对基础的ibeacon测试代码进行修改，加入了信号强度转距离，以及三点定位算法

现有应用RSSI（ReceivedSignalStrengthIndicator）的WSN（WirelessSersorNetworks）定位算法，特别是Range-based（基于测距技术）的定位算法大多应用于室内环境下，并且RSSI的衰减模型都是根据经验而来，大多数并没有给出相应环境下测量所得到的模型中的可变系数，并且节点的自身定位很少。
论文总结了现有的典型的Range-based的无线传感器网络定位算法，根据实地实验所得到的结果，：拟合出了RSSI的衰减模型，实现了-种特定环境下的基于RSSI的无线传感器网络定位系统，该定位系统由节点自身定位。
  首先，分别在室内和室外测量了RSSI和距离的数值，通过一-系列实验找出了RSSI和距离相关的必备条件，并在此条件下找出了RSSI和距离的拟合关系。
然后在此关系下，采用三边测量法实现了定位系统，并说明了适用的环境。
最后又对系统的测量误差进行分析，并提出了一系列解决方案，提高了定位精度。

SLAM地图构建与定位算法，含有卡尔曼滤波和粒子滤波器的程序SLAM算法的技术文档合集（含37篇文档）slam算法的MATLAB源代码，国外的代码基于角点检测的单目视觉SLAM程序，开发平台VS2003本程序包设计了一个利用VisualC++编写的基于EKF的SLAM仿真器SlamAlgorithmwithdataassociationJoanSolà编写6自由度扩展卡尔曼滤波slam算法工具包实时定位与建图（SLAM），用激光传感器采集周围环境信息概率机器人基于卡尔曼滤波器实现实时定位和地图创建（SLAM）算法机器人地图创建新算法，DP-SLAM源程序利用Matlab编写的基于EKF的SLAM仿真器源码机器人定位中的EKF-SLAM算法，实现同时定位和地图构建基于直线特征的slam机器人定位算法实现和优化SLAM工具箱，很多有价值的SLAM算法EKF-SLAM算法对运动机器人和周围环境进行同步定位和环境识别仿真SLAMusingMonocularVisionRT-SLAM机器人摄像头定位，运用多种图像处理的算法slam(simultaneouslocalizationandmapping)仿真很好的入门SLAM自定位导航的一个小程序，适合初学者以及入门者使用slam算法仿真slam仿真工具箱：含slam的matlab仿真源程序以及slam学习程序移动机器人栅格地图创建，SLAM方法，可以采用多种地图进行创建SLAM算法程序，来自悉尼大学的作品，主要功能是实现SLAM算法对SLAM算法中的EKF-SLAM算法进行改进，并实现仿真程序SLAM的讲解资料，机器人导航热门方法

传感器网络节点定位算法matlab代码（Centroid，APIT，DVHOP,BoundingBox，……共7个）无线传感器网络无需测距定位算法matlab源代码。
包括apit，dv-hop，amorphous在内的共7个range-free算法。
在run.m里的算法选择部分可以选择需要运行的算法，算法的参数可以参考对应子目录里的说明。
每个子目录里都有一个pdf文档，是算法的最原始描述。

这是我在做项目时，给下一届接手的人写的一个关于Eigen库的快速上手手册，主要是针对于项目的应用来写的。
当时使用Eigen库的目的是，将Matlab写的，LPCC和MFCC两种声音识别算法，十字形声阵列的MUSIC定位算法，和SVM分类器算法，转换成C++然后移植到到ARM处理器上（操作系统级上的并不是裸机）。
而使用Eigen库的原因就是，其能够在编译时进一步优化，而且只需导入头文件即可进行调用，而不像其他的一些库需要安装那么麻烦。
这篇使用说明是在2016年7月14日完成的。
下面就是关于Eigen矩阵库的使用说明。

室内定位算法，有助于研究者认清研究方向，给定位算法一个准确的描述，是很好的参考教材。

课后作业，基于网形结构的故障定位算法，matlab程序实现,可以定位到节点之间和节点末梢的故障，实现也是比较简单的一种，可能不能完全定位出所有的故障

亚像元制图是在空间相关性原理的基础上利用低分辨率的软分类结果获得比输入遥感影像更高空间分辨率的土地覆被图。
如何精确地描述地物的空间相关性特征是获得高精度亚像元制图结果的关键。
目前的亚像元制图方法主要有两种描述空间相关性特征的方式。
第一种是从邻域亚像元中提取的亚像元级空间相关性特征；
第二种是从邻域像元中提取的像元级空间相关性特征。
本资源利用HNN获取亚像元结果的最小能量函数，实现遥感图像亚像元定位

基于matlab的wsn质心定位算法，通过仿真验证算法的定位精度

绝对是好东西啊！基于极大似然估计的三维定位算法，输入参考点的坐标以及观察点的距离，通过极大似然估计算法计算出观察点的坐标，附送支持矩阵运算的C++类库！

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。