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。     

基于方差修正指纹距离的Wi-Fi定位技术研究

针对当前卫星定位技术在室内环境下定位不准确的问题,文章通过对基于位置指纹数据库的Wi-Fi定位技术的研究,提出了一种基于方差修正的指纹距离算法及其阈值优化算法,能满足在现有建筑条件下低成本开展应用的需求。实验表明,基于方差修正的指纹距离算法及其阈值优化算法能够较好满足室内环境下的定位需求,实现80%概率下误差不超过3. 5m的定位。     

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.     

基于WiFi的室内定位算法的研究

随着现代社会科技水平的不断提高和通信技术的愈加完善,定位技术受到了用户越来越多的关注.WiFi定位技术具有在室内获取便利、 覆盖范围广、 信息传输速度快和搭建成本低廉等优点而得到了广泛的应用.提出了一种基于WiFi技术的位置指纹定位算法,称为快速定位算法,极大地提高了计算效率,并且仍然能够保持室内定位的精确性.基于此,设计并实现了应用于Android终端的室内定位系统.     

基于一种优化的KNN算法在室内定位中的应用研究

根据位置指纹室内定位算法的理念,提出了一种旨在减小计算量的定位方法,并将此方法应用于KNN算法中。以KNN算法为例,理论上分析了其计算量优化的情况,并在此优化算法的基础上,通过仿真比较了K的取值、AP节点的位置及数量对定位精度的影响。结果表明该算法不但能够保证位置指纹室内定位的精度,而且还能有效的减小定位过程中的计算量。该方法同样可以推广到其他位置指纹定位算法中,能在理论上解决位置指纹定位算法的计算量问题。     

室内WLAN定位中位置指纹优化的接入点部署方法

提出了一种新的室内WLAN定位中指纹优化的接入点（AP）部署方法。首先在最大化不同位置指纹信号强度间欧式距离的基础上构造注水优化模型,然后经过多次迭代的过零调整及离散调整处理,得到各AP候选位置的非负离散权重,最后根据最大平均权重准则,合理部署AP进而优化位置指纹。实验表明,所提方法能够获得较高的位置指纹定位精度及较低的AP优化位置搜索时间开销。     

基于时间序列预测的融合跟踪定位算法

现有定位系统中因终端设备各个时刻独立完成定位而忽略了能对目标位置估计提供额外信息的位置时间相关性,为了解决这个问题,引入了时间序列预测模型,基于历史位置信息充分挖掘物体的运动规律,进而预测出目标下一个时间段的位置信息,再将预测结果与现有定位系统的定位结果进行融合计算,实现对目标的跟踪定位。仿真结果表明,时间序列预测模型的引入可以有效地减小跟踪定位误差,实现更好的跟踪定位效果。     

融合神经网络和指纹的可见光定位算法研究

针对人们对室内定位需求的不断提高,以及现有室内定位算法定位精度不高等问题,提出了一种融合神经网络和可见光指纹的室内高精度定位算法。该算法利用反向传播神经网络(BPNN)确定待测目标的粗略位置,并以其预测坐标和最大误差作为约束条件,进行指纹匹配以确定待测目标精确位置。仿真结果表明,该算法平均定位误差为1.5cm,具有一定的应用价值。     

卫星干扰源精确定位的位置校正算法

卫星干扰源定位系统可以通过测量两颗卫星对干扰源形成的时差(DTO)和频差(DFO)来完成对未知干扰源的定位,但卫星的星历难以准确测定,其微小变化将引起定位结果的较大误差.针对这一问题,提出利用多个位置校正站来修正卫星星历以消除其对定位结果影响的算法,并通过理论推导证明了有四个或四个以上的位置校正站时,该算法可以消除卫星星历不准确对定位结果的影响.仿真结果表明,与未采用位置校正站的定位结果相比,该算法能获得优于一个数量级以上的定位精度改善.     

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。     

基于改进指纹聚类的WLAN定位优化方法

将K-means聚类算法应用到无线局域网（WLAN）位置指纹定位中,虽然可以缩短定位时间,但是容易降低定位精度。为了解决此问题,提出了基于改进指纹聚类的WLAN定位优化方法。首先根据接收信号强度标准差来优化初始聚类中心的选取,然后对指纹数据进行聚类处理,最后进行在线定位。实验结果表明,与传统的WLAN位置指纹定位方法和K-means聚类定位方法相比,基于改进指纹聚类的定位优化方法不仅缩短了定位时间,还能有效提高定位精度。     

Adaptive access points deployment for Indoor bluetooth positioning accuracy enhancement

The indoor positioning system based on fingerprint receives more and more attention due to its high positioning accuracy and time efficiency. In the existing positioning approaches, much consideration is given to the positioning accuracy improvement by using the angle of signal, but the optimization of access points (APs) deployment is ignored. In this circumstance, an adaptive APs deployment approach is proposed. First of all, the criterion of reference points (RPs) effective coverage is proposed, and the number of deployed APs in target environment is obtained by using the region partition algorithm and full coverage algorithm. Secondly, the wireless signal propagation model is established for target environment, and meanwhile based on the initial APs deployment, the simulation fingerprint database is constructed for the sake of establishing the discrimination function with respect to fingerprint database. Thirdly, the greedy algorithm is applied to optimize APs deployment. Finally, the extensive experiments show that the proposed approach is capable of achieving adaptive APs deployment as well as improving positioning accuracy.     

