一种应用于可定位射频标签中的接收强度指示器

介绍了一种应用在可定位射频标签中的接收强度指示器。提出了一种对温度、工艺变化不敏感的新型低功耗限幅放大器,同时对其增益误差、噪声和频率响应作了详细分析。限幅放大器的带内增益为12 dB,带内最大增益误差为0.4 dB。本文分析了级联限幅放大器的级间干扰原理,并提出了相应的解决方法。接收强度指示器的中心频率为2 MHz,比最大响应低1 dB所对应的带宽为1 MHz。输入参考噪声为82μV,检测范围为48 dB,最大信噪比为60 dB。接收强度指示器经过UMC0.18μm CMOS工艺流片,其测试结果表明功率的检测范围可达45 dB,电流消耗为1.1 mA。

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。

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。

接收信号强度指示测距模型修正与粒子群算法权重优化的节点定位算法

为了降低接收信号强度指示(RSSI)测距误差对定位精度的影响,提出一种RSSI模型修正与粒群算法(PSO)权重优化相结合的定位算法。首先通过最小化误差平方和原则对RSSI测距模型参数进行校正,避免测距误差带入定位阶段,然后利用三边测量法进行粗略定位,得到未知节点的近似坐标,最后引入改进PSO算法对该近似坐标进行优化,在改进PSO算法中提出一种基于收敛因子的权重策略,有效地平衡了算法的搜索速度与搜索精度,从而得到节点坐标优化值。实验结果表明,该算法能够有效抑制测距误差积累,有更好的收敛性能和更高的全局优化能力,能实现更好的定位效果。

基于改进接收信号强度指示的室内定位算法

为了提高室内环境节点定位精度,针对传统定位算法的不足,提出一种改进接收信号强度指示的室内定位算法。首先通过神经网络对各锚节点接收信号强度的权值进行拟合,得到路径损耗模型的参数值,然后利用最大似然法对未知节点进行定位,最后采用仿真实验测试其性能。结果表明,相对其它室内定位算法,本文算法提高了室内定位的精度,降低了平均定位误差,可以满足室内定位的实时性要求。

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。

基于接收信号强度指示加权融合的定位算法

基于接收信号强度指示的无线传感器网络定位问题,提出一种改进Kalman滤波方法,消除测距过程中的非视距误差,得到标签与节点间的估计距离.然后,分析标签与节点的距离、定位单元质量和标签所处的位置三方面对定位精度的影响,提出一种改进三边定位算法,并根据滤波后的估计距离计算得到的多个定位坐标进行加权融合.最后,通过Matlab仿真验证所提算法的有效性.

一种基于航迹推算与接收信号强度指示相结合的移动传感器网络节点定位方法

航迹推算不需要外部传感器信息,并具有定位精度高的优点,因此广泛应用在移动机器人的定位领域,但在移动无线传感器网络节点定位中,航迹推算难以避免误差的累积,且需要设定初始坐标。现提出一种基于航迹推算与接收信号的强度指示法(RSSI)相结合的移动传感器网络节点定位方法,该方法将二者的优缺点互补,具有不需要信标节点、计算量小、对硬件要求低等特点,且可以解决误差累积的问题。利用Matlab进行了仿真,仿真结果表明该方法明显地提高了定位精度,可以有效地应用在移动无线传感器网络中。

基于接收信号强度指示的改进质心定位算法

传统质心定位算法虽然简单易行、成本低,但仅为粗略的定位估计方法,定位精度亟需改善。针对该问题,通过优选信标节点,提出了一种基于接收信号强度指示(RSSI)数据的改进质心定位算法,有效克服了传统质心定位算法"通信半径越大,定位精度反而下降"的缺点。通过MATLAB仿真验证算法的有效性和可靠性。

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。

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。

一种基于接收信号强度的多跳分簇路由协议

为了延长传感器网络生存时间,多跳路由协议一直是无线传感器领域的研究热点。其中多跳分簇的路由协议(MHLEACH)不仅能扩展通信范围,还可以均衡分配节点能耗,从而有效提高了能量利用率。但该方法存在的问题是若选中的簇首距离基站太远,则会耗费较多能量。同时,簇群链路分布的不均匀也可能使一些靠近基站的簇首更频繁地转发数据。为解决该问题,提出一种改进算法RSSI-Mean-Filter-MHLEACH(简称RMF-MHLEACH),该算法能对接收路由消息时获得的邻居节点信号强度与邻居表内节点剩余能量信息进行比较分析,最后找出最优的上层转发节点,从而使各节点在保证通信质量的同时,也能合理分担簇首的能量消耗。

基于物联网的甘蔗长势估计方法

针对现有农作物长势监测技术成本高、依赖特定传感器硬件等问题,本文在现有农业物联网技术的基础上,利用植物生长影响无线通信信号强度的特性,提出了一种利用物联网接收信号强度指示(RSSI)结合环境数据估计甘蔗长势的方法。基于ZigBee无线网络搭建物联网平台,将物联网平台部署于大田中监测甘蔗生长周期,获取RSSI、株高等实验数据,再利用机器学习方法构建株高估计模型及比较验证。结果显示:基于随机森林的回归模型的评价指标优于其他机器学习模型,决定系数(R^(2))为0.92,均方根误差(RMSE)为20.97 cm,该方法可满足农业株高监测的需要,为农作物长势监测提供了一种低成本方案。

一种WiFi混合滤波的RSSI室内定位算法

针对接收信号强度指示(RSSI)在基于WiFi的室内定位应用中易受到环境影响出现波动、突变进而导致定位精度降低的问题,提出了一种WiFi混合滤波的RSSI室内定位算法。首先,根据WiFi信号距离衰减模型设计一种自适应阈值滤波器剔除观测信号异常值;然后,根据自适应阈值滤波、卡尔曼(Kalman)滤波、均值(Mean)滤波设计了一种混合滤波算法(ATKM)对RSSI数据进行滤波;最后,提出了一种基于斯皮尔曼-欧几里得距离的加权K近邻算法(SEWKNN)进行位置估计。在真实环境下的实测结果表明,本文提出的ATKM滤波算法能显著降低RSSI信号的波动,提出的SEWKNN算法在室内环境中平均定位误差为1.17 m,在走廊环境中平均定位误差为1.53m,相比传统的WKNN算法平均定位误差分别下降18.18%和16.84%。

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。