摘要：为解决游客游览溶洞景区时出现的迷路、失联等安全问题,设计了基于位置指纹和行人航位推算的溶洞内定位导航系统。该系统具备实时定位、基于溶洞地形线路导航、遇险救援等功能。文章给出了系统架构,定位导航的原理和方法,以及融合位置指纹和行人航位推算的互补滤波算法。经测试,该系统能够为游客提供精准且全面的位置服务,有助于提升景区的服务质量。

摘要：随着高校智慧化图书馆的建设和发展,室内定位技术在具有位置感知的智慧图书馆建设和管理中的作用日益重要。针对现有的基于WLAN的位置指纹定位技术在图书馆复杂环境下定位精度不高的问题,在考虑到高校接入IPv6网络的基础上,提出了基于WLAN的位置指纹定位技术和基于6Lo WPAN的WSN定位技术相互融合的定位技术。文章简要介绍了位置指纹结合6Lo WPAN定位技术的工作原理,从硬件和软件两个方面设计了基于位置指纹结合6Lo WPAN技术的图书馆智能定位系统的各个模块。基于此设计方案,实现了基于位置指纹和6Lo WPAN的智能定位系统。从系统测试可知,位置指纹结合6Lo WPAN定位技术比单一的位置指纹定位技术定位精度高。文章最后探讨了基于位置指纹结合6Lo WPAN的智能定位系统的发展前景,为高校图书馆建设智能定位系统提供借鉴。

摘要：由于常规WIFI指纹定位算法确定性和抗干扰能力较差，无法得到理想的定位效果。针对上述问题本文设计了一种基于WIFI位置指纹识别算法，并结合统计滤波技术的改进型位置指纹识别算法，进行室内定位。经在某污水处理厂现场应用表明，不但算法的确定性和抗干扰能力得到改善，而且具有简单、灵活、计算量小等优点。

摘要：提出了一种基于KNN的FM、DTMB联合信号位置指纹匹配算法,并根据不同位置具有不同信号强度将匹配过程设计为一个多分类算法模型.离线阶段,通过采集FM信号与DTMB信号的强度信息,完成位置指纹库的构建.在线匹配阶段,利用KNN算法对新采集到的数据进行加权欧氏距离匹配,通过对K值以及特征向量的选取对定位误差进行了分析.仿真结果表明,该算法在室内定位中具有良好的鲁棒性和准确度,90%概率下定位精度2.3m.

摘要：WIFI位置指纹定位作为目前常见的室内定位方法,存在接收信号强度(received signal strength,RSS)波动和时变等问题,导致定位精度不高。文章为此设计了一种采用结合卡尔曼滤波的方差修正加权K最近邻(weighted K-nearest neighbor,WKNN)算法的室内定位方法。离线阶段,经过卡尔曼滤波后,选择数据的方差和均值作为反映RSS变化的特征值;在线阶段,通过采集的信号均值计算近似方差,对欧式距离进行权重修正,最后选择K个最近邻点确定待定点位置。实验结果表明:该文采用的定位方法平均定位精度达到1.248 m,相比于传统的WKNN室内定位方法,平均定位精度提升了20.3%;对比K-均值聚类结合动态加权K最近邻算法(K-means-EWKNN),平均定位精度提升了8.9%。

摘要：在研究基于RSSI(Received Signal Strength Indication)位置指纹室内定位算法的基础上,设计了一种基于Android平台的室内定位系统。该系统分为定位客户端和服务器端两部分,同时设计了位置指纹库的相关字段。系统主要应用于室内人员的定位,不同的系统使用者可以添加各种丰富的基于位置的服务信息,从而提供LBS。

摘要：位置指纹采集工作是实施Wi-Fi定位系统的重要环节。为了减少无效作业、保障数据可用性、提高团队协作能力,设计并实现了一种基于Android平台的位置指纹数据采集系统。该系统具备采集规则自定义、地图及采集点展示、无线信号采集和结果实时上传等功能,具有交互体验顺畅简便、施工过程可视化等优点。测试效果表明:系统运行良好,功能稳定可靠,满足实际应用需要。

摘要：本文就主要分析了国内外室内定位技术研究的实际情况,提出了室内定位基于位置指纹Wi-Fi当中存在的问题,进行了优化,以安卓平台为基础,构建了实时定位平台。

摘要：目前无线传感器网络中移动节点进行室内定位时,实际应用环境中存在的随机环境噪声会影响定位稳定性和精度。针对这一问题,文中提出了一种基于无线传感器节点RSS值的位置指纹定位算法。该算法利用高斯核函数完成位置指纹匹配,再通过卡尔曼滤波减少估计误差。为了研究实际应用环境中本算法的有效性,设计并实现了基于Android平台的室内移动目标的实时定位系统。实验结果表明,移动目标3 m内的定位精度达100%,单次定位时间在1 s内。

摘要：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。