基于接收信号强度指示的AP簇测距方法

对移动目标的高精度测距是室内定位的关键。室内环境中无线接入点(Access Point, AP)采集的移动目标设备的接收信号强度指示(Received Signal Strength Indication, RSSI)受阴影衰落波动严重。受到RSSI采集频率和目标机动能力的限制,AP采集到的RSSI样本量少,导致基于RSSI测距精度差。为提高基于RSSI对移动目标测距的精度,本文提出了基于RSSI的AP簇测距(AP Cluster Ranging, APCR)方法。该方法通过对多个AP进行位置约束组成AP簇采集移动目标设备的RSSI,在相同采集频率下可获得更多的RSSI样本。利用RSSI波动特点,使用最大值选取和Dixon检验相结合的方式从AP簇采集的RSSI样本中筛选出高质量的RSSI样本,以提高对移动目标的测距精度。仿真和实验结果表明,与传统RSSI处理方法相比,本方法在室内环境简单或复杂时都具有更高的测距精度,在少量RSSI采集次数下同样能保持较高精度,更能满足对移动目标测距的需求。

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。

高动态范围CMOS接收信号强度指示器设计

采用0.18μm RF CMOS工艺设计了一种具有宽输入动态范围的接收信号强度指示器(RSSI)。采用逐级检波式对数放大器结构,以分段线性近似法实现对数传输特性,使RSSI输出电压正比于输入功率的对数值。电路采用直流耦合方式以降低寄生参数并减少电路面积,并采用直流失调消除环路(DCOC)解决直流耦合方式所带来的直流偏移电压影响,有效降低直流失调和低频噪声。仿真结果显示,该RSSI可检测输入信号动态范围大于60 d B,对数精度小于±1 d B。采用1.8 V电源电压供电,电路总电流消耗为11 m A,芯片核心面积为0.23 mm2。

应用于无线传感网的接收信号强度指示器的设计

采用SMIC 0.18μm CMOS工艺设计了应用于无线传感网(WSN)的接收信号强度指示器(RSSI),其核心电路是采用跨导放大器构成的限幅器、半波整流器和相应的偏置电路。其工作在电流模形式下,对工艺角和温度具有良好的补偿特性。芯片测试结果表明:在电源电压为1.8V时,RSSI的直流功耗为4.14mW,2MHz输入信号频率下的检测范围为-58～-7dBm(以50Ω阻抗作参考),对应的输出指示直流电压为0.48～1.45V,检测斜率约为18.2mV/dB,非线性误差小于±0.7dB。芯片面积为0.654mm×0.430mm。

一种应用于无线传感器网络的全集成接收信号强度指示器

设计了一种应用于无线传感器网络(WSNs),可以在1.2 V电压工作的,全集成接收信号强度指示器(RSSI)。介绍了对数放大器的基本原理,改进了直流偏移消除电路结构,利用隔级反馈使限幅放大器部分更加易于全集成。改进了全波整流电路,使其能工作在低电压,功耗更低,同时大大提高了工艺稳定性和温度稳定性。采用0.18μm CMOS工艺,仿真结果显示:在1.2V电源电压时,RSSI的直流电流小于0.6 mA,2 MHz输入信号频率,输入动态范围为-85～-10 dBm时,RSSI的线性误差小于±0.5 dB。

WLAN射频系统接收信号强度指示器的设计

设计了一个基于Jazz 0.35μmSi Ge BiCMOS工艺的接收信号强度指示器(RSSI),并成功应用于WLAN射频系统。该电路不仅具有低功耗、大动态特性,还有良好的温度和工艺稳定性。芯片测试结果表明:在输入信号频率为10 MHz、功率为-70^-10 dBm时,输出的直流电压为0.68~1.32 V,实现了功率指示功能。

室内定位无线接收信号强度测距模型的研究

接收信号强度测距法易受室内复杂环境的影响,在许多研究和实际应用中,通常将路径损耗因子作为固定不变常量,增加了系统误差。分析了室内无线信号的传播特性,介绍了对接收信号强度测距模型,推导了最优拟合当前室内环境对数路径损耗模型参数的计算公式,将自主建模的思想引入到基于接收信号强度的测量中进行了可行性探究。

一种接收信号强度的室内定位稳健估计方法

随着人们在室内活动的范围和时间逐渐增加,对室内定位的需求也日益增加,本文介绍了目前主要的室内定位技术,并对基于测距的几种常用的室内定位方法原理进行说明,提出一种接收信号强度的室内定位的稳健估计方法。以接收信号强度的室内无线定位对数路径损耗测距模型为切入点,通过实验测定和曲线拟合的方法获取接收信号强度的测距模型参数,并分别采用经典最小二乘法和本文提出的稳健估计方法进行室内定位求解,试验结果表明本文方法室内定位解算精度更高、鲁棒性更好。

