一种融合多方向变异性的改进克里金插值算法

在室内位置指纹定位技术中,采用克里金插值算法可有效降低指纹数据库构建的工作量, 但是,现有算法通常只考虑了信号在一维方向上的变异性,没有考虑室内环境中信号在多个方向存在的变异性。为此,本文提出了一种融合了多个方向信号变异性的改进克里金插值算法,充分考虑了二维室内环境中信号在不同方向的变异性对插值精度的影响。实验结果表明,与克里金插值算法、距离反比加权插值算法等算法相比,本文算法对指纹数据的插值精度更高。     

改进克里金插值算法的井下无线定位指纹库构建方法

针对煤矿井下巷道中构建一个采集点密集分布的无线定位指纹库,需要逐点采集信号,会耗费大量的人力和时间,为此提出基于模拟退火SA(Simulated Annealing)人工蜂群ABC(Artificial Bee Colony)混合算法优化克里金(Kriging)插值算法的构建井下无线定位指纹库的方法。首先通过无线网络采集井下巷道部分采集点的指纹数据,并建立采集指纹数据库。其次利用采集指纹数据库构建Kriging插值算法模型,再通过SA-ABC算法对变异函数的参数寻优,建立SA-ABC-Kriging插值算法模型。再次用插值算法估算出预测点的信息数据,并建立插值指纹数据库。最后将采集指纹数据库和插值指纹数据库构建井下无线定位指纹库。实验表明,该构建方法比传统Kriging插值算法的定位精度和插值精度更高,而且可减少50%的人工采集指纹数据工作量。     

基于克里金插值的自适应VIRE室内定位算法研究

VIRE算法在虚拟标签计算上往往采用线性插值方法计算RSSI与距离的关系,易导致误差增大,并且需要通过反复调整实验获得的标签消除阈值为固定值,增加了定位的时间复杂性,针对这两点问题提出一种基于克里金插值的自适应VIRE室内定位算法。利用克里金插值估计虚拟标签的RSSI值,并根据待定位标签的实时特点自动调整阈值,使邻近标签数量接近最优,更准确地排除干扰,从而获得定位坐标。实验对比结果表明,该算法不仅节约定位成本,而且提高了定位精度。     

基于多指纹联合匹配的混合定位算法

随着信息科技的迅猛发展,室内定位技术已经成为基于位置服务LBS的研究热点之一。基于接收信号强度RSS的位置指纹与步行者航位推算PDR相结合的定位算法能有效提高定位精度,但目前已有的算法难以同时满足较高的定位精度与较小的计算量,常见的卡尔曼滤波算法精度不够,而粒子滤波算法计算量较大。提出了一种基于多指纹联合匹配的混合定位算法,有效融合惯性信息与RSS指纹信息,在较低计算量的前提下实现了高精度定位。实验结果表明,该算法80%的定位精度低于1m,平均精度高达0.77m。     

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。     

一种基于WSN信号强度的位置指纹定位方法

随着近年来网络与通信技术的大发展,人们对各种定位信息的需求也日益增大。虽然在室外定位中,GPS技术可以满足人们较高的定位需求,但其在室内的定位效果却令人难以接受。而近些年来无线传感网络（WSN）的发展,恰好为我们提供了一种成本低、实施简便、定位精度高的室内定位方法。文中提出了一种基于无线信号强度的室内定位算法,阐述了其定位原理,并以ZigBee无线网络为基础搭建了基于该算法原理的室内定位系统。最后,通过在实际环境中对该定位系统的测试,得出其最大定位偏差达到3m以内,平均定位偏差达到2m以内。     

终端异质下位置指纹的鲁棒性研究

针对终端硬件差异对接收信号强度(RSS)测量的影响,导致传统RSS指纹鲁棒性较差的问题,借鉴信号强度差(SSD)在室内定位中的应用,提出一种抗移动终端硬件异质的SSD位置指纹。从理论上对SSD、RSS及双曲位置指纹(HLF)3种指纹的鲁棒性进行分析,并在实际无线局域网环境中应用传统K最近邻法,对3种指纹在训练定位阶段使用相同终端与不同终端2种情况下进行实验。结果证明,与RSS和HLF指纹相比,SSD指纹在抗移动终端异质方面的鲁棒性更好。     

基于克里金空间插值的位置指纹数据库建立算法*

为解决室内定位系统中建立位置指纹数据库工作量庞大的问题,提出了一种融合信号衰减因素的普通克里金空间插值建库算法。该方法首先采用高斯滤波对有限预选参考点的信号强度采样数据进行预处理,并基于球状模型由参考点预处理数据拟合出空间变异函数,然后采用普通克里金插值法对其它位置的信号强度进行估值并生成相应的位置指纹,最后由有限实测数据生成大容量高分辨位置指纹数据库,并通过KNN_Filter算法和对数权重算法完成了定位仿真,验证了该建库方法的有效性。仿真实验结果表明,该算法在保证定位精度的前提下相比传统建库方法可降低40%左右的工作量,提高了室内位置指纹定位方法的工作效率。     

