基于RSS相关性的位置指纹室内定位方法

解决设备差异性造成的Wi-Fi信号强度不确定问题是位置指纹室内定位应用与推广的关键.一种基于设备间接收信号强度(Received Signal Strength,RSS)相关性的位置指纹室内定位方法被提出.以智能手机为用户终端,离线阶段,通过智能手机扫描的Wi-Fi信号强度信息,经过数据处理,筛选稳定的接入点(Access Point,AP),构建离线指纹数据库;在线定位阶段,对于实时获取的Wi-Fi信号强度信息,进行筛选处理后,挑选与离线指纹共同拥有的AP,并根据该AP集合,形成新的离线指纹和在线指纹.对离线指纹按RSS的大小降序排序;在线指纹,则以同一次序对RSS排序,然后利用皮尔逊相关系数和杰卡德相似系数,计算指纹相似度并排序,通过K最近邻(K-Nearest Neighbor,KNN)算法实现用户定位.实验表明该方法可有效解决设备差异性问题,并实现精确定位,平均定位误差达到1.7 m.     

位置指纹定位技术

在室内利用无线网络对移动目标定位,可用的技术有基于波达时间(TOA/TDOA)、基于波达角度(AOA)、以及基于接收信号强度(RSS)的技术等。比较而言,基于接收信号强度(RSS)的位置指纹(LF)技术更适合于复杂的室内环境。对该技术目前的研究情况进行比较全面和详细的介绍。     

一种基于位置指纹的室内WLAN定位方法

针对室内信号时变性导致定位不准的问题,提出了一种改进的3阶段位置指纹定位法。采样阶段,将采集信号的坐标、方位、接收信号强度的高斯分布及其对应的无线接入点等信息存储在数据库中生成位置指纹;在校正阶段中,利用参考点间信号强度的关联性信息,使用局部加权线性回归法,计算出一些虚拟点的信号强度;最后是线上实时定位阶段。通过与传统的加权K最邻近算法、直方图和联合聚类等3种定位方法相比较,该算法在同样的场景下可以取得更好的定位精度。     

室内定位系统中位置指纹库滤波算法研究

WiFi指纹定位是目前最受欢迎的室内定位技术之一,离线阶段创建的位置指纹库的精确与否对定位的精准度有很大的影响。传统的指纹库构建一般对采集的数据进行均值滤波,误差较大,并且在范围较大的场合进行定位时,由于位置指纹数据过多,使得定位时效性不好,结果不理想。为了提高指纹库的可靠性,通过给采集的源指纹数据赋予权值并根据权值的大小划分有效数据进行滤波处理,建立高精度指纹库,并利用基于临近域加权最近邻算法进行验证。实验结果表明,与传统的构建指纹库和定位算法相比,该方法显著提高了定位精度,缩短了定位时间。     

基于位置指纹的室内定位技术

近年来,随着物联网逐渐成为世界信息产业发展的热点,室内智慧化建设的技术要求越来越高,而位置信息在室内环境中具有广泛的应用场景.基于此,综述现有的室内定位技术与方法,从成本、部署难易程度、后期推广方面综合分析,总结出基于位置指纹的室内定位方法的优势;主要研究并实现了一种基于位置指纹的室内多模定位方法,该方法是一种低成本、...     

基于指纹算法的无线室内定位技术

随着人们对基于位置的服务（LBS）需求日益增大,室内定位逐渐成为用户定位领域的研究热点,而指纹定位因具有定位精度高、普适性强和无需额外设备等优点而受到大多数研究者的青睐。首先详细综述了各种主流室内位置指纹定位技术的定位原理,然后归纳了现有的室内定位算法的原理及发展现状,最后搭建楼宇通道的测试场景,对各种典型室内定位算法进行测试验证和比较分析,为室内定位技术的研究与应用人员提供参考。     

位置指纹室内无源定位技术

随着手机的普及,室内定位成为研究的热点。在反窃听或者地震、火灾的救援中,需要定位设备对目标设备进行无源定位。而由于室内复杂的电磁环境,多数无源定位算法定位误差较大。根据接收的信号强度指示（RSSI）设备和位置指纹定位的优点,采用虚拟坐标与实际坐标映射的方式,实现了位置指纹的室内无源定位技术。该技术具有较高的定位准确度和精确度,并且可以用户依据对定位精度高低来建立数据库。     

基于电源线和位置指纹的室内定位技术

该文提出将室内环境不可或缺的电源线作为天线,通过在电源线上注入宽带高频信号构造室内空间的位置指纹,进而实现室内空间精确定位。首先介绍了电源线上宽带高频信号注入模块的实现技术,以及室内空间位置指纹的构造方法;其次,介绍了基于朴素贝叶斯分类算法的室内定位原理;最后,通过实验分析证明在多训练样本情况下,基于朴素贝叶斯分类算法的定位算法比基于K最邻近点(KNN)分类算法的定位算法有更好的定位准确率和时间迁移适应能力。     

