室内定位技术的关键在于获取距离参数,在这一问题的研究中运用RSSI信号获得距离参数一直是比较通行的方法.本文针对室内环境复杂,接收RSSI信号存在较大噪声的情况,提出了一种运用卡尔曼滤波器对信号数据进行平滑预处理,随后利用最小二乘法进行分段曲线拟合从而实现定位的算法.通过实验测试结果表明,本文所提出的算法平均定位精度可达0.9 m,与普通数据平均值预处理算法和曲线直接拟合方法相比较,定位精度更高;比直接应用对数距离损耗路径模型的定位算法更为合理可靠,能够在一定程度上满足无线传感器网络室内定位需求.

针对传统的基于WiFi的最近邻(K-nearest neighbor algorithm, WiFi-KNN)室内定位算法精确度不能达到精准定位的需求的问题，本文提出了一种基于位置范围限定的K近邻(K-nearest neighbor based on the location range limit , LRL-KNN)室内定位算法。LRL-KNN算法通过利用用户的先前位置与WiFi指纹数据库中的参考点位置之间的物理距离组成的相关范围因子来缩放指纹距离，以此来减少定位的空间歧义性。尽管利用了先前的位置，但是该算法并不需要知道用户的确切移动速度和方向。与此同时，考虑到WiFi接收信号强度的时间波动性，将RSS直方图合并到距离计算中来减小时间波动带来的影响。实验结果表明：传统KNN算法的平均定位误差为2.13 m，新算法的平均定位误差为1.80 m，该误差在相同的测试环境下比传统的KNN算法减少15%。

为提高定位效率，提出了一种基于多分布密度位置指纹、精度渐进的室内定位算法。该算法把定位区域分为多个局部区域，并设定不同分布密度的参考位置点，根据来自锚节点的接收信号强度（RSS）时间和强度分布，通过各局部区域对应的信号覆盖向量和主成分分析法（PCA）提取的稀疏指纹的特征实现层次化匹配，有效减少在线指纹匹配过程的计算量，有利于目标节点存储空间和能耗的优化。实验结果表明，提出的算法在定位精度上不逊于其他室内定位算法，并且对锚节点分布密度依赖度小。

为了克服全球定位系统(GPS)对室内定位的盲点，在RFID一维定位的理论基础上推导出二维的室内定位算法，只需在室内摆放4个参考标签及两个远距RFID读取器即可实现二维定位，大大降低了系统的硬件成本。另外，基于RFID技术设计了一套嵌入式室内定位系统，通过该系统对二维定位方法进行实验验证，得到远距RFID读取器的不同二维坐标下的实验数据。

针对室内环境影响定位精度的非视距传播(non-line-of-sight，NLOS)问题，在对基于到达时间差(time difference of arrival，TDOA)的超宽带(ultra wideband，UWB)室内定位模型和算法进行分析研究的基础上，提出了质心-Taylor混合定位算法。该算法利用对测距误差不敏感的质心算法对目标进行初始粗定位，然后将其作为Taylor级数展开法的迭代初值进行二次精细定位，并动态地将前期定位完毕的节点转化为后续定位过程的参考节点，最大限度地利用不断增加的已知信息

室内定位算法代码,为C语言，详尽的介绍了室内定位算法代码，每一个都跑的通

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。

室内定位算法，有助于研究者认清研究方向，给定位算法一个准确的描述，是很好的参考教材。the possibility for the user to be notified by visible and Waveformof Distance audible warnings using buzzer and led ar to Very close to al 1903 Tme「 samples Fig 4 Distance measurement using the RSSi signal The system is used to determine the distance between Fig. 2. Tag4M Data Acquisition System tags and 2, 3, 4 or more APs. The tag scans after the aps ⅣV. EXPERIMENTS and sends the rssi values for each ap to the ap which is associated The system presented above can be used for objects or In order to read the corresponding rSsi values of all people localization in an indoor enviro found access points, a""operation is implemented at Let's suppose a building where several objects are Tag4M level. The time to scan is smaller than few distributed all over milliseconds, because the tag doesnt associate with the all For a better understanding of the system, it is showed an APs. These values are sent to a pC where the localization experiment where the objects are placed only at one floor. algorithm is implemented in LabVIFW20 10 (see Fig. 5) Each of these objects has attached a tag. The devices are Table I presents a scan operation result. In this case used to determine the location of the objects in the four APs(which are placed in the floor building)named building and the distance between tags and APs. To Hawk, Helicopter, Tag4M and WitagServer are detected measure the distance, the RSSI is processed. This method The corresponding rSSi values(in dBm) measured by the is not very accurate and is strong depended to the Tag4M are reported for every AP environment, but is very easy to implement with the TABLE 1. A SEQUENCE OF RESULTS FOR THE SCANOPERATION The Fig 3 presents the experiment environment for one EXFCUTED ON THE TAG4M DEVICE oor where the colored circles represents the APs and the rectangles represents the objects intended to be located This floor is divided in six rooms separated by walls

针对现有室内定位技术精度低、实现复杂度高等问题，提出一种基于粒子滤波的多信息融合室内定位算法。在传统的行人航迹推算（PDR）以及地磁匹配等室内定位算法的基础上，通过粒子滤波动态地纠正行人步长和方向角，从而有效地减小了定位误差。通过PDR算法获得行人的步频、步长、方向等信息，由地磁匹配算法得到行人所在位置对应的地磁值，最后利用粒子滤波对以上信息进行融合处理从而得到粒子的权重，由粒子权重对步长和方向角不断地修正。实验结果表明，该算法可以实时动态地补偿PDR的定位误差，能够获得较高的定位精度。

chan算法详解 还有一些matlab代码 亲测有效 。