基于线性回归的蓝牙室内定位算法

针对蓝牙节点的兴起,探索了蓝牙用于室内精确定位的可能。通过智能手机采集数据,以蓝牙传播模型为基础,提出用线性回归方法求解蓝牙节点传播模型,进而估计行人位置的算法。算法可方便地移植到不同环境,避免提前标定的繁琐工作量。实际场地测试结果显示,该算法可满足大部分室内定位需求,约83%的定位误差在3米以下。     

基于CHAN的改进卡尔曼滤波室内定位算法

由于现在室内环境的复杂度越来越高,室内非视距情况下定位误差的影响逐渐增大,如何降低其影响显得尤其重要。定位技术选用的是UWB室内定位技术,其中,卡尔曼滤波在降低室内非视距定位误差方面有着广泛的应用,针对其在视线线路与非视距场景转换过程中会产生新的误差的问题,提出了一种基于CHAN的改进卡尔曼滤波定位算法。采用5个或以上基站的测距结果构建定位解算方程组,选取在非视距情况下定位误差敏感的CHAN算法进行解算,将解算结果与各基站的位置进行残差处理,并划分出不同的置信区域。对于不同置信区域,预先设定匹配的卡尔曼滤波增益系数K,提高视线线路和非视距场景转换的定位结果稳定性,降低转换过程中的定位误差。实验结果表明,在仿真环境中,所提算法可将误差降低至80 cm左右;在实际应用中,可将复杂场景下的定位误差降低至60 cm,比正常复杂室内定位精度提高60%。     

基于改进接收信号强度指示的室内定位算法

为了提高室内环境节点定位精度,针对传统定位算法的不足,提出一种改进接收信号强度指示的室内定位算法。首先通过神经网络对各锚节点接收信号强度的权值进行拟合,得到路径损耗模型的参数值,然后利用最大似然法对未知节点进行定位,最后采用仿真实验测试其性能。结果表明,相对其它室内定位算法,本文算法提高了室内定位的精度,降低了平均定位误差,可以满足室内定位的实时性要求。     

基于RSSI特征值匹配改进的室内定位算法

为了提高目前室内定位的精度,文中对以往的室内定位算法进行了改进。针对以往指纹匹配阶段只考虑待测点的RSSI向量与其他参考点的RSSI向量之间的绝对距离,而忽视其相关距离的不足之处,造成分类的不准确,文中提出一种利用RSSI向量之间的相关距离及类的可信度对待测点所属指纹簇进行选择的改进匹配算法,即先求出某一RSSI向量与其余RSSI向量之间的相关距离,从中选取若干个最小相关距离的RSSI向量,再根据类可信度来判断其所属的指纹簇。仿真实验结果表明,将改进的匹配算法应用到位置指纹定位模型中后,定位精确分别比原有算法提高了10.38%和8.77%。     

基于改进海鸥优化算法的可见光室内定位研究

为提高室内定位精度,提出了一种基于黄金正弦与Sigmoid连续化海鸥优化算法(GSCSOA)的接收信号强度(Received Signal Strength Indication,RSSI)可见光室内定位技术。传统的海鸥优化算法(SOA)收敛速度慢、寻优精度低,在海鸥搜寻过程中引入Sigmoid函数使算法在后期快速收敛,在海鸥扑食过程中加入黄金正弦机制能提高算法的寻优能力。在6 m×6 m×3 m的房间顶板上按3×3的网格状布设9盏LED灯,经过实验表明:利用传统的RSSI定位估计算法得到的定位精度为1.28 m,改进的海鸥优化算法结合RSSI的定位算法得到的定位精度为7.17 cm。显然,改进后的室内定位算法精度更高,可应用于大部分的室内定位场所。     

基于改进粒子滤波的RFID室内目标定位算法

针对于LANDMARC算法的RFID室内定位精度受传输路径影响严重,直接采用粒子滤波自适应性差的问题,提出一种基于改进粒子滤波的RFID室内定位算法.该算法首先利用极限学习机(ELM)拟合阅读器接收信号强度与标签距离之间的非线性关系,构建信号传输模型,筛选邻近标签集;然后采用自适应学习因子优化粒子滤波过程,提高粒子全局...     

基于RFID的改进室内三边定位算法研究

RFID技术常被应用在室内定位上,针对其常用的三边定位算法易出错、定位精度不高的问题,提出了改进的三边定位算法,通过多次选取不同的参考标签并结合基于欧氏距离的定位方法,最后以多次求解的平均值为未知点坐标,这样可以提高定位的精度同时降低误差的产生率。通过实验验证了改进的三边定位算法具有较高的可行性、较高的定位精度同时降低了系统的鲁棒性,该方法可以在室内定位上进行应用研究。     

基于改进粒子群算法的室内可见光定位研究

为了提高现行室内可见光定位系统的定位精度,提出考虑噪声干扰的动态惯性权重及认知因素的改进型粒子群算法。首先,将决定定位精度的欧式距离转换为目标函数最小值优化问题;其次,利用惯性权重动态赋值,增强粒子群算法初期的全局搜索能力和后期的局部搜索能力;然后,利用正弦函数使得个体认知因素值非线性地减小,利用余弦函数使得群体认知因素值线性地增加,以进一步提升定位精度;最后,通过仿真与实验测试对所提定位算法进行验证。仿真测试结果表明,在5 m×5 m×3 m和5 m×4 m×3 m两种定位模型中,在0,0.5,1.0和1.5 m四个高度平面的空间定位平均误差分别为0.65和0.54 cm;实验结果显示,在搭建的1 m×1 m×0.8 m和1 m×0.8 m×0.8 m室内空间中的平均定位误差分别为2.67和1.81 cm。     

