RSSI测量值辅助下,一个UWB测距基站便可完成精确定位。该算法与三边测量定位中的最小二乘估计算法和最大似然估计算法对比,定位精度在任意网络环境下均优于最小二乘估计算法,且在定位精度相似的情况下,计算量远少于最大似然估计算法。     

基于超声波的室内三维定位系统

为满足对室内定位技术和系统应用平台的迫切需求,提出一种基于超声波的室内三维定位系统,阐述了其工作原理并对三边定位算法进行了研究。该系统基于射频和超声波传感器的固有性质,对超声波信号采用CDMA（Code Division Multiple Access）技术进行编码,以便在目标节点上区分每个信标发来的超声波信号,并结合射频信号实现TDOA（Time Difference Of Arrival）测距算法,最终实现三维定位。实验研究表明,以一个信标为原点,另外两个信标分别放置为X轴和Y轴上,建立三维坐标系,能简化三边定位算法,并能实现精度较高的三维定位。