KO
|
EN
gitlite — search
Search
#typescript
#ai-agents
#ai
#dsh-plugin
#deepseek-harness
#open-source
#claude-code
#codex
#cli
#developer-tools
#react
#windows
wifi-positioning-methods
★ 47
Open GitHub ↗
用Python实现WiFi室内定位的相关算法
Download README (.md)
Explore Similar Repositories
causal-recsys-public
:
No description available.
ng-google-sheets-db-library
:
Use Google Sheets as your (read-only) backend for your Angular app!
OffLicenseDemo
:
基于RSA+AES算法实现软件授权License
SIFT
:
基于C++的基本库实现了SIFT特征提取与匹配, 无需调用如OpenCV的库函数. 从实现细节的角度介绍了SIFT算法流程. 代码很大程度地基于ezSIFT代码, 用于自学和理解SIFT算法.
repository.bingie.mod
:
No description available.
// repository documentation
Was this content helpful?
★ 0
(0 ratings)
Select Rating:
★
★
★
★
★
Submit Feedback
Recent Feedback
×
Download README
Do you want to download the
README.md
file for
wifi-positioning-methods
?
Download (.md)
# Indoor Positioning by Python 用Python实现WiFi室内定位的相关算法，参考了文献[1]。如果有相关问题，请在github上提交issue，如果发现bug或实现了不同的WiFi室内定位算法，欢迎提交pull request。 ## 步骤 #### 1. 采集数据 使用NetSpot软件在华北电力大学地下停车场采集数据。 #### 2. 数据处理 将采集的原始数据处理成易于观察和处理的数据格式 #### 3. 过滤数据 根据样本的ID获得所需的数据。 #### 4. 应用定位算法 测试不同WiFi室内定位算法的定位效果，目前实现了6种WiFi室内定位算法，Nn，Knn，Wknn，Prob，Stg，Gk。 ## 文档结构 * src: 代码 * db: 指纹数据库，该目录下有更详细的说明 * img: README.md中用到的图片 ## 函数调用关系 #### 与文件相关的函数  #### 与样本ID相关的函数  ## 定位算法 #### KNN方法[2] KNN方法的主要思路是：找出与TP的WiFi指纹相似度最高的K个RP，然后平均这K个RP对应的位置，最终得到TP的位置。 #### Prob方法[3] Prob方法的主要思路是：通过贝叶斯公式，计算TP出现在每个RP上的后验概率，取k个概率最大的RP，然后平均这K个RP对应的位置，最终得到TP的位置。 #### Stg方法[4] Stg方法是KNN方法的一种改进方法，它通过TP的k个信号最强的信号接入点来筛选RP，然后再应用KNN方法。 #### Gk方法[5] GK方法的主要思路是通过高斯核密度估计器（Gaussian Kernel Density Estimator，GKDE）计算每个指纹位置的相对过饱和度的可能性，并通过平均与最高似然值对应的位置来确定TP的位置。 ## 参考文献 [1] Mendoza-Silva, Germán, Martín,等. Long-Term WiFi Fingerprinting Dataset for Research on Robust Indoor Positioning[J]. Data, 2018. [2] P. Bahl, V. N. Padmanabhan, Radar: an in-building rf-based user location and tracking system, in: IN-FO-COM 2000. Nineteenth Joint Conference of the IEEE Computer and Communications Societies. Pro-ceedings. IEEE, 2000, pp. 775–784 vol.2. [3] Youssef M , Agrawala A . The Horus location determi-nation system[J]. Wireless Networks, 2008, 14(3):357-374. [4] Marques N , Meneses F , Moreira A . Combining similarity functions and majority rules for multi-building, multi-floor, WiFi positioning[C]// Indoor Positioning and Indoor Navigation (IPIN), 2012 International Conference on. IEEE, 2013. [5] Roos T , Myllym?Ki P , Tirri H , et al. A Probabilistic Approach to WLAN User Location Estimation[J]. In-ternational Journal of Wireless Information Networks, 2002, 9(3):155-164.
