基于多信号源融合的室内定位技术方案探讨

随着社会的发展,室内定位越来越重要。在室内定位技术基本原理的基础上,衍生出了多种技术方案。文章先讨论了当前主流的室内定位技术,然后提出一种基于Wi-Fi信号位置指纹技术和行人航迹推算技术相结合的室内定位系统,同时引入KNN算法、扩展卡尔曼滤波算法,提高了室内定位精度。     

基于行人航迹推算的室内定位算法研究

针对室内定位的实际应用需求,提出了基于行人航迹推算算法(PDR)的适用于手机采集数据的室内定位方法。不同于传统的数据采集方法,该种定位方法利用手机得到加速度、陀螺仪以及地磁原始数据,通过分析加速度信号实现步频探测和步长估计。利用扩展卡尔曼滤波器(EKF)融合各惯性传感器数据以提高方向角的解算精度。最后设计了基于Android平台的数据采集软件,可利用手机内置的传感器设备实现数据采集。经实验数据分析,该算法的定位精度优于2m,在实用的基础上具有较高的定位精度和较低的实现复杂度。     

基于Wi-Fi室内定位的位置指纹算法

随着Wi-Fi网络室内覆盖率的增加,人们对位置服务的需求也不断增加。利用现有的Wi-Fi网络进行室内定位,先分析了NN算法存在的不足,并提出了一种WNN位置指纹定位算法。整个定位过程分为数据采集、数据处理即奇异值处理和滑模滤波处理、实时定位即用WNN法对处理后的离线数据和实时数据进行对比、匹配,最接近的那组数据对应的区域号为定位结果。对几种信号处理方法进行了比较,得出滑模滤波的效果最优。实验表明,修正后的定位算法的定位准确率明显提高,达到了90%以上。     

基于位置指纹室内定位技术的养老院养护系统

随着我国科学技术不断的发展进步,也在很大程度上推动了指纹室内定位技术的发展进程,由于养老院人员数量较多,所以,也为其日常的养护工作带来了诸多的困难,本文主要立足于位置指纹室内定位技术的养老院养护系统,展开了深入的研究与分析,以此期望为我国各个养老院在面对于老人日常的养护工作问题上,提供一些参考性的建议.     

基于LS-SVM的位置指纹室内定位

基于无线接入点（Access Point,AP）接收信号强度（Received Signal Strength,RSS）的位置指纹室内定位技术近几年已经成为国内外位置感知研究的热点。提出了基于最小二乘支持向量机（Least Squares Support Vector Machines,LS-SVM）的位置指纹定位方法。给出了基于LS-SVM的指纹定位模型,描述了LS-SVM指纹样本训练的具体实现过程。重点在于将定位问题转化为一个多类别分类问题,并分别采用一对一（OAO）和一对多（OAA）方法将其转化为多个二值分类问题。仿真结果表明,LS-SVM较传统支持向量机（SVMs）、K近邻（k-Nearest Neighbors,K-NN）定位方法的分类准确率高且计算代价小,平均分类准确率达92.00%。     

基于PDR反馈的Wi-Fi室内定位算法研究

Wi-Fi指纹定位易受周围环境的影响,稳定性差;行人航迹推算定位（pedestrian dead reckoning,PDR）定位需要待定位目标的初始位置,且容易产生累计误差。针对上述问题,提出了一种基于PDR反馈的Wi-Fi室内定位算法。该算法主要分为三个阶段：基于相关向量回归（relevance vector regression,RVR）的初始位置定位阶段、基于PDR定位的反馈阶段、基于K近邻（K-nearest neighbor,KNN）的指纹定位阶段。实验结果表明,提出的算法在定位精度和稳定性方面较其他的定位算法有明显的提高,并且该算法相对于Wi-Fi定位减小了时间复杂度,实时性较好。     

基于行人航位推算的室内定位技术综述

行人航位推算系统(PDR)因其无需部署信标节点、成本低廉的特点被广泛应用于室内定位中。围绕基于行人航位推算的室内定位问题,对行人航位推算中步态检测、步长推算以及方向推算的研究现状进行了系统的梳理和述评,综述了基于行人航位推算的室内定位的发展及该领域的一些主要研究成果,指出了该领域现有研究存在的问题,提出了相应建议和深入研究的方向。     

基于双重匹配位置指纹的室内停车场定位方法

为了提高室内停车场的寻车效率,提出了一种基于双重匹配位置指纹的室内停车场定位方法.该方法在加权K邻近算法基础上,利用RSSI值得出用户坐标,融合数据过滤算法与格点对应算法,以降低算法的定位误差,并采用双重数据库方法提高定位效率.实验采用均方根误差与累积分布函数两种指标对比了WKNN算法、过滤WKNN算法、格点WKNN算法与本文算法,实验结果表明本文算法具有较高的定位精度.     

基于KELM的位置指纹室内定位方法研究

考虑到位置指纹的非线性特性,提出基于核极限学习机（KELM）的位置指纹定位方法。KELM以其快速学习的特点,同时拥有紧密的网络结构,有效解决传统定位算法离线学习时间长和鲁棒性差的问题。通过改变离线数据收集环境,采用不同Wi-Fi接入点作信号源来分析KELM算法的定位性能,实验结果表明,同等条件下与基本ELM、SVM和kNN等位置指纹定位方法相比,KELM表现出更好的定位能力。     

基于实时步长匹配的行人室内定位方法

针对室内定位研究中行人航位推算（PDR）算法的传统步长模型无法充分反映个体差异性的问题,提出一种以卫星测距为基础,建立个体步长特征数据库代替步长模型的方法. 在室外将卫星测距应用到步长测算中,建立不同速度特征与步长的对应关系. 在室内,改进了K-最近邻（KNN）算法,对跨步进行实时步长匹配,结合方向信息计算出行人的当前位置. 实验结果表明,室内定位最大误差距离可以控制在4%以内,平均绝对误差距离可以控制在2%以内,定位精度较传统步长模型有较大提高.     

