位置指紋定位演算法

㈠ 目前行業內有哪些比較高精度的室內定位演算法和實現

精度較高的有幾種：紅外線室內定位、超聲波室內定位、射頻識別室內定位、藍牙室內定位、超寬頻室內定位；另外還有wifi室內定位，Zigbee室內定位，這兩種定位精度不高，誤差比較大
每一種室內定位方案演算法都有所區別。
紅外線室內定位穿透性比較差，超聲波室內定位布局比較復雜，實現難度高，射頻識別室內定位抗干擾性差
藍牙室內定位基於低功耗藍牙，低功耗藍牙具有跳頻抗干擾特性，穿透性也不錯，布局也不復雜，比如天工測控 （SKYLAB）的藍牙beacon室內定位方案，部署的是SKYLAB開發的硬體基站beacon VG01/02/TD03等等，演算法也是SKYLAB開發的室內定位演算法，採用基於藍牙的三角定位技術，室內定位精度可以達到2米。
超寬頻定位技術利用事先布置好的已知位置的錨節點和橋節點，與新加入的盲節點進行通訊，並利用三角定位或者「指紋」定位方式來確定位置。其定位方案採用UWB超寬頻脈沖信號，由多個感測器採用TDOA和AOA定位演算法對標簽位置進行分析，定位精度高；天工測控目前也在開發這種定位技術，其穿透性、抗干擾性都不錯，但是成本比較高。
目前主流的就是上面這些方案

㈡ 目前行業內有哪些比較高精度的室內定位演算法和實現

目前室內定位常用的較高精度的定位方法，從原理上主要分為七種：鄰近探測法、質心定位法、多邊定位法、三角定位法、極點法、指紋定位法和航位推演算法。
一、鄰近探測法
通過一些有范圍限制的物理信號的接收，從而判斷移動設備是否出現在某一個發射點附近。該方法雖然只能提供大概的定位信息，但其布設成本低、易於搭建，適合於一些對定位精度要求不高的應用，例如自動識別系統用於公司的員工簽到。
二、質心定位法
根據移動設備可接收信號范圍內所有已知的信標（beacon）位置，計算其質心坐標作為移動設備的坐標。該方法易於理解，計算量小，定位精度取決於信標的布設密度。
三、多邊定位法
通過測量待測目標到已知參考點之間的距離，從而確定待測目標的位置。精度高、應用廣。
四、三角定位法
基於無線信號的三角測量定位演算法是室內定位演算法中非常常見的一種，三角測量定位演算法類似GPS衛星定位。實際定位過程中使用的是RSSI信號值衰減模型。原理是在無線信號強度在空間中傳播隨著距離衰減，而無線信號強度（RSSI值）對於定位標簽上的接收器來說是可測的，那麼依據測試到的信號強度，再根據信號衰減模型就可以反推出距離了。獲取待測目標相對2個已知參考點的角度後結合兩參考點間的距離信息可以確定唯一的三角形，即可確定待測目標的位置。基於三角測量定位演算法的定位方案是被動式藍牙定位方案和主被動一體式藍牙定位方案。
五、極點法
通過測量相對某一已知參考點的距離和角度從而確定待測點的位置。該方法僅需已知一個參考點的位置坐標，因此使用非常方便，已經在大地測量中得到廣泛應用。
六、指紋定位法
在定位空間中建立指紋資料庫，通過將實際信息與資料庫中的參數進行對比來實現定位。指紋定位的優勢是幾乎不需要參考測量點，定位精度相對較高；但缺點是前期離線建立指紋庫的工作量巨大，同時很難自適應於環境變化較大的場景。
七、航位推演算法
是在已知上一位置的基礎上，通過計算或已知的運動速度和時間計算得到當前的位置。數據穩定，無依賴，但該方法存在累積誤差，定位精度隨著時間增加而惡化。