基于克里金插值的脑电图成像系统

脑电图在医疗诊断中发挥了重要作用,能够快速纪录脑内神经元活动产生的电信号并能在屏幕上清晰地成像。针对16导联设备设计了一种脑电图成像系统,可以有效地支持二维脑电地形图和三维脑电旋转图的显示。对于二维脑电地形图采取了对时域信号的频域变换以及克里金空间插值方法进行填充绘制;对于三维脑电旋转地形图采取了反向映射到二维平面像素点的方法加以实现,该方法的成像效果清晰,并避免使用外部库文件,最后对导联设备增加以及产品的进一步功能发展所面临的挑战作了简要的分析。     

基于Android平台和位置指纹算法的WiFi定位系统设计

基于指纹定位算法,利用空间已有的Wi Fi网络设计了一种方便、高效的室内定位系统。本系统以Eclipse为开发环境,Java为开发语言,My SQL为数据库平台,其采集信号终端和定位终端均在Android 4.4操作系统运行实现。通过实验比较了KNN和WKNN两种算法的定位结果。实验结果表明,该系统无需额外硬件设备,操作简单,系统的定位精度在1 m左右。     

改进的室内移动机器人模糊位置指纹定位研究

在深入研究现有的室内机器人定位算法的基础上,提出了改进的室内机器人模糊位置指纹定位方法(IRF)。该方法首先利用样本节点之间的空间相关性,采用重心拉格朗日插值算法形成位置指纹库,然后将传统的求解高次坐标问题转换成空间隶属度问题,利用模糊匹配算法计算未知节点与指纹库中已知节点的贴近度,通过贴近度加权定位未知节点。利用卡尔曼滤波算法进行误差修正。实验结果表明,IRF定位方法与传统的定位算法相比,在降低误差、提高稳定性和效率方面具有更高的性能。     

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.     

基于位置指纹的混合定位算法的研究

随着移动智能终端的普及和移动互联网的迅猛发展,基于位置的服务和应用大量涌现。低成本、高精度的室内定位解决方案已成为新的研究热点。位置指纹和航位推算是解决室内定位问题的两个主要技术。位置指纹法将接收信号强度作为可识别的模式,用模式识别的方法训练出一个分类模型,根据接收信号强度信息判别定位者所在的位置。航位推算法将前一时刻的位置估计作为起点,利用速度和方向信息估计定位者下一时刻的位置。本文以位置指纹法和航位推算法为原型,提出了一种混合定位算法,该算法可以有效提高定位精度。此外,本文提出了一种在线更新定位模型方案,能适应无线环境的缓慢变化,节省重复采集指纹的人力成本。     

WSN中基于指纹匹配的室内定位方法

定位技术在无线传感器网络应用中发挥着重要的意义,GPS等室外定位方法在室内环境中信号差,在场景复杂的室内环境中很难有效定位,因此本文实现的一种基于指纹匹配的WSN室内定位方法。 首先构建定位区域中的信号强度指纹地图,利用Kriging插值算法构建分辨率较高的定位指纹地图,然后进行匹配指纹地图定位,采用余弦相似度和空间索引进行目标定位。最后采用K-means提高定位精度并进行优化,基于该定位方法开发了一套WSN室内定位系统,采用Micaz节点作为基站节点,通过实际实验和仿真实验验证了定位方法在室内定位场景中具有较好的抗障碍物干扰性,定位误差在5cm左右。     

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。     

基于传播模型和位置指纹的三维室内无源定位方法

本文在通过分析各种室内定位算法的基础上,提出了一种基于传播模型和位置指纹的三维室内无源定位方法,该方法通过位置指纹定位平面位置,通过传播模型定位高度,两者结合可获得室内三维位置。结合该算法模型,提出了系统的组成与设计,并基于该系统完成了实际定位试验,在传感节点间隔5米的情况下,定位精度可达到3米。     

基于RSSI信号特征的室内分区指纹定位算法

为提高室内定位精度和算法效率,提出基于RSSI信号特征的分区指纹定位算法。在离线阶段,区别于传统的使用RSSI信号构建离线指纹库的方法,设计使用RSSI信号衰减率建立离线指纹库;在在线定位阶段,针对使用欧式距离进行相似度计算时,容易出现两个点RSSI信号欧式距离较近而物理距离较远的情况,提出使用RSSI信号衰减率进行子区域划分,引入SSD的思想使用二级指纹进行精确定位。通过实验验证了该算法的适应性与有效性。