考虑信号统计特征的神经网络室内测距方法

针对现有神经网络测距方法易陷入局部极值而降低测距精度的问题,提出一种考虑信号统计特征的神经网络蓝牙室内测距方法:提出一种反馈-卡尔曼混合滤波算法进行数据预处理;并分析接收信号的传播特性,引入信号统计特征参数作为输入信号,构建改进麻雀搜索算法优化的埃尔曼(Elman)神经网络(ISSA-Elman)测距模型。实验结果表明,该测距方法能够有效提高测距精度,平均测距误差约为15 cm。

基于BP神经网络的RSSI测距优化算法

基于接收信号强度指示(received signal strength indication,RSSI)测距的研究和应用领域很广泛,一直是物联网研究的热点.为降低传统基于反向传播(back propagation,BP)神经网络的RSSI测距误差,文中提出一种基于K-means聚类算法对样本数据进行预处理的BP神经网络测距算法,来解决由于RSSI值衰减程度不同引起的不同距离区间RSSI值和真实距离之间映射关系不均匀的问题.将K-means聚类算法应用于BP神经网络模型中,对样本数据进行距离区间划分,然后将已经分类好的数据分别输入BP神经网络建立网络模型并进行实验仿真.结果显示:传统基于BP神经网络的RSSI测距算法的均方根误差为1.4257 m;而经过K-means算法改进后的BP神经网络测距算法的均方根误差为1.2887 m,降低了测距误差,并优化了目标RSSI值与真实距离的映射关系.

基于优化RSSI精度的WSN加权质心定位算法

为消弱接收信号强度指示误差对无线传感器网络节点定位精度的影响,提出基于优化接收信号强度指示测距精度的加权质心定位算法。该算法根据接收信号强度指示(RSSI)和链路质量指示(LQI)在不同距离段的衰落曲线起伏的波动状况,采用分段测距的方法优化RSSI的测距精度,接着将优化后的距离值作为加权质心算法的权值因子对节点进行定位,进而提高定位精度。实验结果验证了该优化算法的有效性。

基于改进花授粉算法的RSSI定位方法

针对接收信号强度指示(RSSI)定位算法中采用最小二乘法计算未知节点位置时其定位精度受测距误差影响较大、花授粉算法易陷入局部最优等问题,提出了一种基于改进花授粉算法的RSSI定位方法。从花粉步长权重、局部变异方面对花授粉算法进行改进,采用改进花授粉算法进行未知节点位置估算。仿真结果表明:本文算法的定位精度高,稳定性好,适用于定位精度和稳定性要求较高的场景。

无线传感器网络基于测距的节点定位算法研究

在无线传感器网络的各种应用问题中,节点的位置信息是很重要的。利用matlab对目标定位的基本测距算法RSSI进行仿真,得到了距离的估计值,并对其做了误差分析,得出了距离越小,误差也小,估计距离和实际距离越接近的结论;同时对DOA的MUSIC也进行了仿真,得到了信号相对于天线阵列的角度估计值,实验中取不同的SNR值得到了不同的结果,其中信噪比SNR越大时得到的角度估计值越精确,并对两种基本测距算法进行比较。在得到距离估计值的基础上利用三边测量定位算法对监测事件进行仿真得出估计位置。

基于RSSI加权质心和GASA优化的WSN定位算法

针对无线传感器网络节点在自身定位中广泛存在较大的定位误差的问题,提出一种基于RSSI加权质心和GASA优化的无线传感器网络定位算法。该算法假设无线传感器网络中存在一定比例的位置已知的锚节点,利用RSSI加权质心算法计算未知节点与锚节点间的距离,建立以未知节点位置为参数的数学模型,用GASA优化算法计算最优解从而获得未知节点的位置,实现未知节点自身的定位。仿真实验的结果表明,当锚节点个数为30,算法的平均定位误差在10%以内,比RSSI加权质心算法降低了10%~15.5%左右,并且随着节点个数的增加平均定位误差降低。

基于粒子群算法的传感器网络室内定位系统优化

通过接收信号强度指示(RSSI)和欧氏距离的非线性函数映射关系来进行弱移动目标的距离估计。以最大似然估计(MLE)法为基础,结合电磁波在自由空间中的传播特性,重新构建基于粒子群优化(PSO)定位算法的适应度函数来提高无线定位精度。并提出了一种惯性权重优化的自适应学习机制来优化全局搜索能力和局部搜索精度,提升定位算法的容错能力。测试结果表明:本室内定位算法具有抗干扰强、鲁棒性好和无线定位精度高等优点。

多方位分组式WiFi室内定位算法

WiFi信号的多径传播受到室内环境很强的制约性,障碍物的遮挡和阻隔造成部分接入点(AP)的信号传输发生折射和衍射使得信号强度减弱,基于接收信号强度指示(RSSI)测距时易产生和真实距离很大的测量误差。与其他的室内定位技术相比,RSSI测距的WiFi室内定位技术在定位精度、功耗和成本方面具有很大的优势。本文提出一种新的定位算法,将多方位RSSI测距进行分组定位的方法与加权质心算法相结合,用多方位测距减小障碍物的遮挡和阻隔引起的测量误差。室内定位精度提升了近40%。

5G基站的改进加权质心室内定位算法

针对现有基站室内定位算法参与定位基站选择及权重设置不合理导致定位精度低的问题,提出了5G环境下基于接收信号强度指示(RSSI)进行加权质心室内定位算法.该算法通过RSSI测距得到5个已知基站到待定位点的距离,以已知基站位置为圆心作圆,针对相交所得的五边形区域,取任意3个顶点组成三角形,并根据不同的基站类型以及与待定位点的距离,设定合适权重计算三角形质心坐标,利用所得的10个三角形质心坐标做最大似然估计(MLE)得到最终定位点.仿真结果表明:在基站稀疏和密集两种环境下,本算法较经典质心算法和加权质心算法,室内定位精度明显提高.

基于不同发射功率的室内定位算法优化

在无线传感网络室内定位中,节点的发射功率不同会降低基于对数-正态模型的定位算法的定位精度。针对这一问题,基于真实室内环境下RSSI值的变化,提出了一种基于不同发射功率的室内定位优化算法。该算法通过确定最小动态区域,对RSSI测距方法进行优化,降低不同发射功率带来影响。仿真和实验结果证明,提出的新算法在参与定位的信标节点发射功率不一致的情况下,达到了信标节点发射功率一致情况下的定位精度。