排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
提出了一种面向无线局域网(wireless local area network,WLAN)位置指纹匹配定位的动态自适应模型,借助多个基站的实时数据为稳健室内定位提供更新的匹配数据库——radio map。基于基站与radio map采样点之间的空间关联性,将基站数据和radio map分别作为多层神经网络的输入和输出,动态更新radio map;利用多元数据异常探测技术检验基站数据捕获环境的时空变化;根据探测结果采用顾及室内布局的数值内插和再训练的方式更新模型,从而使其适应环境的时空变化。在室内动态环境中进行了多次验证试验。试验结果显示,在时变因素作用下,相比较传统方法,采用所提模型的定位方法的平均误差至少下降10%;在空间变化因素(以信标移动为例)作用下,其他方法平均定位误差大幅增加了至少165%,而采用所提模型方法的平均定位误差只增加了10%~20%,定位精度维持在3m左右(即原始精度)。结果证明采用了所提模型的定位系统能够自适应环境的时空变化而保持原有定位表现。不过,与传统位置指纹匹配定位方法相比,该模型带来了更多的计算负荷。 相似文献
2.
多基站模式下的实时与自适应室内定位方法研究 总被引：3，自引：0，他引：3
无线通信网络的增值推动了适宜和有效的室内外定位的发展。提出WLAN环境下多基站辅助的自适应定位方法,此方法基于由多个基站信息及其与位置指纹样本点之间的映射关系实时生成的位置指纹库估算移动站的位置。其中,基站与位置指纹样本点对应信号强度之间的映射通过BP神经网络构建。此方法不但能够适应环境中小尺度扰动因素,还能够通过对基站信息的内插适应大尺度环境变化情况。另外,此方法采用的信号强度差分度量,能有效削弱多个设备之间的差异造成的定位误差。试验结果显示该方法能够在动态环境中精确定位目标。 相似文献
1