㈢ 指紋識別是什麼原理呢

本來想自己寫的，但是要說的太多了，乾脆找找COPY一個。你還有什麼不明白的可以直接問我，我就是做這個行業的。

手指上的指紋表徵了一個人的身份特徵。1788年Mayer首次提出沒有兩個人的指紋完全相同，1823年Purkinie首次把指紋紋形分成9類，1889年Henry提出了指紋細節特徵識別理論，奠定了現代指紋學的基礎。但採用人工比對的方法，效率低、速度慢。20世紀60年代，開始用計算機圖像處理和模式識別方法進行指紋分析，這就是自動指紋識別系統（簡稱AFIS）[1]。20世紀70年代末80年代初，刑事偵察用自動指紋識別系統（police�AFIS，P�AFIS）投入實際運用。20世紀90年代，AFIS進入民用，稱為民用自動指紋識別系統（civil�AFIS，C�AFIS）。本文試圖從指紋特徵分析著手，闡述指紋作為人體身份識別的原理方法、指紋識別的主要技術指標和測試方法，以及實際應用的現實性與可靠性[2-4]。

1 指紋識別的原理和方法

1.1 指紋的特徵與分類
指紋識別學是一門古老的學科，它是基於人體指紋特徵的相對穩定與唯一這一統計學結果發展起來的。實際應用中，根據需求的不同，可以將人體的指紋特徵分為：永久性特徵、非永久性特徵和生命特徵[5]。
永久性特徵包括細節特徵（中心點、三角點、端點、叉點、橋接點等）和輔助特徵（紋型、紋密度、紋曲率等元素），在人的一生中永不會改變，在手指前端的典型區域中最為明顯，分布也最均勻[1]。細節特徵是實現指紋精確比對的基礎，而紋形特徵、紋理特徵等則是指紋分類及檢索的重要依據。人類指紋的紋形特徵根據其形態的不同通常可以分為「弓型、箕型、斗型」三大類型，以及「孤形、帳形、正箕形、反箕形、環形、螺形、囊形、雙箕形和雜形」等9種形態[1]。紋理特徵則是由平均紋密度、紋密度分布、平均紋曲率、紋曲率分布等紋理參數構成。紋理特徵多用於計算機指紋識別演算法的多維分類及檢索。
非永久性特徵由孤立點、短線、褶皺、疤痕以及由此造成的斷點、叉點等元素構成的指紋特徵，這類指紋有可能產生、癒合、發展甚至消失[1]。
指紋的生命特徵與被測對象的生命存在與否密切相關。但它與人體生命現象的關系和規律仍有待進一步認識。目前它已經成為現代民用指紋識別應用中越來越受關注的熱點之一。

1.2 指紋識別的原理和方法
指紋識別技術主要涉及四個功能：讀取指紋圖像、提取特徵、保存數據和比對。通過指紋讀取設備讀取到人體指紋的圖像，然後要對原始圖像進行初步的處理，使之更清晰，再通過指紋辨識軟體建立指紋的特徵數據。軟體從指紋上找到被稱為「節點」（minutiae）的數據點，即指紋紋路的分叉、終止或打圈處的坐標位置，這些點同時具有七種以上的唯一性特徵。通常手指上平均具有70個節點，所以這種方法會產生大約490個數據。這些數據，通常稱為模板。通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果[5-6]。採集設備（即取像設備）分成幾類：光學、半導體感測器和其他。

2 指紋識別技術的主要指標和測試方法

2.1 演算法的精確度

指紋識別系統性能指標在很大程度上取決於所採用演算法性能。為了便於採用量化的方法表示其性能，引入了下列兩個指標。
拒識率（false rejection rate，FRR）：是指將相同的指紋誤認為是不同的，而加以拒絕的出錯概率。FRR=（拒識的指紋數目／考察的指紋總數目）×100%。
誤識率（false accept rate，FAR）：是指將不同的指紋誤認為是相同的指紋，而加以接收的出錯概率。FAR=（錯判的指紋數目／考察的指紋總數目）×100%。
對於一個已有的系統而言，通過設定不同的系統閾值，就可以看出這兩個指標是互為相關的，FRR與FAR成反比關系。這很容易理解，「把關」越嚴，誤識的可能性就越低，但是拒識的可能性就越高。

