ZigBee技术中基于RSSI测距的定位算法研究

采用CC2430/CC2431为核心芯片设计ZigBee节点,并采用此类节点构成一个ZigBee定位网络。根据节点接收信号强度(RSSI)的模型,估计出盲节点与参考节点的距离,并采用最小二乘法对估计的距离进行修正。选择3个接收信号强度最强的参考节点,根据修正的距离采用三边测量法估计出盲节点的坐标。实验表明,修正后的定位精度高于修正前的定位精度。

基于最小二乘法的RSSI测距环境参数修正方案

节点定位是无线传感器网络中的重要应用之一。为了抑制RSSI测距技术的误差对无线传感器节点定位精度的影响,通过对RSSI测距模型进行分析,提出了一种基于最小二乘法的RSSI测距环境参数修正方案。该方法使用最小二乘法拟合方法对环境参数进行修正,以消除各种干扰对测量数据的影响,以提高RSSI测距的精度,为高精确定位打下基础。实验和仿真结果表明,采用环境参数修正方案后,明显提高了测距的精度。

基于RSSI测距的室内定位研究

针对复杂的室内环境导致定位精度较低,无法满足正常的室内定位要求的问题,为了在室内环境中获得更精确的RSSI值及测距值,提出了对RSSI值进行加权处理和对测距值进行最小二乘法修正相结合的方法。试验结果表明:经本算法处理后的定位精度比未进行加权和修正的定位算法精度有所提高,且能满足大多数室内定位的要求。

基于RSSI测距的无线传感器网络定位算法

提出了一种采用最小二乘法对环境参数进行拟合的方法,获得损耗模型,同时对所测得的RSSI数据进行高斯处理并优选信标节点,最后对目标节点采用改进后的三边测量定位算法进行节点定位.实验结果表明,本算法定位受环境因素影响减小,比传统RSSI定位算法精度更高,可应用于无线传感器网络中.

一种基于Mesh网络的混合AOA/RSSI协作定位算法

传统到达角度(Angle-Of-Arrival,AOA)/接受信号强度指示(Received Signal Strength Indicator,RSSI)混合定位往往需要多个锚节点布设阵列天线以实现高精度定位,为解决在锚节点资源受限下精度较低的问题,提出了一种基于Mesh网络的混合AOA/RSSI协作定位方法。仅有中心主锚节点提供AOA角度的情况下,采取最小二乘法对联合真实和虚拟锚节点所对应角度和距离信息进行初步定位;利用未知节点之间的协作通信和测距信息,位置估计问题被转换为无约束非线性优化问题,给予短距离链路更高权重,通过迭代求解最终实现协作定位。仿真结果表明,所提算法在锚节点资源受限情况下有效地提升了定位精度。

基于加权最小二乘变尺度法的无线传感器网络定位

为了降低整个无线传感器网络的成本和减小测量误差对定位精度的影响,一般传统做法是把已定位的未知节点升级为信标节点,再对其他节点进行定位,但此情况会造成累积误差。为了减少累积误差,提出了一种加权的最小二乘变尺度定位算法,该算法首先利用加权最小二乘法对未知节点进行位置估计,然后把定位的未知节点升级为信标节点,再对剩下的未知节点进行位置估计,最后利用拟牛顿法对估计出来的位置进行优化。仿真结果表明,该算法能有效地减少测距误差和累积误差,降低网络成本,提高网络覆盖率和传感节点的定位精度,并且该算法不增加额外硬件设备,易于实现。

基于RSSI测距的煤矿井下定位研究

针对复杂的煤矿井下环境,无线信号强度传播模型定位精度较低的问题,为了获取精确的RSSI值和未知节点的位置,提出了对RSSI值进行高斯滤波和定量统计加权处理,将处理后的数据使用最小二乘法曲线拟合,得到环境参数的估计值和损耗模型,利用该模型计算未知节点到信标节点的距离,确定节点的位置。井下巷道仿真实验表明,文章提出的方法平均定位误差为1.71m,比未加权的平均误差要小1.18m,有效降低了RSSI不稳定性对定位精度的影响,适用于煤矿井下精确定位。

