共查询到13条相似文献,搜索用时 109 毫秒
1.
在室内WiFi环境下,针对常见指纹匹配算法所忽略的信号波动问题,提出了一种基于自适应修正曼哈顿距离和AP选择的指纹匹配算法,并结合加权K近邻方法实现定位。首先采用AP选择算法获取部分受干扰程度小和出现频率高的AP,在指纹匹配时仅使用该部分AP的接收信号强度进行计算;在分析WiFi信号传播衰减公式和信号波动的基础上,提出了将自适应修正曼哈顿距离作为指纹匹配的度量距离,使用该距离旨在平滑信号波动对指纹相似度计算的影响;最后采用加权K近邻方法估计测试点的坐标。实验结果表明,在加权K近邻方法的框架下,基于自适应修正曼哈顿距离的定位算法在定位精度上优于基于欧氏距离、曼哈顿距离、余弦距离和Sorensen距离的定位算法。 相似文献
2.
地磁室内定位以其成本低、适用范围广、复杂度低的特点而受到广泛关注。然而,它的定
位精度不稳定,且指纹采集工作量较大。因此,提出了一种基于磁场信息的邻近点特征,可由指纹
数据求得,特征范围是0~1。经实验证明,邻近点特征与定位精度呈正相关关系。邻近点特征越
大的测试点定位误差越小,定位准确率越高。邻近点特征均值越大的室内区域定位误差越小。结
合邻近点特征与快速构建指纹库的方法,可以实现对室内区域定位精度的预判,为室内区域定位
方法的选择提供依据。针对邻近点特征较大的室内区域,提出了使用插值算法以减少指纹库的采
集量。在实验中,仅采集原有指纹点的29.6%依然具有较好的定位表现,对定位精度的影响较小。
使用邻近点特征可以极大地提高地磁室内定位的效率。 相似文献
3.
为解决WiFi指纹定位系统的定位精度易受环境变化影响的问题,提出了一种新的WiFi室内定位系统。该系统包括一种新的定位算法和指纹更新算法,定位算法首先通过将参考点与测试点之间的信号强度误差转换为参考点排序,然后利用模糊思想将处于同一范围内的排序视为与测试点具有相同的相似度,以削弱信号自身动态变化对定位的影响,进而筛选出相似度较高的前k个参考点进行加权定位;指纹更新算法利用WiFi信号的传播模型和基于Matern核的高斯过程回归进行指纹更新。其次,利用在真实环境下采集的数据进行算法的测试验证。实验结果表明,提出的定位算法和指纹更新算法相较于传统算法,定位精度和指纹更新精度能够分别提升25%和34%以上。 相似文献
4.
基于WiFi的定位技术大多使用接收信号强度,但该方法受多径和噪声干扰较大,精度有待提高。信道状态信息(channel state information, CSI)能够更加精细地描述信道状态,具有更强的稳定性。将CSI作为格点特征建立指纹定位数据库,利用该指纹库和在线测量数据,比较了多种定位算法在位置指纹法中的定位效果,并提出了评价KNN、wKNN和随机森林算法的一种评价依据和样本容量扩充方法,分析了三种方法随样本容量增加时定位时间和定位精度的稳定性,从包含定位精度在内的多种角度更加全面地评估了三种方法。结果表明,在以上三种定位算法中,随机森林算法的定位时间与定位精度的稳定性最好。 相似文献
5.
6.
7.
8.
近年来,大众对泛在位置服务的需求不断增长,卫星导航在室内等场景下覆盖能力不足,已无法满足人们的需求。由于通信信号覆盖范围广、用户数量大、信号频带宽,将通信信号用于定位可成为卫星导航的有效补充。在此背景下,随着通信和定位技术的快速发展,通信和导航的耦合程度不断加深,产生了通信导航一体化技术(CPIT),并成为了国内外的研究热点。通信系统中毫米波、多入多出(MIMO)、波束成形等技术为CPIT的发展带来了新的契机。首先介绍了CPIT的演进过程;然后就CPIT中的关键技术进行了总结并分析了其研究现状;最后对CPIT的发展进行了展望。 相似文献
9.
针对传统惯性导航系统定位误差随时间积累的问题,提出了一种基于无线信号辅助定位的室内无死角定位算法。该算法首先利用加速度计、陀螺仪、磁力计和气压计等传感器数据实现三维定位,然后利用无线信号对惯导定位中的位置偏差进行实时校正,再通过航向最优估计算法对航向误差进行修正,在位置和航向上增强惯导系统的实用性。利用实验室自主研发的微惯性测量单元固定在腰部脊椎位置进行实验验证,结果显示基于无线信号辅助的室内无死角定位算法精度达到1%以内,与纯惯导技术相比,能够提供更持久和准确的三维位置信息。 相似文献
10.
11.
《中国航空学报》2015,(6)
WiFi fingerprinting is the method of recording WiFi signal strength from access points(AP) along with the positions at which they were recorded, and later matching those to new measurements for indoor positioning. Inertial positioning utilizes the accelerometer and gyroscopes for pedestrian positioning. However, both methods have their limitations, such as the WiFi fluctuations and the accumulative error of inertial sensors. Usually, the filtering method is used for integrating the two approaches to achieve better location accuracy. In the real environments, especially in the indoor field, the APs could be sparse and short range. To overcome the limitations, a novel particle filter approach based on Rao Blackwellized particle filter(RBPF) is presented in this paper. The indoor environment is divided into several local maps, which are assumed to be independent of each other. The local areas are estimated by the local particle filter, whereas the global areas are combined by the global particle filter. The algorithm has been investigated by real field trials using a WiFi tablet on hand with an inertial sensor on foot. It could be concluded that the proposed method reduces the complexity of the positioning algorithm obviously, as well as offers a significant improvement in position accuracy compared to other conventional algorithms, allowing indoor positioning error below 1.2 m. 相似文献
12.
位置指纹算法是目前解决室内定位问题的主要方法,指纹特征和匹配算法为影响算法精度的两大因素.针对室内复杂环境下Wi-Fi信号强度波动较大的现象,提出了基于方差的加权距离以改进WKNN算法.在离线特征提取阶段,选择了均值和方差两个特征值,既反映该采样点的RSS幅值,也反映该点RSS的波动情况;在线阶段,根据方差提出了加权距离进行相似度的计算,查找距离最近的K近邻点,并以实际环境下采集的数据验证了改进WKNN算法在RSS波动大的情况下对定位效果的改善,在综合考虑了AP组合的影响后,实现了误差均值为1.456m的定位效果. 相似文献