摘要：针对无人机室内定位问题,提出一种wifi指纹定位与多传感器融合的定位方法。分析三维空间的wifi指纹定位方法应用于无人机定位的难点,利用超声波传感器测量的无人机高度信息将定位匹配范围缩减至邻近的两个层面,提升wifi定位的速度;设计卡尔曼滤波器,将wifi定位结果作为卡尔曼滤波器预测阶段的输入,通过融合惯性传感器信息得到更准确的无人机位置估计,采用数据拟合的方法对定位结果进一步优化。仿真结果表明,该定位方法可实现无人机室内定位,有良好的定位速度和精度。

摘要：随着物联网和信息技术的飞速发展,基于移动位置的服务近年来日益受到关注,同时也促进了室内定位技术的发展。基于wifi指纹的室内定位技术以其部署广泛、成本低廉等优点受到了学术界的广泛研究。针对移动设备在室内环境中的定位问题,提出了一种层级学习室内定位系统(hierarchical deep learning indoor localization framework,HDLIL)。为获取和学习可靠的指纹特征,采用基于变分自编码(variational autoencoder,VAE)的特征提取模块来表征训练数据的潜在表示。通过构建多层神经网络来分析输入特征与位置输出之间的关系,并在输出层连接Softmax分类器,预测移动设备的位置。在定位阶段,移动设备接收测试数据并发送定位请求,然后通过加载HDLIL估计该测试指纹的位置。最后通过实验对HDLIL的定位性能进行了评估,讨论了不同定位因素对结果的影响,验证了该定位算法的精度及鲁棒性。

摘要：针对当前教室内人少大面积照明和无人照明的情况,设计了一种基于wifi的教室智能照明系统。利用wifi的接收信号强度指示(receivedsignalstrengthindication,RSSI)对室内人员进行非接触识别,根据反向传播(backpropagation,BP)神经网络分析人进入室内后wifi的RSSI波动规律,反推其传播路径中环境特征,以此来判别室内人员的存在;在获得室内人员的位置信息后,通过wifi模块将开关具体灯具的命令无线传输给单片机控制系统,借助单片机完成对教室照明灯的智能控制,只打开人所处区域的灯具,以节省电能。最终系统的准确率高达84%,市场发展前景良好。

摘要：针对wifi指纹室内定位中AP(access point)选取算法问题,提出了一种基于wifi信号的整体区间重叠度(overall interval overlap degree,OAIOD)AP选取的优化算法,给出了算法的流程和整体区间重叠度计算方法。通过实验并与区间重叠度、信息增益、信息增益率、互信息等多种AP选取算法相比,结果表明:该算法定位精度较高,可靠性和稳定较好,增强了AP对指纹点的识别能力,又减少了指纹点中AP之间的关联性。

摘要：基于wifi指纹的室内定位技术有助于改善大型室内场馆中各项基于位置的服务。为了提高室内定位服务的便捷性,本文设计了基于SpringBoot和小程序的wifi室内定位系统。该系统采用微信小程序作为前端,极大地方便用户使用定位服务;服务端则采用SpringBoot+MyBatis+SpringMVC集成框架进行开发。实验结果表明,本系统的平均定位误差介于277.30 cm至500.31 cm之间,能满足室内定位的需求。