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。

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。

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。

基于有源射频识别信号强度的室内移动机器人测距方法

为采用几何法进行室内移动机器人定位,提出了基于有源射频识别(RFID)信号强度测距方法。分析了无线信号传播的特点和无线信号强度指示(RSSI)测距的原理,建立对数-常态分布传播损耗模型。采用有源RFID的HR-6020C读写器和WS-HT06电子标签构建实验系统,其中读写器作为基站固定于一点,电子标签作为移动节点时刻发送信号,通过实验得到距离与RSSI值关系曲线,利用有源RFID系统对理论模型中的参考点信号强度和比例因子进行标定,并分析了测距精度。影响测距精度的因素主要包括标签的位置、数量和实验环境等。根据确定的传播损耗理论模型进行了测距实验,结果表明,在3m范围内测距最大偏差为41.68cm,这为基于RFID的室内场馆移动机器人定位提供了依据,可以满足机器人的定位精度要求。

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。

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。

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.

基于信号强度与超声波测距的室内定位系统

基于射频信号强度及超声波测距原理,提出了一种射频与超声结合的室内网格定位方法与系统。定位区域划分为N个块,每个块由M个方格组成。每个块的中心以及每个方格的4个角上均安装1个带有无线通信功能和可测出信号强度的超声波测距模块构成的定位基点。移动目标首先向每个块的中心定位基点读取信号强度值,根据信号强度值确定出移动目标在哪个块内,然后对这个块的各定位基点发送同步信号和超声波,得该块各定位基点的超声波测距值,这些距离值经移动平均滤波法滤波后,计算出移动目标在定位区域内的精确坐标。移动目标将计算出的坐标数据通过无线通信上传到上位机显示、处理及保存。实验结果表明,显著降低了能耗,且定位偏差不大于5 cm。

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。

SAL:无线传感器网络中信号强度辅助的定位算法

针对现有的测距无关定位算法不能在定位精度和定位开销之间较好平衡的问题,提出了信号强度辅助的定位算法SAL (Signal Strength Assisted Localization),充分利用无线电接收信号强度随距离定性衰减的规律,对单跳范围内的锚节点进行更细粒度的区分,并将距离远近信息应用于待定位节点的位置估计。在不需要额外硬件、不增加通信开销的情况下有效提高了节点的定位精度,并确保网络定位覆盖率为100%。大量仿真和平台现场试验表明,SAL兼具质心法实现简单和APIT定位精度高的优势,在随机大规模仿真和现场试验中SAL的定位精度均高于APIT;在平均情况下,SAL的计算开销至多仅为APIT的1/4。

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。

基于高容错性无线传感器组网的电台台区监测定位技术研究

以高容错性组网的无线传感器网络技术为基础构建广播电视传输发射电台台区监测定位系统,RSSI作为监测定位的基础性参数。文章首先分析电台环境中造成RSSI测量误差的原因,在线性离散卡尔曼滤波算法的基础上加入干扰极值检验剔除法,提升了RSSI值测量的准确性。通过对节点网络布局抽象建模,高效率实现对台区内监测目标的定位。文章提出的监测定位功能均建立在网络拓扑结构高容错性机制之上。

基于无线传感器网络的狭长空间定位方法

通过实验室走廊测试实验得出,采用对称取均值的方式可以极大改进RSSI值和距离的线性关系,基于此提出了一种对称非均匀部署方式及定位方法,并进行了MATLAB仿真实验和分析。仿真实验结果表明,该方法相较传统定位方法,平均定位误差小4~6 m,定位精度较高且受环境影响小,适用于井下巷道和超长隧道等狭长空间。

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。

容忍多径效应的无线传感网络测距算法

在井下巷道环境中,基于RSSI的测距精度会受到多径效应和外部无线干扰的严重影响。针对这一问题,提出了一个新的基于RSSI的测距算法RRRME。该算法针对弯道弯曲面引起的额外衰减,从几何光学的角度来解决多径效应所带来的影响,分别分析了视距和非视距情况下无线信号传输所引起的路径衰减,重构了井下巷道环境中路径衰减和距离之间的函数关系,推导了多条传输路径所导致的测距误差。通过一系列的实测实验,对提出的算法进行验证,详细分析了井下环境中基于RSSI的测距性能,讨论了有重要影响的多径衰减因子和路径损耗因子对测距精度的影响。实验和仿真结果表明,和传统的RSSI测距方法相比,提出的RRRME算法具有更优的测距精度。