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。

基于RSSI的弦相交加权质心定位算法

无线传感器网络中节点定位是其重要技术,其中基于测距的RSSI定位技术具有成本低、易实现等优点。为解决传统三边质心算法在确定相交区域顶点时存在一定缺陷导致误差较大的问题,提出弦相交-加权质心定位算法。该算法采用分组、分步式定位方式。首先通过弦相交法进行初步定位,将有效节点三三分组,组内各圆公共弦所在直线交点作为本组的定位结果;再采用加权质心算法将初步定位中各组结果进行二次精确定位,得到最终信号源预测位置。在平均边长近似20 m的不规则五边形区域进行仿真验证,信号源随机分布于15 m×15 m的正方形内,结果显示相较于加权三边质心算法,所换算法平均误差减少了2.028 m,定位精度提升了61.14%,具有良好效果。

基于RSSI-SO算法的WSN定位研究

无线传感器网络是一种基于无线通信技术的分布式传感器网络,广泛应用于环境监测、智能家居、智能交通等领域。在WSN中,节点的位置信息对于实现很多应用非常重要。因此,WSN定位算法是WSN研究的重要内容之一。鉴于此,提出了一种基于RSSI与蛇优化算法的WSN定位研究,利用节点之间的信号强度和蛇优化算法来实现节点的定位,最后进行误差分析。在实验环境中进行了对比实验,结果表明,本文提出的方法相比于三边测量定位算法,具有更高的准确度。

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。

基于改进RSSI的节点定位技术研究

室内定位技术的关键在于定位算法,一个合适的定位算法能够显著减少对无线信道的干扰,从而提高定位的准确性。在传统三边测量定位技术的基础上,对信标节点的选择进行了进一步的优化,并对角度权重函数进行了加权处理,通过仿真进行了验证。与原始的三边测量定位方法相比,该算法在定位精度上有了显著的提升。与传统基于测距的方法相比,该算法能够有效降低系统成本,提高定位精度和可靠性,同时还可以对多个未知点进行精确定位,适用于复杂环境下的实时定位要求。

基于容积卡尔曼滤波的RSSI/IMU组合室内定位系统研究

在物联网时代,跟踪定位室内环境中物体至关重要。针对接收信号强度指示(RSSI)定位方差大和惯性测量单元(IMU)定位存在累积误差的问题,研究并实现了一种使用容积卡尔曼滤波算法对RSSI定位和IMU定位进行数据融合的方法。以ZigBee开发板为RSSI的硬件载体,采用质心定位法将RSSI转换为坐标信息;待测目标搭载MPU9250提供IMU数据,并进行室内跟踪定位实验;使用容积卡尔曼滤波算法对实验数据进行改进,并与原坐标信息数据进行对比。结果显示,使用了容积卡尔曼滤波算法后的改进数据相比原数据在精确度上提高了20.8%。该定位系统具有一定的实用价值。

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RSSI的笼内鸡只定位方法研究

为快速准确对笼养环境下鸡只多目标定位,设计了1种基于接收信号强度(Received Signal Strength Indicator,RSSI)融合混合滤波算法的笼内鸡只自动定位方法。首先设计了RSSI值采集系统,由PC机(笔记本电脑)、FU-M6-A型读写器、极化相匹配的天线和脚踝标签、读写器软件构成。其次,合理地布置天线,建立了信号衰减测距模型,使用狄克逊高斯混合滤波算法将原始数据预处理,优化笼养环境下信号传播路径损耗系数。最后计算脚踝标签到发射天线之间的距离,将测距值代入极大似然估计法求得脚踝标签的位置坐标初值,以标签坐标和测距值作为未知量采用牛顿迭代法求得最优的标签位置坐标。结果表明:所设计定位方法的定位误差在5 cm以内的概率接近83%,和传统的节点—节点定位算法相比,该方法提高了鸡只在移动过程中的定位精度,为鸡只行为分析提供了1种方法。

