基于WiFi信号的室内外联合定位技术研究

当前基于GPS与WiFi的室内外联合定位技术实现了较高定位精度,然而此类方法在过渡区域时需要处理两种不同场景的信号,存在越区平滑切换难以及缺乏有效的数据关联等问题。针对上述问题,将物理空间位置信息与WiFi信息关联建立了基于WiFi信号的室内外联合定位图模型,并使用Jaccard相似度算法进行室内外判定和一次定位。为了增加WiFi定位精度,使用三次样条插值扩充WiFi指纹库,并通过加权K近邻算法进行二次精准定位。实验结果表明,基于定位图模型的方法具有较高定位精度和较小的系统时延。此外,结合校园三维模型与前端技术开发了WiFi室内外联合定位系统,并部署在云服务器端,验证了所提出的定位方法具有潜在应用价值。     

使用位置指纹算法的WiFi定位系统设计

随着无线城市的建设和推广,WiFi无线热点的数量在逐渐增加,基于智能手机的定位应用也受到越来越多的关注。然而仅借助于GPS卫星定位系统,无法在高楼林立的市中心或是室内场景定位。因此,本文利用WiFi信号本身的特点,在Android平台上设计了一种基于位置指纹算法的WiFi定位系统。针对WiFi信号本身的不稳定性以及不同设备之间无线信号接收差异两种影响因素改进了该算法。     

室内导航系统关键技术研究及实现

近年来,伴随着经济的快速发展,科学技术也进步神速。其中,无线通信技术是一颗耀眼的新星,其衍生出来的智能装备也进入生活的各个方面,定位与导航的应用也越来越广泛。然而仅仅借助GPS卫星定位导航,无法满足在大型商场、机场大厅、仓库、图书馆、地下停车场等环境较为复杂的室内环境。利用WiFi信号的特点,设计了一种基于WiFi的室内导航系统。研究了几种定位技术,比较了几种关键路径选择算法,选择WiFi及A*算法对室内导航系统进行设计与实现。     

基于XGBoost的客户所在店铺WiFi定位技术研究

为了减小室内复杂环境等因素对WiFi定位的影响,降低定位成本,提高定位精度并缩小定位区域,通过对室内定位系统和相关机器学习算法进行深入分析和探讨,提出了一种基于XGBoost的WiFi室内定位算法。根据WiFi信号强度分布不均匀的特点,此算法通过提取WiFi强度特征,并利用XGBoost分类器对信号来源进行定位。实验结果表明,该定位算法在WiFi强度特征可检测时达到了87.72%的定位精度,达到预期的定位效果,同时定位时间较短,稳定性较好,可以基本满足实时定位的要求。     

基于Android平台改进的室内WiFi定位算法的研究

基于Android手机平台设计并实现了WiFi室内定位系统。该系统采用指纹定位算法,通过手机采集室内WiFi信息并建立数据库,当用户发出定位请求时,手机将扫描到的WiFi信息发送给数据库,通过匹配算法进行位置定位。通过对采集后的数据进行加权以及对数据库数据进行预先处理,降低了运算量,同时去除了较小的信号强度的干扰。实验表明,与传统算法相比,该系统定位精度大大增加。     

基于扩展Kalman滤波的室内WiFi-PDR融合定位算法

为解决室内WiFi定位精度较低及行人航位推算(PDR)定位存在累积误差的问题,提出一种基于扩展Kalman滤波(EKF)的WiFi-PDR融合定位算法。WiFi通过改进的WKNN算法实现匹配定位,根据定位点与K近邻点的接收信号强度指示相对偏差进行权值修正,PDR定位采用多重约束条件的步态检测和在线步长估计方法。在此基础上,将EKF作为WiFi和PDR定位的融合滤波器,以降低WiFi定位回跳和PDR累计误差,从而提高定位精度。实验结果表明,在多次行迹转弯条件下,该融合定位算法的定位精度可达1.8 m。     

