传感器辅助的WiFi指纹室内定位方法

针对Wi Fi指纹室内定位技术中信号传播时变性大导致定位精度低的问题,提出一种传感器辅助的Wi Fi指纹定位方法。首先根据移动终端内置的加速度传感器判断用户的走步状态,以减少信号时变所引起的定位误差;然后利用终端中的磁力计与陀螺仪,通过传感器融合来计算用户的运动方向。最后结合所得的方向信息和历史位置计算终端位置,以减少指纹图中与终端反向的指纹带来的干扰,从而减少指纹匹配计算的复杂度。实验结果表明,提出的传感器辅助Wi Fi指纹定位技术能减小位置估计误差并提高定位的鲁棒性。     

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。     

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.     

一种基于WIFI信号指纹的室内定位技术

对现有的室内定位技术进行综述研究,并提出一种基于WIFI信号指纹的室内定位技术。首先,从定位数学基础出发,阐述三边定位与最大似然估计定位算法,介绍基于无线电信号强度(RSS)定位算法与基于时间差(TDOA)定位算法,其次,对现有室内定位算法进行研究,提出了一种利用复杂环境的多径效应,分析RSS与物理位置的关联性进行射频定位,算法本身不需要额外的硬件支持,依靠已经建立好的离线数据库,只要在接收端获得WIFI信号对应的信息,即可取得定位结果,最后,指出了影响信号指纹定位精度的关键要素,并明确了改进方向。     

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。     

5G超密集网络下的室内压缩重构指纹定位算法

为减少室内定位复杂度并进一步提高定位精度,提出了一种5G超密集网络下的室内压缩重构指纹定位算法.该算法分为离线建库阶段和在线匹配阶段两个阶段.离线建库阶段采用了矩阵填充理论进行指纹库的构建,只需采取少量的指纹点构建具有低秩特性的局部指纹库,并通过非精确增广拉格朗日乘子法(Inexact Augmented Lagrangian Multiplier Method,IALM)算法进行矩阵填充,从而恢复完整的指纹库.在线匹配阶段采用卡方距离代替传统的欧式距离来计算待定位点与参考指纹点的相似度,并用加权K近邻算法估算出待定位点坐标.经过实验仿真分析,所提算法以1.13％的误差节约了40％的工作量,在信噪比为10 dB时定位误差最小为0.2008 m,与传统K近邻指纹匹配算法相比具有更好的定位精度.     

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。     

A new method for improving Wi-Fi-based indoor positioning accuracy

Wi-Fi- and smartphone-based positioning technologies are playing a more and more important role in location-based service industries due to the rapid development of the smartphone market. However, the low positioning accuracy of these technologies is still an issue for indoor positioning. To address this problem, a new method for improving the indoor positioning accuracy was developed. The new method initially used the nearest neighbour (NN) algorithm of the fingerprinting method to identify the initial position estimate of the smartphone user. Then two distance correction values in two roughly perpendicular directions were calculated by the path loss model based on the two signal strength indicator values observed. The systematic error from the path loss model were eliminated by differencing two model-derived distances from the same access point. The new method was tested and the results compared and assessed against that of the commercial Ekahau RTLS system and the NN algorithm. The preliminary results showed that the positioning accuracy has been improved consistently after the new method was applied and the root mean square accuracy improved to 3.3 m from 3.8 m compared with the NN algorithm.     

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。     

平台侧位置指纹定位系统中接收端问题的优化

当前室内位置指纹定位系统主要用于对移动端的定位.借鉴其定位机理,研究了对无线电发射端的定位,属于平台侧位置指纹定位系统.从部署接收端的位置以减小定位误差的角度出发,提出了增大参考点之间欧式距离确定接收端位置的方案.同时,提出利用覆盖率的概念确定定位区间的接收端个数以满足区间定位的需求.建立了接收端位置及个数优化问题的数学模型,并用遗传算法和全覆盖原则对优化问题进行求解,给出了优化问题的实现流程.针对不同空间,对优化问题进行了仿真,比较了经验布置接收端和优化布置接收端的定位结果误差及接收端是否满足全覆盖的定位结果误差,验证了所提方法的合理性,对定位前部署接收端的个数和位置有一定的指导意义.     

基于仿射传播聚类的概率分布室内定位算法

随着定位技术的快速发展,基于无线局域网的室内定位成为新的研究热点。本文提出了一种基于近邻传播聚类的概率分布无线局域网(WLAN)室内定位算法。与传统室内定位算法相比,该算法首先引入近邻传播聚类缩小参考点搜索空间,然后利用概率分布定位算法进行精确定位。仿射传播聚类可以有效减少概率分布定位算法的计算量,应用于系统后将有效降低系统复杂度。实验结果表明,本文所提算法具有更好的定位精度,可实现对WLAN室内定位目标的快速、可靠定位。