基于Android的室内WiFi定位系统设计与实现

室内定位是目前普及性较小、实际需求很迫切的技术,为了实现在室内复杂环境中的准确定位,设计了一种轻型、方便、可离线的WiFi定位系统。系统基于Android平台开发,在K近邻值RSSI算法的基础上加了后校验方法以避免定位坐标的过度偏移。与传统WiFi定位系统相比,该系统的数据库在设备端集成,避免了与数据库连接和通信不便带来的定位延时和失败。经测试,该系统能在楼道房间等场景中稳定工作且误差范围控制在3m以内,基本能满足室内移动定位的需求。     

基于WiFi的室内定位算法研究

随着互联网的快速发展,人们对WiFi的依赖性不断增强,同时室内定位技术也变得越来越重要。由于GPS无法解决室内定位这一难题,因此本文讨论研究了基于WiFi的室内定位算法。本文对基于WiFi的定位技术做了介绍,对各种定位算法模型进行了对比研究,对各种定位技术进行了实验演示,分析了各种定位技术的优缺点,并指出了WiFi室内定位技术未来的发展方向。     

基于投票机制的室内WiFi指纹定位算法

针对传统室内WiFi指纹定位算法中单个距离度量的局限性且未考虑到dBm表示与功率之间的关系的问题,提出一种基于投票机制的室内WiFi指纹定位算法。在采集到接收信号强度（RSS）数据后,首先,对RSS数据进行预处理;然后,基于投票机制对每种距离度量选中的近邻点取交集组成公共近邻点,并统计每个公共近邻点出现的频率;最后,通过概率加权得到最终定位结果。实验结果表明,所提出方法的定位精度为1.63 m,与K近邻（KNN）、斯皮尔曼（Spearman）和肯德尔相关系数（KTCC）方法的定位精度相比,平均定位精度分别提升了10%、33%和58%。此外,与MAN2数据集中的最优定位精度1.86 m相比,定位精度提高了12%。     

基于 WiFi 指纹的层级学习室内定位模型

随着物联网和信息技术的飞速发展,基于移动位置的服务近年来日益受到关注,同时也促进了室内定位技术的发展.基于WiFi指纹的室内定位技术以其部署广泛、成本低廉等优点受到了学术界的广泛研究.针对移动设备在室内环境中的定位问题,提出了一种层级学习室内定位系统(hierarchical deep learning indoor ...     

基于变步长自适应算法的滤波器设计

本文描述了基于自适应滤波理论的变步长窗口大小的自适应算法。该算法一般用于微型计算机为基础的继电保护及自动化设备。本文提出了一个变步长自适应窗算法,并给出了该算法的原理和如何改变窗口的大小和长度方法的步骤。仿真结果表明,该算法具有良好的性能,并适合在以微型计算机为基础的继电保护及自动化设备上的使用。     

基于图像匹配与WiFi信号匹配的室内PDR定位方法

由于智能手机中存在丰富的传感器，可对周围环境进行感知并进而估计位置。本文提出一种融合室内定位方法，融合的信息包含图像信息、WiFi信号指纹信息以及惯性数据观测信息。通过实测实验结果表明，本文提出的方法相比于惯性定位、WiFi定位、图像匹配定位三种单一的定位方法，定位精度分别提高了48%、24%和4%。相比于经典WiFi和图像融合方法，平均定位时间下降了92%。相比于经典融合方法，定位的精度提高了0.7 m,并且平均定位时间下降了87%。     

基于KNN和XGBoost的室内指纹定位算法

针对KNN算法定位精度有待提高以及定位稳定性较差的问题，本文提出了一种基于KNN算法和XGBoost算法的室内指纹定位算法。该算法首先将样本集划分为训练集和测试集，将训练集中AP的RSSI数据作为特征，坐标作为标签，使用XGBoost算法进行建模。其次，融合KNN模型，将KNN算法寻找到的近邻集合引入XGBoost模型中，再结合单独XGBoost算法的预测结果，以实现坐标定位。最后，在实际环境下研究了算法的K值、回归树数量、决策树深度和学习率对误差的影响，确定算法的相关参数。通过搭建的实际实验环境进行了测试，实验结果表明，本文提出算法的平均定位误差为1.55 m,较于KNN算法和XGBoost算法分别减少了24.76%和11.93%,并且累积分布函数曲线的收敛速度更快，具有较好的定位性能。     