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的室内蓝牙定位的设计与实现

随着人们对室内定位的需求越来越多,实现高精度且人性化的室内定位方案迫在眉睫。传统的室外定位技术,如GPS由于存在卫星信号被遮挡等问题不适用于室内定位场景,因此,利用RSSI测量距离的原理,设计与实现了基于三边定位算法和最小二乘定位算法的室内蓝牙定位解决方案。为满足手机终端查看所连接设备的蓝牙RSSI值,利用MIT App Inventor平台开发了一款蓝牙信号检测软件—Bluetooth Detector。选用对数损耗模型进行RSSI与距离的转换,由于不同室内场景的环境条件存在差异,因此利用多组实验数据进行预处理,完成了该模型中参数的估计。通过多组实验,利用三边定位算法和最小二乘定位算法求出目标节点的坐标值,经误差比较,最小二乘定位算法的精度和稳定性更优。

基于AP RSSI特征向量相似度匹配的多尺度Wi-Fi定位方法

随着Wi-Fi和智能手机的愈发普及,基于Wi-Fi来进行定位是最近越来越受关注的一个研究领域。现有针对Wi-Fi定位所开展的研究工作本质上都是一种静态的方法。针对这一问题,提出一种基于AP RSSI特征向量相似度匹配的多尺度Wi-Fi定位方法,设计了一种面向目标地点的可探知AP接收信号强度指示符(RSSI)特征向量生成机制,重点研究了相似度度量和距离度量这两个指标,并依托这两个指标实现了一种AP RSSI特征向量之间相似度匹配算法,根据相似度匹配结果提供如楼宇级、楼层级、房间级等多尺度定位。基于Android环境开展实验,实验结果表明该方法在多种尺度下均能达到96%以上的定位正确率,能够提供准确、高效及低成本的定位服务。

基于RSSI的WSN定位系统设计

文章设计开发了一种基于RSSI的WSN定位系统。该系统将ZigBee网络节点的无线接收信号强度RSSI转化为距离,利用卡尔曼滤波算法对接收到的RSSI数据值进行修正,结合三边定位算法对未知节点位置进行计算。本设计利用CC2530芯片进行ZigBee网络组网。在ZigBee网络中,本设计通过协调器节点将RSSI数据值发送给上位机处理。经过测试,该系统的定位算法效果良好,在锚节点数目有限的条件下,可以达到较为理想的定位精度,适合应用于大规模无线传感器网络。

RSSI辅助的蒙特卡罗盒定位算法

针对以蒙特卡罗为基础的几种无线传感器网络定位算法普遍存在定位精度和采样效率低的问题,文中提出了一种RSSI辅助的蒙特卡罗盒定位算法(RAMCB)。通过实验构造出符合实际环境的RSSI和距离区间的映射关系数据库;在定位阶段,未知节点利用来自一跳和两跳锚节点的RSSI值查询数据库,得到与一跳和两跳锚节点的距离区间,利用距离区间建立更为精确的采样箱,以提高采样效率;未知节点根据样本到一跳、两跳锚节点的估计距离和实际距离的差值来动态赋予样本的权值。仿真结果表明:RAMCB算法能有效提高定位精度和采样效率。

修正RSSI值的二次栅格扫描与三角形质心定位算法

为了使无线传感器网络定位精度更加精确。二次栅格扫描与质心迭代算法虽然精度高,但在判断可再定位性的时候,由于RSSI受环境因素影响较大,所以在寻找未知节点最近锚节点的时候会出现误差,而该误差对后续的二次定位会产生非常大的影响。为此提出了基于修正RSSI值的二次栅格与三角形迭代定位算法(RSSTG-TCLLA)。在最近锚节点选择的时候,通过渐消因子卡尔曼滤波对RSSI值进行修正,然后基于修正的RSSI值求出最近锚节点进行二次栅格扫描,最后通过质心定位算法进行最终定位。实验结果表明,在相同网络环境下,与传统算法相比,改进的定位算法明显提高了系统的整体精度。

