基于单天线视轴信号传播模型的RFID定位方法

为了解决现有单天线超高频RFID技术在室内静态目标定位中精度不高的问题,本文提出了一种基于天线视轴信号传播模型的RFID定位新方法。该方法首先通过天线纵向扫描确定目标的高度位置;其次,调整天线高度与目标高度一致,然后步进旋转扫描以识别目标的方向角;进一步的,利用麻雀搜索算法优化的反向传播神经网络建立路径损耗模型并用于测距;最后,综合高度、方向角和距离数据完成目标的定位。实验结果表明,在室内环境测试中,所提出的方法平均定位误差为7.2 cm,能够满足一般室内场景下物品的定位需求。

基于三次样条插值的无线信号强度衰减模型

为提高指纹识别定位技术在无线网络中的应用效率,解决无线信号强度衰减模型计算效率低、构建复杂以及参数难确定等问题,提出使用较少参数实现精确的无线信号强度传播模型.该模型是一种经验模型,其由距离或信号强度的三次样条插值函数来调整经典衰减模型中的衰减因子,无需增加额外参数,计算简单.实验结果显示:在室内走廊环境中,该模型以10%的样本数据进行训练后,无线信号强度预测误差不超过0.4 dBm,由该模型生成校准数据,利用指纹识别法可获得平均误差1.3 m以内的定位精度.

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。

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。

基于RSSI信号强度定位的夜间采摘作业机器人设计

为了提高果实采摘机器人在夜间作业的工作效率,提出了一种适用于果实采摘机器人夜间果实定位识别的方法,引入了RSSI信号强度定位技术,并在此基础上提出了一种泰勒级数展开的高精度定位方法。夜间采摘作业机器人采用接收到的RSSI信号强度对待采摘的果树进行定位,为了满足机器人移动时的实时定位,采用多次信道扫描的方式,提高了机器人定位的实时性。为了验证机器人夜间定位方法的有效性和可靠性,在夜间采摘环境下,对机器人的性能进行了测试。通过测试发现:机器人的定位精度较高,错误识别率较低,并且通过多次校正,可以有效提高作业精度,满足夜间作业的设计需求。

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。

使用7.0T MRI信号强度比和扩散张量成像定量分析小鼠脱髓鞘模型的研究

目的用7.0 T MRI扫描改良双环己酮草酸二腙(cuprizone,CPZ)小鼠多发性硬化(multiple sclerosis,MS)脱髓鞘模型,探讨信号强度比(signal intensity ratio,SIR)联合扩散张量成像(diffusion tensor imaging,DTI)定量检测和分析小鼠MS模型灰、白质脱髓鞘的价值。方法20只小鼠使用随机数字表法分为实验组(n=10)及对照组(n=10),分别使用CPZ-羧甲基纤维素钠(sodium carboxymethyl cellulose,CMCNa)悬浊液及0.5%CMCNa溶液灌胃6周后,在7.0T MRI上对两组小鼠行T_1WI及T_2WI扫描,在空间配准后计算SIR,同时行DTI扫描获取各向异性分数(fractional anisotropy,FA)、平均扩散率(mean diffusivity,MD)等扩散张量参数,并行脑组织病理染色。选择胼胝体(corpus callosum,CC)、双侧大脑皮层(cortex,CTX)、双侧丘脑(thalamus,THA)及双侧海马体(hippocampus,HIP)为感兴趣区(regions of interest,ROI),比较两组SIR、FA、MD及病理染色平均灰度值(mean grayscale value,MGSV)的差异,并行影像及病理参数的两两相关分析及线性拟合。结果与对照组相比,实验组小鼠CC呈明显脱髓鞘改变,SIR及FA值显著降低(P<0.05),而MD值差异无统计学意义,病理MGSV显著升高(P<0.05);其余部位两组SIR、FA、MD值及病理MGSV比较差异均无统计学意义。相关性分析显示SIR、FA值均与MGSV呈负相关,且|r_(SIR)|>|r_(FA)|。结论利用SIR联合DTI可以定量评估MS模型白质脱髓鞘改变。