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。

一种基于接收信号强度的自行车跟踪算法

为了实现对赛车手进行实时定位,并保障赛车手安全,提出基于接收信号强度指示RSSI(Received Signal Strength Index)测距的场地自行车的跟踪算法TCTR(Track Cycling Tracking based on received signal strength Index Ranging)。TCTR算法的目的就是估计移动节点(自行车)和锚节点(教练)间的距离。依据对数正态衰落模型LNSM(Log-Normal Shadowing Model)和锚节点所接收的RSSI值,TCTR算法测量自行车和教练间的距离。为了提高测距精度,建立室内、室外的场地自行车实验,获取RSSI值和距离数据,再通过拟合,最终估计LNSM参数。仿真结果表明,通过优化LNSM参数,降低了测距的均方根误差。

应用于OFDM-UWB接收机的CMOS信号强度指示器

给出一种应用于超宽带零中频接收机的宽带RSSI电路.改进了传统的全波整流器,解决了增大其带宽与减小静态输出电流的矛盾,使其带宽提高到300MHz的同时消除了输出静态电流.采用0.13μm CMOS工艺,芯片面积为1.27mm2.测试结果表明RSSI工作带宽为300MHz,在-64～-4dBm输入范围内,检测误差小于±1.5dB,在1.2V电压下消耗电流10.6mA.

接收信号强度测距法无线室内定位解算方法研究

基于接收信号强度测距的无线室内定位精度受到测距精度和定位算法的影响。本文根据对数路径损耗模型得出距离值的无偏估计,对影响测距精度的因素进行了分析;对3种不同的基本定位解算方法展开了详细分析同时进行了精度评定,并通过仿真数据对不同定位解算方法的精度进行了比较。

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。

基于实时运动状态的RSSI测距室内定位算法

为了减少室内定位的硬件成本,提高定位效率,该文提出一种与低成本的接收信号强度指示器(RSSI)距离测量技术相融合、利用人体室内低速运动特性进行位置状态预测的室内定位算法。分析了一种RSSI测距模型及基于运动状态的测距预测模型,并设计测距实验获取实际运动验证数据。在算法和模型中,使用中值滤波和均值处理方式,对所获取实验数据和参数进行采样和滤波处理,降低了环境变化对数据的影响,提高了数据可信度。通过对实验数据进行线性回归分析,合理选取定位模型中各项参数值,最终用实际测距结果分析了验证所提出的算法。实验证明,该方法能提高RSSI测距的抗干扰能力,降低定位环境的硬件布置成本,在最远距离节点约为5 m、均匀分布节点的实验环境中,测距误差约为1.3 m。

基于射频信号能量特征的测距技术分析与研究

本文针对无线信号测距基本方法、室内环境下影响测距的信号信道特征、RSSI模型及室内环境下RSSI与距离间关系的实际测量值,分析了路径损耗模型的RSSI测距模型在室内环境下应用方法和途径。

基于VGG-19和卡尔曼预处理的WSNs测距方法

提出了一种基于VGG-19网络和卡尔曼预处理的无线传感器网络(WSNs)测距方法。首先,通过卡尔曼滤波方法实现接收信号强度指示(RSSI)数据的滤波处理过程,以提高方法的稳定性;然后,利用VGG-19网络学习分析真实场景下拍摄的图像信息,以获得高精度的图像特征;最后,根据图像数据和实际信号衰减数据,自动提取不同地面环境下信号传播的高层语义特征,从而完成距离测量。基于实测平台获取的数据进行实验分析,结果表明:在4种复杂程度不一的场景下,所提模型的距离估计误差最大不超过1 m,并且测距耗时为34.92 ms,整体性能优于其他对比模型。

基于Voronoi图的无需测距的无线传感器网络节点定位算法

将Voronoi图应用于无线传感器网络定位问题中,提出了VBLS(Voronoi diagrams based local-ization scheme)定位算法.它首先对接收到的anchor节点的接收信号强度(RSSI)从大到小进行排序,然后利用UDG图依次计算每个anchor节点的Voronoi区域,最后将所有Voronoi区域交集的质心输出作为定位结果.通过仿真将VBLS和另外两种无需测距的定位算法(W-Centroid和Centroid)进行了比较.仿真结果表明,对于anchor节点随机摆放的情况,VBLS的定位误差比Centroid和W-Centroid分别降低了18%和13%;对于anchor节点均匀摆放的情况,VBLS的定位误差比Centroid降低了7%,比W-Centroid增加了2%.

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混合滤波和最小二乘参数估计的测距算法

针对基于RSSI的无线传感器网络定位测距问题,在对数-常态分布模型下提出了一种混合滤波及最小二乘环境参数动态估计的测距算法。以锚节点作为参考节点,采用基于均值滤波、中值滤波和高斯滤波的混合滤波方法优化RSSI值,运用最小二乘法估计环境参数,再由盲节点与锚节点的RSSI混合滤波优化值计算二者之间的距离。仿真结果表明,混合滤波性能优于其它单一滤波方法,环境参数估计相对误差小于2.5%,空旷环境下100 m范围内测距相对误差小于10%,满足无线传感器网络定位测距要求。

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。