一种利用历史数据构造虚拟标签的定位算法

在RFID定位算法中,利用接收信号强度统计模型进行直接定位的精确度不高,而利用实际参考标签定位存在信号易碰撞、外出部署不便等问题,因此提出一种基于虚拟标签的RFID定位算法VIREH以克服以上缺点.该算法利用历史数据构建虚拟参考标签,然后利用虚拟参考标签代替实际参考标签进行定位.依据VIREH算法,开发基于Android移动设备的RFID定位系统,在系统中使用VIREH算法进行定位,对定位误差进行了统计以测试算法性能.测试结果表明,VIREH算法的定位精度较直接定位有显著提高,较使用实际参考标签没有明显降低,有助于提高RFID定位精度.     

基于Tikhonov正则化的WSN多边定位算法研究

节点定位是无线传感器网络实现监测和跟踪的一个重要前提.针对多边定位中的不适定问题.提出了一种基于Tikhonov正则化方法的定位算法,研究了定位模型的建立、正则化参数的选取方法以及最优定位参考点数的选取等问题.实验结果表明本算法与典型的极大似然估计法相比,较大幅度地提高了定位精度,当a值选取600,采用5个参考节点时,定位精度可达到1米.     

基于RSSI概率统计分布的室内定位方法

针对接收信号强度指示（Received Signal Strength Indication,RSSI）时变现象影响WLAN室内定位精度问题进行了研究,提出了一种基于RSSI概率统计分布（Statistical Probability Distribution,SPD）的加权K最近邻（Weighted K-Nearest Neighbor,WKNN）方法--SPD-WKNN方法。该方法首先利用SPD方法得到指纹点RSSI向量区间;然后运用SVM算法选取测试点K个近邻指纹点,计算测试点RSSI向量到每个近邻指纹点的最小欧氏距离;最后结合WKNN算法获取定位结果。实验结果表明,SPD-WKNN方法与NN、KNN、WKNN、SVR和LSSVM方法相比定位误差分别降低了47.3%、41.6%、31.9%、27.1%和16.3%,呈现了良好的定位效果;利用SVM算法的稀疏性明显减小了运算时间。     

基于动态K值及AP MAC地址筛选的室内定位算法

在简单介绍动态K值加权室内定位算法(EWKNN)并分析其不足的基础上,探索研究了基于动态K值及AP MAC地址筛选的室内定位算法。该算法首先使用EWKNN方法动态选择参考点个数,并根据测试点和参考点之间AP的MAC匹配度,进一步筛选出最优的定位参考点;最后采用得到的最优参考点与测试点之间的距离进行加权定位。实验表明,相对于传统的EWKNN定位算法,提出的算法具有较高的定位精度。     

基于LoRa指纹的室内定位算法

在基于LoRa的室内定位研究中,提出一种基于LoRa指纹和支持向量回归(SVR)的室内定位算法。针对传统基于无线信号RSSI指纹和SVR室内定位算法定位精度不高问题,从两个方面进行改进:在指纹特征方面,增加LoRa测距指纹,提高指纹稳定性;在指纹数据库建立和在线定位过程中,分别采用高斯滤波和中位数滤波来对指纹进行预处理,消除指纹的粗大误差。实验结果显示:1 m以内的定位误差的累积概率为78.5%,3 m以内的定位误差的累积概率为90%。增加LoRa测距指纹之后定位精度相比之前提高了40%;增加了高斯滤波与中位数滤波预处理后定位精度较传统的支持向量回归算法提高了38%。两个方面改进之后定位精度总体提高63%,证明了该算法的两个改进是有效的。     

基于蝙蝠算法的位置指纹定位技术的研究

为了改进室内位置指纹定位技术存在离线阶段工作量大、定位精度有限、鲁棒性较差的缺点,提出了一种基于蝙蝠算法的位置指纹定位技术的方法。该方法利用中点插值法和信道衰减模型自动生成指纹数据库从而代替了离线训练阶段,实现了定时自动更新数据库的功能,并且将[K]近邻算法和蝙蝠算法结合应用于匹配算法的阶段,最终实现定位功能。该方法与传统位置定位技术相比降低了整体定位的工作量,能快速应对环境变化对定位结果的影响,最后在给定的仿真环境下进行了定位性能的测试,结果显示该方法较其他算法相比平均定位精度大约提高了23.14%,绝大部分的盲节点的定位误差范围在1.5 m以内,显示出在定位精度、鲁棒性和适应环境变化方面的优势。     

基于局部聚类优化的听觉定位方法

随着室内服务机器人的广泛应用?室内定位已成为了当前研究热点和难点问题之一,针对传统的声音位置指纹定位算法中离线划分区域造成区域边缘点定位误差较大的问题,提出了一种二次局部聚类的优化算法来提高位于聚簇边缘的测试点的定位精度。首先,通过主成分分析(Principal Component Analysis, PCA)算法对声音信息采集系统采集计算得到的声达时间差(Time Difference of Arrival, TDOA)特征向量进行降维处理,然后通过局部聚类优化算法对待测点位于的聚簇进行优化。与传统的区域划分不同,采用局部聚类优化可以减少因待测点位于聚簇边缘导致因参考信息不足而造成定位误差较大的现象。此外,采用局部聚类优化算法可以在满足系统定位精度的同时有效减少定位算法的时间开销。实验结果表明,基于局部聚类优化算法的声音定位方法可以有效的提高位于聚簇边缘的待测点的定位精度,并且在算法的实时性和鲁棒性上也有了提高。     

无线传感器网络重复优化无锚点定位算法

针对经典多维定标无锚点定位算法在节点定位精度方面的不足,提出一种基于多维定标的重复优化无锚点定位算法。该算法建立一个关于相对坐标矩阵的目标函数和重复优化公式,当目标函数取极小值时,可以得到节点相对坐标。仿真结果表明,与经典MDS算法相比,重复优化无锚点定位算法能够提高2.95%的平均定位精度,较好地实现网络有效定位。     

基于矿井WiFi通信系统的混合定位方法研究

分析了现有矿井目标定位方法原理及存在的问题:非测距定位中的基于射频识别技术的定位方法、基于蜂窝小区标识的定位方法和无线传感器网络定位方法只能确定目标节点的范围,定位精度较差;测距定位精度较高,但基于到达角度的定位方法、基于到达时间的定位方法和基于到达时间差的定位方法对硬件设备要求较高,难以在煤矿井下应用;基于接收信号强度的定位方法易于实现,但受环境噪声影响较大,定位精度降低。提出了一种基于矿井WiFi通信系统的混合定位方法,该方法分粗细两步进行定位:粗定位采用基于蜂窝小区标识的非测距定位方法,确定目标所在的小区范围;细定位采用基于接收信号强度的测距定位方法。该混合定位方法可以在不增加定位系统复杂度的情况下提高目标定位的精度。     

移动台混合定位方法的研究

移动通信系统中,针对移动台的定位精度问题,提出基于A-GPS的混合定位方法.当GPS无法独立完成定位需求时,则切换至基于移动台的定位方法完成定位服务.在基于移动台的定位算法上,采用到达时间差(TDOA)的方法,并通过最小二乘法降低由非视距传播带来的误差影响,提高TDOA的定位精度.经过计算机的仿真试验,证实此算法在一定噪声环境中能够达到克拉美罗下限,并且优于其它同类算法,取得了较好的定位效果:适用范围广,定位速度快、精度高,完全可以满足定位服务的要求.