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。

改进的RSSI测距和定位算法

分析了RSSI(received signal strength indicator)测距的原理及环境对RSSI的影响。论述了高斯模型校正算法,该算法中因含有与环境相关的路径散逸指数而产生较大测距误差。针对这一问题,提出了基于锚节点的高斯校正算法,该算法以锚节点对之间的已知距离和测量的RSSI值为参考,对由被测RSSI值得到的距离进行校正,消除了路径散逸指数,并用网络连通信息和RSSI联合定位。仿真结果证明:采用锚节点的高斯校正算法进行定位不受环境影响,不同环境下最大定位波动为0.11%,定位误差显著减小,可应用到实际的无线传感器网络的定位系统中。

一种基于RSSI的改进蒙特卡罗定位算法

移动无线传感器网络的节点定位算法中,基于RSSI(Received Signal Strength Indication)的蒙特卡罗定位算法结合了RSSI定位算法和蒙特卡罗定位算法的优点,定位精度较好,但计算量较大,节点能量消耗严重。针对上述不足,提出一种基于RSSI的改进蒙特卡罗定位算法,采用插值法对节点运动状态进行预测,同时采用交叉操作加快有效粒子的选择,提高预测和滤波的准确性。仿真实验结果表明,该算法与传统算法相比加快了收敛速度,减少了计算开销,同时提高了定位精度。

基于异步卡尔曼滤波的移动机器人动态定位

针对室内移动机器人动态定位在网络盲区中失效的情况,提出一种根据机器人周围网络环境动态选择信标节点,完成自主定位的系统.利用扩展卡尔曼滤波后的RSSI完成测距,然后采用极大似然算法完成定位,再用异步卡尔曼算法修正定位误差.该算法成功地将经典卡尔曼滤波与其他定位算法相结合,对于定位算法的结果进行平滑和优化,修正和改进定位精度.尤其在网络盲区中,采用异步卡尔曼滤波获得最优数据.仿真实验表明该系统针对移动机器人自主动态定位具有精度高、适应性强、鲁棒性好等特点.

RSSI及TOF测距技术及仿真研究

无线传感器网络综合了嵌入式计算、传感器和通信等多种技术,可以实现对信息的获取与处理;借助其他辅助定位方式,可以实现对非合作目标的定位。而无线传感器网络测距技术是实现定位的基础。对TOF和RSSI这2种测距技术进行了深入的研究,比较这2种测距技术在不同范围内的测距效果,进而为工程应用提供理论基础。

一种基于高斯和滤波的蓝牙信标室内定位算法

高精度的室内定位是物联网中基于位置服务应用的基础.低功耗蓝牙信标的接收信号强度指标(RSSI)可用于室内定位.为此,提出基于高斯和滤波的蓝牙信标室内定位(GSF-IL)算法.GSF-IL算法考虑到室内环境信号的多径衰落以及波动,利用高斯和滤波(GSF)算法处理RSSI测量值,使RSSI值具有非高斯特性,并利用瓦瑟斯坦距离(WD)将GSF模型的分量数降至单高斯分量.仿真结果表明:提出的GSF-IL算法实现对原始RSSI值的修正作用,并利用了定位精度.

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。

基于锚节点间距离的改进RSSI测距方法

节点定位是无线传感网络的核心支撑技术之一。为提高接收信号强度指示(RSSI)法的定位精度、消除路径散逸指数,提出一种基于锚节点的模糊C-均值(FCM)校正算法。该算法利用FCM模型对非敏感区的RSSI数据进行处理,筛选出RSSI较优值,并将已知2个锚节点之间的距离与测量得到的RSSI值作为参考,校正被测RSSI值对应的距离,消除路径散逸指数。仿真结果表明,该算法比统计均值模型具有更好的估计精度。

基于信道状态信息的安防监控系统

无线网络的信道状态信息(Channel State Information,CSI)是MIMO系统中反映各个子载波信号频谱特性的重要指标,通过在Linux平台上定制Intel 5300网卡驱动,就可在常规的无线网络通信环境下通过编程实现对CSI数据的实时采集。因CSI信息对环境变化十分敏感,因此可用于构建基于CSI的非接触式环境感知系统。本文以CSI为数据载体,详细梳理基于CSI的无线感知应用,建立基于CSI信号的安防监控系统,能够成功检测人员到访事件。系统提取人员到访时间的CSI信号特征v*t={σ,MaxPt,MinPt,E}并通过实验求得,当其值为v*t={1×10^(-3),[1,2],[1,2],2.0×10^(-4)}时,系统可获得高达99.07%的检测成功率。

基于改进APIT的移动机器人动态定位

针对室内无线传感器网络通信传输不稳定和定位精度较差的情况,提出了一种移动机器人自主动态定位系统,通过实时选择邻近信标节点,确定节点坐标构成的边界,绘制局部网格空间,实现机器人动态定位.利用接收信号强度指标实现测距,然后采用基于测距的改进近似三角形内点测试(APIT)算法完成定位,再使用卡尔曼算法修正定位误差.该方法适用于室内网络传输不稳定的实际情况,采用卡尔曼滤波器获得最优数据.实验结果表明,该移动机器人自主动态定位方法比基于网格的极大似然方法具有更好的精度和适应性.