利用容积卡尔曼滤波来设计粒子滤波器的重要性密度函数,并将当前的测量信息迭代到贯序重要性采样(SIS)过程中,进而提出一种基于迭代容积粒子滤波的RSSI(received signal strength indicator)蒙特卡罗定位算法.该算法使用迭代容积粒子滤...利用容积卡尔曼滤波来设计粒子滤波器的重要性密度函数,并将当前的测量信息迭代到贯序重要性采样(SIS)过程中,进而提出一种基于迭代容积粒子滤波的RSSI(received signal strength indicator)蒙特卡罗定位算法.该算法使用迭代容积粒子滤波对目标位置和无线信道衰减参数同时进行估计,采用迭代的方式对测量方程进行更新,进一步提高无线信道衰减参数的估计精度.仿真结果表明,基于迭代容积粒子滤波的RSSI蒙特卡罗定位算法对比基于无味粒子滤波的RSSI定位算法,能够有效降低室内无线定位的误差.展开更多
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
文摘利用容积卡尔曼滤波来设计粒子滤波器的重要性密度函数,并将当前的测量信息迭代到贯序重要性采样(SIS)过程中,进而提出一种基于迭代容积粒子滤波的RSSI(received signal strength indicator)蒙特卡罗定位算法.该算法使用迭代容积粒子滤波对目标位置和无线信道衰减参数同时进行估计,采用迭代的方式对测量方程进行更新,进一步提高无线信道衰减参数的估计精度.仿真结果表明,基于迭代容积粒子滤波的RSSI蒙特卡罗定位算法对比基于无味粒子滤波的RSSI定位算法,能够有效降低室内无线定位的误差.
