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。

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。

基于RSSI均值的等边三角形定位算法

为了提高无线传感网络的定位精度,从提高测量精度、改善信标节点分布的角度提出了一种基于RSSI均值的等边三角形定位算法.该算法引入信号强度指示(RSSI)敏感区和非敏感区概念,采用高斯模型对非敏感区的RSSI数据进行处理,解决了RSSI易受干扰的问题.采用等边三角形分布模型处理信标节点的分布,保证未知节点运动轨迹始终在信标节点的非敏感区内,从而在定位算法上使测量精度得到提高.研究表明,高斯模型可以很好地筛选出RSSI较优值;等边三角形分布模型可以提高RSSI的采集优度.这种定位算法计算简单,定位过程中节点间无通讯开销,无需硬件扩展.

基于RSSI每跳分级和跳距修正的DV-HOP改进算法

针对DV-HOP(distance vector hop)算法的定位精度对节点间跳数信息依赖性较强的特点,提出一种基于接收信号强度指示(received signal strength indicator,RSSI)每跳分级和平均跳距修正的DV-HOP改进算法RADV-HOP(RSSI and average hopping distance modifying DV-HOP)。仿真结果表明:在相同的网络环境里,与传统DV-HOP算法相比,RADV-HOP定位算法仅需节点通信芯片带有RSSI指示功能及增加少量的计算和通信开销,不需要额外的硬件开销,将每跳分为3个子级时,归一化定位误差能下降65%;与其他DV-HOP修正算法相比,RADV-HOP算法以相同的通信开销和稍微增加的计算开销使定位误差下降了45%。

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。

基于DV-Hop定位算法和RSSI测距技术的定位系统

针对DV-Hop算法在实验环境中存在的问题,加入接收信号强度指示器(RSSI)测距模块辅助定位,对算法进行改进。为了实现定位系统,首先,需要建立当前实验环境的RSSI模型;然后,应用该模型,从锚节点和非锚节点两方面分别控制DV-Hop定位过程。实验证明:改进后的定位系统在增加少量计算复杂度的情况下,改善了系统的稳定性,提高了定位的精度,可以被应用到无线传感器网络中。

无线传感器网络RSSI测距方法与精度分析

基于RSSI的测距技术是一项低成本的距离测量技术。分析了接收信号强度指示器(RSSI)多种测距模型,结合采用IEEE802.15.4协议的CC2430芯片,设计了测距实验,获取了多组数据,通过对实验数据的分析,提出结合信标节点确定参数、高斯拟合确定测量值的RSSI测距处理方法。实验证明,该方法能提高RSSI测距的抗干扰能力,20 m内节点间的测距精度能达到1.5 m以下。

基于RSSI的煤矿井下巷道定位技术误差分析

煤矿井下定位系统的定位精度有限,为进一步提高矿井安全生产水平,及时且客观地获知人员和机车的位置,需对系统的定位误差情况有所掌握。煤矿井下多为巷道,人员和机车也多在巷道中活动,锚节点一般多布置在巷道一侧,根据盲节点必在巷道中的先验信息,以及实验得到并经最小二乘法修正的测距参数,对基于接收信号强度(RSSI)模型的井下巷道定位系统及定位误差进行了理论分析。得到系统模型中测距误差的放大倍数的分布规律,并分析测距误差对x,y方向的定位误差及最终定位误差的影响规律。仿真结果表明,相同的测距误差在不同的定位区域表现出了非均匀的目标定位误差分布,这对煤矿安全生产和管理都非常重要,而且能够对煤矿井下巷道定位系统的建设提供帮助和指导。结合井下巷道具体尺寸,数值计算得到测距误差对人员和机车定位的误差最大值,这将能够帮助煤矿事故中实施有效的安全救援工作。

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的改进加权质心定位算法

基于加权算法的权值选择,分析传统三角加权质心定位算法的权值不合理性,提出一种基于三角质心定位与改进的信号强度比值的加权质心定位的混合定位算法,利用近似点(信标节点间的交点)代替信标节点作为顶点,节点间距离的比值代替信号强度的比值作为权值。该算法正确体现了不同节点对未知节点的影响程度,有效降低了路径损耗指数变化对定位精度的影响。实验结果表明,该算法提高了定位精度,可以实现区域定位。

改进RSSI的煤矿井下定位技术研究与实现"

针对煤矿井下无线信道的信号传播模型,提出将接收信号强度复合滤波器、一元线性回归测距模型和多边定位方法相结合的改进接收信号强度指示(Received Signal Strength Indicator,RSSI)值的井下定位技术,通过利用基于无线传感器网络操作系统TinyOS的节点进行离线建模、在线测算,实现煤矿井下人员及设备的实时定位。井下巷道试验表明,该技术提高了定位精度,增强了定位系统的鲁棒性,适用于煤矿井下定位。

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。

基于RSSI的WSN二维对数搜索定位算法

定位技术是无线传感器网络(WSN)应用的关键技术之一。针对WSN中的定位问题,提出一种基于接收信号强度指示(RSSI)测距的二维对数分布式搜索定位算法。采用改进的RSSI测距模型测量节点之间的距离,利用质心定位算法结果作为搜索起点,设计一种基于最小加权距离误差和的目标函数,对于每个节点通过二维对数搜索的方法,搜索具有最小加权距离误差和的点作为定位位置。仿真实验比较了质心定位算法、不带权值的二维对数搜索定位算法、基于RSSI的二维对数搜索定位算法在不同条件下的定位性能,结果表明基于RSSI的二维对数搜索定位算法的定位精度远优于质心定位算法,相比不带权值的二维对数搜索定位算法约提高了0.02R。

基于RSSI的多维标度室内定位算法

针对基于RSSI的无线传感器网络室内移动目标定位算法易受干扰、波动较大等问题,提出一种改进的RSSI多维标度室内定位算法(RSSI-CMDS),采用节点信号强度建立相异性矩阵,多维标度法求解节点相对坐标,根据参考节点的实际坐标,通过平面四参数模型进行坐标转换,运用粒子群算法优化参数,计算移动节点的实际坐标(移动节点真实位置)。仿真和实验表明,算法抗RSSI扰动性强,定位精度高,能够满足室内定位跟踪及低成本定位系统的需求。

基于RSSI的WSN抗干扰定位算法

针对RSSI受外界因素影响较大,测距和定位精度很难得到保证的问题,从方差级干扰与均值级干扰两个层面对RSSI进行修正.首先在RSSI采集阶段提出一种基于离差的高斯模型(D-Gaussian)对方差级干扰进行过滤,以提高RSSI信号的可用性;其次在测距阶段,引入一种EWMA动态窗口机制并将其命名为R-EWMA,对均值级干扰进行处理.实验结果表明,研究工作有效地缓解了在传统定位算法中硬件成本与定位精度之间的矛盾。

一种基于RSSI的贝叶斯室内定位算法

为提高室内定位系统中基于接收信号强度指示(RSSI)的定位精度,提出一种基于RSSI的贝叶斯室内定位算法。在对RSSI信号进行高斯滤波预处理后,利用三角形质心算法计算未知节点的初始坐标,对该初始坐标进行贝叶斯滤波处理,得到更加准确的坐标。实验结果表明,该算法能降低定位误差,定位精度可达98%。