面向室内环境的RFID定位方法分析与仿真

通过分析2种经典室内无线射频识别定位方法 LANDMARC和VIRE,提出一种基于虚拟参考标签空间的定位方法。在定位区域中构建虚拟参考标签空间、实体参考标签和读写器结合的定位空间,并在采用K近邻方法进行定位坐标的计算中,引入Q-function计算每个邻居的权值,减小正态随机变量标准差带来的阴影效应。实验结果表明,该方法具有灵活的设备部署方式以及较高的定位精度。

基于虚拟信号强度的RFID定位方法研究

针对RSSI方法中定位信号之间干扰严重、误差较大、信号波动剧烈等问题,提出了一种基于虚拟信号强度的RFID定位方法。该方法引入虚拟信号强度概念,在定位区域内构造虚拟信号强度空间,然后利用经典信号传播模型计算各虚拟参考标签的信号强度。在采用最近邻方法计算定位坐标时引入Q-Function来计算每个邻居的权值,以减小正态随机变量标准差σ带来的阴影效应,解决实际部署过程中大量高密度参考标签带来的射频信号干扰问题,从而灵活部署参考标签。仿真实验结果表明,该方法与经典的LANDMARC、VIRE方法相比,具有较高的定位精度。

具有环境自适应性的虚拟参考标签定位方法

在基于接收信号强度指示(received signal strength indicator,RSSI)的射频识别(radio frequency identification,RFID)室内定位系统中,由于环境干扰的非均匀性,定位环境中不同区域的信号传播模型存在差异.为此提出一种基于区域划分的定位方法,将定位区域划分为多个三角形子区域.定位过程中依据待定位标签的RSSI值经多轮投票机制确定其所在子区域,然后分别估算各子区域的环境因子和路径损耗值来建立子区域的定位模型,实现环境自适应.在此基础上引入虚拟参考标签概念,在定位区域内构造虚拟信号强度空间,并提出一种最近邻K值自校正方法选择最近邻标签,采用最近邻方法进行定位坐标计算.仿真结果表明,在复杂的低标签密度环境下,定位精度和稳定性比经典的LANDMARC和VIRE方法有显著提高.

大数据分析在用电采集数据分析与智能监测系统的设计与实现

为了加强对配电网的设备工况、计量装置和用户用电特征的监测与分析,用电采集数据分析与智能监测系统以用电信息采集系统为基础,整合相关外部数据及应用,基于Hadoop分布式框架和Mapreduce并行计算架构,将RDBMS与HBASE、HDFS相结合,针对不同的业务场景和数据结构,研究合适的数据挖掘工具,通过设计不同的业务分析模型,实现对配电网运行工况的在线监测和异常智能诊断功能,及时发现配电网运行中的薄弱环节,制定降损节能措施。