共查询到19条相似文献,搜索用时 62 毫秒
1.
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。 相似文献
2.
3.
4.
6.
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%。 相似文献
7.
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。 相似文献
8.
9.
10.
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。 相似文献
11.
12.
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。 相似文献
13.
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。 相似文献
14.
15.
16.
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. 相似文献
17.
多传感器辅助的WiFi信号指纹室内定位技术 总被引:1,自引:0,他引:1
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. 相似文献
18.
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。 相似文献
19.
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。 相似文献