基于Zigbee的编组站调车机车定位算法研究

为研究目前编组站调车机车实时定位性差的问题,采用TI公司生产的CC2531芯片,构成基于Zigbee技术的编组站机车定位系统;传统基于Zigbee定位采用无线信号损耗模型,周围环境对该模型的参数设置影响较大,现实模型参数设置往往取经验值,因此定位精度、普适性都不理想;在研究无线信号损耗模型基础上,采用隐含层为30的BP神经网络进行拟合RSSI与距离的关系,再用最小二乘法进行由距离到位置坐标的计算;实际实验结果表明,该算法明显提高了调车机车的定位精度,同时有较高的普适性,可以提高机车司机在推峰过程中对机车速度控制,也有利摘钩人员对摘钩位置的判断,提高了编组站机车的工作效率。

基于ZigBee的移动机器人定位研究

移动定位是当今移动机器人技术研究的热门领域。设计了基于ZigBee的移动机器人定位研究方案,研究了基于接收信号强度(RSSI)测距技术。以移动机器人作为无线定位系统中的移动节点,通过收集临近参考节点的坐标和RSSI值,使用最小二乘法修正并辅以质心定位算法对距离进行优化,实现了移动机器人的无线定位。设计了Qt人机交互界面,其易于扩展、可移植性好。试验结果表明,定位算法能够在复杂的实验室环境下将定位误差控制在1 m以内,实现较为精确的定位,满足消防移动机器人定位的应用要求。由于GPS定位适应于室外场所,在室内目标定位和跟踪等应用中,无线传感器网络可以弥补GPS在室内难以获得位置信息的弊端。与其他ZigBee的移动机器人定位系统相比,该系统创新了定位算法,具有定位精度高、稳定性好的特点,解决了复杂室内环境下定位精度骤然下降的难题,克服了目前移动机器人定位成本高、难扩展、难移植、实时性差的问题。

基于RSSI测距的无线火灾定位报警系统研究

结合城市消防体系的发展需求,利用ZigBee无线传感器网络技术设计了一个分布式火灾报警与定位系统。当火灾发生时,传感器通过终端节点把火灾情况及其位置信息发送给协调器,并由协调器向系统控制中心报警。测试结果表明,该火灾报警系统采用ZigBee无线通信,避免了繁琐的工程布线,能够实现公共场所火灾信息的报警和定位。

基于RSSI的煤矿井下巷道定位技术误差分析

煤矿井下定位系统的定位精度有限,为进一步提高矿井安全生产水平,及时且客观地获知人员和机车的位置,需对系统的定位误差情况有所掌握。煤矿井下多为巷道,人员和机车也多在巷道中活动,锚节点一般多布置在巷道一侧,根据盲节点必在巷道中的先验信息,以及实验得到并经最小二乘法修正的测距参数,对基于接收信号强度(RSSI)模型的井下巷道定位系统及定位误差进行了理论分析。得到系统模型中测距误差的放大倍数的分布规律,并分析测距误差对x,y方向的定位误差及最终定位误差的影响规律。仿真结果表明,相同的测距误差在不同的定位区域表现出了非均匀的目标定位误差分布,这对煤矿安全生产和管理都非常重要,而且能够对煤矿井下巷道定位系统的建设提供帮助和指导。结合井下巷道具体尺寸,数值计算得到测距误差对人员和机车定位的误差最大值,这将能够帮助煤矿事故中实施有效的安全救援工作。

基于RSSI定位算法的无线传感器网络研究

为减少定位硬件成本和提高定位效率,提出一种与最小二乘法、加权平均法相结合的测距方法。通过信标节点间的相互协作,将测量得到的数据使用最小二乘曲线拟合和加权求平均值的方法处理,求得路径衰减指数和损耗模型,以达到精准的节点定位效果。实验结果表明,这种方法获得改进后的损耗模型不仅受环境因素影响减小,而且测距精度与传统RSSI测距模型相比更加精确。

RSSI室内测距技术的误差控制研究

文章从现有RSSI测距换算公式出发,评述各类信号传播理论模型的基本原理和适用范围.以TI CC2530为核心构建实验节点,实地测量室内环境中2.4 GHz射频信号强度值,分析接收信号强度与节点间距之间的关系,运用5类常用的曲线拟合模型对实测数据进行参数估计,并逐一进行拟合优度检验和对比分析.验证实验结果表明,单高斯拟合模型对室内RSSI测距具有较高拟合精度和适用性.