2.2 誤識率和拒識率的測試方法
測試這兩個指標，通常採用循環測試方法[7]。即給定一組圖像，然後依次兩兩組合，提交進行比對，統計總的提交比對的次數以及發生錯誤的次數，並計算出出錯的比例，就是FRR和FAR。針對FAR=0.0001%的指標，應採用不少於1 415幅不同的指紋圖像作循環測試，總測試次數為1 000 405次，如果測試中發生一次錯誤比對成功，則FAR=1/1 000 405；針對FRR=0.1%，應採用不少於46幅屬於同一指紋的圖像組合配對進行測試，則總提交測試的次數為1 035次數，如果發生一次錯誤拒絕，則FRR=1/1 035。測試所採用的樣本數越多，結果越准確。作為測試樣本的指紋圖像應滿足可登記的條件。

2.3 系統參數
拒登率（error registration rate，ERR）：指的是指紋設備出現不能登錄及處理的指紋的概率，ERR過高將會嚴重影響設備的使用范圍，通常要求小於1%。
登錄時間：指紋設備登錄一枚指紋所需的時間，通常單次登錄的時間要求不超過2 s。
比對時間：指紋設備對兩組指紋特徵模版進行比對所耗費的時間，通常要求不超過1 s。
工作溫度：指紋設備正常工作時所允許的溫度變化范圍，一般是0～40 ℃。
工作濕度：指紋設備正常工作時所允許的相對濕度變化范圍，一般是30%～95%。

3 指紋識別技術的應用
指紋識別技術已經成熟，其應用日益普遍，除了刑事偵察用之外，在民用方面已非常廣泛，如指紋門禁系統、指紋考勤系統、銀行指紋儲蓄系統、銀行指紋保管箱、指紋醫療保險系統、計劃生育指紋管理系統、幼兒接送指紋管理系統、指紋獻血管理系統、證券交易指紋系統、指紋槍械管理系統、智能建築指紋門禁管理系統、駕駛員指紋管理系統等。
指紋門禁系統和指紋考勤系統是開發和使用得最早的一種出入管理系統，包括對講指紋門禁、聯機指紋門禁、離線指紋門禁等等。在入口將個人的手指按在指紋採集器上，系統將已登錄在指紋庫中的指紋（稱為已經注冊）進行對比，如果兩者相符（即匹配），則顯示比對成功，門就自動打開。如不匹配，則顯示「不成功」或「沒有這個指紋」，門就不開。在指紋門禁系統中，可以是一對一的比對（one�to�one matching），也可以是一對幾個比對（one�to�few matching）。前者可以是一個公司、部門，後者可以是一個家庭的成員、銀行的營業廳、金庫、財務部門、倉庫等機要場所。在這些應用中，指紋識別系統將取代或者補充許多大量使用照片和ID系統。
把指紋識別技術同IC卡結合起來，是目前最有前景的一個應用之一。該技術把卡的主人的指紋（加密後）存儲在IC卡上，並在IC卡的讀卡機上加裝指紋識別系統，當讀卡機閱讀卡上的信息時，一並讀入持卡者的指紋，通過比對就可以確認持卡者是否是卡的真正主人，從而進行下一步的交易。指紋IC卡可取代現行的ATM卡、製造防偽證件等。ATM卡持卡人可不用密碼，避免老人和孩子記憶密碼的困難。

