导读:本文包含了环境指纹论文开题报告文献综述及选题提纲参考文献，主要关键词:室内定位,限幅滤波,改进WKNN,曲线拟合
环境指纹论文文献综述
周骁健,王运锋[1]（2019）在《复杂环境下基于RSSI指纹匹配的室内定位改进算法》一文中研究指出改进复杂室内环境下基于RSSI指纹匹配的定位算法。整体上,采用"先定区后定位"的思路,以减小整体计算量,并在小范围内实现更准确的定位。另外,在指纹库建立阶段,考虑垂直高度的影响和噪点的滤除;在数据接收阶段,选择基于前一周期报告值的限幅滤波算法,以平滑报告值的波动。最后,在实际定位阶段,改进WKNN算法采用基于欧氏距离的加权法,并通过曲线拟合确定本实验环境下的最佳C值。实验证明该套改进算法,可以明显降低复杂环境下的定位误差。(本文来源于《现代计算机》期刊2019年27期）
陈鲁松[2]（2019）在《曲靖市辖区水环境中痕量金属元素的线性指纹图谱特征及应用设想》一文中研究指出通过对水环境中痕量稀有金属元素Mo、Co、Be、B、Sb、Ni、Ba、V、Ti、Tl的浓度的多年分析,以及曲靖市辖区水环境的位置关系,构建了曲靖市8个水环境中痕量金属元素的线性指纹图谱,以期通过此种方法帮助建立水质溯源的科学方法,并最终希望运用到地下水的溯源和其他水源溯源工作中。(本文来源于《环境科学导刊》期刊2019年04期）
李凯华[3]（2019）在《基于Wi-Fi和环境声指纹的室内分区定位算法研究与实现》一文中研究指出为了在不增加任何硬件基础设施和基站的条件下,仅依靠现有的室内环境和硬件条件实现房间级定位和房间内区域级定位,本文主要利用公共Wi-Fi的接收信号强度RSSI和环境声的声学特征,结合Android智能手机的软件实现。同时,为了获取大量Wi-Fi和环境声指纹,开发了两款专业采集数据的Android手机软件。最后将基于Wi-Fi和环境声指纹的室内分区算法移植到Android软件上实现室内分区定位。先利用Wi-Fi的接收信号强度RSSI建立的Wi-Fi指纹地图实现房间级定位,再利用室内环境声的声学特征建立的环境声指纹地图实现房间内区域级定位。为了处理通过手机软件采集的大量Wi-Fi和环境声指纹,本文主要是通过两种相似度算法提取最优指纹,降低指纹地图占用的内存、去除数据的噪声和冗余度。并且在建立环境声指纹地图之前,研究了多种声学特征以及组合特征,挖掘最适合用于房间内分区定位的声学特征或组合特征。论文完成的工作包括:(1)开发了采集Wi-Fi指纹的Android手机软件,同时协助开发了采集环境声的Android手机软件。首先确定Wi-Fi指纹的多个参数和数据格式,再根据仿真需求设计软件框架,编写软件。在开发采集环境声的软件时,主要工作是确定采集音频的各类参数,包括音频采样率、声道和时长等;(2)研究Wi-Fi和环境声的最优指纹提取算法。利用杰卡德相似度算法和皮尔逊相似度算法,提取每个房间的Wi-Fi最优指纹和房间内每个分区的环境声最优指纹,解决了多设备采集的Wi-Fi和环境声指纹存在的冗余度和噪声等问题;(3)从时长为10秒的环境声样本中提取了多种声学特征,研究声学特征和声学组合特征在房间内分区定位的可靠性和稳定性。声学特征主要包含Chromagram、Sonagram、MFCC、功率、功率谱密度与第五百分位功率六种特征,并对这六种声学特征进行各种组合共41种。为了提高分区定位的效率和对分区的识别率,最后提出了一种新的声学特征PI05;(4)将定位算法和指纹地图移植到Android智能手机上,理论研究与实际应用相结合,开发可以用于实时分区定位的手机软件。本文的结论是利用Wi-Fi实现房间级定位的平均识别率为99.17%。在环境声样本时长为10秒时,比较多种声学特征以及组合特征的分区定位结果,得出Chromagram、Sonagram和改进的功率谱密度的组合特征对分区的识别率最高,能达到85.21%。进一步研究了第五百分位功率的改进特征PI05和做了缩短环境声样本时长的实验,在环境声时长为3秒时,声学特征PI05对分区的平均识别率最高能达到87.0%。(本文来源于《桂林电子科技大学》期刊2019-05-29）
