基于图像处理与RSSI信号的室内定位算法

针对现有室内定位精度低、硬件需求多精高等问题,提出了一种基于图像处理与接收信号强度指示的融合定位算法来降低硬件要求,同时提高定位的精度。在对原始信号进行高斯、卡尔曼滤波和指纹库建立以及K-D树建立等预处理后,通过改进K最近邻(KNN)算法筛选初步定位点再经图像处理定位后得到未知节点的精确定位点。实验结果表明:相比于RSSI三角定位以及双目摄像头定位方法,本文的方法在3 m范围精度高,3~10 m范围效果优异,且相比其他算法,所识别的时间更短、所需设备数量更少、稳定性更强,更加适应日常和工业当中(如分拣等)精确定位场景。

卫星突发信息RSSI方法仿真研究

卫星突发信息的RSSI方法可指示信息到达时刻和结束时间，可设置信息后续解调的起始点，对于便携站等设备可降低功耗、延长工作时间。本文基于对数放大器的特性，利用SystemView仿真工具对RSSI方法进行了仿真研究。研究表明，此方法切实可行。适于数字化实现。

一种有效的多数据源RFID冗余数据清洗技术

相关文献指出低质量的RFID原始数据,特别是大量的冗余数据制约了RFID技术的大规模应用,因此需要一种更有效的冗余数据清洗技术。文章根据RFID数据以及典型应用场景的特点,提出了一种多数据源冗余数据清洗技术,其中包括融合冗余数据清洗方法和交叉冗余数据清洗方法。融合冗余数据清洗方法基于滑动窗口与集合论,交叉冗余数据清洗方法借鉴了参考标签思想并且结合信号强度特征。实验证明,提出的数据清洗技术不但可以有效地完成RFID冗余数据清洗,同时能够为清洗后的数据保留准确的数据来源信息。

基于Zigbee室内定位系统的指纹库优化算法

Zigbee无线传感器网络的接收信号强度指示(RSSI)可以用来提供位置服务,使用RSSI建立指纹数据库设计定位算法能够得到良好的定位效果,但指纹数据库的采集和建立精度会直接影响到最终的定位精度,而一般方法建立的指纹数据库误差较大。为此,通过对Zigbee网络指纹数据库采集和建立过程进行研究,提出一种Zigbee网络中指纹数据库采集、建立及优化的算法。在定位区域将各采样点采集到的指纹数据库源数据进行滤波处理,建立高精度的指纹数据库。利用Zigbee平台组建无线网络进行实验,分别使用针对该定位系统提出的限定区域最邻近算法、限定区域加权最邻近算法、限定区域贝叶斯算法进行定位计算。实验结果表明,运用优化后的指纹数据库在短距离范围内定位平均误差可限制在1.5 m以内。

一种基于无线传感器网络的山地果园数据采集系统

山地果园环境复杂多变,无线射频信号传播的稳定性和可靠性受到严重影响,基于传统的无线传播模型设计的数据采集策略可能会面临无法发挥预期效能甚至失用的问题。为此,提出一种基于多属性评价模型的无线传感器网络数据采集系统,介绍系统的体系结构,给出簇首选举、路由下一跳选择等关键技术的实现方法。系统仿真与分析结果表明,该系统能够综合衡量各项评价指标,簇首选举和路由下一跳选择较为科学、合理,能较好地适应有损无线通信链路行为下山地果园的数据采集需求。

基于ESLS的顾客定位系统的设计与实现

为了收集消费者在商场中经过的位置信息,顾客在商场中某一区域驻留的时间,结合消费者最终购买的商品信息进行数据分析。为此在电子货架标签系统基础上,设计了一套适用于商场中,顾客定位系统。该系统在智能网关端通过采集蓝牙的RSSI,经过Http请求,传输到后台定位服务器,最后经过测距的方法,进行定位。实现结果表明,管理员不仅能够在页面上查询到顾客的位置,而且还能查询顾客在商场中驻留的时间。

在基于ZigBee标准的消防报警网络中进行无线定位的方法

为了在基于ZigBee标准的消防报警网络中实现对无线节点的定位,研究设计了一种使用接收信号强度指示(RSSI)值来估算目标位置的定位方法。采用一个目标节点确认周围存在的参考节点的数据采集机制,通过对适当数目的参考节点测得的RSSI值进行处理,从而实现对目标节点的定位。通过实验,验证了该数据采集和位置估算方法的有效性。结果表明,当节点密度设为0.32个/m2时,可将位置估计误差控制在2m以内。

融合双频段信息的林业无线传感网节点测距算法

无线传感网节点测距技术是基于测距法节点定位的基础,针对林区中单一频段节点测距存在误差大、精确度低的问题,基于接收信号强度(received signal strength indication,RSSI),提出一种融合433 MHz和2.4 GHz双频段信息的节点测距方法。建立引入环境参数预测的林区信号衰减模型,利用高斯滤波修正偶然误差,选择合适的融合参数γ对双频段测距信息进行融合,通过在平均胸径接近、林分密度不同的场地中实验归纳γ的取值规律。实验结果表明,在林分密度600株/hm^(2)以下的林场中,γ=0.4最优;在林分密度600~1000株/hm^(2)之间的林场中,γ=0.5最优,在林分密度1000株/hm^(2)以上的林场中,γ=0.6最优。在γ取最优值的情况下,实验表明本文提出的方法测距结果的均方根误差值为1.74,较单一频段的测距误差减小了31.3%,提高了基于RSSI节点测距的精度。