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
为了提高远距离无线电(Long Range Radio,LoRa)系统定位精度,提出利用接收信号强度指示(Received Signal Strength Indication,RSSI)测距和三边定位方法结合小波神经网络模型对LoRa节点进行定位。首先分析了RSSI测距、三边定位的原理和...为了提高远距离无线电(Long Range Radio,LoRa)系统定位精度,提出利用接收信号强度指示(Received Signal Strength Indication,RSSI)测距和三边定位方法结合小波神经网络模型对LoRa节点进行定位。首先分析了RSSI测距、三边定位的原理和实现方法,给出了基于RSSI测距方法求解LoRa网关与LoRa节点间距离的步骤。然后利用3层融合型小波神经网络搭建了LoRa节点定位模型,选取Morlet小波为隐含层神经元的激励函数,选取Sigmoid阈值函数为输出层函数,将LoRa节点到3个LoRa网关的距离作为输入层数据,节点定位模型转换并输出LoRa节点位置的归一化横坐标和纵坐标。最后利用LoRa网关模块和LoRa节点模块搭建了LoRa节点定位实验系统并进行了实验测试,通过实验数据分析得出了RSSI测距参数并利用三边定位算法和小波神经网络节点定位模型实现了待定位LoRa节点的精准定位。实验结果表明,所提算法的定位精度为1.033 m,优于四点质心定位算法和传统三边定位算法。展开更多
针对不同型号的智能移动终端设备,由软件和硬件的异构性而导致不同设备在同一采集点处采集到的同一蓝牙源接入点的蓝牙信号强度观测值存在显著差异而影响定位精度的问题,该文提出了一种基于混沌麻雀搜索算法优化BP神经网络模型的室内蓝...针对不同型号的智能移动终端设备,由软件和硬件的异构性而导致不同设备在同一采集点处采集到的同一蓝牙源接入点的蓝牙信号强度观测值存在显著差异而影响定位精度的问题,该文提出了一种基于混沌麻雀搜索算法优化BP神经网络模型的室内蓝牙RSSI(received signal strength indicator)标定算法.该标定算法应用混沌麻雀搜索算法的全局搜索能力和快速收敛性来帮助BPNN模型选取最优的初始权值和阈值.实验结果表明:该标定方法得到的平均RSSI误差相较于未标定之前降低了87.6%,有效地降低了软硬件异构性对采集到的蓝牙信号强度观测值的精度.展开更多
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...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。展开更多
文摘为了提高远距离无线电(Long Range Radio,LoRa)系统定位精度,提出利用接收信号强度指示(Received Signal Strength Indication,RSSI)测距和三边定位方法结合小波神经网络模型对LoRa节点进行定位。首先分析了RSSI测距、三边定位的原理和实现方法,给出了基于RSSI测距方法求解LoRa网关与LoRa节点间距离的步骤。然后利用3层融合型小波神经网络搭建了LoRa节点定位模型,选取Morlet小波为隐含层神经元的激励函数,选取Sigmoid阈值函数为输出层函数,将LoRa节点到3个LoRa网关的距离作为输入层数据,节点定位模型转换并输出LoRa节点位置的归一化横坐标和纵坐标。最后利用LoRa网关模块和LoRa节点模块搭建了LoRa节点定位实验系统并进行了实验测试,通过实验数据分析得出了RSSI测距参数并利用三边定位算法和小波神经网络节点定位模型实现了待定位LoRa节点的精准定位。实验结果表明,所提算法的定位精度为1.033 m,优于四点质心定位算法和传统三边定位算法。
文摘针对不同型号的智能移动终端设备,由软件和硬件的异构性而导致不同设备在同一采集点处采集到的同一蓝牙源接入点的蓝牙信号强度观测值存在显著差异而影响定位精度的问题,该文提出了一种基于混沌麻雀搜索算法优化BP神经网络模型的室内蓝牙RSSI(received signal strength indicator)标定算法.该标定算法应用混沌麻雀搜索算法的全局搜索能力和快速收敛性来帮助BPNN模型选取最优的初始权值和阈值.实验结果表明:该标定方法得到的平均RSSI误差相较于未标定之前降低了87.6%,有效地降低了软硬件异构性对采集到的蓝牙信号强度观测值的精度.
文摘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。
文摘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.