李庆年,胡玉平[4]（2019）在《大数据环境下利用新型FTS的并行细节点指纹匹配通用分解方法》一文中研究指出随着指纹识别数据库规模的不断扩大,指纹识别系统的通用性、可靠性亟须提高。为了解决该问题,提出了利用新型指纹拓扑结构(FTS)的并行化细节点指纹匹配分解方法。该方法首先根据k近邻算法设计了叉点和端点新的结构,并提取出细节点特征。然后,将匹配分数的计算过程分解为几个小步骤来执行,在更精细的层次上分割2个指纹的最终匹配,以此定义局部结构子集之间的部分分数。最后,单独计算这些部分分数,将它们合并在一起,构成一个非常灵活的预测值,并允许丢弃部分分数。此外,提出了基于细节点置信度的指纹匹配算法,有助于全局范围上的指纹信息提取,从而确保局部相似细节点的有效匹配。在SFinGe数据库上的实验结果表明:所提出的分解框架可适用于Apache Hadoop、Apache Spark等大数据环境,具有良好的可靠性。将提出的分解方法应用于3种匹配算法中进行实验,结果表明提出的分解方法具有良好的通用性。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年04期）
赵林生,王鸿鹏,刘景泰[5]（2019）在《人机共享环境下基于Wi-Fi指纹的室内定位方法》一文中研究指出针对服务机器人和行人的室内全局定位问题,提出一种人机共享环境下基于Wi-Fi指纹的室内定位方法.首先,采用核主成分分析法(KPCA)从双频段的Wi-Fi信号中提取一种设备无关的鲁棒位置指纹,用于Wi-Fi指纹定位.然后,为了提高行人定位的稳定性和精确度,结合行人航迹推算(PDR)的定位方法,设计了一种基于选择更新粒子滤波(SUPF)的Wi-Fi/PDR组合定位算法.在该算法中,利用PDR对移动场景下的Wi-Fi定位结果进行了初步校正,并通过定义自适应大小的可信空间对校正后的结果进行评估,从而在数据融合之前剔除不可信的Wi-Fi定位估计.最后,在实际场景下开展了定位实验,Wi-Fi/PDR组合定位的平均定位误差约为2 m,实验结果表明所提出的方法提升了定位系统的精确度和鲁棒性.(本文来源于《机器人》期刊2019年03期）
邬光敏,郭媛媛,朱凡,张铠,刘希宇[6]（2018）在《静脉指纹分子EphB4在移植静脉适应动脉血流环境中的调控机制》一文中研究指出目的:探讨EphB4在移植静脉适应动脉血流过程中的调控作用及机制。方法:静脉移植重建动脉模型采用将供体大鼠上腔静脉端端吻合移植到受体大鼠腹主动脉的方式构建,实验分为单纯模型组(供体、受体均为野生型大鼠)、EphB4增强组(供体、受体均为野生型大鼠,移植静脉外膜以EphB4的配体ephrinB2持续刺激)、EphB4减弱组(供体EphB4+/-型转基因大鼠,受体为野生型大鼠),各组分别在建模后1、4周取移植静脉行组织病理学检测;分离并培养野生型及EphB4+/-型大鼠静脉内皮细胞,比较两种细胞在相同浓度ephrinB2刺激下,EphB4膜受体(EphBR)及下游传导通路ERK1/2的磷酸化程度及细胞迁移能力。