WiFi室内定位技术在健身场所的应用研究

随着WiFi技术的发展,当前国内健身房管理方式逐渐从传统射频卡识别转化成WiFi室内定位识别,改进后有效地节约了健身成本。目前WiFi室内定位技术如三边定位、贝叶斯定位算法等已均被提出,但仍存在定位误差大、计算复杂度高等弊端。因此,提出基于滤波的三边定位及模式聚类两种定位算法。基于滤波的三边定位通过增加卡尔曼滤波,降低噪声数据的影响,从而减小定位误差。模式聚类定位转变常用的贝叶斯概率聚类方式,采用健身者运动模式进行个性化聚类,有效地提高定位识别率和准确率。实验结果表明,相比基线方法,基于滤波的三边定位和模式聚类定位算法应用于健身场所更加精确化、人性化。     

基于WiFi的四边测距修正加权质心定位算法

针对现阶段无线信号传播过程易受周围环境干扰、运动载体定位算法精度低的问题,提出一种基于WiFi技术的四边测距修正加权质心定位算法.该算法首先运用近高斯拟合算法和卡尔曼滤波剔除RSSI数据中的突变数据和差异较大的数据,选出最优的RSSI值;然后根据无线信号传播路径损耗模型,运用RSSI值对移动终端和AP的距离进行模型计算;最后采用改进加权因子的加权质心定位算法并结合四边测距法对待定位点坐标进行计算.仿真实验表明:基于WiFi技术的四边测距修正加权质心定位算法相对提高了定位的精度.     

移动网络相对定位算法研究

节点的相对定位是移动网络路由中一个重要的问题.定位算法的优劣直接关系到基于位置的路由算法性能.在引入三角定位算法和伪距定位算法的基础上,对节点的相对定位进行了研究,并提出了将两种算法相结合的定位思想.它以三角定位算法为基础,辅以伪距定位算法,从而提高了定位的精度.     

一种层次Levenshtein距离的无指纹校准的室内定位方法

随着移动计算领域的兴起,基于位置的服务越来越受青睐。目前各种室内定位的方法层出不穷,由于室内广泛部署了无线基础设施,基于WiFi指纹信息的室内定位技术是其主流方法。设备异构和室内环境变化是影响定位精度的主要因素。本文针对以上两个问题,提出一种层次Levenshtein距离（HLD）的WiFi指纹距离计算算法,实现异构设备的指纹无校准比对。将不同移动设备采集的RSSI信息转化为AP序列,根据AP对应的RSSI值的差异性计算其层次能级,结合Levenshtein距离计算WiFi指纹之间的距离。对于需定位的WiFi指纹RSSI信息,利用HLD算法获取K个近邻,采用WKNN算法进行预测定位。实验中,为了验证算法的鲁棒性和有效性,在3种不同类型的室内环境中采用5种不同的移动设备来采集WiFi的RSSI信息,其定位的平均精度达1.5 m。     

参考点对WiFi位置指纹算法的影响

随着室内定位技术的发展,WiFi位置指纹定位算法得到了人们的广泛关注,主要探讨了参考点数量与参考点间隔对于算法精度的影响.采用Matlab软件对位置指纹算法分别在实验环境和模拟环境中进行了仿真,通过实验数据得出随着参考点数量的增加,KNN与WKNN算法定位精度差不断减小,参考点数量越多,后改进的WKNN算法相比于KNN算法的定位精度提高的也越来越小,基本无明显差别.参考点数量越多计算越复杂,采用白化的K-Means聚类算法提高计算效率和定位精度,对参考点间隔对于定位精度的影响进行了实验,得出定位精度并不是参考点间隔越小越精确,而是在1.5m左右的间隔为佳.     

