基于接收信号强度(RSSI)的室内二次定位方法

提出一种用于室内定位的基于接收信号强度(RSSI)的二次定位方法。首先利用全网中已有节点的信息,建立已知节点的初始路径传播损耗指数,采用统计中值滤波来减少RSSI的粗大误差和干扰,然后利用RSSI初次定位的位置结果对传播损耗指数进行再次修正,最后进行二次定位解算,显著提高了未知节点的定位精度。通过仿真和搭建实验平台验证了该算法的有效性。

基于RSSI信号强度定位的夜间采摘作业机器人设计

为了提高果实采摘机器人在夜间作业的工作效率,提出了一种适用于果实采摘机器人夜间果实定位识别的方法,引入了RSSI信号强度定位技术,并在此基础上提出了一种泰勒级数展开的高精度定位方法。夜间采摘作业机器人采用接收到的RSSI信号强度对待采摘的果树进行定位,为了满足机器人移动时的实时定位,采用多次信道扫描的方式,提高了机器人定位的实时性。为了验证机器人夜间定位方法的有效性和可靠性,在夜间采摘环境下,对机器人的性能进行了测试。通过测试发现:机器人的定位精度较高,错误识别率较低,并且通过多次校正,可以有效提高作业精度,满足夜间作业的设计需求。

基于信号强度差值的改进质心定位算法

质心算法用于室内定位时具有实现简单及综合开销小的特点,但定位精度及稳定性较差。为解决该问题,文章利用信号强度差值(RSSI)对质心算法进行改进。将参与定位的参考节点部署为形如等腰直角三角形的定位区域,并采用缩小定位区域的思想将定位区域按照三角形顶点垂直平分线均匀划分为4个定位子区域。在定位过程中,获取信号强度值最大3个参考节点并判断是否构成等腰直角三角形,若满足条件则通过计算参考节点三角形各顶点间信号强度差值以判断目标节点所处子区域,最后以所聚焦子区域的质心坐标作为最终定位结果。仿真结果表明,改进算法相比传统的质心定位算法及三边质心算法具有更高的定位精度和更好的稳定性,且因改进算法避免了使用路径损耗函数,减少了前期参考节点部署工作量。该改进算法是一种较为简单、实用,并且精度和稳定性较高的室内定位算法,适用于各种室内无线定位系统。

无线局域网中基于信号强度的室内定位

确定用户的位置信息有利于向用户提供方便高效的服务,基于接收信号强度的无线局域网室内定位是定位领域的一个新的研究热点。研究的难点在如何克服随机因素对信号的干扰,使定位方法具有健壮性、适应性。本文基于IEEE802.11b/g协议的无线局域网环境下定位问题的难点,分析了如何评价定位算法的性能问题,介绍目前定位方法的基本原理、优缺点及其分类,详细综述利用接收信号强度的室内定位算法,最后指出未来定位算法研究的几个方向。

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。

一种基于接收信号强度指示的改进型定位算法

针对无线传感器网络在道路监控、管道传输等一维环境中出现的因经验模型基站移动或环境发生改变时需要重新建立数据库的问题,提出了一种基于接收信号强度指示（RSSI）的一维经验模型定位算法（1-DEMRSSI）.该算法基于一维线性定位的思想,利用信号强度比值来确定未知节点的位置,所以只需要建立一次信号强度比值数据库.仿真结果表明,1-DEMRSSI算法比RSSI算法的运算量小,且一次定位时间可缩短10%左右,定位精度提高14.2%～66.4%,其在一维线性应用领域表现出了良好的灵活性和实用性.

基于阈值分类及信号强度加权的室内定位算法

为了减小室内复杂环境下接收信号强度值(RSSI)波动和个别信标节点被干扰对定位精度的影响,提出一种基于阈值分类及信号强度加权的室内定位算法。先根据室内环境的路径损耗特征,对各参考点进行分类并分别确定其匹配阈值,再将接收信号强度作为参考权重进行加权定位,最终得到更为精确的节点位置。实验表明,该算法能减小RSSI随机抖动引起的误差,有效地削弱个别信标节点被干扰的影响,提高定位精度。

基于信号强度的无线局域网定位技术

针对室内无线局域网环境及室内定位的需求,提出了基于信号强度的经验与估计相融合的无线定位方法。通过实验验证,该方法可以满足室内环境下无线定位的需求,是一种可行的无线局域网定位技术。

