基于RSSI和TDOA分层融合的无线定位算法

目前对于时间差定位差(Time Difference of Arrival,TDOA)的算法中,存在着定位偏差大、时间接收存在偏差等问题,直接导致定位精度受到很大影响。在各项定位算法中,基于接收信号强度定位算法(Received Signal Strength Indication,RSSI),具有覆盖面积广、精度高的特点,因此提出采用RSSI算法筛选修正过后进行TDOA算法的分层融合算法,使得整体的定位精度得到进一步提升。此分层融合算法可以提高定位精度,尽可能地减小因外部环境变化导致的定位误差。通过仿真可以看出,和现有的融合算法比较,该分层融合算法的可行性和稳定性有一定提升。

基于RSSI加权数据融合的TDOA定位算法

为解决基于到达时间差(TDOA)定位算法中的定位模糊、测量时差的精确度对定位精度影响较大等问题,通过对TDOA、基于接收信号强度(RSSI)定位算法进行研究分析,提出利用RSSI加权数据融合修正由TDOA算法获得的多个初始位置估计值,从而获得更优位置估计的TDOA/RSSI定位算法。该算法具有计算量小,能有效降低定位误差的优点。仿真结果表明,此算法较普通的TDOA定位算法消除定位模糊,并进一步提高了定位精度。

RSSI/TDOA/DV-Distance组合定位算法

由于目前单一定位算法具有各自的优缺点及适用范围,大规模复杂无线传感器网络则需采用多种定位技术。针对实际应用需求,提出了一种基于接收信号强度指示(RSSI)、到达时间差(TDOA)和矢量距离(DV-Distance)的组合定位算法。该算法扩大了TDOA算法的覆盖范围,提高了成功率,并修正了DV-Distance算法中定位节点与信标节点间有效距离信息。试验表明,该算法满足了复杂定位系统的差异化需求,提高了大规模无线传感器网络的整体定位精度和稳定性。

无线局域网的定位技术研究

针对目前无线局域网定位技术的发展现状,本文详细介绍了主要的无线定位技术,并提出了一种基于信号强度和传播时间差的混合定位方法RSSI-TDOA,最后对TDOA定位算法进行了阐述。

目标定位中的非视距传播研究综述

由于障碍物的存在,矿井等定位场景中普遍存在非视距传播现象,引起定位信号的折射、反射、衍射和散射,导致测距误差增大,进而影响目标定位精度。分析了非视距传播对TOA(Time of Arrival,到达时间)、TDOA(Time Difference of Arrival,到达时间差)、AOA(Angle of Arrival,到达角度)、RSSI(Received Signal Strength Indication,接收强度指示)等定位方法的影响,并从非视距传播的识别、非视距传播误差的抑制、非视距传播的利用及非视距场景下的定位方法设计4个方面对现有文献进行综述。对于非视距传播的识别,重点探讨了残差检验法、误差统计法、能量检测法、神经网络算法和几何关系法;对于非视距传播误差的抑制,主要分析了基于滤波的方法、基于半参数的方法、基于能量检测的方法及基于数据库的方法;对于非视距传播的利用,重点综述了提高定位系统鲁棒性及基于误差学习和匹配的方法;对于非视距场景下的目标定位方法设计,分为视距与非视距混合场景及纯非视距场景2种情况进行综述。探讨了目标定位中非视距传播研究的新方向:通过多种定位技术的融合提高目标定位精度;借助新兴技术提高非视距场景下的目标定位精度;通过与其他信息系统的交互引入额外信息,实现跨系统协同定位。

工业互联网无线室内定位技术概述

工业制造的蓬勃发展不断推动我国制造领域的技术变革,智慧工厂成为推动工业转型的关键。而智能化生产离不开精确的位置识别技术,为人员、物料、设备甚至车辆提供准确的位置信息。从工业无线定位的技术需求入手,对多种定位技术进行详细地分析和对比,梳理当前定位技术的局限性,最终提出未来工业无线定位技术的发展趋势。

基于Fingerprint定位算法的设计与实现

首先将RSSI、TOA与TDOA、超声波与无线结合定位算法进行对比,指出了各种算法的优缺点。提出了一种基于RSSI Fingerprint定位算法,给出了该方法的思想,指出了其适用范围,最后通过软件测试了该算法的可行性。