结果:与大鼠正常上腔静脉比较,各实验组移植静脉的内膜+中膜厚度、平滑肌肌动蛋白、胶原纤维含量均明显并逐渐增加(均P<0.05);建模后1周,以上指标的增加程度在各实验组间差异无统计学意义(均P>0.05),但建模后4周,EphB4增强组以上指标的增加程度均明显低于另两组(均P<0.05)。相同浓度ephrinB2刺激下,EphB4+/-型大鼠静脉内皮细胞的EphBR与ERK1/2磷酸化程度、EphB4 mRNA转录活性、迁移能力均明显低于野生型大鼠内皮细胞(均P<0.05)。结论:静脉分子指纹EphB4的表达量可能对移植静脉重塑的走向起关键作用,机制可能与其通过ERK1/2途径影响内皮细胞功能有关。(本文来源于《中国普通外科杂志》期刊2018年12期）
崔煜晨[7]（2018）在《水质指纹污染预警溯源技术助力水环境管理》一文中研究指出2017年9月，广东省深圳市出现了第一笔千万级的环保罚单。当地环境监察、监测部门联合对某工业区污水排口的水质进行检查时，深圳市环境监测中心站通过最新的水质指纹污染预警溯源技术发现偷排，并找出了违法排污的嫌疑企业。在这其中发挥了重要作用的水质指纹(本文来源于《中国环境报》期刊2018-07-23）
张伟,花向红,邱卫宁,薛卫星[8]（2018）在《稳态环境下WiFi指纹点的最佳空间分辨率确定》一文中研究指出针对WiFi指纹室内定位技术中存在的指纹点空间分辨率的任意选取问题,该文提出了稳态环境下确定WiFi指纹定位的最佳空间分辨率的方法。指纹点空间分辨率的提高,会引起指纹点的数量的迅速增加,导致WiFi定位算法的内存和计算量的消耗。为了尽量减少WiFi室内定位技术的内存、计算量开销,在给定精度要求下,需要依据可靠度设计对应的指纹点空间分辨率。实验结果表明,对于2.0m的精度和90%的可靠性要求可采用3.0m空间分辨率;对于1.5m的精度和90%的可靠性要求可采用2.5m空间分辨率;对于1.0m精度需求的位置估计,建议采用1.5m空间分辨率的指纹点。(本文来源于《测绘科学》期刊2018年06期）
杜恒[9]（2017）在《异构网络环境下的位置指纹定位方法研究》一文中研究指出随着移动互联网技术的飞速发展,越来越多的移动互联网业务需要以移动终端的位置信息为基础来开展,近年来有关移动终端精确定位的课题成为了通信领域的研究热点。同时,随着信息融合技术的发展与进步,异构网络融合已成为不可逆转的技术趋势。本文在上述技术背景下,重点开展了在WLAN/蓝牙异构的无线网络环境中进行移动终端定位的相关研究。本文首先概述了课题的研究背景与国内外研究现状,介绍了在室内无线定位中常用的定位技术,重点介绍了基于距离的几何无线定位算法原理和基于位置指纹的定位算法基本原理,研究了基于贝叶斯法的概率型位置指纹定位算法相较于传统的确定型算法在定位精度上的优势和存在的问题,发现基于贝叶斯的位置指纹定位算法相较于传统的NN、KNN、WKNN等确定型算法定位精度更高,但同时也存在位置指纹数据库建立过程中的采样点数据过多,影响采集工作效率,以及基于贝叶斯的后验概率匹配算法复杂度高影响定位速度等问题。针对前期研究中发现的问题提出了一种综合插值建库算法和在线匹配算法的WLAN/蓝牙异构网络位置指纹定位方法,该方法通过一种结合无线信号传播损耗模型的线性插值方法建立位置指纹数据库,减少了位置指纹定位算法在建库阶段数据采集的工作量,使用基于向量相似性和基于贝叶斯的改进型指纹匹配算法分别对WLAN和蓝牙信号进行位置指纹匹配,通过加权向量相似性定位算法和优化的贝叶斯后验概率定位算法确定待测目标位置。通过实验和Matlab数据仿真验证了该定位方法的实验可行性和定位性能改进水平,仿真结果表明,本文提出的异构网络定位算法相较于单一网络定位精度得到提高。本文的主要内容对研究在WLAN/蓝牙异构网络中进行目标的精确定位具有一定的指导意义。(本文来源于《南京邮电大学》期刊2017-10-26）
