基于多传感器与iBeacon室内定位的研究与实现
这是一篇关于iBeacon室内定位,多传感器定位,融合定位,WKNN的论文, 主要内容为随着智能终端的普及以及科技的快速发展,室内位置服务的需求与日俱增。从1992年红外线定位技术到近年来的iBeacon定位技术,室内定位技术得到了快速发展,多种多样的定位技术被提了出来,其中基于无线传感器网络的定位技术应用最为广泛,比如WiFi定位、蓝牙定位、Zigbee定位等。2013年采用低功耗蓝牙(Bluetooth Low Energy,BLE)技术的iBeacon被提出后,基于iBeacon位置指纹库的定位技术被广泛追捧,而基于智能手机惯性传感器的定位技术具有自主、短时精度高等特点。本文通过对国内外室内定位技术的分析,提出了基于多传感器与iBeacon的融合定位技术,主要采用了位置指纹库定位方法与行人航迹推算方法来进行实现。主要研究工作和创新点如下:(1)针对多径效应以及人员扰动等因素造成的iBeacon信号噪声问题,本文引入卡尔曼滤波对采集的iBeacon信号进行处理。(2)为解决加权K近邻算法(WKNN)定位结果跳变问题,采用卡尔曼滤波对WKNN定位结果进行处理,实验结果表明在办公室环境下采用卡尔曼滤波进行处理后可将定位结果误差在1米以内的比例提高到80%以上,使定位精度得到了提升。(3)对多传感器定位中的行人步数统计方法进行了改进,主要提出了基于阈值分级的方法实现行人运行步态的检测,同时依据行人步伐频率来判断有效步伐。通过实验验证本文的步数统计方法准确率在97%以上。(4)针对位置指纹库匹配过程中运算量较大以及匹配结果中存在较大偏差数据的问题,本文提出了多传感器定位与iBeacon定位的融合策略。首先通过多传感器定位来预测定位结果的范围,实现对位置指纹库的约减,最后采用基于WKNN+卡尔曼滤波的组合方法得到定位结果。按照实验设计进行测试,实验结果表明采用本文提出的融合定位方法可将定位结果误差在1米以内的比例提高到85%以上。(5)定位系统的设计和实现。根据本文室内定位系统的要求,开发了一套集成本文融合策略和算法的室内定位系统。后台服务器采用J2EE架构,数据访问层采用了Hibernate框架,数据表现层和业务逻辑层采用Java Servlet组件,主要实现了位置指纹库管理模块、定位算法模块以及Socket通信模块等。移动客户端在Android系统平台下实现,主要完成了用户界面交互模块、服务器通信模块、iBeacon信号采集和处理模块、传感器信号采集和处理模块等。经过实际测试,本系统达到了预期效果。
基于iBeacon的智能仓库货物定位管理系统设计与实现
这是一篇关于仓库货物定位管理,iBeacon定位,指纹定位,WKNN,聚类算法的论文, 主要内容为随着我国各行业智能化步伐的推进和数字社会建设速度的加快,仓库管理作为现代物流业中不可缺少的重要环节,其管理的智能化是现代仓库的发展方向,面对仓库中堆积如山的货物,及时确定货物位置是智能化管理的基础。室内定位技术作为商业智能应用的关键技术,有助于提高仓库运转的效率,减少人工对货物的检索时间。本文分析了目前智能仓库系统发展现状,在保证仓库货物定位精度的前提下,使用具有低功耗蓝牙技术的iBeacon信标来获取仓库货物位置信息,设计并实现了基于iBeacon的智能仓库货物定位管理系统,主要工作如下:首先,通过对基于iBeacon的室内定位相关技术进行了分析,决定采用位置指纹算法实现对仓库货物的定位;在真实仓库环境进行了硬件部署,并采集了仓库区域中不同位置的指纹数据;考虑到由众多iBeacon信标与仓库场景组成复杂的室内环境会影响离线指纹库的准确性,使用卡尔曼滤波对采集的原始数据进行滤波处理,建立了能够准确反应仓库区域各位置特性的离线指纹库。其次,为了提高定位系统的匹配效率和货物的定位精度,对仓库区域进行了空间划分。提出了基于人工蜂群算法(Artificial Bee Colony Algorithm,ABC)优化K均值算法的空间划分方法,利用ABC的寻优行为和跳出局部最优的能力,确定K均值算法的最优聚类中心点,避免聚类时出现局部最优的问题,实现对指纹空间的准确划分;对处于聚类边界点的待测点进行定位匹配时,可能会出现遗失相邻子空间位置信息的问题,提出了自适应匹配多个子空间指纹数据的算法,根据阈值自适应判断匹配的子空间数量;对于加权K近邻算法选取的K个近邻点中,可能存在异常点问题,提出了基于局部离群因子的加权K近邻定位算法计算匹配到的K个近邻点的局部密度,剔除距离较远但指纹数据相似的异常点,进而得到货物的精确位置。