一种基于iBeacon的改进型KNN位置指纹室内定位算法

iBeacon有着体积小、功耗低、覆盖范围广等特点,因此其在室内定位领域有着非常明显的优势。文章提出了一种基于iBeacon的以定位点RSSI与参考点RSSI的欧氏距离倒数的归一化值作为权值的改进型KNN算法,同时提出了一种空间滤波算法,提升了算法效率。仿真实验结果表明,文章提出的改进型KNN算法在定位精度上相比原KNN算法提升了43.6%。此外,文章提出的空间滤波算法提高算法的运算速度约34%,使得在保证定位精度的同时,保证了定位的实时性。     

基于改进的DBN的WLAN指纹定位数据库构建算法

提出了一种基于改进的深度置信网络(Deep Belief Network,DBN)的 WLAN指纹定位数据库构建算 法。首先,从需要实地测量的参考点中选取一部分参考点测量位置坐标和接收信号强度,并 将其作为训练数据输入改进的 DBN,经过训练不断改善DBN的性能;然后,将其他剩余参考点的位置坐标输入训练好的DBN 中,将DBN的输出数据作 为这些参考点的接收信号强度,从而对指纹定位数据库进行构建;最后,将实测的部分参考 点的数据与基于DBN预测出的 剩余参考点的数据共同组成构建后的指纹定位数据库,并使用KNN和WKNN定位算法对构建效 果进行评价。实验结果表 明,在使用相同的数据集时,改进的DBN算法训练用时更短,对指纹库的构建效果更好。     

一种改进的无线局域网位置指纹定位法

精确、实时的室内定位技术是提供基于位置服务的关键技术之一。针对经典的基于无线局域网指纹定位法由于室内环境复杂多变、无线信号波动而不能实现精确定位的问题,提出了一种改进的指纹定位算法。该改进算法通过优化特征接入点的选取和指纹距离的计算,以及对最近邻的类聚处理,实现了对指纹匹配精确度和位置估计准确性的提高。实验表明,所提出的改进算法相比于经典的位置指纹法具有更高的定位精确度和鲁棒性。     

与强度无关的位置指纹在线定位改进算法

将现有的研究较热的固定发射端、定位接收端的室内位置指纹定位系统应用到固定接收端、定位发射端的室内无线电干扰源定位中,研究了一种考虑干扰源发射强度的在线定位算法,以克服直接使用以一固定发射强度信号源建立的指纹数据库和现有的在线定位方法无法实现对不同发射强度干扰源定位问题。在分析信号传播模型和现有在线定位方法的基础上,利用强度差的均方差进行定位计算。给出了算法实现依据和流程,对改进的算法进行了仿真和实验验证,结果证明了改进算法的实用性。同时,改进算法的思想对现有的考虑接收端异质的位置指纹定位系统也有一定的指导意义。     

Geographical position spoofing detection based on camera sensor fingerprint

Currently, position check-in on mobile devices has become a fashionable social activity. Meanwhile, criminals probably tamper the geographical position (geo-position) information to provide an alibi. Therefore, it is of importance to identify the authenticity of geo-position. To our knowledge, many current methods for geo-position spoofing detection mainly rely on geo-position information in the database. However, these methods possibly fail in the case of missing prior information or lacking rich training samples. To address that challenge, this paper proposes an alternative manner for detecting the geo-position spoofing via camera sensor fingerprint. In particular, the camera sensor fingerprint is first extracted through the images posted by an inquiry user based on the well-designed denoising filter. Second, the authenticity of the geo-position is verified by comparing the consistency of the residual noise from newly-posted images with position check-in and the unique camera sensor fingerprint from an inquiry user. Finally, the extensive experiments are conducted on the image database, that empirically indicates the relevance of our proposed simple but effective method.     

基于多天线到达相位差的室内定位算法

针对测距式射频识别(RFID)室内定位算法的精确度会受到测距误差严重影响的问题,提出一种基于多天线到达相位差(M-PDOA)的室内定位算法。通过M-PDOA测距方法进行测距,采用三边测量算法对目标标签进行定位。仿真结果显示,本算法的测距平均误差为0.102 7 m,性能提升65.76%;定位平均误差为0.180 7 m,性能提升56.67%,说明本文算法能够有效减少测距误差,并且定位精确度较高。     

利用时变噪声贝叶斯卡尔曼滤波的室内移动目标定位

基于射频识别的指纹滤波定位技术是当前室内定位中常使用的技术之一。针对该技术存在的卡尔曼滤波算法不能准确适应环境噪声变化,致使定位精度不高的问题,提出了一种适应时变噪声的贝叶斯卡尔曼滤波算法。所提算法结合Sage-Husa滤波模型和贝叶斯模型,实现了过程和测量协方差矩阵的最优化,有效地降低了噪声,提高了指纹滤波定位的精度。实验结果表明,与变分贝叶斯卡尔曼滤波和Sage-Husa滤波相比,无障碍情况下,基于改进算法的定位精度提高了6%以上;有障碍干扰下,则提高了14. 6%以上。