基于人工神经网络的RSSI测距的牛顿定位算法

为了降低基于接收信号强度指示(RSSI)测距误差,提高基于RSSI测距定位精度,提出了基于人工神经网络的RSSI测距的牛顿定位算法(NL-ANN-RSSI)。NL-ANN-RSSI算法分别在RSSI测距和定位计算方面提高定位精度。首先,利用人工神经网络对RSSI值预处理,降低测距误差;然后,利用最小二乘法估计节点位置,并将此估计值作为牛顿定位算法的初始值;最后,利用牛顿定位算法修正节点位置。实验数据表明,基于人工神经网络的RSSI优化的测距误差比传统的RSSI测距算法有大幅下降,归一化平均定位误差下降了约36%。     

基于RSSI每跳分级和跳距修正的DV-HOP改进算法

针对DV-HOP(distance vector hop)算法的定位精度对节点间跳数信息依赖性较强的特点,提出一种基于接收信号强度指示(received signal strength indicator,RSSI)每跳分级和平均跳距修正的DV-HOP改进算法RADV-HOP(RSSI and average hopping distance modifying DV-HOP).仿真结果表明:在相同的网络环境里,与传统DV-HOP算法相比,RADV-HOP定位算法仅需节点通信芯片带有RSSI指示功能及增加少量的计算和通信开销,不需要额外的硬件开销,将每跳分为3个子级时,归一化定位误差能下降65％;与其他DV-HOP修正算法相比,RADV-HOP算法以相同的通信开销和稍微增加的计算开销使定位误差下降了45％.     

基于RSSI的无线传感网络协同定位算法及其应用

为了解决传统无线传感网络(WSN)中定位方法精度不高的问题,将协同定位的技术应用到无线传感网络的定位中。首先,通过对盲节点与参考节点的距离关系的分析,初步确定了盲节点区域;然后利用接收信号强度指示(RSSI)测距技术建立了盲节点之间的相对位置关系,并应用盲节点的相对位置关系多次迭代缩小盲节点区域,精确盲节点位置;在此基础上,提出了基于RSSI的无线传感网络协同定位算法。在Zigbee平台上对该算法进行了技术评价,与传统定位方法进行了对比实验,实验结果表明,基于RSSI的无线传感网络协同定位算法具有一定的精度优势,特别是当参考节点数目较少时,这种优势比较明显,具有良好的应用前景。     

基于改进强跟踪滤波的室内RSSI自适应估计算法

针对室内无线接收信号强度指示(RSSI)难以快速准确估计的问题,提出了一种基于改进强跟踪滤波的室内RSSI自适应估计算法。该算法采用强跟踪滤波(STF)自适应跟踪RSSI阶跃变化,克服传统RSSI状态空间模型中未建模状态的不确定性。利用高斯分布数据的采样过程,分析STF算法跟踪系统未建模不确定状态的可靠性和有效性,确定强跟踪滤波弱化因子,并融合滑动平均滤波算法,提高RSSI的自适应估计能力。通过与传统的RSSI估计方法对比验证实验,结果表明所提算法能够准确估计室内RSSI,且收敛速度更快。     

基于PCA-LSSVR算法的WLAN室内定位方法

针对WLAN室内定位系统中存在的接收信号强度指示(RSSI)时变特性降低定位精度的问题,提出一种基于主成分分析(PCA)和最小二乘支持向量回归机(LS-SVR)的PCA-LSSVR定位算法。该算法首先利用PCA对采集的各接入点(AP)的原始RSSI信号进行数据降维和去相关处理,提取主要的定位特征数据;然后利用LS-SVR构建指纹点的定位特征数据与其位置的非线性关系,并利用此关系对测试点的位置进行回归预测。实验结果表明,该算法的定位精度优于几种传统的定位算法,是一种性能良好的WLAN室内定位算法。     

基于RSSI参数相消的干扰源定位算法

针对无线传感器网络易受干扰攻击而导致网络通信受阻甚至瘫痪等问题,为确定干扰源位置进而消除干扰、保障网络正常通信,提出了接收信号强度指示(RSSI)参数可相消定位算法。利用参与定位的3对候选节点,先利用信号传播模型通过未知参数相消计算出不同节点距离干扰源的距离之比,再利用几何知识定位干扰源的位置。该算法利用测距模型和几何模型相结合,来达到更好的定位目的。仿真实验证明,该算法在不同网络环境下定位效果均优于CL、WCL定位算法。     

