RSSI和PC-CSI加权融合的指纹定位方法

针对基于RSSI和CSI的指纹定位技术易受环境干扰、定位精度较低的问题,提出了一种基于RSSI指纹和相位修正信道状态信息(phase correct based channel state information,PC-CSI)指纹的加权融合指纹定位技术。基于PC-CSI的指纹定位在传统基于CSI幅值的指纹定位基础上增加相位信息对定位结果进行修正,之后对RSSI指纹和PC-CSI指纹的定位结果加权重定位。实验结果表明,提出的加权融合指纹定位算法与基于CSI的主动定位算法相比,平均定位误差(mean position error,MPE)降低了36.2%,能满足室内定位需求。

基于容积卡尔曼滤波的RSSI/IMU组合室内定位系统研究

在物联网时代,跟踪定位室内环境中物体至关重要。针对接收信号强度指示(RSSI)定位方差大和惯性测量单元(IMU)定位存在累积误差的问题,研究并实现了一种使用容积卡尔曼滤波算法对RSSI定位和IMU定位进行数据融合的方法。以ZigBee开发板为RSSI的硬件载体,采用质心定位法将RSSI转换为坐标信息;待测目标搭载MPU9250提供IMU数据,并进行室内跟踪定位实验;使用容积卡尔曼滤波算法对实验数据进行改进,并与原坐标信息数据进行对比。结果显示,使用了容积卡尔曼滤波算法后的改进数据相比原数据在精确度上提高了20.8%。该定位系统具有一定的实用价值。

基于RSSI的弦相交加权质心定位算法

无线传感器网络中节点定位是其重要技术,其中基于测距的RSSI定位技术具有成本低、易实现等优点。为解决传统三边质心算法在确定相交区域顶点时存在一定缺陷导致误差较大的问题,提出弦相交-加权质心定位算法。该算法采用分组、分步式定位方式。首先通过弦相交法进行初步定位,将有效节点三三分组,组内各圆公共弦所在直线交点作为本组的定位结果;再采用加权质心算法将初步定位中各组结果进行二次精确定位,得到最终信号源预测位置。在平均边长近似20 m的不规则五边形区域进行仿真验证,信号源随机分布于15 m×15 m的正方形内,结果显示相较于加权三边质心算法,所换算法平均误差减少了2.028 m,定位精度提升了61.14%,具有良好效果。

基于RSSI和TDOA分层融合的无线定位算法

目前对于时间差定位差(Time Difference of Arrival,TDOA)的算法中,存在着定位偏差大、时间接收存在偏差等问题,直接导致定位精度受到很大影响。在各项定位算法中,基于接收信号强度定位算法(Received Signal Strength Indication,RSSI),具有覆盖面积广、精度高的特点,因此提出采用RSSI算法筛选修正过后进行TDOA算法的分层融合算法,使得整体的定位精度得到进一步提升。此分层融合算法可以提高定位精度,尽可能地减小因外部环境变化导致的定位误差。通过仿真可以看出,和现有的融合算法比较,该分层融合算法的可行性和稳定性有一定提升。

一种基于Mesh网络的混合AOA/RSSI协作定位算法

传统到达角度(Angle-Of-Arrival,AOA)/接受信号强度指示(Received Signal Strength Indicator,RSSI)混合定位往往需要多个锚节点布设阵列天线以实现高精度定位,为解决在锚节点资源受限下精度较低的问题,提出了一种基于Mesh网络的混合AOA/RSSI协作定位方法。仅有中心主锚节点提供AOA角度的情况下,采取最小二乘法对联合真实和虚拟锚节点所对应角度和距离信息进行初步定位;利用未知节点之间的协作通信和测距信息,位置估计问题被转换为无约束非线性优化问题,给予短距离链路更高权重,通过迭代求解最终实现协作定位。仿真结果表明,所提算法在锚节点资源受限情况下有效地提升了定位精度。

基于RSSI的笼内鸡只定位方法研究

为快速准确对笼养环境下鸡只多目标定位,设计了1种基于接收信号强度(Received Signal Strength Indicator,RSSI)融合混合滤波算法的笼内鸡只自动定位方法。首先设计了RSSI值采集系统,由PC机(笔记本电脑)、FU-M6-A型读写器、极化相匹配的天线和脚踝标签、读写器软件构成。其次,合理地布置天线,建立了信号衰减测距模型,使用狄克逊高斯混合滤波算法将原始数据预处理,优化笼养环境下信号传播路径损耗系数。最后计算脚踝标签到发射天线之间的距离,将测距值代入极大似然估计法求得脚踝标签的位置坐标初值,以标签坐标和测距值作为未知量采用牛顿迭代法求得最优的标签位置坐标。结果表明:所设计定位方法的定位误差在5 cm以内的概率接近83%,和传统的节点—节点定位算法相比,该方法提高了鸡只在移动过程中的定位精度,为鸡只行为分析提供了1种方法。