基于卡尔曼滤波的接收信号强度指示差值定位算法

针对频谱监测系统中被监测信号无法控制并且没有任何先验知识,只能通过对信号被动监测,即接收与处理信号来估计信号源位置的要求,该文提出一种基于接收信号强度指示差值(RSSID)的定位算法,并利用卡尔曼滤波提高其定位精度。该文将两监测站之间的RSSID转换成信号源到两监测站的距离之比,根据距离之比构造定位方程矩阵,进而利用最小二乘法求取信号源位置。仿真结果表明:所提算法比经典RSSI定位算法性能更优,降低了环境因素对定位精度的影响,并且能更好地满足参数较少的定位服务需求,可以有效地应用于频谱监测系统中。同时,卡尔曼滤波可以有效改善系统的定位精度,达到预期的定位效果。

基于接收信号强度分区矿山无线定位算法

针对井下工作人员的平时考勤以及发生井下事故时能够对受困人员进行及时有效的定位搜救,提出了一种接收信号强度分区(RSSP)定位算法。RSSP定位算法把井下相邻参考节点间划分为若干分区,根据井下人员(移动节点)所在巷道位置的接收信号及强度情况对其进行定位。此算法比较简单,功耗低。经过MATLAB模拟仿真,得出RSSP算法比经典的RSSI和RFID算法定位精度更高。

基于接收信号强度指示测距的蒙特卡罗盒移动节点定位算法

针对无线传感器网络(WSN)中以蒙特卡罗为基础的移动节点定位算法在采样效率和定位精度方面的不足,提出一种基于接收信号强度指示(RSSI)测距的蒙特卡罗盒定位(MCB)算法。通过对RSSI测距信息分区间管理来加强过滤条件,提高定位精度;同时采样阶段利用已满足过滤条件的样本点生成更有效的样本,从而提高采样效率;最后通过牛顿插值法预测节点运动轨迹,样本点与未知节点运动轨迹越接近则其权值越大,据此对样本点进行加权处理得到节点的最佳估计位置。仿真结果表明,改进方案在不同的锚节点密度、通信半径、运动速度等情况下均表现出良好性能,且定位精度与同等条件下的蒙特卡罗盒算法相比均有提高。

基于接收信号强度指示的蓝牙信号源定位

利用接收信号强度指示(RSSI--Received Signal Strength Indicator)定位因为其借助的设备较少,实现方法简单而被广泛应用;在简述利用接收信号强度指示(RSSI)定位原理的基础上,以生活实际中经常用到的蓝牙为例研究两个蓝牙设备之间的距离与接收信号强度指示之间的关系;并在三种具体环境中建立了相应的关系曲线图,虽然并没有给出具体的解析表达式,但仍然能在一定程度上反应设备间距离与RSSI的关系,并为进一步的研究打下了坚实的基础;得出了在空旷环境比室内以及楼道环境下信号传播效果要好,而且三种环境下信号强度都随着距离的增加而减小,在有障碍物的情况下比没有障碍物衰减更大。

一种改进的基于信号强度的WLAN定位方法

与室外定位技术相比(如GPS),基于无线局域网(Wireless Area Network)的定位更适用于室内环境。两种基于接收信号强度(RSSI,Received Signal Strength Indication)的定位方法即位置指纹法和信号传播模型法广泛用于室内定位的研究。使用边界盒算法和改进的二分范围搜索算法将两种室内定位方法相结合,提出了一种改进的基于RSSI的定位方法。提出的方法根据指纹数据库中样本的横纵坐标对其进行预处理,同时使用改进的线性二分范围搜索算法降低指纹数据库中的样本数,进而提高实时定位过程的效率。最大化位置指纹维度,并添加时间维,同时通过实验数据阐明所提出的方法可提高用户位置估算的精确度。

基于信号强度的无线局域网匹配定位算法

基于信号强度的匹配定位是无线网络定位的主要方法,包括离线训练和在线定位2个阶段。该文对在线定位阶段的传统定位算法进行了改进,选取定位匹配过程中概率较大的若干点,根据概率大小计算加权系数,进行加权运算以完成定位。实际环境下的定位实验验证该算法可以明显提高定位精度。

