由于GPS无法在楼宇内使用,而目前的楼宇内定位技术一般都需要预先部署额外的设施,因此楼宇内无基础设施定位成为了一个热点研究问题.提出了一种利用Wi-Fi接入点的MAC地址和RSSI(received signal strength indication)值,通过机器分类的...由于GPS无法在楼宇内使用,而目前的楼宇内定位技术一般都需要预先部署额外的设施,因此楼宇内无基础设施定位成为了一个热点研究问题.提出了一种利用Wi-Fi接入点的MAC地址和RSSI(received signal strength indication)值,通过机器分类的方式实现楼宇内房间级定位的算法R-kNN(relativity k-nearest neighbor).R-kNN是一种属性加权k近邻算法,它通过将AP之间的相关性反应在权值的分配上,有效地降低了维度冗余对分类准确率的负面影响.R-kNN没有对房间和AP的物理位置做出任何假设,只需要使用环境中现存的AP就可以取得较好的定位效果,无需部署任何额外设施或修改现有设施.实验结果表明,在AP数量较多的楼宇环境中,R-kNN能够取得比k近邻算法和朴素贝叶斯分类器更好的定位效果.展开更多
传统增强动态K加权算法(enhanced weighted K nearest neighbors,EWKNN)算法相比K加权邻近算法(weighted K nearest neighbors,WKNN)算法,虽然能有效提高定位精度,但是仍然存在定位结果在空间中跳动跨度大的问题。针对传统EWKNN算法的不...传统增强动态K加权算法(enhanced weighted K nearest neighbors,EWKNN)算法相比K加权邻近算法(weighted K nearest neighbors,WKNN)算法,虽然能有效提高定位精度,但是仍然存在定位结果在空间中跳动跨度大的问题。针对传统EWKNN算法的不足,在EWKNN算法的基础上提出了基于多次约束匹配的室内定位算法。考虑了行人前后位置的关联性,用上一步预测的位置对当前步的WiFi匹配进行多次约束,剔除匹配到的较远的参考点。实验表明,相比于传统的EWKNN算法,研究结果具有较高的定位精度。展开更多
针对室内定位指纹数据库更新成本过高的问题,设计了一种通过区域划分进行局部更新指纹数据库的RFID(Radio Frequency Identification,射频识别技术)室内定位算法。该算法通过聚类算法将指纹地图分成若干个子区域,每个子区域选取一个代...针对室内定位指纹数据库更新成本过高的问题,设计了一种通过区域划分进行局部更新指纹数据库的RFID(Radio Frequency Identification,射频识别技术)室内定位算法。该算法通过聚类算法将指纹地图分成若干个子区域,每个子区域选取一个代表点代表该子区域的指纹有效性,通过检测代表点的有效性来选择加权k近邻算法(Weighted k-Nearest Neighbor,WkNN)定位或子区域数据库的局部更新。实验结果表明,该算法在低成本的条件下极大限度地提高了定位精度和长期定位稳定性。展开更多
文摘传统增强动态K加权算法(enhanced weighted K nearest neighbors,EWKNN)算法相比K加权邻近算法(weighted K nearest neighbors,WKNN)算法,虽然能有效提高定位精度,但是仍然存在定位结果在空间中跳动跨度大的问题。针对传统EWKNN算法的不足,在EWKNN算法的基础上提出了基于多次约束匹配的室内定位算法。考虑了行人前后位置的关联性,用上一步预测的位置对当前步的WiFi匹配进行多次约束,剔除匹配到的较远的参考点。实验表明,相比于传统的EWKNN算法,研究结果具有较高的定位精度。
文摘针对室内定位指纹数据库更新成本过高的问题,设计了一种通过区域划分进行局部更新指纹数据库的RFID(Radio Frequency Identification,射频识别技术)室内定位算法。该算法通过聚类算法将指纹地图分成若干个子区域,每个子区域选取一个代表点代表该子区域的指纹有效性,通过检测代表点的有效性来选择加权k近邻算法(Weighted k-Nearest Neighbor,WkNN)定位或子区域数据库的局部更新。实验结果表明,该算法在低成本的条件下极大限度地提高了定位精度和长期定位稳定性。