近年來，互聯網帶給人們方便與利益已，也存在著安全問題。指紋特徵數據可以通過電子郵件或其它傳輸方法在計算機網路上進行傳輸和驗證，通過指紋識別技術，限定只有指定的人才能訪問相關的信息，可以極大地提高網上信息的安全性。網上銀行、網上貿易、電子商務等一系列網路商業行為就有了安全性保障。
指紋社會保險系統的應用為養老金的准確發放起了非常有效的作用。避免了他人用圖章或身份證復印件代領，而發放人員無法確定該人是故世的問題，要憑本人的活體指紋，才可准確發放養老金。

4 指紋識別的可靠性
指紋識別技術是成熟的生物識別技術。因為每個人包括指紋在內的皮膚紋路在圖案、斷點和交叉點上各不相同，是唯一的，並且終生不變。通過他的指紋和預先保存的指紋進行比較，就可以驗證他的真實身份。自動指紋識別是利用計算機來進行指紋識別的一種方法。它得益於現代電子集成製造技術和快速而可靠的演算法理論研究。盡管指紋只是人體皮膚的一小部分，但用於識別的數據量相當大，對這些數據進行比對是需要進行大量運算的模糊匹配演算法。利用現代電子集成製造技術生產的小型指紋圖像讀取設備和速度更快的計算機，提供了在微機上進行指紋比對運算的可能。另外，匹配演算法可靠性也不斷提高。因此，指紋識別技術己經非常簡單實用。由於計算機處理指紋時，只是涉及了一些有限的信息，而且比對演算法並不是十分精確匹配，其結果也不能保證100%准確。

指紋識別系統的特定應用的重要衡量標志是識別率。主要包括拒識率和誤識率，兩者成反比關系。根據不同的用途來調整這兩個值。盡管指紋識別系統存在著可靠性問題，但其安全性也比相同可靠性級別的「用戶ID+密碼」方案的安全性要高得多。拒識率實際上也是系統易用性的重要指標。在應用系統的設計中，要權衡易用性和安全性。通常用比對兩個或更多的指紋來達到不損失易用性的同時，極大提高系統的安全性。

㈣ 求助，哪位大神有利用wifi信號做位置指紋定位演算法的代碼

1.每一個無線AP都有一個全球唯一的MAC地址,並且一般來說無線AP在一段時間內是不會移動的
2.設備在開啟Wi-Fi的情況下,即可掃描並收集周圍的AP信號,無論是否加密,是否已連接，甚至信號強度不足以顯示在無線信號列消蘆表中,都可以獲取到AP廣播出來的MAC地址

3.設備將這些能夠標示AP的數據發送到位置伺服器,伺服器檢索出每一個AP的地理位置,並結合每個信號的強弱程度,計算出設備的地理位置並返回到用戶設備
4.位置服務商要不斷更新、補充自己的資料庫,以保證數據的准確性,畢竟無線AP不像基站塔那樣基本100%不會移動

這樣的位置服務商現在來說只有Skyhook和Google兩家.他們收集位置數據的方式也是相似的
1.主動採集
Google的街景拍攝車還有一個重要的功能就是採集沿途的無線信號,並打上通過GPS定位出的坐標回傳至伺服器
2.用戶提交
Android手機用戶在開啟「使用無線網路定位」時會提示是否允許Google的碰橋耐定位服務手機匿笑春名地點數據

㈤ 指紋識別演算法都有哪些，最先進的是什麼演算法

現在國內外大都採用基於細節特徵點的指紋識別技術，即採用基於圖像處理的指紋識別演算法，有兩種比較有代表性的。一種是基於方向濾波增強，並在指紋細化圖上提取特徵點的演算法，另一種是直接從指紋灰度圖上提取特徵點的演算法。難題在於有些演算法會由於指紋圖像的噪音、皮膚彈性引起的非線性形變等多方面因素，導致在識別過程中出現誤差，影響識別率等[1-2]