基于无线传感器网络自校正定位算法

节点定位是无线传感器网络的重要应用之一,为了抑制实际应用中各种环境因素对无线传感器节点精度的影响,提出了一种基于误差校正的定位算法。通过基于粒子群优化算法的粒子群优化-接收信号强度指示算法(par-ticle swarm optimization-received signal strength indication,简称PSO-RSSI算法)将未知节点收到信标节点一定数量的存在偏差的链路质量指示值进行优化,实现对误差的补偿。将链路质量指示值转化为接收信号强度指示值,从而得到距离。实验结果表明,该算法可提高定位精度,具有普遍应用价值。     

基于ZigBee的三维定位系统设计与实现

研究设计了基于Zig Bee的三维定位系统。定位系统采用基于接收信号强度指示(RSSI)的测距方法,并采用极大似然估计法计算未知节点的位置;节点硬件采用以TI公司的CC2530芯片为核心的Zig Bee模块,并在Z-Stack协议栈基础上编写了Zig Bee网络协调器、参考节点和未知节点的程序,实现了未知节点采集定位信息的功能;定位管理计算机根据未知节点采集到的定位信息实现了未知节点的位置解算功能,并通过实验测试证明了该方案可以实现节点的三维定位功能。     

基于RSSI测距的老人监护系统定位方案

为满足养老院老人监护系统成本低、响应快速等要求,将无线传感器网络(WSN)技术应用到老人监护系统中,提出了一种基于接收信号强度(RSSI)测距的无线定位方案。对养老院具体环境和定位要求进行了分析,以Micaz节点构建了系统平台,并结合RSSI测距的特点,提出了在不同环境下的锚节点部署方案;设计了适应性强的区域三边定位算法,以实时监测老人的位置信息,当老人身体出现异常时,能快速确定老人位置,确保老人的人身安全;最后,通过实验验证了该定位算法的正确性。研究结果表明,基于RSSI测距的老人监护系统定位方案能够较好地完成定位功能,帮助医护人员及时准确地到达出事地点,加快救援速度。     

基于ZigBee技术的无线定位算法研究

针对目前无线定位技术及其算法进行了一定的研究,并提出了一种新的方法:阈值分段定位方法(Threshold Localization Method,TLM)。当目标节点和参考节点距离在阈值距离以内时采用改进的RSSI测距法,建立一个特定环境中的信号传播模型;当距离在阈值距离以外时,采用基于LQI指示的DV-Hop算法,在传统DV-Hop算法中引进LQI来改善定位精度。无线收发采用ZigBee无线通信技术。     

动态参考点群组ZigBee辅助定位系统设计

基于Zig Bee的无线传感网络因其组网方便、低功耗、具有网络自愈性等特点,在群组定位中具有较大的潜力。但传统的定位方法在实际应用中有很大局限性。采用动态参考节点定位方法,即依据群体中任意两个节点之间的RSSI值(接收信号强度指示)推算出任意两节点间的距离信息,再利用Lab VIEW上位机软件将任意两节点间的距离信息处理成为群组节点的相对位置信息,并将其在坐标系中形象地显示出来。经实验验证,多节点群组在动态坐标系中能够显示出来,且节点距离6 m范围内多次测量误差在0.51 m。研究结果表明,该设计对动态参考节点群组定位技术研究具有一定的参考价值。     

比例差分修正的RSSI测距WSN节点定位研究

在无线传感器网络中节点定位技术占据着核心地位。基于传统RSSI的多边定位算法,提出了差分修正的井下无线传感器网络RSSI节点定位算法,通过不同锚节点之间的相互关系得到比例差分系数,将其应用在测量节点定位。目标未知节点首先读取在信标节点信息,利用卡尔曼滤波法除去信号中的噪声,获得更加精确的距离值,通过锚节点构建差分模型,利用比例差分的方法对RSSI测距进行修正,并对改进算法进行了仿真实验。结果表明,比例差分系数修正的RSSI测距定位算法的定位精度要远远高于传统RSSI测距定位算法,能够为井下的节点定位提供理论依据。     

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。     

基于粒子滤波的RSSI测距优化的牛顿定位算法

针对以基于RSSI测距为基础的无线传感网络定位算法存在定位精度低的问题,提出了基于粒子滤波的RSSI测距优化的牛顿定位算法PF-RSSI-NL。在RSSI测距方面,采用粒子滤波对RSSI值进行预处理,降低测距误差;在定位计算方面,运用牛顿法估计未知节点的位置。先用最小二乘法估计牛顿迭代算法的初始值,再用牛顿法对未知节点估计值进行迭代修正。仿真结果表明,与传统的基于统计均值RSSI测距相比,基于粒子滤波的RSSI优化的测距误差降低0.6 m。与同类的定位算法相比,归一化平均定位误差下降36%。     