基于Wi-Fi信号强度衰减模型的地震埋压人员定位方法研究

我国地震灾害频频发生,震后在大量钢筋混凝土、砖石和杂物的覆盖下,确定埋压人员的准确位置是展开救援工作的难点。使用一种基于Wi-Fi信号强度衰减模型的地震埋压人员定位算法,通过在埋压人员周边部署三台Wi-Fi信号发射器,利用发射信号与埋压人员手机接收信号的变化,有效解决定位难的问题。在不同地震灾后场景下进行大量的实验测试,并通过混合滤波对实验数据去噪,计算出不同环境中误差最小的环境参数,构建信号衰减模型;在此基础上,应用改进后的加权质心定位算法最终得出一种较为精确的可用于地震埋压人员位置确定的方法。

室内定位信号强度—距离关系模型构建与分析

室内定位的关键技术之一在于室内距离的精确确定。基于WiFi信号强度确定室内距离的技术主要是利用WiFi信号在传播路径中发生衰减的原理实现位置推算。根据室内WiFi信号强度随距离变化这一物理特性,基于对数-距离模型,通过对实测信号强度(RSSI)与距离进行拟合,构建了基于信号强度—距离的室内定位多项式模型,并对其进行精度评定,实现了模型的优化,提高了信号强度转化距离的精确度。结果表明,采用对数-距离模型和对数拟合模型计算距离与真实距离的平均偏差为0.73m和0.56m,新设计的信号强度-距离多项式模型解算结果平均偏差为0.26m,优于之前两种模型,可为相关研究提供参考。

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。

基于接收信号强度的局部放电定位法

局部放电威胁着电力系统的安全运行,所以对局放源进行定位是必要的。现有的局部放电定位技术主要是基于时延来定位,通常需要非常高的采样率,因此带来了昂贵的硬件开销,限制了其推广应用。提出了基于特高频RSSI(接收信号强度)的局部放电定位法,该方法易于实现且成本较低。基于RSSI算法的原理,从RSSI测距原理、RSSI测量值处理方法以及未知节点位置的计算方法这几个方面详细阐述了基于RSSI的局部放电定位法,并设计了现场实验对算法进行测试。实验结果表明,其平均定位误差为1.009m,62%的定位误差小于1m,从而验证了提出的定位方法的精确性和稳定性。

PHS接收芯片中的限幅放大器与接收信号强度探测器的设计

本文采用0.25μCMOS工艺设计了一种应用于PHS接收芯片的10.8MHz低功耗限幅放大器和低温漂对数型接收信号强度探测器(RSSI)。电路采用了温度补偿方法减小温度对RSSI信号的影响。仿真结果表明此电路在-40℃～85℃的温度范围内RSSI信号误差小于60mV。RSSI线性度误差在±1dB范围内,输入动态范围约为56dB,并且限幅放大器输出电压峰峰值被限定为550mV。在3V电源电压下电路总功耗为8.3mW。