指紋演算法存在的難題與方向
指紋圖像預處理：預處理的目的是改善輸入指紋圖像的質量，以提高特徵提取的准確性。本文採用灰度分割法對指紋圖像進行分割。利用中值濾波去噪。通過自適應二值化的方法處理指紋圖像，最後再對圖像進行細化處理並去除毛刺，斷裂等干擾。
指紋圖像特徵提取：對指紋圖像的特徵點進行提取。由於經過預處理後的細化圖像上存在大量的偽特徵點，這些偽特徵點的存在，不但使匹配的速度大大降低，還使指紋識別性能急劇下降，造成識別系統的誤拒率和誤識率的上升。因此在進行指紋匹配之前，應盡可能將偽特徵點去除，針對提取出的指紋細節特徵點含有大量的偽特徵點這一問題，提出了一種邊緣信息判別法，有效地去除了邊界偽特徵點，再根據脊線結構特性去除其毛刺和短脊等偽特徵點，明顯的減少了偽特徵點。
指紋匹配：對指紋圖像的匹配演算法進行研究。特徵匹配是識別系統的關鍵環節，匹配演算法的好壞直接影響識別的性能、速度和效率。為了克服指紋圖像非線性形變的影響，採用基於結構特徵的點匹配演算法，對校準後的點集進行匹配，匹配的特徵點個數在兩個點集中所佔比例大約百分之六十五的范圍內就可判為匹配成功。

㈥ iBeacon到底是什麼定位技術

iBeacon技術指的是通過使用低功耗藍牙技術，iBeacon基站便可以自動創建一個信號區域，當設備進入該區域時，相應的應用程序便會提示用戶是否需要接入這個信號網路。

通過能夠放置在任何物體中的小型無線感測器和低功耗藍牙技術，用戶便能使用智能設備來傳輸數據。

類似於在車展上布控一套iBeacon，進行互動游戲，進行基於位置的精準推送等等，現在這類型的實例還是有的。

拓展資料：

iBeacon是蘋果公司2013年9月發布的移動設備用OS（iOS7）上配備的新功能。其工作方式是，配備有 低功耗藍牙（BLE）通信功能的設備使用BLE技術向周圍發送自己特有的ID，接收到該ID的應用軟體會根據該ID採取一些行動。

比如，在店鋪里設置iBeacon通信模塊的話，便可讓iPhone和iPad上運行一資訊告知伺服器，或者由伺服器向顧客發送折扣券及進店積分。

此外，還可以在家電發生故障或停止工作時使用iBeacon向應用軟體發送資訊。

蘋果 WWDC 14 之後，對 iBeacon 加大了技術支持和對其用於室內地圖的應用有個更明確的規劃。蘋果公司公布了 iBeacon for Developers 和 Maps for Developers 等專題頁面。

iBeacon技術作為利用低功耗藍牙技術研發者，有不少團隊對其進行研究利用。

Ibeacon一項低耗能藍牙技術，工作原理類似之前的藍牙技術，由iBeacon發射信號，IOS設備定位接受，反饋信號。根據這項簡單的定位技術可以做出許多的相應技術應用。

Ibeacon技術作為利用低功耗藍牙技術研發者，有不少團隊對其進行研究利用。包括，必肯科技的「逛兌啦 」和「Beacon盒子 」、beacool的貓鈴、Sensoro的「雲子」、尋息電子的「Seekcy Beacon」、智石科技的「Bright Beacon」、四月兄弟的」April Beacon」、雨滴的」Drop Beacon」以及 ebeoo的「ebeoo Beacon」和iBeacon CS公共服務平台。

其中，」Bright Beacon」率先在國內推出了整體解決方案，為商家、旅遊景點、博物館等提供完整的Beacon基站、App應用以及SDK。

ebeoo專注於iBeacon藍牙信標的硬體提供。其在國內率先推出"ebeoo Beacon"達到三防標准，配備TI CC2541 藍牙晶元、CR2477 紐扣電池 和 電路穩壓晶元 等。

iBeacon CS是國內首家面向所有開發者使用的iBeacon專業解決方案平台；iBeacon CS平台提供的不僅僅是技術方案，更為重要的是面向終端業務用戶提供了業務整合方案。

參考資料：網路-iBeacon

㈦ 指紋識別是怎麼進行的

導語：指紋識別技術通常使用指紋的總體特徵如紋形、三角點等來進行分類，再用局部特徵如位置和方向等來進行用戶身份識別。盡管指紋只是人體皮膚的小部分，但是，它蘊涵著大量的信息。那麼，接下來就讓我們一起來具體的了解以下關於指紋識別是怎麼進行的內容吧。文章僅供大家的參考!