面向室内定位的改进行人航位推算方法

为提高室内定位精度,对行人航位推算的3个关键内容：步数检测、步长估计及航向估计分别进行了改进研究,提出了一种结合自相关分析和自适应波峰检测的新检测算法、一个基于Scarlett模型并融合前一步步长信息的改进步长估算模型、以及一个结合方向传感器算法与卡尔曼滤波的主导航向设置方法;实验结果表明以上改进方法提高了步数检测准确率和步长检测精度,减少了航向角误差,取得了较好的室内定位效果。     

基于WiFi指纹的室内轨迹定位模型

基于WiFi指纹的无线定位根据目标接收到的无线信号强度来反推其所处位置的定位模型,在室内定位研究中被广泛应用。当前对指纹定位算法的研究主要集中在单点定位,但在实际的应用中经常需要追踪目标在空间上的运动轨迹。为此,在单点定位模型的基础上,提出一种基于核函数的隐马尔科夫链模型,通过高斯核函数计算指纹的似然概率,定义位置点之间的转移概率,同时通过限制转移位置点的搜索范围提高算法效率,并应用隐马尔科夫链模型对移动轨迹进行定位。实验结果表明,该算法在定位准确率和定位误差方面性能均优于对比算法。     

融合RSSI测距定位的室内PDR算法

在室内定位系统中,针对RSSI测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化和行人航迹推算(PDR)定位系统漂移误差长时间的累积效果,提出融合RSSI测距定位的室内行人航迹推算算法,以扩展卡尔曼滤波器实现两者定位信息的融合,获得系统的最优定位结果。仿真结果表明,该融合定位算法的平均定位误差约为0.83205 m,范围维持在0.51948 m～1.13529 m内,并在定位稳定性方面表现出良好的性能,验证了该方法的合理性和有效性。     

基于GLRT零速检测算法的行人室内定位系统

针对微机电系统中惯性传感器漂移大、精度低导致室内行人定位精度不高的问题,本系统在惯性导航解算算法的基础上,提出基于广义似然比检验的零速检测算法.该方法是利用广义似然比检验对行人处于站立相或摆动相的概率进行估计以及进行零速更新,提高行人定位精度.基于本文提出的行人室内定位模型,搭建以惯性测量单元为核心的实验平台,评估本文算法的可行性.实验结果表明行人定位的动态误差为-1.8141 m~1.4516 m,置信度为97.61%.表明本文的行人室内定位系统满足实际定位的要求.     

基于空间特征分区和前点约束的WKNN室内定位方法

高精度室内定位有着广阔的市场前景.针对传统的WKNN室内定位方法所面临的在处理面积较大目标区域时,位置估计结果跳动跨度较大、精度不高等问题,提出了一种基于空间特征分区和前点约束的WKNN室内定位方法.该方法通过将面积较大的目标区域按其空间特征划分为多个分区,解决了指纹数据库无法实现全域覆盖的问题;又通过考虑行人在相邻时刻所处位置之间的空间约束关系,缩小了参考点的候选范围,很好地提升了位置估计的平顺性.大量真实环境下室内定位实验的结果表明,该方法可以有效地解决大面积目标区域内的室内定位问题;且与传统方法相比,定位精度大幅度提升.     

多传感器辅助的WiFi信号指纹室内定位技术

近年来,基于室内定位的应用服务越来越普及,吸引了大量的研究工作.其中,基于WiFi信号指纹的室内定位技术发展尤为迅速.但无线信号传输易受环境影响,会导致WiFi信号指纹定位存在偏差.为了提高定位精度并减小环境因素带来的不利影响,提出了智能手机内置传感器辅助WiFi信号指纹定位的方法,即利用智能设备上内置的传感器如加速计、陀螺仪等采集数据,计算得到用户轨迹信息和轨迹可信度,将轨迹信息与信号指纹信息结合起来建立综合概率模型,进行位置匹配,确定最近参考点.实验结果表明,与经典WiFi信号指纹定位方法相比,利用传感器所估测的用户轨迹信息能够有效应对环境变化的影响,提高平均定位精度.     

基于压力传感触控技术的室内定位地板

针对目前室内定位系统存在的定位精度低、负担性强等问题,设计了一种用于室内定位的智能地板。该地板基于压力传感触控技术,通过在地板下布设压力传感器感知其上的压力,通过上位机LabVIEW软件分析传感器数据,计算出压力点的位置,实现对目标的定位。经测试,单块智能地板的定位绝对误差在2cm内,平均定位绝对误差为0.6cm。     

基于ZigBee技术的室内定位系统算法研究及实现

随着当今社会城市化进程的快速发展,人们对于在复杂环境内的定位需求越来越迫切。由于建筑物的遮挡使得GPS定位在室内不容易实现。文中设计了一种基于ZigBee技术的室内定位系统（IPS）的解决方案。结合信号强度测距法（RSSI）与场景指纹定位法,提出RSS场景指纹定位法。该算法采用RSS“场景特征信息”作为定位场景的“指纹信息”,来建立“指纹信息”数据库,并通过TI公司的Z-stack的硬件平台实现了该算法。测试结果表明,该定位系统在覆盖超过20m＊20 m的面积里使用4个参考节点就能以2 m以内的平均定位误差实现室内定位,满足普通的定位需求。