一种加权圆模型的AOA与RSSI融合定位算法

针对多径效应和非视距给定位精度带来负面影响的问题,提出一种适用于3个基站的基于加权圆的融合定位算法:将接收信号强度(RSSI)定位法与到达角(AOA)法相融合;并由于传统的无线信号路径损耗模型在预测距离时易对环境参数有所依赖,提出利用自适应遗传算法(AGA)-反向传播(BP)神经网络来构建传播模型以确定加权圆的权值初始值;最后根据不断迭代的加权范围和角波束来估计待测点位置。实验结果表明,与其他混合定位方法的性能相比,将AGA-BP和加权圆算法相结合能更好地提高定位精度;同时,为测试鲁棒性,加入不同大小的干扰角度,结果可见,提出的算法能有效处理非视距误差。

基于ZigBee混合滤波RSSI的室内定位算法

针对复杂的室内环境,基于ZigBee的接收信号强度指示(RSSI)室内定位技术以功耗低、成本低等优势脱颖而出。但RSSI信号强度容易受环境、障碍物、人员走动的干扰而产生波动,影响定位精度。针对以上问题,结合现有滤波算法的优点,提出一种基于卡尔曼滤波、高斯滤波、限幅滤波、加权平均值滤波相融合的新型混合滤波算法——KGWAL。以KGWAL滤波后的RSSI采样值为基础,根据最小二乘法估计路径损耗模型。最后用加权质心三边定位得到实际位置。实验结果表明:KGWAL滤波能很大程度提高RSSI采样值精度,优化后的室内路径损耗模型能够精确反应RSSI与距离的关系,定位精度在0.315 m左右,定位精度得到明显提升。

基于CPPM-RSSI算法的可见光室内定位技术研究

针对如何提高室内定位精度问题,提出一种基于混沌脉冲位置调制(CPPM)和接收信号强度指示(RSSI)相结合的定位算法。利用二值混沌码作为扩频码,对LED灯的位置信息进行扩频处理,然后进行脉冲位置调制(PPM),将调制后的信号发送出去,接收端用相同的二值混沌码解扩恢复出每个LED的位置信息,通过光电检测器(PD)检测到来自各个灯的光强,再结合RSSI算法进行定位。仿真结果表明:在5 m×5 m×2 m的定位空间内,不扩频的情况下,最大误差为51 cm,最小误差为3 cm,平均误差为15.47 cm。随着扩频码长度增加,与之对应的误码率会降低,定位精度也随之提高,当扩频码长度为64位时,最大误差为10 cm,最小误差接近1 cm,平均误差为4 cm。

基于RSSI的WSN定位系统设计

文章设计开发了一种基于RSSI的WSN定位系统。该系统将ZigBee网络节点的无线接收信号强度RSSI转化为距离,利用卡尔曼滤波算法对接收到的RSSI数据值进行修正,结合三边定位算法对未知节点位置进行计算。本设计利用CC2530芯片进行ZigBee网络组网。在ZigBee网络中,本设计通过协调器节点将RSSI数据值发送给上位机处理。经过测试,该系统的定位算法效果良好,在锚节点数目有限的条件下,可以达到较为理想的定位精度,适合应用于大规模无线传感器网络。

一种矿用本安型腕表设计

为了实现井下便携式实时监测人员的生命体征,及时安排救援,设计了一款矿用本安型腕表。以NRF52840低功耗蓝牙芯片作为控制核心,采用GH3020健康监测IC+MPU6050加速度传感器+NST112x温度传感器作为采集单元,并结合本质安全技术的电源电路设计,实现生命体征数据采集;采用BLE/Wi-Fi结合高精度RSSI技术实现设备位置信号的快速探测;采用Cortex-M4F内核提供高效数据计算,对数据进行压缩、存储和远传。矿用本安型腕表具有集成度高、稳定性好、精度高、低功耗的特点,支持TCP/IP、ANT、Thread无线通信等协议;设备采集数据精度、整机功耗、可持续工作时长等指标均达到产品化标准,并实时显示在PC端,为矿工生命健康提供重要保障。

基于单天线视轴信号传播模型的RFID定位方法

为了解决现有单天线超高频RFID技术在室内静态目标定位中精度不高的问题,本文提出了一种基于天线视轴信号传播模型的RFID定位新方法。该方法首先通过天线纵向扫描确定目标的高度位置;其次,调整天线高度与目标高度一致,然后步进旋转扫描以识别目标的方向角;进一步的,利用麻雀搜索算法优化的反向传播神经网络建立路径损耗模型并用于测距;最后,综合高度、方向角和距离数据完成目标的定位。实验结果表明,在室内环境测试中,所提出的方法平均定位误差为7.2 cm,能够满足一般室内场景下物品的定位需求。