指紋識別是怎麼進行的

1.指紋圖像的獲取

指紋圖像的採集是自動指紋識別系統的重要組成部分。早期的指紋採集都是通過油墨按壓在紙張上產生的。20世紀80年代，隨著光學技術和計算機技術的發展，現代化的採集設備開始出現。

感測器是一種能把物理量或化學量變成便於利用的電信號的器件。在測量系統中它是一種前置部件，它是被測量信號輸入後的第一道關口，是生物認證系統中的採集設備。

這些感測器根據探測對象的不同，可分為光學感測器、熱敏感測器和超聲感測器;根據器件的不同，可分為CMOS器件感測器和CCD器件感測器。它們的工作原理都是：將生物特徵經過檢測後轉化為系統可以識別的圖像信息。在生物認證系統中，可靠和廉價的'圖像採集設備是系統運行正常、可靠的關鍵。

2.指紋圖像的增強

常見的預處理方法如下：

(1)採用灰度的均衡化，可以消除不同圖像之間對比度的差異。

(2)使用簡單的低通濾波消除斑點雜訊、高斯雜訊。

(3)計算出圖像的邊界，進行圖像的裁剪，這樣可以減少多餘的計算量，提高系統的速度。

常用圖像增強演算法具體包括以下幾種：

(1)基於傅里葉濾波的低質量指紋增強演算法;

(2)基於Gabor濾波的增強方法;

(3)多尺度濾波方法;

(4)改進的方向圖增強演算法;

(5)基於知識的指紋圖像增強演算法;

(6)非線性擴散模型及其濾波方法;

(7)改進的非線性擴散濾波方法。

目前最新的分割演算法有以下幾種：

(1)基於正態模型進行的指紋圖像分割演算法;

(2)基於馬爾科夫隨機場的指紋圖像分割演算法;

(3)基於數學形態學閉運算的灰度方差法;