RSSI分区化处理的自适应车间定位算法

为了研究适用于制造车间的基于RSSI(Received Signal Strength Indication)测距的高精度定位算法,考虑到制造车间的复杂环境,本算法引入高斯滤波和均值滤波器减少定位误差,提高定位稳定性;提出了传输模型分区概念,对于处在不同的锚节点和同一锚节点的不同方位区间的节点,采用不同的无线信号传输模型计算盲节点与锚节点之间的距离;在所有的盲节点与锚节点之间的距离中选择最小的三个,采用几何三边测量法求取盲节点的坐标值。实验及数据分析可知,基于RSSI滤波、分区处理和距离优化后的定位算法,其实验样本的平均定位误差为0.8899m,较改进前提高了22%,同时定位精度较高且稳定性很好,经假设检验证明,本算法较原始的RSSI定位算法在定位效果上有了显著的提升。

基于ZigBee混合滤波RSSI的室内定位算法

针对复杂的室内环境,基于ZigBee的接收信号强度指示(RSSI)室内定位技术以功耗低、成本低等优势脱颖而出。但RSSI信号强度容易受环境、障碍物、人员走动的干扰而产生波动,影响定位精度。针对以上问题,结合现有滤波算法的优点,提出一种基于卡尔曼滤波、高斯滤波、限幅滤波、加权平均值滤波相融合的新型混合滤波算法——KGWAL。以KGWAL滤波后的RSSI采样值为基础,根据最小二乘法估计路径损耗模型。最后用加权质心三边定位得到实际位置。实验结果表明:KGWAL滤波能很大程度提高RSSI采样值精度,优化后的室内路径损耗模型能够精确反应RSSI与距离的关系,定位精度在0.315 m左右,定位精度得到明显提升。

基于CPPM-RSSI算法的可见光室内定位技术研究

针对如何提高室内定位精度问题,提出一种基于混沌脉冲位置调制(CPPM)和接收信号强度指示(RSSI)相结合的定位算法。利用二值混沌码作为扩频码,对LED灯的位置信息进行扩频处理,然后进行脉冲位置调制(PPM),将调制后的信号发送出去,接收端用相同的二值混沌码解扩恢复出每个LED的位置信息,通过光电检测器(PD)检测到来自各个灯的光强,再结合RSSI算法进行定位。仿真结果表明:在5 m×5 m×2 m的定位空间内,不扩频的情况下,最大误差为51 cm,最小误差为3 cm,平均误差为15.47 cm。随着扩频码长度增加,与之对应的误码率会降低,定位精度也随之提高,当扩频码长度为64位时,最大误差为10 cm,最小误差接近1 cm,平均误差为4 cm。

基于RSSI测距分析

作为一种全新的信息获取和处理方式,无线传感器网络可以应用在广泛的领域内实现复杂的大规模监测和追踪任务,而网络自身的定位是大多数应用的基础.基于距离的定位是通过测量节点间距来实现的.利用RSSI测距只需较少的通信开销和较低的实现复杂度,这在能量有限的网络节点中是非常重要的.论文分析RSSI测距的原理,实验验证RSSI测试可重复性,在适度的动态环境中RSSI变化有规律性,采用加权和均值法消除环境因素对RSSI测量的影响.实验验证在15 m以内的测距精度可达到2 m.

基于ZigBee的RSSI测距研究

基于RSSI的测距技术是一项低成本和低复杂度的距离测量技术,被广泛的应用于无线传感器网络基于距离的定位技术中。本文在对RSSI测距的原理以及环境对RSSI的影响进行详细分析和研究的基础上,提出了三种实验数据处理方式,并在基于ZigBee的硬件平台上进行实验,得到了三种数据处理方式的测距精度。实验结果表明,在消除环境因素的影响后,高斯模型数据处理方式的测距精度最高——在20m的近距离测距时,精度在2m以内。

基于RSSI的动态权重定位算法研究

基于RSSI技术的静态权重定位算法由于不需附加设备,成本低,使用方便,适用范围广而得到了广泛的应用.针对RSSI测距容易受到各种干扰,静态权重算法不能同时解决定位的平均误差和最大误差的缺陷,提出一种新的结合RSSI测距数据处理的高斯拟合动态权重定位算法GFDWCL,并在ZigBee平台上实现了该算法.两种算法实验结果表明,该算法能很好改善定位的精度,同时将定位平均误差降低2/3、最大误差下降3/4.