基于改进花授粉算法的RSSI定位方法

针对接收信号强度指示(RSSI)定位算法中采用最小二乘法计算未知节点位置时其定位精度受测距误差影响较大、花授粉算法易陷入局部最优等问题,提出了一种基于改进花授粉算法的RSSI定位方法。从花粉步长权重、局部变异方面对花授粉算法进行改进,采用改进花授粉算法进行未知节点位置估算。仿真结果表明:本文算法的定位精度高,稳定性好,适用于定位精度和稳定性要求较高的场景。

基于改进加权混合滤波的矿井RSSI定位方法

针对煤矿井下人员定位算法普遍存在定位精度较低、受环境干扰大、设备成本高等问题,提出了一种基于改进加权混合滤波的矿井RSSI(Received Signal Strength Indication)定位算法。首先对固定点离线采集的信号进行高斯滤波,去除各位置点接收到的小概率、大干扰信号值,引入最大值加权处理得到各位置对应的信号值;其次设计了引入等价权函数的改进卡尔曼滤波器对各位置点计算所得信号值进行平滑处理,抑制环境中噪声因素引起的误差;最后利用最小二乘法计算该环境下路径损耗指数n和环境参量Xσ,建立符合煤矿井下特殊环境的无线信号传输模型。矿井工作人员携带信号接收装置进入巷道,利用该信号传输模型求出矿井人员到信号节点的距离,进而确定人员的位置。仿真结果表明,所提方法有效减小了RSSI测距定位误差,为将RSSI测距定位技术更好地应用于煤矿井下人员定位奠定了理论基础。

基于RSSI的加权蜂窝形状质心定位算法

针对基于RSSI定位精度易受外界环境因素干扰这一缺点,提出一种带有加权函数的质心改进定位算法:1)通过对通信距离与测距误差之间关系的分析,采取最优通信距离来提高定位精度;2)根据整体环境的情况对区域进行划分,采用蜂窝正六边形布局信标节点,对划分的各区域进行环境参数最小二乘法拟合;3)利用高斯分布模型对实验数据进行预处理,通过对参考节点的加权运算来保证其可靠性.仿真实验表明,这一改进算法与传统的加权三角形质心定位算法相比,在效率与精度上都有一定的提高.

基于非对称往返测距的海洋无线传感网络节点定位算法

提出一种新的基于非对称往返测距的海洋无线传感网络节点定位(LMARR)算法,该算法利用节点间非对称的接收与发送测距信息的时间差,推算出节点间海水声速以及未知节点与其邻居参考节点之间的距离,将三维距离信息转换成二维,运用最小二乘法完成定位计算。与SWN和ARTL算法相比较,仿真结果表明:LMARR算法能有效地提高节点定位的精度,特别是在深度为20~120 m海水声速持续变化的区域,定位精度比SWN算法提高了20%,比ARTL算法提高了33%;此外,LMARR算法还具有较高的稳定性。

基于相位差测距的WSN节点测距数据滤波和定位算法的研究

在基于距离的无线传感网络定位系统中,测距精度对定位结果精度的影响非常大。文中研究了基于到达相位差(Phase of Arrive)测距技术的测距原理,对测距结果进行统计分析,并提出了针对到达相位差测距数据的滤波算法,有效提高了测距精度。文中在相位差测距和加权最小二乘法初始定位的基础上,将无迹卡尔曼滤波算法(UKF)应用到节点定位中。通过具体实验数据表明,基于相位差的UKF定位模型可以有效提高无线定位精度。

基于RSSI测距误差离群去约束的优化方法

针对基于RSSI测距定位中偶然性测距误差和设备误差对定位结果影响较大这一问题,提出了一种误差离群去约束的优化方法。通过对三边定位结果使用K-means算法进行离群分析,得到对定位结果影响较大的几个锚节点,从而对数据进行处理。针对实际系统使用RSSI测距模块测得多组实验数据,并用Matlab软件进行仿真分析,将测距误差离群去约束模型与传统均值模型使用最小二乘法在不同距离下进行定位对比。仿真结果表明,当引入不同数量误差锚节点时,前者在定位精度方面均有0. 1～0. 2 m^2提升,同时算法也具有很好的鲁棒性。

基于RSSI的矿山井下机车定位算法的改进

因传统的矿山井下机车定位误差较大,应用不够灵活,提出了一种矿山井下机车改进的接收信号强度指示(Received Signal Strength Indication,RSSI)定位算法。为减小机车移动造成的误差,多次采样RSSI值,对其进行最小二乘法曲线拟合,然后根据拟合后得到的函数,计算出运行算法和网络延迟后的RSSI值。为减少矿下环境影响,优选信标节点;且机车位置计算取其到不同信标节点距离的差值,得到的一组双曲线方程,用chan算法求解。仿真结果表明,改进后的算法具有较高的定位精度,节点布置的越密集,参与定位的节点越多,定位精度就越高,最低定位误差为0.4m。