经对比实验验证及真实仓库场景的货物定位实验,该方案能够在仓库场景中对货物位置进行高效的位置解析。最后,结合改进的位置指纹定位算法,对仓库货物定位管理系统进行需求分析与设计。完成了仓库货物定位管理系统的需求分析、各功能模块的详细设计和数据库表的整体设计,进而实现了基于iBeacon的智能仓库货物定位管理系统。同时,针对仓库中不同的角色需求,开发了基于Android端的手机APP和基于Web端的后台管理系统,并为仓库管理人员提供了iBeacon设备监控、货物定位、货物出入库、仓库货物管理及历史位置轨迹回放等功能。
基于iBeacon的智能仓库货物定位管理系统设计与实现
这是一篇关于仓库货物定位管理,iBeacon定位,指纹定位,WKNN,聚类算法的论文, 主要内容为随着我国各行业智能化步伐的推进和数字社会建设速度的加快,仓库管理作为现代物流业中不可缺少的重要环节,其管理的智能化是现代仓库的发展方向,面对仓库中堆积如山的货物,及时确定货物位置是智能化管理的基础。室内定位技术作为商业智能应用的关键技术,有助于提高仓库运转的效率,减少人工对货物的检索时间。本文分析了目前智能仓库系统发展现状,在保证仓库货物定位精度的前提下,使用具有低功耗蓝牙技术的iBeacon信标来获取仓库货物位置信息,设计并实现了基于iBeacon的智能仓库货物定位管理系统,主要工作如下:首先,通过对基于iBeacon的室内定位相关技术进行了分析,决定采用位置指纹算法实现对仓库货物的定位;在真实仓库环境进行了硬件部署,并采集了仓库区域中不同位置的指纹数据;考虑到由众多iBeacon信标与仓库场景组成复杂的室内环境会影响离线指纹库的准确性,使用卡尔曼滤波对采集的原始数据进行滤波处理,建立了能够准确反应仓库区域各位置特性的离线指纹库。其次,为了提高定位系统的匹配效率和货物的定位精度,对仓库区域进行了空间划分。提出了基于人工蜂群算法(Artificial Bee Colony Algorithm,ABC)优化K均值算法的空间划分方法,利用ABC的寻优行为和跳出局部最优的能力,确定K均值算法的最优聚类中心点,避免聚类时出现局部最优的问题,实现对指纹空间的准确划分;对处于聚类边界点的待测点进行定位匹配时,可能会出现遗失相邻子空间位置信息的问题,提出了自适应匹配多个子空间指纹数据的算法,根据阈值自适应判断匹配的子空间数量;对于加权K近邻算法选取的K个近邻点中,可能存在异常点问题,提出了基于局部离群因子的加权K近邻定位算法计算匹配到的K个近邻点的局部密度,剔除距离较远但指纹数据相似的异常点,进而得到货物的精确位置。经对比实验验证及真实仓库场景的货物定位实验,该方案能够在仓库场景中对货物位置进行高效的位置解析。最后,结合改进的位置指纹定位算法,对仓库货物定位管理系统进行需求分析与设计。完成了仓库货物定位管理系统的需求分析、各功能模块的详细设计和数据库表的整体设计,进而实现了基于iBeacon的智能仓库货物定位管理系统。同时,针对仓库中不同的角色需求,开发了基于Android端的手机APP和基于Web端的后台管理系统,并为仓库管理人员提供了iBeacon设备监控、货物定位、货物出入库、仓库货物管理及历史位置轨迹回放等功能。
基于iBeacon的智能仓库货物定位管理系统设计与实现
这是一篇关于仓库货物定位管理,iBeacon定位,指纹定位,WKNN,聚类算法的论文, 主要内容为随着我国各行业智能化步伐的推进和数字社会建设速度的加快,仓库管理作为现代物流业中不可缺少的重要环节,其管理的智能化是现代仓库的发展方向,面对仓库中堆积如山的货物,及时确定货物位置是智能化管理的基础。室内定位技术作为商业智能应用的关键技术,有助于提高仓库运转的效率,减少人工对货物的检索时间。本文分析了目前智能仓库系统发展现状,在保证仓库货物定位精度的前提下,使用具有低功耗蓝牙技术的iBeacon信标来获取仓库货物位置信息,设计并实现了基于iBeacon的智能仓库货物定位管理系统,主要工作如下:首先,通过对基于iBeacon的室内定位相关技术进行了分析,决定采用位置指纹算法实现对仓库货物的定位;在真实仓库环境进行了硬件部署,并采集了仓库区域中不同位置的指纹数据;考虑到由众多iBeacon信标与仓库场景组成复杂的室内环境会影响离线指纹库的准确性,使用卡尔曼滤波对采集的原始数据进行滤波处理,建立了能够准确反应仓库区域各位置特性的离线指纹库。