(4)基於方向場的指紋圖像分割演算法。

3.指紋特徵的提取

近年來，新的指紋特徵提取演算法主要包括以下幾種：

(1)基於Gabor濾波方法對指紋局部特徵的提取演算法。

(2)基於CNN通用編程方法對指紋特徵的提取演算法。

(3)基於IFS編碼的圖像數字化技術，即建立IFS模型，計算源圖像與再生圖像之間的相似性，快速提取指紋圖像的特徵。

(4)基於脊線跟蹤的指紋圖像特徵點提取演算法。該演算法可以直接從灰度指紋圖像中有效提取細節點和脊線骨架信息。

(5)基於小波變換和ART(自適應共振理論)神經網路的指紋特徵提取演算法。

4.指紋圖像的分類與壓縮

常用的指紋分類技術有以下幾種：

(1)基於規則的方法，即根據指紋奇異點的數目和位置分類。

(2)基於句法的方法。這種方法的語法復雜，推導語法的方法復雜、不固定。這種方法已經逐漸被淘汰了。

(3)結構化的方法，即尋找低層次的特徵到高層次的結構之間相關聯的組織。

(4)統計的方法。

(5)結合遺傳演算法和BP神經元網路的方法。

(6)多分類器方法。

常用的壓縮演算法有以下兩種：

(1)圖像壓縮編碼方法：包括無損壓縮(熵編碼)和有損壓縮(量化)。

(2)基於小波變換的指紋壓縮演算法：包括WSQ演算法、DjVu演算法、改進的EZW演算法等。

5.指紋圖像的匹配

傳統的指紋匹配演算法有很多種：

(1)基於點模式的匹配方法：如基於Hough變換的匹配演算法、基於串距離的匹配演算法、基於N鄰近的匹配演算法等。

(2)圖匹配及其他方法：如基於遺傳演算法的匹配、基於關鍵點的初匹配等。

(3)基於紋理模式的匹配：如PPM匹配演算法等。

(4)混合匹配方法等。

近幾年，又出現了如下新的匹配演算法：

(1)基於指紋分類的矢量匹配。該法首先利用指紋分類的信息進行粗匹配，然後利用中心點和三角點的信息進一步匹配，最後以待識別圖像和模板指紋圖像的中心點為基準點，將中心點與鄰近的36個細節點形成矢量，於是指紋的匹配就轉變為矢量組數的匹配。

(2)基於PKI(Public Key Infrastructure，公鑰基礎設施)的開放網路環境下的指紋認證系統。

(3)實時指紋特徵點匹配演算法。該演算法的原理是：通過由指紋分割演算法得到圓形匹配限制框和簡化計算步驟來達到快速匹配的目的。

(4)一種基於FBI(Federal Bureauof Investigation)細節點的二次指紋匹配演算法。

(5)基於中心點的指紋匹配演算法。該演算法利用奇異點或指紋有效區域的中心點尋找匹配的基準特徵點對和相應的變換參數，並將待識別指紋相對於模板指紋作姿勢糾正，最後採用坐標匹配的方式實現兩個指紋的比對。

㈧ 室內軌跡糾偏演算法有哪些

一：室內定位演算法-近鄰伍賣法
近鄰法是一種比較簡單的定位演算法，直接
選定那個信號強度最大的AP的位置，定
位結果是熱點位蛋資料庫中存儲的當前連
接的Wi-Fi熱點的位置。
二、室內定位演算法-基於無線信號的三角
測量定位演算法基於無線信號的三角測量定位演算法是室內定位演算法中非常常見的一種，三邊定位算
三、、室內定位演算法-指紋定位演算法
指紋定位演算法這個方法也是針對無線信號
定位的。所謂指紋定位演算法，類似公安部
門啟判採集人的指紋數據存入資料庫一樣。
四、室內定位演算法-TDOA定位演算法
TDOA定位演算法是是一種新型的無線通信悄橘改
技術超寬頻UWB定位中常用的定位算
法。TDOA，也就是飛行時間差，英文是
Time Difference of Arrival，通過測量被測
標簽(B)與已知位置基站(P1,P2,P3)間的報
文傳輸時間差，計算出距離差；計算出被
測標簽的位置。需要已知位置基站間時鍾
同步。

㈨ 指紋識別技術的演算法

於指紋所具有的唯一性和不變性，以及指紋識別技術所具有的可行性和實用性，指紋識別成為目前最流行、最方便、最可靠的身份認證技術之一。指紋圖像數據量大，通過直接比對指紋圖像的方法來識別指紋是不可取的，應該先對指紋圖像進行預處理，然後提取出指紋的特徵數據，通過特徵數據的比對來實現自動指紋識別。指紋圖像預處理作為指紋自動識別過程的第一個環節，它的好壞直接影響著自動識別系統的效果。預處理通常包括濾波、方向圖的求取、二值化、細化等幾個步驟。
本文首先闡述了生物特徵識別技術的基本概念，對自動指紋識別系統的組成也作了簡要的介紹。然後對目前指紋圖像預處理的一些常用演算法進行了介紹，針對指紋圖像的特徵，採用了基於Gabor濾波器的指紋預處理方法，它為特徵提取和比對奠定了良好的基礎。
本文所提到的演算法已在PC機上用Visual C++6.0編程實現，實驗結果表明，這種方法能獲得令人滿意的指紋圖像預處理效果。