针对接收信号强度指示(Received Signal Strength Indication,RSSI)时变现象影响WLAN室内定位精度问题进行了研究,提出了一种基于RSSI概率统计分布(Statistical Probability Distribution,SPD)的加权K最近邻(Weighted K-Nearest Neighbo...针对接收信号强度指示(Received Signal Strength Indication,RSSI)时变现象影响WLAN室内定位精度问题进行了研究,提出了一种基于RSSI概率统计分布(Statistical Probability Distribution,SPD)的加权K最近邻(Weighted K-Nearest Neighbor,WKNN)方法——SPD-WKNN方法。该方法首先利用SPD方法得到指纹点RSSI向量区间;然后运用SVM算法选取测试点K个近邻指纹点,计算测试点RSSI向量到每个近邻指纹点的最小欧氏距离;最后结合WKNN算法获取定位结果。实验结果表明,SPD-WKNN方法与NN、KNN、WKNN、SVR和LSSVM方法相比定位误差分别降低了47.3%、41.6%、31.9%、27.1%和16.3%,呈现了良好的定位效果;利用SVM算法的稀疏性明显减小了运算时间。展开更多
定位节点接收的信号强度指示(Received Signal Strength Indication,RSSI)值是室内指纹定位技术重要的元素之一。通过对定位节点接收到的信号强度值特性分析,提出了基于RSSI权值的室内定位算法。改进型RSSI权值计算公式以及权值指数α...定位节点接收的信号强度指示(Received Signal Strength Indication,RSSI)值是室内指纹定位技术重要的元素之一。通过对定位节点接收到的信号强度值特性分析,提出了基于RSSI权值的室内定位算法。改进型RSSI权值计算公式以及权值指数α的提出,使得定位算法具有一定的环境适应性,能更灵活地运用于实际定位场景。经过一般实验场景验证,算法在定位精度上有较大的提升。展开更多
从跳数计算、跳距估计和估算坐标算法入手,提出一种改进DV-Hop算法。首先采用多通信半径优化跳数,然后采用加权法修正平均跳距,再利用接收信号强度(Received signal strength indicator,RSSI)测距技术通过定义平均跳距误差实现二次修正...从跳数计算、跳距估计和估算坐标算法入手,提出一种改进DV-Hop算法。首先采用多通信半径优化跳数,然后采用加权法修正平均跳距,再利用接收信号强度(Received signal strength indicator,RSSI)测距技术通过定义平均跳距误差实现二次修正,最后采用加权最小二乘法消除误差项的异方差性,进一步降低误差。仿真结果表明,改进算法在保持较小时间复杂度的同时能降低定位误差。展开更多
为了减少传统基于RSSI(received signal strength indication,接收信号强度指示)定位算法对室内传播模型的依赖,以及简化这类算法的复杂程度,提出一种基于RSSI的移动权值定位算法。算法通过场境建模,设定三类基准点并平均分布在建模场景...为了减少传统基于RSSI(received signal strength indication,接收信号强度指示)定位算法对室内传播模型的依赖,以及简化这类算法的复杂程度,提出一种基于RSSI的移动权值定位算法。算法通过场境建模,设定三类基准点并平均分布在建模场景中;获取设定场境内不同定位标签的RSSI向量,根据判定规则确定基准点,再运用室内传播模型计算移动权值,估算待测终端的位置信息。通过真实场景实验对比分析,该算法较对比算法具有更好的定位精度以及稳定性。展开更多
文摘针对接收信号强度指示(Received Signal Strength Indication,RSSI)时变现象影响WLAN室内定位精度问题进行了研究,提出了一种基于RSSI概率统计分布(Statistical Probability Distribution,SPD)的加权K最近邻(Weighted K-Nearest Neighbor,WKNN)方法——SPD-WKNN方法。该方法首先利用SPD方法得到指纹点RSSI向量区间;然后运用SVM算法选取测试点K个近邻指纹点,计算测试点RSSI向量到每个近邻指纹点的最小欧氏距离;最后结合WKNN算法获取定位结果。实验结果表明,SPD-WKNN方法与NN、KNN、WKNN、SVR和LSSVM方法相比定位误差分别降低了47.3%、41.6%、31.9%、27.1%和16.3%,呈现了良好的定位效果;利用SVM算法的稀疏性明显减小了运算时间。
文摘定位节点接收的信号强度指示(Received Signal Strength Indication,RSSI)值是室内指纹定位技术重要的元素之一。通过对定位节点接收到的信号强度值特性分析,提出了基于RSSI权值的室内定位算法。改进型RSSI权值计算公式以及权值指数α的提出,使得定位算法具有一定的环境适应性,能更灵活地运用于实际定位场景。经过一般实验场景验证,算法在定位精度上有较大的提升。
文摘从跳数计算、跳距估计和估算坐标算法入手,提出一种改进DV-Hop算法。首先采用多通信半径优化跳数,然后采用加权法修正平均跳距,再利用接收信号强度(Received signal strength indicator,RSSI)测距技术通过定义平均跳距误差实现二次修正,最后采用加权最小二乘法消除误差项的异方差性,进一步降低误差。仿真结果表明,改进算法在保持较小时间复杂度的同时能降低定位误差。
文摘为了减少传统基于RSSI(received signal strength indication,接收信号强度指示)定位算法对室内传播模型的依赖,以及简化这类算法的复杂程度,提出一种基于RSSI的移动权值定位算法。算法通过场境建模,设定三类基准点并平均分布在建模场景中;获取设定场境内不同定位标签的RSSI向量,根据判定规则确定基准点,再运用室内传播模型计算移动权值,估算待测终端的位置信息。通过真实场景实验对比分析,该算法较对比算法具有更好的定位精度以及稳定性。
