摘要：为实现低成本高精度的室内定位,在综合考虑定位需求和计算复杂性的基础上,设计了一种基于简易视觉标签的室内高精度定位技术。采用简单的颜色和形状特征检测视觉标签,从而降低检测复杂度,减少数据存储需求,针对简易标签特征不唯一问题,设计了基于相机视场和标签方位角的快速查询匹配方法。通过分析标签分布特性与定位误差关系,设计加权最小二乘位姿估计算法,建立迭代求解和最优估计的协同策略,实现了算法复杂度和定位精度的良好平衡。仿真和实验结果表明:所提定位方法能够有效处理超定方程组奇异问题,抑制不良标签组的负面影响,与超宽带技术相比,定位误差降低超过62%。

摘要：基于5G UTDOA与MR指纹技术的室内定位融合策略旨在提升定位系统的精确性和可靠性。通过整合这2种技术,开发了一个减少环境误差和增强稳定性的高精度定位算法。仿真结果表明,融合算法不仅有效提高了定位准确率,还展示了其结合现代通信技术在室内定位领域的应用潜力,为定位技术的进一步发展开辟了新的路径。

摘要：以室内的用户定位需求为应用背景,提高定位精度为目标,针对室内中复杂的环境,基于最近邻法(KNN)和支持向量机(SVM),提出了新的室内定位算法.先采用KNN去除训练样本中的奇异点,再采用支持向量机进行定位.与KNN法、朴素贝叶斯法、SVM回归法等室内定位算法比较,结果表明该定位算法有效提高了定位精度和定位速度.进一步提出了基于Android平台的室内定位系统的设计方案,采用Java语言编程实现了该系统,并进行了系统测试.实验数据表明:该室内定位系统的平均误差为1.7m,最大误差为4.9m,该系统在满足速度要求的前提下,有效提高了室内定位精度.

摘要：随着人工智能技术的发展,无人机的应用场景趋向多元,人们对无人机的需求也不仅仅满足于简单的飞行任务,而是赋予其飞行机器人的角色,对其自主导航、复杂环境下的定位以及智能协同方面提出了更高的要求。针对室内场景下的定位需求,融合视觉与惯性数据实现了多旋翼飞行机器人的室内定位。在视觉前端加入图像增强算法以提高图像灰度对比度,减少了光流跟踪的误匹配点数。提出了一种基于图像信息的特征点提取和图像帧发布策略提高了定位精度,解决了室内环境下的定位漂移问题。针对飞行机器人室内自主跟踪及降落任务,设计了基于视觉定位的飞行机器人自主降落系统。在Gazebo中搭建飞行机器人模型仿真验证自主降落系统有效性,在EuRoC数据集下对定位算法进行对比评估,搭建飞行机器人平台在真实场景下进行室内定位实验,完成了室内场景下平台自主跟踪及降落任务,并采用运动捕捉系统获取的定位真值数据进行了误差分析,结果表明该定位技术满足室内场景下的自主跟踪及降落任务需求。

摘要：为提高复杂环境下5G室内定位精度,针对不同应用场景设计了基于Chan-Taylor和优化BP神经网络的5G室内定位算法。当无样本可用时,提出了融合Chan-Taylor算法,使用Chan算法计算出定位值作为Taylor算法初始值进行迭代计算;当有小样本可用时,采用BP神经网络效果更佳;当有大样本可用时,使用遗传算法改进BP神经网络以提高定位精度。在不同场景下对三种算法进行了对比实验,实验结果表明:无样本可用时,Chan-Taylor算法具有更好的鲁棒性和适用性;在45个样本训练情况下,BP定位精度最高,为0.3649 m;在400个样本训练情况下,GA-BP定位精度最高。

摘要：针对基于惯导的行人室内定位算法定位误差大的问题,提出了一种基于地标点匹配的行人高精度三维室内定位算法。该算法仅使用惯性测量单元(IMU)这一单一传感器,包含速度约束、航向角约束、水平位置约束和高度约束四个模块。水平位置约束模块可根据航向角变化实时检测并建立地标点,并设计了一种地标点匹配度函数,提高了地标匹配的准确度。多楼层行走实验表明所提算法能够提升行人室内定位精度,其终点误差为0.3421 m,相较于ZUPT算法和ZUPT+HDE算法分别减小了82.6%和68.3%,具有一定的工程应用价值.

摘要：在室内定位场景中,锚节点的部署对定位性能具有重要影响.考虑存在障碍物的室内环境,基于缺少环境详细信息或者缺少设备模拟室内信号传播的基本场景,综合考虑可定位率、定位精度以及是否冗余部署的指标,设计一种新的评价函数,并利用改进的引力搜索算法(GSA)进行求解,在可接受时间成本内得到室内定位锚节点部署问题的较优解.仿真实验中将所提出算法与3种参考算法进行对比,在定位率、几何精度因子(GDOP)值、定位误差等方面所提出算法都表现出较优的性能;同时,针对考虑部分因素的评价函数进行比较,通过对多个指标项的分析,证实所提出的评价函数可以获得较优的锚节点部署方案,从而能够有效改善锚节点拓扑,提高定位性能.

摘要：针对传统射频识别(RFID)室内定位方法定位精度不高的问题,提出了一种基于双频点载波相位距离模型的RFID室内定位算法。采用跳频技术虚拟大带宽获取距离粗估计以实现多径抑制,并基于多径抑制完成最优双频点的选择;利用最优双频点载波相位设计粒子滤波定位算法,通过遗传算法优化传统粒子滤波中的重采样方法,有效解决了粒子退化问题并提升了定位精度。实验结果表明,所提算法的中位数定位误差为5.23 cm,定位性能比传统中国余数定理的定位方法提高了约39%。

摘要：射频指纹室内定位方法通过在离线阶段采集足量信号指纹建立密集指纹库保证定位精度。为降低指纹采集成本,提出一种基于扩散模型的射频指纹数据增强方法(FPDiffusion)。首先建立指纹序列的时序图表示,通过高斯加噪方法实现扩散模型的前向过程,反向过程采用U型自编码器网络,根据射频指纹特性设计了网络的损失函数,最后给出了基于稀疏指纹生成稠密指纹的计算过程。实验结果表明,在仅有少量有标签指纹的情况下,FPDiffusion方法在K-近邻(KNN)和卷积神经网络(CNN)算法上的定位误差降低率分别达到76%和28%,在KNN上的定位精度相比高斯过程回归(GPR)和GPR-GAN方法有显著提升。

摘要：针对室内无线局域网环境下接收信号强度(RSS,received signal strength)样本总体分布不一致而产生较大定位误差的问题,提出了一种基于偏度峰度检验的室内定位算法。利用偏度峰度检验法检验RSS样本是否来自正态总体,接受零假设的样本用正态分布近似其总体分布,拒绝零假设的样本用核函数估计其概率密度。实验结果表明提出算法的定位精度比传统算法提高15%以上,而且在相同的定位精度下,能明显降低离线阶段的工作量。