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。

MRI信号强度比联合扩散张量成像定量分析缺血性脑卒中大鼠髓鞘早期结构改变的研究

目的探讨7.0 T MRI的信号强度比(signal intensity ratio,SIR)联合扩散张量成像(diffusion tensor imaging,DTI)对缺血性脑卒中大鼠的白质髓鞘损伤的诊断价值。材料与方法SD大鼠18只随机分成A、B、C三组,每组6只,A组进行大脑中动脉闭塞(middle cerebral artery occlusion,MCAO)假手术,暴露颈部血管而不结扎;B组为MCAO术后24 h组;C组为MCAO术后72 h组。相同条件下进行T1WI、T2WI、DTI扫描,后处理得到SIR、各向异性分数(fractional anisotropy,FA)、表观扩散系数(apparent diffusion coefficient,ADC)、垂直扩散张量(radial diffusivity,D_(⊥))图像,勾画胼胝体和外囊区域进行计算SIR值、FA值、ADC值和D_(⊥)值,并进行三组间单因素方差分析。扫描结束后取材进行劳克坚牢蓝(luxol fast blue,LFB)-焦油紫病理染色,测量平均灰度值(mean grayscale value,MGSV)后进行3组间单因素方差分析。将差异具有统计学意义的影像学数据和病理学平均灰度值进行两两相关性分析。结果与A组相比,B组外囊区域的SIR值(P=0.044)、FA值(P=0.001)、ADC值(P=0.001)、D_(⊥)值(P=0.001)降低;C组外囊区域SIR值(P<0.001)、FA值(P=0.002)降低;胼胝体区域SIR值(P=0.031)、FA值(P=0.015)降低。LFB-焦油紫病理染色在脑卒中受损区域髓鞘着色较差,MGSV降低(P<0.05)。在外囊区域,MGSV与SIR值(P<0.0001)、FA值(P≤0.0001)、ADC值(P=0.0127)、D_(⊥)值(P=0.0180)呈负相关。在胼胝体区域,MGSV与SIR值(P=0.0018)呈负相关。结论SIR和DTI的联合使用作为一种评估缺血性脑卒中多阶段髓鞘损伤的无创影像学方法,在大鼠实验中得到有效验证,为临床诊治提供影像学思路。

AD8309用于接收信号强度指示

本文介绍了中频（５－５００ＭＨｚ）对数放大器的主要特性以及在接收信号强度指示中的应用。

利用蓝牙信号强度的端端协同定位

针对单终端室内定位精度不高、可靠性低的问题,提出一种综合利用单终端指纹匹配定位结果、终端之间距离信息进行参数估计的端端协同定位算法:分析不同终端间的蓝牙信号强度统计特征,并选取合适的信号传播衰减模型来量化获取终端之间的距离观测值;然后阐明定位算法的函数模型和随机模型的构造方法。实验结果表明,相较于单终端定位算法,该算法可提高定位精度20%～30%。

一种加权圆模型的AOA与RSSI融合定位算法

针对多径效应和非视距给定位精度带来负面影响的问题,提出一种适用于3个基站的基于加权圆的融合定位算法:将接收信号强度(RSSI)定位法与到达角(AOA)法相融合;并由于传统的无线信号路径损耗模型在预测距离时易对环境参数有所依赖,提出利用自适应遗传算法(AGA)-反向传播(BP)神经网络来构建传播模型以确定加权圆的权值初始值;最后根据不断迭代的加权范围和角波束来估计待测点位置。实验结果表明,与其他混合定位方法的性能相比,将AGA-BP和加权圆算法相结合能更好地提高定位精度;同时,为测试鲁棒性,加入不同大小的干扰角度,结果可见,提出的算法能有效处理非视距误差。

基于RSSI的室内信号衰减模型的研究

根据无线传感器网络中RSSI的信号传播的特性,给出了基于RSSI的室内节点的测距模型。随着距离的增加,信号衰减越来越不明显,对测距造成的误差也越来越大,给出了室内空间附加因子路径传播模型,并与常用的阴影模型做了对比,实验结果表明,该模型有较高的精度。

RSSI和PC-CSI加权融合的指纹定位方法

针对基于RSSI和CSI的指纹定位技术易受环境干扰、定位精度较低的问题,提出了一种基于RSSI指纹和相位修正信道状态信息(phase correct based channel state information,PC-CSI)指纹的加权融合指纹定位技术。基于PC-CSI的指纹定位在传统基于CSI幅值的指纹定位基础上增加相位信息对定位结果进行修正,之后对RSSI指纹和PC-CSI指纹的定位结果加权重定位。实验结果表明,提出的加权融合指纹定位算法与基于CSI的主动定位算法相比,平均定位误差(mean position error,MPE)降低了36.2%,能满足室内定位需求。