无线传感器网络中基于RSSI的加权DV-HOP定位方法

节点位置是无线传感器网络应用不可缺少的信息。DV-HOP算法是一种常见的无线传感器网络节点自定位算法。标准DV-HOP算法在计算跳数时并未根据邻居节点间距离对跳数进行加权处理,导致当邻居节点间距离差别较大时算法定位精度低的问题。从RSSI的耗散模型可看出,RRSI可以作为距离的比征,提出一种基于RSSI的DV-HOP加权算法。该算法基于节点接收信标节点位置元组时的信号强度(RSSI)对邻居节点间跳数进行加权处理,将节点间的跳数与距离相关联。仿真实验结果证明该加权算法可大大提高定位精度。

一种用于室内人员定位的RSSI定位算法

采用基于比较接收信号强度(RSSI)的测距技术,利用中值策略从锚节点多组测量值中选取最合适的RSSI值用于定位计算。针对算法用于室内人员定位的具体需求,采用室内环境下的无线信号传播模型,提出目标节点空间补偿模型,解决了因目标节点与锚节点处于不同平面导致定位误差较大的问题。最后验证改进算法的定位性能有较大提高。

基于RSSI跳数修正的DV-Hop改进算法

针对原始DV-Hop算法中跳数值不能反应出节点间实际距离大小而导致拓扑不规则网络中节点定位误差较大的问题,提出了一种基于接收信号强度指示RSSI(Rceived Sgnal Srength Idicator)的改进算法。首先根据直接邻居节点接收到的RSSI值对第1跳进行分级,细化跳数;同时把节点间的距离比值作为权值,并将其转化为相应RSSI的关系对跳数进行加权修正,使获得的跳数值更准确。仿真结果表明在相同的网络环境下,与传统算法相比改进算法在不增加额外硬件的前提下有效地提高了定位精度。

基于RSSI差分似然估计的WSN节点定位算法

为了克服接收信号强度测量误差对无线传感器网络(WSN)节点自身定位精度的影响,在对极大似然估计定位算法和接收信号强度指示(RSSI)模型分析的基础上,定义了个体差异差分系数、距离差分系数和距离差分定位方程,把离目标节点最近的信标节点作为参考节点对基于RSSI的测距进行差分修正,并将测距差分修正和极大似然估计相结合提出了一种测距差分修正极大似然估计定位算法。算法通过RSSI进行测距,无需增加额外硬件开销,容易实现,定位精度可达2.5 m以下,适合于处理能力和能量有限的WSN节点定位。

基于RSSI测距的三维无线传感网络萤火虫定位算法的研究

研究了三维空间无线传感器网络(WSN)未知节点的定位。针对目前三维空间无线传感网络定位算法精度低的问题,提出一种基于接收信号强度指示(RSSI)测距的萤火虫定位的算法。该算法首先利用RSSI进行测距,建立信号强度随传播距离衰减的模型,然后在已知一定数量的锚节点的情况下,通过萤火虫算法寻找目标函数最优值,进而对未知节点进行定位。仿真验证结果表明,该定位算法相比其他算法定位精度有很大提高,在30m×30m×30m的空间内定位误差仅为0.59m。

室内三维空间定位系统的RSSI特性分析

实验分析了参考节点倒置在天花板时室内三维空间无线传感器网络定位系统RSSI的性质。实验结果表明:相比于参考节点固定在水平面,将参考节点固定在天花板,RSSI有更好的集中性;根据室内三维空间的大小调整传感节点的发射功率,可以进一步提高RSSI的集中性;人员在发射节点附近会对RSSI产生影响,通过标准差大小可以判断节点附近是否有人或障碍物;在室内三维空间定位系统中采用基于RSSI的测距技术是可行的。

基于RSSI测距分析

作为一种全新的信息获取和处理方式,无线传感器网络可以应用在广泛的领域内实现复杂的大规模监测和追踪任务,而网络自身的定位是大多数应用的基础.基于距离的定位是通过测量节点间距来实现的.利用RSSI测距只需较少的通信开销和较低的实现复杂度,这在能量有限的网络节点中是非常重要的.论文分析RSSI测距的原理,实验验证RSSI测试可重复性,在适度的动态环境中RSSI变化有规律性,采用加权和均值法消除环境因素对RSSI测量的影响.实验验证在15 m以内的测距精度可达到2 m.

基于RSSI的测距差分修正定位算法

为了抑制RSSI误差对无线传感器节点自身定位精度的影响,以三边定位算法为基础,定义了个体差异差分系数、距离差分系数和距离差分定位方程,把离目标节点最近的信标节点作为参考节点对基于RSSI的测距进行差分修正,并将差分法和质心法相结合提出了一种测距差分修正定位算法。该定位算法无需增加额外硬件开销,容易实现,定位误差可小于2.5m,适合于处理能力和能量有限的无线传感器网络节点。