基于WiFi的分布式监视场景拼接系统

随着数字化信息技术的不断发展,监视系统已经成为各行业领域中的重要应用.随着WiFi等无线技术的发展,实现了视频数据的无线传输,因其特有的便捷性将传统的有线监视系统取而代之.图像拼接是目前图像处理的一项热门技术,将两幅或者多幅具有重叠区域的图像拼接成一幅无缝隙高分辨率的图像.本论文结合WiFi无线技术和图像拼接技术的优势,提出了基于WiFi的分布式监视场景拼接系统,多个客户端采集的图像通过WiFi无线网络传输到服务器,服务器对传输过来的图像采用SIFT算法和RANSAC算法完成拼接,最终实现了宽场景监视.实验结果表明该系统可以有效地实现监视场景拼接.     

基于手持设备的室内定位系统设计与实现

为解决无法在室内使用GPS的问题,设计并实现了基于常用手持设备(如手机、平板电脑)的室内定位系统。系统融合了传统的惯性定位方法和基于WiFi信号强度定位方法,易于搭建,仅需一个包含惯性传感器、电子罗盘、WiFi扫描的手持设备。提出了惯性定位中的路径匹配算法和WiFi信号定位方法中的位置估计算法。经实际测试,系统定位精度小于4m。     

基于RFID的室内定位技术评述

室内定位技术以其在定位搜救、公共安全、商业等方面良好的应用前景而备受人们重视。阐述了用于室内定位的几种算法,在详细介绍RFID传感器定位原理、特点及关键技术的基础上,评述了LAND-MARC定位系统及其优缺点,并展望了室内定位技术的发展趋势。     

基于内容与社会过滤的好友推荐算法研究

基于内容算法与社会过滤算法都是迄今为止在社交网络中较为成功的好友推荐算法。结合两者的优点,根据用户已有的好友来给用户推荐新的好友,并与用户的兴趣爱好、地理位置等个人信息相结合的方式来处理好友推荐问题。通过实验验证以及准确率和召回率的评测显示,改进的算法比传统的好友推荐算法在推荐性能上有较为明显的提高。     

空频域图像增强方法研究综述

对于小样本图像数据集往往采用图像增强的方法扩充数据量增加实验的合理性,图像增强算法能够提高图像整体和局部的对比度,突出图像的细节信息,使图像更符合人眼的视觉特性且易于机器识别。为了深入研究图像增强应用的新思路、新方向,从图像增强算法的基本原理出发,归纳总结了近年来应用比较广泛的空域和频域两大类图像增强算法,包括直方图均衡图像增强算法、灰度变换图像增强算法、空域滤波图像增强算法和频域滤波图像增强算法,分别详细介绍了它们的基本概念和相关定义并简述了其浅层面的优缺点。另外采用主观和客观的评价方法对这些算法的增强效果进行了对比和分析,并对各算法的优缺点、适用场景和复杂度进行了对比分析,以更深入研究各个图像增强算法的隐含有用信息,以找出鲁棒性、适用性更强的图像增强方法。实验结果表明,不同的算法都具有各自的特点,针对不同的图像效果不同,增强对比度更适宜采用空域图像增强方法,突出细节更适宜采用频域图像增强方法。单一的方法无法满足图像处理的需要,优势结合的图像增强算法更有研究意义。对这些算法的深入研究能够为研究者带来新的契机,拓展新的研究方向,推动整个图像增强技术高水平发展,使图像增强技术在多个学科领域发挥重要作用。     

基于RSSI的WiFi指纹定位数据融合算法研究

目前已有的位置指纹室内定位算法大多都是建立在原始指纹数据库的基础上,指纹数据库的建立精度会直接影响到最后的定位精度,因此在基于WiFi的定位技术中,对接收信号强度(received signal strength indication,RSSI)的稳定性要求比较高。通过对指纹数据的研究,提出了一种基于高斯核函数融合卡尔曼滤波对数据进行预处理的方法。实验证明,该融合算法能有效剔除RSSI指纹数据中的突变数据和噪声波动,实现RSSI值的准确、平滑输出,从而建立准确的指纹数据库,使后期的定位结果更加精确。