Fast and resource efficient method for indoor localization based on fingerprint with varied scales

To improve the prediction speed in indoor localization,a novel algorithm based on fingerprint with varied scales was proposed.It divided the region of interest into distinct zones with distinctive coverage indicators,and reference positions with different distribution density were set in the region.According the time relevance and strength vary of the RSS from the anchors,the grids-matching process was greatly sped up for the usage of coverage indictors and the features of the location fingerprint extracted with the PCA,which made the proposed method fit the demand of application with limited power and memory.Experimental results indicate that accuracy of the positioning is ensured with the reduced energy-consuming,and more flexible about the number of anchors and the grid distribution.     

Optimal location of transmitters for micro-cellular radiocommunication system design

This paper is concerned with the mathematical modeling and analysis of a radio communication system design problem that seeks an optimal location of a single transmitter, or that of multiple transmitters, in order to serve a specified distribution of receivers. The problem is modeled by discretizing the radio coverage region into a grid of receiver locations and by specifying a function that estimates the path-loss or signal attenuation for each receiver location, given a particular location for a transmitter that communicates with it. The resulting model is a nonlinear programming problem having an implicitly defined objective function of minimizing a measure of weighted path-losses. Specializations of three nonlinear optimization algorithms, namely, the Hooke and Jeeves' method, the quasi-Newton, and conjugate gradient search procedures are investigated for solving this problem. The technique described here is intended to interact with various propagation prediction models and may be used in a CAD system for radio communication system design     

分布式MIMO天波超视距雷达阵地配置

该文研究了基于目标位置估计克拉美罗界（Cramer-Rao Bound, CRB）的分布式多输入多输出（Multi-Input Multi-Output, MIMO）天波超视距雷达收发天线阵地配置问题。根据收发天线阵地、电离层信道和目标的几何位置,给出了分布式MIMO天波超视距雷达目标位置估计的CRB,以该CRB为目标函数,以收发阵地的位置、个数等为优化变量,建立了收发阵地配置优化方程。该优化方程为非线性混合整数规划问题,求解困难。为此,采用数字射线追踪方法将收发阵地的位置转化为关于电离层反射面的镜像位置,将其转化成一个非线性0 1规划问题。对二进制编码的量子行为粒子群优化(Binary Quantum-Behaved Particle Swarm Optimization, BQPSO)算法加以修改用于求解该问题。最后,对不同阵地个数、目标和信道条件下的阵地配置进行了仿真分析,给出了相应条件下的阵地配置策略,并对修正BQPSO算法的性能进行了简要分析。      

双基地雷达栅栏覆盖的二维布站优化方法

为解决双基地雷达栅栏覆盖的优化问题,该文提出一种基于相邻部署线的2维布站优化方法。该方法首先将感兴趣区域用矩形区域近似替代,再将矩形区域划分为多个相同的子栅栏覆盖区域;其次为了充分发挥发射器的效能,该方法不仅利用同条部署线上的发射器与接收器组成双基地雷达,同时也采用相邻部署线之间的发射器与接收器组成双基地雷达。为此提出一种新的基本布站模式,并以该模式为基础建立2维布站的优化模型。该模型以布站成本最小为准则,覆盖区域为约束条件。为了求解该优化模型,该文提出一种基于贪婪算法的求解方法,该方法可以确定2维布站中发射器与接收器的数量及其位置。最后,仿真试验和分析表明该文方法可以有效降低布站成本,减少发射器的使用数量,证明了该文布站优化方法的有效性。     

基于MR的位置指纹定位算法

基于MR 的无线优化方法在无线网络中正逐步推广应用,而其中位置指纹定位算法更适合于复杂的室内环境,能够较准确的区分室内外用户并实现室内分层的覆盖评估及业务定位。     

基于电磁环境大数据的智能基站布设方法

基站选址优化问题是移动通信中的研究热点,一个好的基站选址方案不仅能够节约资源,而且可以提高用户的通信体验.然而,基站布设常面对的是一个多参数、多约束、非线性的复杂问题,难以通过传统的优化方法进行求解.本文提出一种基于大数据的智能基站布设方法,根据实测电磁环境大数据构建基于深度学习的电波传播模型,使传播模型更加精确;采用...     

基于WiFi-GM指纹的室内定位算法

针对室内环境中单一指纹定位方法存在定位误差较大、定位漂移的问题,提出了一种融合室内Wi-Fi指纹和地磁指纹的定位算法。首先在大范围区域中通过K-means聚类方法将较大的匹配区域划分成更小的且特征更加明显集中的子区域,然后在在线阶段通过WiFi指纹粗定位到小区域,再通过地磁指纹定位系统进行近一步精匹配定位。实验表明,该融合算法缩小了地磁匹配的初始搜索范围,大大减少了指纹定位中的误匹配问题。实验中,平均定位误差仅2.17 m,最大定位误差3.61 m,较单一指纹定位系统性能均有大幅度提升,证明该定位方法具有一定的可行性与先进性。