向朋[10]（2017）在《利用环境特征及WiFi射频干扰指纹定位ZigBee节点的研究》一文中研究指出精确的室内定位技术一直是国际移动计算领域的研究热点。传统的基于无线射频的室内定位技术通常仅用无线信号强度信息(RSS)来定位,并且通常节点只能使用同样的通信协议。但由于在实际应用场景中,RSS容易受室内多径效应影响,且多类不同协议的无线节点往往大量存在,因此传统定位技术的应用范围会受到许多限制。为了解决上述问题,本文提出了两种不同的方法来定位目标物体。第一种方法是通过利用不同的环境物理特征来辅助无线信号强度(RSS)进行定位。除了传统的无线信号强度信息外,我们利用光照强度、温度、湿度信息等环境物理特征信息来辅助定位。具体实现方法是根据以上信息构造一个综合的指纹图谱,并采用了最近邻分类算法和贝叶斯分类算法来定位目标。实验结果显示,本方法所能得到的定位精度与传统只利用无线信号强度信息的定位技术相比,定位精度提高了45%。另一种方法是对基于同一个通信频段的不同通信协议的无线节点进行定位。由于WiFi的广泛普及,WiFi技术和ZigBee技术共享2.4GHz ISM通信频段,当ZigBee设备进入无线环境中,会对WiFi的时序信道状态信息(CSI)产生干扰。我们利用WiFi无线信号受到ZigBee设备通信产生的干扰特征来定位ZigBee设备。本文的定位方法采用了主成分分析(PCA)、动态时间规整(DTW)和最近邻分类算法。我们分别在不同的环境中测试了该方法。实验结果表明,系统能够利用WiFi无线信号受到的干扰特征来对ZigBee设备进行定位,且不同协议无线节点的定位精度可以达到米级。(本文来源于《深圳大学》期刊2017-06-30）
环境指纹论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
通过对水环境中痕量稀有金属元素Mo、Co、Be、B、Sb、Ni、Ba、V、Ti、Tl的浓度的多年分析,以及曲靖市辖区水环境的位置关系,构建了曲靖市8个水环境中痕量金属元素的线性指纹图谱,以期通过此种方法帮助建立水质溯源的科学方法,并最终希望运用到地下水的溯源和其他水源溯源工作中。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
环境指纹论文参考文献
[1].周骁健,王运锋.复杂环境下基于RSSI指纹匹配的室内定位改进算法[J].现代计算机.2019
[2].陈鲁松.曲靖市辖区水环境中痕量金属元素的线性指纹图谱特征及应用设想[J].环境科学导刊.2019
[3].李凯华.基于Wi-Fi和环境声指纹的室内分区定位算法研究与实现[D].桂林电子科技大学.2019
[4].李庆年,胡玉平.大数据环境下利用新型FTS的并行细节点指纹匹配通用分解方法[J].重庆理工大学学报(自然科学).2019
[5].赵林生,王鸿鹏,刘景泰.人机共享环境下基于Wi-Fi指纹的室内定位方法[J].机器人.2019
[6].邬光敏,郭媛媛,朱凡,张铠,刘希宇.静脉指纹分子EphB4在移植静脉适应动脉血流环境中的调控机制[J].中国普通外科杂志.2018
[7].崔煜晨.水质指纹污染预警溯源技术助力水环境管理[N].中国环境报.2018
[8].张伟,花向红,邱卫宁,薛卫星.稳态环境下WiFi指纹点的最佳空间分辨率确定[J].测绘科学.2018
[9].杜恒.异构网络环境下的位置指纹定位方法研究[D].南京邮电大学.2017
[10].向朋.利用环境特征及WiFi射频干扰指纹定位ZigBee节点的研究[D].深圳大学.2017