无线网络中基于信号强度的定位及算法比较

定位是无线网络应用中的关键技术。分析了无线网络中基于无线信号强度(RSSbased)的定位原理,并对比了以下四种定位算法:基于无线信号传播模型(RSS-modelbased)的多点测距和最大后验概率估计算法;基于实测信号强度地图(RSS-mapbased)的点匹配和最大后验概率估计算法。通过室外实验对比了四种算法的定位精度以及数据点个数、信标点个数对定位精度的影响,并分析了四种算法的标定、计算量和存储量。结果表明较高的标定、计算存储代价以及数据点、信标点的增多可以显著提高定位精度。

基于接收信号强度的雷场节点定位方法

为了减少封锁雷的硬件设备及降低功耗,提出了一种基于接收信号强度测距的雷场节点定位方法。该方法只需通过封锁雷本身的无线通信模块,不增加任何外界设备。首先根据接收信号强度RSSI测得雷场节点间的距离,通过数学运算建立虚拟锚点,然后借助已建立的锚点和三边测量法来确定锚点附近未知节点的坐标,直到雷场所有未知节点都计算完毕,最终完成雷场节点间的相对定位。实验结果表明当信道损耗指数为2.5时测距误差最小,雷场节点定位误差在4m以内,满足雷场封锁要求。

基于光信号强度检测法的可见光通信定位方法研究

室内可见光通信的各种非线性效应给信号处理带来诸多困难,导致定位误差较大。为此,提出基于光信号强度检测法的可见光通信定位方法研究。根据LED辐射模型,计算聚光度与光源在不同方向上亮度,分析散射拓扑结构,利用发射机对光强不断调制,经过数字化处理建立通信信道模型;使用光信号强度检测法中互相关方式,建立函数表达式,获取信号源强度估计误差,采用小波分析法将信号投影到各小波基分解,处理小波系数重构信号,达到去噪目的;获得光信号强度和光源之间水平距离对应关系,通过最小二乘法对误差函数求导,实现定位。仿真实验表明,所提方法定位精准度高,对噪声有很好的抑制效果。

基于信号强度的改进室内定位算法

本文提出了一种基于信号强度(RSS)的改进无线传感器网络室内定位算法。相对于采用一条直线对距离与RSS之间的指数关系进行线性化的处理算法,所提出算法根据网络中移动定位节点与所有锚节点的位置关系对距离与RSS之间的指数关系进行分段线性化。仿真结果证明了本文所提改进算法,在定位均方误差方面,非常接近对应的克拉美罗界,抗噪声能力较强;在锚节点分布不规则的场景下,改进算法的性能具有明显优势。同时,仿真结果也证明了所提算法的正确性和有效性。

基于可规律性移动锚节点和接收信号强度指示器的改进DV-Hop定位算法及其性能分析

针对DV-Hop定位算法进行了缺陷分析,提出了一种基于可规律性移动锚节点(RMAN)和RSSI测距技术辅助定位的算法RRDV-Hop。采用OMNET++作为仿真平台,分别从算法的平均定位精度、开销、硬件成本和稳定性等方面对两种定位算法的仿真结果进行了对比和分析。实验结果表明,在相同网络条件下,与DV-Hop算法相比,RRDV-Hop算法近似实现了锚节点的均匀分布,能够在随机分布的网络中提高平均定位精度和保持更好的算法稳定性;同时减少了锚节点个数,从而降低了网络的硬件成本。因此,RRDV-Hop算法更能适应随机分布的无线传感器网络。

消除WSN目标功率影响的信号强度差LSSVR定位法

针对目标发射功率变化下的无线传感器网络（WSN）目标定位问题，分析了无线信道衰减特性，探讨目标功率无关的信号强度差特征提取方法，结合WSN信息交换与处理过程，提出能消除WSN目标功率变化影响的信号强度差LSSVR建模定位方法（TL—LMSD），该方法利用不同探测节点平均信号强度差构造特征向量，通过LSSVR回归建模获得表征特征向量与目标坐标映射关系的LSSVR模型，将各节点目标信号强度测量值的差值所构造特征向量输入LSSVR模型可实现目标定位．基于CC2430无线传感网络实验平台证明TL-LMSD方法目标定位均方根误差RMSE比MLE方法可减小29％～37％；TL—LMSD方法在LSSVR建模、无需重新建模2种情况下的目标定位耗时分别约为0．4s、0．04s．这表明TL-LMSD方法能显著减小信号强度值变化对目标定位结果的影响，提高目标定位准确度，并具有较好的实时性能．