WLAN接入点的室内定位技术

针对复杂室内环境造成的室内定位技术不同于室外定位技术的问题,提出了一种基于楼层判别和信号强度的室内AP混合定位方法。该方法由AP的楼层判别和具体位置的定位两部分组成。首先用关联算法对AP进行楼层判别以筛选出目标AP,然后根据测试点与目标AP的位置关系确定定位方法。如果目标AP在测试点附近,采用简单的质心定位算法,否则采用加权式的定位算法。在实际场景中的定位测试结果表明,该方法定位效果良好,偏差较小。     

基于WLAN的室内定位技术研究

文章以WLAN室内定位系统为研究对象,采用理论结合实际的方法,从数据库中获得RSSI序列,将之与指纹库的信息进行比对,最终获得了定位终端的位置,同时总结了定位系统的缺陷以及未来的发展方向。     

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。     

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。     

用于WLAN室内定位的PCA聚类算法

在WLAN室内定位系统中,针对接收信号强度(RSS)的时变特征降低室内定位精度的问题,提出一种基于主成分分析(PCA)白化RSS的聚类算法,该算法首先对信号强度进行PCA白化处理,去除RSS信息的相关性,提高聚类中心的可靠性和合理性,然后通过K-means聚类方式对RSS信息进行聚类,能够有效地提高聚类精度,以此来提高定位精度.实验结果表明,该算法相比于没有经过PCA的传统聚类算法,能够使定位误差在2m内的概率提高44.8％,性能更优良.     

基于WLAN信号能量转换的室内定位模型及系统

提出了基于移动终端间信号强度转换的室内定位方法,建立了基于WLAN信号能量转换的室内定位模型,通过终端间信号强度转换,得到终端间信号对应关系和空间各位置的信号位置特征,查询粗转换表和微调整表实现精确的室内定位。该方法减少终端间信号接收的差异性,有效的提高室内定位精度。     

一种基于GMM-Boost的室内定位方法

针对高斯混合模型在模型训练之前无法确定最佳采样点组合方式以及无法确定最佳分布元个数的问题,提出一种基于GMM-Boost的WLAN室内定位方法.首先,采用第二类斯特林数枚举采样点组合方式,比较不同组合方式下高斯混合模型平均定位准确度,进而确定最佳采样点组合方式.其次,针对每一种样本标签数,采用贝叶斯信息准则(Bayesian Information Criterion,BIC)选择高斯混合模型最优分布元个数.最后,结合Adaboost算法对高斯混合模型进行定位准确度提升.分析结果表明,该算法在定位误差为2 m时定位准确度为71.2％,在小样本量情况下可以获得较低的平均定位误差.与其他算法相比,该算法具有较好的定位准确度和泛化能力.     

基于WAPI标准的奥运场馆WLAN室内覆盖解决方案

文章介绍了基于WAPI标准的WLAN室内覆盖系统在奥运场馆中的应用,结合WAPI标准的特点、WLAN的特性和奥运场馆的应用环境特点,从多方面阐述了数据通信于无线覆盖相结合的解决方案。     

面向WLAN室内定位的T检验样本容量优化方法

WLAN（Wireless Local Area Networks）室内定位已受到人们广泛的关注,而在离线指纹采集阶段常常容易造成位置指纹RSS数据采集的盲目性和不可靠性,并忽略所需采集RSS（Received Signal Strength）样本容量与定位性能的关系.为了解决这一问题,本文提出一种面向WLAN室内定位的T检验样本容量优化方法.该方法在离线阶段利用OC（Operating Characteristics）函数优化指纹数据库允许的最小RSS样本容量,而在在线阶段利用T检验方法对目标终端进行粗定位,并进而提出基于T检验的KNN（K-Nearest Neighbour）算法以完成对目标终端的精定位.此方法用有限的样本容量获得较稳定的定位性能分析结果,显著地减少了大量的人力和时间开销.     

基于改进K-means聚类算法的室内WLAN定位研究

位置指纹法定位中所建立的位置指纹库能否正确反映指纹信号与位置之间的映射关系将影响最终定位效果。本文将一种改进的K-means聚类算法运用于WLAN室内指纹数据库的建立,较之传统K-means聚类算法所建立的指纹数据库,采用了改进K-means聚类算法所建立起来的指纹数据库优化了初始聚类中心选择方法及准则函数,避免了被聚类的指纹数据陷入局部解现象。实验结果表明:本文所提算法建立的指纹数据库可提高WLAN室内定位精度,缩短定位时间。     

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。     

基于Wi-Fi的室内测时差定位方法

近年来室内Wi-Fi定位技术快速发展,已有多种定位方法投入商业运用。为满足用户对室内定位的更高精准度的要求,文章旨在研究基于室内Wi-Fi定位改进的测到达时差定位方法,采用高精度的相对时统、脉冲测时差及四站三双曲面定位技术,进一步提高定位精度,对Wi-Fi定位家族(体系)加强、补充和丰富。     

基于多数据源的室内定位方法探讨

数据定位系统在社会发展中的应用逐步扩大,定位技术水平也逐步实现多领域方向发展。数据定位系统中包括户外定位系统和室内定外系统两类。室内定位系统包括光感技术,无线传播技术等多重技术手段作为多数据源的定位发展的基本模式进行深度发展。市内定位技术的应用范围在日常生活中广泛应用于军事,民用领域,实现了移动通信技术的更新与发展。     

基于TDoA的室内定位方法研究

无线设备的普及,推动了无线定位系统的快速发展。针对室内环境的特点,提出了一种基于TDoA的室内定位算法,具有结构简单,计算复杂度低的特点。实验结果表明,提出的算法有比较低的平均定位误差和标准差,具有较好的性能。     

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。     

基于Wi-Fi的室内定位技术研究

近年来,位置服务的相关技术和产业向室内发展,主要发展动力是室内位置服务应用范围很广且能带来巨大的商业潜能。各大运营商分别制定了大规模战略目标,促进新业务趁此机会迅速转型。文章首先介绍了当前主要的室内定位技术,然后在对基于Wi-Fi的室内定位技术的工作原理作出说明,结合各大运营商的Wi-Fi部署情况和各大商场内部对精准定位的需求,重点对RSSI和CSI技术来进行研究。