无线传感器网络加权垂直平分线定位算法

针对APIT算法和基于垂直平分线的区域定位算法(MBLA)迭代次数多,定位精度低的缺点,提出了加权垂直平分线定位算法——WMBLA。该算法根据待定位节点接收到的2个锚节点的RSSI值的比值,移动两锚节点连线的垂直平分线,然后确定待定位节点在垂直平分线的哪一侧。仿真表明:WMBLA算法定位精度显著提高,定位误差是MBLA的一半,是APIT算法的1/4,迭代次数是MBLA的1/3。     

基于滑动窗口模式匹配的动态距离估计方法

距离估计的精度直接影响着WSN定位的准确度,然而到达信号强度指示(RSSI)的不确定性和目标节点的移动性给动态距离估计带来了现实挑战。鉴于此,提出基于滑动窗口模式匹配的WSN动态距离估计方法。首先测量并得到RSSI的分布特性,并在实际动态距离估计时,充分利用RSSI采样点分布特性间的相关特性,采用基于滑动窗口模式匹配的方法实现高精度的动态距离估计。实验及评估结果表明,该方法可以克服RSSI数据的不确定性,获得较高的动态距离估计精度。     

利用最小二乘支持向量机实现无线传感器网络的目标定位

针对接收信号强度值(RSSI)的波动直接影响无线传感器网络(WSN)目标定位准确度的问题,研究了利用最小二乘支持向量回归机(LSSVR)实现WSN的目标定位的基本原理,分析了固定探测节点和探测节点变化时的LSSVR建模定位特性,提出了基于自适应LSSVR回归建模实现WSN目标定位的方法(TL-AML)。该方法综合考虑目标定位准确度和实时性,初始时刻首先建立LSSVR回归模型来定位目标,根据后面任一时刻探测节点与前一时刻回归模型建模节点的包含关系决定是否重新建模,实现自适应建模定位过程。基于CC2430无线传感网络实验平台,进行了相关TL-AML方法性能实验,通过合理选取建模参数,TL-AML方法的目标定位均方根误差(RMSE)比MLE方法减小34%～37%,比LSE方法减小60%～65%。建模参数在较大范围内取值时,TL-AML方法目标定位准确度比MLE和LSE方法有明显提高。在LSSVR建模情况下,TL-AML方法目标定位耗时0.2～0.4s,无需重复建模时,目标定位耗时减少到0.04s。实验结果表明,TL-AML方法能够显著减小RSSI波动对目标定位结果的影响,提高目标定位准确度,减少目标定位时间,且具有较好的目标定位实时性。     

基于图论模糊聚类的室内自适应RSSI定位算法

针对现有RSSI定位算法无法满足室内环境下对目标的自适应定位,提出一种基于图论模糊聚类的室内自适应RSSI定位算法IAL-GT-FC。算法根据室内环境下各区域RSSI分布的差异性,建立基于图论和模糊聚类的RSSI模糊聚类模型,并基于该模型将定位区域自适应划分成若干环境差异较小的子区域;通过建立参数自适应规则,自适应调整各子区域内的环境参数,使其满足该区域内RSSI测距的需要;结合该区域内的环境参数,通过建立相邻区域间的RSSI补偿机制对未知节点进行RSSI测距补偿;最后采用权重质心法对未知节点进行位置求解。通过实验,证明该算法具有较高的定位精度和较强的自适应能力,能够满足室内环境下对目标的精确定位。     

基于SI4432的无线收发平台设计

文中采用低成本、低功耗STM8L151作为控制器,高性能、高集成度的射频芯片SI4432作为收发芯片。同时改进了冲突退避算法,考虑当前网络状态,引入概率机制合理选择随机退避时间区间,减少数据包碰撞几率,降低了丢包率。结合实际环境,兼顾接收信号强度指示器(RSSI)阈值与覆盖范围的大小,计算最优发射功率,降低功耗。     

降低微波炉供电线路中AFCI误动作的研究

介绍电弧故障的特征及国外有关电弧故障分断器(AFCI)的检测和判别方法,深入解析了变频微波炉导致AFCI发生误动作的根本原因。同时根据微波炉工作时的电流过零点的波形及接收的信号强度指示(RSSI)波形的特点,对微波炉的滤波电路的参数进行改善,有效地消除了电流过零点附近的纹波噪音,降低了过零点的RSSI值,从而降低AFCI误动作的发生,对微波炉的设计提供了参考价值。