一种新的变步长LMS自适应滤波算法

为了解决传统的固定步长的最小均方误差(LMS)算法在收敛速度和稳态误差上的矛盾,基于Sigmoid函数进行改进,提出了算法步长因子μ与误差信号e之间的一种新的非线性函数关系.首先,基于Sigmoid的偶函数特性将2个函数相乘,使得算法在稳态时能够获取更小的步长;然后,将误差信号用指数形式进行表示,进一步控制步长的变化速度;最后,通过误差e(n)和e(n-1)联合改变步长因子,提高了算法在低信噪比时的性能.理论分析和计算机仿真表明,与已有的变步长LMS算法相比,相同收敛精度时该算法的收敛速度更快,相同收敛速度时该算法的收敛精度更高,在相同条件下算法的抗噪声性能更好.     

基于权值参数的WiFi定位算法研究

针对WiFi定位技术中基本三边定位算法的测距模型参数不确定和定位计算误差大等问题,提出了基于权值的参数实时更新定位算法。该算法首先按照基于区分度能力的信息增益方法选择3个最能反映待定位点信息的访问接入点AP,然后对测距模型进行实时获取参数的改进,最后对三边定位计算中的距离进行加权处理。实验表明,提出的定位算法能减小由环境因素和信号强度测量值引起的误差,与基本的三边定位算法相比,算法具有更高的定位精度。     

基于地图匹配的室内定位算法研究

在对室内环境进行定位的过程中,基于粒子滤波的地图匹配算法能够实现室内定位结果与地图数据的有效融合。目前此类方法主要存在地图匹配时穿墙检测算法计算量大以及定位结果位于不可达区域的问题。针对穿墙检测算法计算量大的问题,在栅格地图的基础上建立地图信息矩阵,提出了一种基于地图信息矩阵的穿墙检测算法,在保证正确检测出穿墙粒子的同时,降低计算量;针对定位结果位于不可达区域的问题,提出了一种基于粒子滤波多重权重更新的地图匹配算法进行改进。理论分析和实测结果均验证了改进算法的合理性和有效性。     

一种改进的变步长LMS自适应算法

为了得到一种抗干扰性能强、收敛速度快、稳态误差小的变步长LMS算法,本文分析了传统LMS算法、变步长LMS算法及其改进算法,并对现有变步长LMS算法进行分类归纳,在列出几种具有代表性算法的基础上,提出了一种改进的变步长LMS算法.新方法引入修正系数,通过当前和过去估计误差以及误差的时域均值来调节自适应算法的步长,具有收敛速度快,稳态误差小的优点,并且提高了LMS算法的抗干扰性能.文中最后给出了仿真结果,仿真结果与理论分析一致.     

A simple variable step size LMS adaptive algorithm

A new LMS based variable step size adaptive algorithm is presented. The step size is incremented or decremented by a small positive value, whenever the instantaneous error is positive or negative, respectively. The algorithm is simple, robust and efficient. It is characterized by fast convergence and low steady state mean squared error. The performance of the algorithm is analysed for a stationary zero‐mean white‐Gaussian input. MC simulations are provided to demonstrate its improved performance over the conventional LMS (Proc. IEEE 1976; 64 :1151–1162) and some other variable step size adaptive algorithms (IEEE Trans. Signal Process. 1992; 40 :1633–1642; IEEE Trans. Signal Process. 1997; 45 :631–639) within a range of statistical environments. For a non‐stationary input, the proposed algorithm behaves similar to these algorithms. A modified version of the algorithm is presented to perform in the presence of abrupt changes. Copyright © 2004 John Wiley & Sons, Ltd.     

