基于UWB和惯性导航的混合室内定位系统

用于室内定位的TDOA算法matlab仿真代码：含chan氏，taylor算法，卡尔曼滤波算法，及改进的基于卡尔曼的奇异值抛弃和整体偏移法,考虑NLOS因素(matlab simulation code of the TDOA algorithm For indoor positioning : containing chan s, taylor algorithm, the Kalman filter algorithm, and improved singular value based on Kalman abandoned and the overall offset method)

用于室内定位的TDOA算法matlab仿真代码.rar

基于Android手机平台设计并实现了WiFi室内定位系统。该系统采用指纹定位算法，通过手机采集室内WiFi信息并建立数据库，当用户发出定位请求时，手机将扫描到的WiFi信息发送给数据库，通过匹配算法进行位置定位。通过对采集后的数据进行加权以及对数据库数据进行预先处理，降低了运算量，同时去除了较小的信号强度的干扰。实验表明，与传统算法相比，该系统定位精度大大增加。

室内定位matlab代码学士项目 Matlab上的室内定位算法 这个项目包括我为我的 B.Eng 实现的代码。 计算机软件学位 该项目的目的是从定位方法中获得灵感，例如在移动机器人上实施的定位方法，以便在室内找到移动设备的位置。 在室内定位的情况下，与定位问题相比，问题稍微简化了一些。

针对室内可见光定位精度不高的问题，提出了一种基于接收信号强度与到达角度(RSS/AOA)信息混合的室内三维空间定位算法。该算法同时考虑距离信息和角度信息，利用最小二乘准则(LS)，建立混合定位优化目标函数，导出定位节点位置信息的最小二乘估计量。对于目标函数为非凸情况，将目标函数转换成广义信赖域子问题(GTRS)的形式进行求解，可以获得全局最优解。数值仿真结果显示，在室内5 m×5 m×3 m的二维定位场景下，选取20×20个测试点，平均定位误差为8.7 cm。此外，针对三维定位场景，对动态目标进行定位和追踪，结果表明该算法在水平方向和垂直方向均能获得较高的定位精度。

针对我国逐渐进入老龄化社会、老人增多的问题，利用Andriod平台开发了基于WiFi定位的老人看护系统。该系统由客户端、看护端和服务器组成，客户端和服务器联合完成定位功能，定位算法采用了基于RSSI的指纹算法估算出老人的位置坐标。客户端和服务器可进行危险区判断，采用特征量阈值二次判断法实现对老人跌倒检测，当老人进入危险区或摔倒时发出报警。实验表明，本系统定位速度快，定位精度高，准确报警率高。

为了评估所提出的基于三基站观测距离EKF融合滤波算法和传统的三基站观测距离LS定位算法的性能，假设系统的过程噪声和观测噪声都是服从均值为零，方差分别为10-8m和10-2m且彼此独立分布的高斯白噪声。已知三个参考基站的位置分别位于为(0，0)、(10，0)和(10，10)处，做匀加速直线运动的目标在初始时刻的状态向量 ，初始状态协方差矩阵 为6×6的单位矩阵。EKF融合滤波算法和LS定位算法的定位性能仿真结果如图1所示，图2展示了EKF融合滤波算法和LS定位算法的定位误差，图3展示了EKF融合滤波算法和LS定位算法的定位误差累积分布函数CDF。

Wireless Indoor Localization，A Crowdsourcing Approach，2018年新书

使用地标和PDR的智能手机的室内定位方法