对移动目标的高精度测距是室内定位的关键。室内环境中无线接入点(Access Point, AP)采集的移动目标设备的接收信号强度指示(Received Signal Strength Indication, RSSI)受阴影衰落波动严重。受到RSSI采集频率和目标机动能力的限制,AP...对移动目标的高精度测距是室内定位的关键。室内环境中无线接入点(Access Point, AP)采集的移动目标设备的接收信号强度指示(Received Signal Strength Indication, RSSI)受阴影衰落波动严重。受到RSSI采集频率和目标机动能力的限制,AP采集到的RSSI样本量少,导致基于RSSI测距精度差。为提高基于RSSI对移动目标测距的精度,本文提出了基于RSSI的AP簇测距(AP Cluster Ranging, APCR)方法。该方法通过对多个AP进行位置约束组成AP簇采集移动目标设备的RSSI,在相同采集频率下可获得更多的RSSI样本。利用RSSI波动特点,使用最大值选取和Dixon检验相结合的方式从AP簇采集的RSSI样本中筛选出高质量的RSSI样本,以提高对移动目标的测距精度。仿真和实验结果表明,与传统RSSI处理方法相比,本方法在室内环境简单或复杂时都具有更高的测距精度,在少量RSSI采集次数下同样能保持较高精度,更能满足对移动目标测距的需求。展开更多
基于RSSI(Received Signal Strength Indication)位置指纹的Wi-Fi室内定位现已被大量应用于各类基于位置信息的服务中。但指纹定位的精度受到RSSI信号的剧烈波动影响,难以满足高精度位置信息服务的需求。为克服该困难,提出一种结合虚拟A...基于RSSI(Received Signal Strength Indication)位置指纹的Wi-Fi室内定位现已被大量应用于各类基于位置信息的服务中。但指纹定位的精度受到RSSI信号的剧烈波动影响,难以满足高精度位置信息服务的需求。为克服该困难,提出一种结合虚拟AP技术与高精度CNN(Convolutional Neural Network)判别模型的定位方法。该方法通过距离比定位得到虚拟AP的位置,并将该信息与RSSI融合作为数据增强CNN模型的输入,确定样本的位置。设计实验方案采集实际的用户终端RSSI数据,构建指纹定位的数据集,验证所提出的指纹定位方案的有效性。实验结果表明,在该数据集上,所提出的方法在确定区域时的准确度达到91%,并将95%的定位误差控制在2 m以内。对比现有的定位方案,所提出的方案在定位精度上有显著提升。展开更多
LoRa无线通信技术因其传输距离较远、功耗较低,满足了混交林中大规模节点传输汇聚的要求,可作为林业物联网数据采集的主要通信方式来使用。利用接收信号强度指示(Received Signal Strength Indication,RSSI)分析了470 MHz无线信号传输...LoRa无线通信技术因其传输距离较远、功耗较低,满足了混交林中大规模节点传输汇聚的要求,可作为林业物联网数据采集的主要通信方式来使用。利用接收信号强度指示(Received Signal Strength Indication,RSSI)分析了470 MHz无线信号传输中的电波路径损耗问题,通过对测得的叶面积指数(Leaf Area Index,LAI)、降雨率(Rain Rate)和距离(Distance)等特征变量进行训练学习,分析了基于机器学习的林间信号衰减预测模型。通过对基于BP神经网络、支持向量机和随机森林3种模型的比较,得出最优结果是随机森林,拟合的决定系数(R^(2))为0.928,均方根误差(RMSE)为3.17,具有很好的稳定性。通过构建的模型,可为混交林的无线网络路由节点布局规划提供重要参考。展开更多
文摘对移动目标的高精度测距是室内定位的关键。室内环境中无线接入点(Access Point, AP)采集的移动目标设备的接收信号强度指示(Received Signal Strength Indication, RSSI)受阴影衰落波动严重。受到RSSI采集频率和目标机动能力的限制,AP采集到的RSSI样本量少,导致基于RSSI测距精度差。为提高基于RSSI对移动目标测距的精度,本文提出了基于RSSI的AP簇测距(AP Cluster Ranging, APCR)方法。该方法通过对多个AP进行位置约束组成AP簇采集移动目标设备的RSSI,在相同采集频率下可获得更多的RSSI样本。利用RSSI波动特点,使用最大值选取和Dixon检验相结合的方式从AP簇采集的RSSI样本中筛选出高质量的RSSI样本,以提高对移动目标的测距精度。仿真和实验结果表明,与传统RSSI处理方法相比,本方法在室内环境简单或复杂时都具有更高的测距精度,在少量RSSI采集次数下同样能保持较高精度,更能满足对移动目标测距的需求。
文摘LoRa无线通信技术因其传输距离较远、功耗较低,满足了混交林中大规模节点传输汇聚的要求,可作为林业物联网数据采集的主要通信方式来使用。利用接收信号强度指示(Received Signal Strength Indication,RSSI)分析了470 MHz无线信号传输中的电波路径损耗问题,通过对测得的叶面积指数(Leaf Area Index,LAI)、降雨率(Rain Rate)和距离(Distance)等特征变量进行训练学习,分析了基于机器学习的林间信号衰减预测模型。通过对基于BP神经网络、支持向量机和随机森林3种模型的比较,得出最优结果是随机森林,拟合的决定系数(R^(2))为0.928,均方根误差(RMSE)为3.17,具有很好的稳定性。通过构建的模型,可为混交林的无线网络路由节点布局规划提供重要参考。