自适应滤波器的新型变步长算法及其应用

针对变步长算法的选取对自适应滤波器的性能有重大的影响,而常见变步长算法的步长与误差或输入信号有关,在自适应调节过程中步长存在较大的波动,影响自适应滤波器的滤波效果等问题,通过分析和比较常见的变步长算法,提出一种新型变步长算法.该算法先将误差信号取绝对值,然后再求其均值,以该均值决定步长的变化,克服步长波动的不足.采用新...     

改进的变步长自适应谐波检测算法

基于自适应对消原理的自适应谐波检测算法因其优良的性能被广泛应用于有源滤波器,但该算法存在无法平衡稳态精度和收敛速度方面的不足。针对此不足,文中基于箕舌线函数和三阶权值系数提出了一种改进的变步长(Least Mean Square,LMS)谐波检测算法。该算法利用误差信号的自相关平均估计获得期望误差估计均值,并通过改进的箕舌线迭代函数作为核心函数来调节步长更新,之后通过推导出来的三阶权值公式代替传统的权值迭代。仿真实验结果表明,该算法在谐波检测中不但具有较快的收敛速度,也能获得较高的稳态精度。     

基于高斯过程回归和WiFi指纹的室内定位方法

为了提高室内定位的准确性,同时降低现场勘测的成本,提出了基于高斯过程回归和WiFi指纹的室内定位方法.首先,在离线阶段,采用高斯过程回归模型(GPR)来扩展WiFi指纹数据库,即通过对不同的GPR核函数进行训练,得到最佳的GPR预测模型,进而利用有限的已知数据预测未知区域的信号强度(RSS).然后,在指纹匹配阶段中,根...     

一种基于先验信息的WiFi室内定位方法

多种室内定位技术中,基于WiFi的定位在基于位置的服务(location based service,LBS)中有着巨大的应用潜力。提出一种新的室内WiFi定位方法,结合分级定位结构,能够有效利用人员行走模式先验信息。该方法在预备粗定位阶段通过上一时刻的位置推断可能区域,通过信号指纹检测器判断可能区域是否正确,通过再次粗定位阶段重新推算可能区域。在精定位阶段,该方法通过最大后验概率密度方法得到位置估计。利用开源数据集进行实验,证明了所提方法相比传统的3种方法(无先验的最大后验、先验kNN和无先验kNN方法),定位精度分别提高了3%、5%和7%。     

改进变步长蚁群算法的移动机器人路径规划

针对移动机器人在蚁群算法路径规划中存在陷入局部收敛且无法做到路径最优的问题,提出了改进变步长蚁群算法,使其能够在收敛迭代次数较少的情况下做到路径最优。针对蚁群算法应用在路径规划中的相关特性,优化信息素分配,降低局部信息素含量对算法的影响,避免蚁群在搜索路径时陷入局部最优,在转移概率公式中增加权重因子,提高移动机器人朝着终点方向移动的概率,有效减少蚁群收敛迭代次数,改变移动机器人移动步长,使其能在360°内自由无碰撞移动,有效缩短路径长度。仿真结果表明,在简单环境下,改进变步长蚁群算法的收敛迭代次数及最优路径长度分别为2次及28.042 m,传统蚁群算法的收敛迭代次数及最优路径长度分别为25次及29.213 m;在复杂环境下,改进变步长蚁群算法的收敛迭代次数及最优路径长度分别为2次及43.960 2 m,改进势场蚁群算法的收敛迭代次数及最优路径长度分别为16次及45.112 7 m。仿真结果验证了改进变步长蚁群算法的有效性和优越性。     

基于自适应步长ADMM的电-气混联系统多时间尺度优化调度

随着微型燃气轮机和以其为基础的热电联供单元的大量配置,电力、天然气系统之间的联合优化调度越来越受到关注。针对电-气混联系统的优化调度问题,提出双层多时间尺度优化调度框架,考虑到各子系统间信息的不透明特性,上层基于日前预测数据和自适应步长交替方向乘子法(ADMM)建立以系统成本为目标函数的分布式日前优化调度模型;针对可再生能源和负荷的波动,下层基于短时预测数据建立以遵循日前调度方案为目标的实时调度模型。通过算例分析验证了所提电-气混联系统优化调度模型和框架的有效性。