其次,为了提高定位系统的匹配效率和货物的定位精度,对仓库区域进行了空间划分。提出了基于人工蜂群算法(Artificial Bee Colony Algorithm,ABC)优化K均值算法的空间划分方法,利用ABC的寻优行为和跳出局部最优的能力,确定K均值算法的最优聚类中心点,避免聚类时出现局部最优的问题,实现对指纹空间的准确划分;对处于聚类边界点的待测点进行定位匹配时,可能会出现遗失相邻子空间位置信息的问题,提出了自适应匹配多个子空间指纹数据的算法,根据阈值自适应判断匹配的子空间数量;对于加权K近邻算法选取的K个近邻点中,可能存在异常点问题,提出了基于局部离群因子的加权K近邻定位算法计算匹配到的K个近邻点的局部密度,剔除距离较远但指纹数据相似的异常点,进而得到货物的精确位置。经对比实验验证及真实仓库场景的货物定位实验,该方案能够在仓库场景中对货物位置进行高效的位置解析。最后,结合改进的位置指纹定位算法,对仓库货物定位管理系统进行需求分析与设计。完成了仓库货物定位管理系统的需求分析、各功能模块的详细设计和数据库表的整体设计,进而实现了基于iBeacon的智能仓库货物定位管理系统。同时,针对仓库中不同的角色需求,开发了基于Android端的手机APP和基于Web端的后台管理系统,并为仓库管理人员提供了iBeacon设备监控、货物定位、货物出入库、仓库货物管理及历史位置轨迹回放等功能。
基于多传感器与iBeacon室内定位的研究与实现
这是一篇关于iBeacon室内定位,多传感器定位,融合定位,WKNN的论文, 主要内容为随着智能终端的普及以及科技的快速发展,室内位置服务的需求与日俱增。从1992年红外线定位技术到近年来的iBeacon定位技术,室内定位技术得到了快速发展,多种多样的定位技术被提了出来,其中基于无线传感器网络的定位技术应用最为广泛,比如WiFi定位、蓝牙定位、Zigbee定位等。2013年采用低功耗蓝牙(Bluetooth Low Energy,BLE)技术的iBeacon被提出后,基于iBeacon位置指纹库的定位技术被广泛追捧,而基于智能手机惯性传感器的定位技术具有自主、短时精度高等特点。本文通过对国内外室内定位技术的分析,提出了基于多传感器与iBeacon的融合定位技术,主要采用了位置指纹库定位方法与行人航迹推算方法来进行实现。主要研究工作和创新点如下:(1)针对多径效应以及人员扰动等因素造成的iBeacon信号噪声问题,本文引入卡尔曼滤波对采集的iBeacon信号进行处理。(2)为解决加权K近邻算法(WKNN)定位结果跳变问题,采用卡尔曼滤波对WKNN定位结果进行处理,实验结果表明在办公室环境下采用卡尔曼滤波进行处理后可将定位结果误差在1米以内的比例提高到80%以上,使定位精度得到了提升。(3)对多传感器定位中的行人步数统计方法进行了改进,主要提出了基于阈值分级的方法实现行人运行步态的检测,同时依据行人步伐频率来判断有效步伐。通过实验验证本文的步数统计方法准确率在97%以上。(4)针对位置指纹库匹配过程中运算量较大以及匹配结果中存在较大偏差数据的问题,本文提出了多传感器定位与iBeacon定位的融合策略。首先通过多传感器定位来预测定位结果的范围,实现对位置指纹库的约减,最后采用基于WKNN+卡尔曼滤波的组合方法得到定位结果。按照实验设计进行测试,实验结果表明采用本文提出的融合定位方法可将定位结果误差在1米以内的比例提高到85%以上。(5)定位系统的设计和实现。根据本文室内定位系统的要求,开发了一套集成本文融合策略和算法的室内定位系统。后台服务器采用J2EE架构,数据访问层采用了Hibernate框架,数据表现层和业务逻辑层采用Java Servlet组件,主要实现了位置指纹库管理模块、定位算法模块以及Socket通信模块等。移动客户端在Android系统平台下实现,主要完成了用户界面交互模块、服务器通信模块、iBeacon信号采集和处理模块、传感器信号采集和处理模块等。经过实际测试,本系统达到了预期效果。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设港湾 ，原文地址：https://m.bishedaima.com/lunwen/51438.html