基于WiFi-BP的室内定位算法

针对设备差异性造成信号偏差从而影响定位精度的问题,提出了一种结合BP神经网络和加权质心定位算法的室内定位算法。文中通过离群点检测算法对不同手机的RSSI数据进行清洗,并以清洗后的数据作为BP神经网络的数据源进行模型训练,得到了一种稳定的非线性的BP模型。在此基础上,结合改进的室内定位算法进行室内定位。实验结果表明,文中所提定位算法的均值误差、最小误差和最大误差分别为为0.58 m、0.24 m和1.06 m,定位精度明显高于现有的同类算法。     

一种改进的线性图像插值算法

针对传统的双线性插值法在对图像进行插值后会不可避免的产生边缘模糊的问题,提出了一种改进的线性插值法,该算法首先把待插值点分为三类,然后分别选取合适的已知点进行插值。通过对经典图像lena和pepper进行插值的实验结果表明,该算法的插值效果与双立方法相当,但计算量远远小于双立方,能有效的保持图像边缘信息,提高了图像质量。     

改进指纹强度下的WiFi室内定位算法

目前的室内定位算法利用信号传播模型求出信号强度后直接进行求解定位,使得定位误差较大.为提高定位精度,提出利用信号能量的欧氏距离方法进行加权,然后对改进后的信号强度进行阈值滤波加均值滤波双重处理.定位阶段,在K最近邻算法基础上利用距离的倒数作为加权函数的算法进行定位.经仿真结果表明,改进后的算法相比于一些典型的定位算法,定位精度有较大提高.     

一种改进的多源信息融合室内定位方法

针对超宽带（Ultra-wideband,UWB）定位系统受非视距（Non-line of Sight,NLOS）误差影响较大,以及惯性测量单元（Inertial Measurement Unit,IMU）定位系统受累积误差影响较大的问题,提出了一种基于多源信息的改进融合定位模型。首先,对UWB测量模型进行优化,通过差分气压计测高的方法对NLOS信号进行鉴别,并通过加权最小二乘法削弱NLOS信号对UWB定位结果的影响。然后对数据融合算法进行优化,引入IMU累积误差门限降低累积误差对IMU定位结果的影响,提高融合定位精度。最后,使用UWB、IMU系统在室内复杂环境中的实测数据进行Matlab仿真,验证了改进融合定位模型在定位精度上比基础融合定位模型提高了45.71%。     

基于混沌优化的无线定位算法研究

本文提出一种抗NLOS干扰的TDOA定位算法。基于混沌优化算法对TDOA算法做了改进,采用混沌优化算法计算初值,再利用Taylor级数展开法进行定位。根据产生混沌序列的两种映射Logistic映射和Kent映射的特点,提出了Kent-Logistic模型修正Logistic映射用于定位。在移动台距服务基站较近时,直接采用该模型进行定位。通过和传统蜂窝定位算法的仿真结果进行比较,表明提出的算法能够提高NLOS传播环境下的定位精度。     

基于压缩感知的室内多目标无线定位算法

针对现存无线传感器网络定位算法中需要采集、存储和处理大量数据导致运算量较大与能耗过高的问题,提出了一种改进的基于贝叶斯压缩感知的多目标定位算法.该算法利用锚节点对监控区域的划分,结合贝叶斯压缩感知理论将多目标定位问题转换为稀疏信号重构的问题.针对传统观测矩阵难以实现的缺陷,该算法中改进观测矩阵的设计可实现且与稀疏变换基相关性较低,进而使得算法的重构性能较高,从而降低了定位的误差.仿真结果表明,与现有的一些方法相比,所提算法在保证较低的计算复杂度的情况下更加充分地利用了网络节点,有效提高了定位精度,同时具有较强的鲁棒性.     

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。     

An improved image interpolation algorithm

The paper sets forth an improved edge-directed image interpolation algorithm with low time complexity which is the combination of Newton’s method and edge-directed method. It first partitions images into homogeneous areas and edge areas by setting a preset threshold value based on the local structure characteristics, and then specified algorithms are assigned to interpolate each classified areas, respectively. In this way, it achieves the goals of real-time interpolation and good subjective quality. The interpolated images have higher peak signal noise ratios (PSNR) and better visual effects using proposed method than that of using other algorithms referred to in this paper. Experimental results show that proposed method is highly performed in image interpolation.

一种改进的Eddystone-TLM质心室内三边定位算法

为了解决在室内环境中利用三边定位技术定位精度不高,以及基于质心定位改进三边定位算法后参考点难以确定在待测点外侧的问题,提出一种利用Eddystone-TLM对三边定位算法进行改进。首先利用Eddystone框架的TLM优化质心定位算法;其次通过优化后的质心定位算法解决三边定位算法已知的不足;最终实现定位精度的提高。实验结果表明,该算法改善了室内定位的精准性,可及时准确地获取目标终端的位置数据,有效保证了室内定位与其他领域之间定位数据的互联互通。     

基于EEMD的全质心UWB室内定位算法

针对室内环境下的非视距(non-line-of-sight,NLOS)及多径(Multipath)传播给定位结果带来较大误差的问题,本文先将通过超宽带(ultra wideband,UWB)室内定位系统中的TOA模型测得的目标节点(携带定位终端的人或物体)分别到三个锚节点(下位机)的距离值进行集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)分析除噪,再运用三角形全质心定位算法求出目标节点在二维坐标系中的坐标值,最后从这一组定位结果中随机选一个坐标值作为目标节点最终的定位结果。结果表明:与传统的粒子滤波法、贝叶斯滤波法、BP神经网络法、泰勒级数法、小波滤波法等提高定位精度的算法相比,该算法提高了定位精度及鲁棒性等性能。