基于测距与指纹的室内定位算法研究

针对室内复杂环境下无线传感器节点的信号传播状态在LOS/NLOS之间切换的现象,提出基于TDOA和RSS的可行域粒子滤波非视距定位.首先采用基于TDOA和RSS两种测距模型的假设检验方法去辨识测量信号中是否存在NLOS现象,然后采用考虑NLOS测量信息的可行域粒子滤波方法对未知移动节点的位置进行定位.仿真结果表明,所提出的方法优于最小二乘法、普通的粒子滤波算法以及仅采用RSS测距模型的粒子滤波算法,具有较高的定位精度.

针对单站外辐射源条件下的目标定位问题，提出了一种基于最大似然的时差-频差联合定位算法。首先根据时差和频差的观测方程，构建目标位置和速度的最大似然估计模型。然后采用牛顿迭代算法对最大似然估计模型求解，得到目标位置和速度估计。最后，推导了算法的克拉美罗界和理论误差，并证明了二者相等。仿真结果表明，算法定位精度高于两步加权最小二乘算法和约束总体最小二乘算法，在测量误差较高时仍能达到克拉美罗界。通过对系统几何精度因子图的分析，确定目标及外辐射源数量和位置也是影响定位精度的重要因素。

视觉检测、视觉测量、视觉识别的机器视觉系统，往往视觉定位是最早最必须最重要的一步。如何实现对图像的精确快速定位（匹配）成了决定一个系统成败的关键！ 本ppt展示了用halcon进行图像定位的算法。

基于接收信号强度的KNN室内定位算法，还有测试数据。适合初学者参考

无线传感器网络节点定位算法的Matlab仿真 无线传感器网络节点定位算法的Matlab仿真 无线传感器网络节点定位算法的Matlab仿真 无线传感器网络节点定位算法的Matlab仿真

基于Matlab麦克风阵列下互相关函数分类的声源定位算法matlab源码

矿井巷道环境复杂多变，DV-hop算法应用于井下定位时效果不理想，因而，基于幅频矢量匹配对经典DV-hop算法定位结果进行优化。利用经典DV-hop算法找到井下移动节点位置大致区域，将节点接收到的各锚节点信标信号的幅频矢量与数据库中煤矿巷道各点的幅频矢量相匹配，最终确定移动节点的精确位置信息。仿真结果表明：优化后的DV-hop算法，平均定位精度和定位覆盖率明显优于经典的DV-hop算法；随着锚节点数的增加，优化后的DV-hop算法的平均定位误差呈明显下降趋势。

针对传统WLAN指纹定位算法中存在的定位精度低、稳定性差、实时性不高等问题，提出一种基于CMAES-SVR的WLAN室内定位算法。该算法首先对接入点（AP）的接收信号强度（RSS）进行统计分析，采用高斯滤波对信号进行预处理，然后利用K-means聚类算法将原始指纹数据库中的定位区域进行聚类分块；其次采用协方差矩阵自适应进化策略（CMAES）优化支持向量回归机（SVR）参数，从而建立CMAES-SVR室内定位学习模型，通过该模型分别构建各定位子区域中RSS信号与物理位置非线性映射关系；最后判断测试点所属类簇，根据该类簇中训练好的CMAES-SVR模型进行回归预测。实验结果表明，与WKNN、传统SVR以及PSO-SVR算法相比，该算法在定位精度、稳定性以及实时性方面均有所提高。

针对RSS（接收信号强度）时变性以及不同终端信号接收能力的差异性，导致WLAN位置指纹定位不稳定的问题，基于RSS空间线性相关性提出一种新颖的位置指纹定位算法。在每个参考点分别采集多组RSS样本形成特征矩阵，并构建离线位置指纹数据库。定位时，通过计算实时RSS矩阵与指纹库参考点相关性，得到最相关的k个参考点，利用二次加权质心算法计算用户的最终位置。为了有效降低信号时变性的影响，采样时进行了滤波、排序等处理，构建离线指纹数据库时尽量增加采样次数，但需要对样本进行聚合处理以适应定位相关性计算。实验结果表明，该算法在保证较高定位准确度的同时，针对不同终端有更好的定位稳定性。