基于Unscented卡尔曼滤波的室内定位

基于RSSI值的测距技术中,通过对天线全向性问题的分析,提出基于Unscented卡尔曼滤波（UKF）的定位算法。利用基于RSSI值的测距模型进行距离测量,并使用Unscented卡尔曼滤波算法估计节点坐标。由于RSSI值的测量和测距模型参数受到环境的影响,采用高斯滤波对RSSI值进行优化,对环境参数使用线性回归算法进行优化并采用自适应机制更新。通过与最大似然估计法（ML）的比较实验表明,该算法能有效地减小定位误差,提高定位精度。     

基于AIUKF的WSN节点定位算法

针对无线传感器网络节点定位精度不足的问题,在无迹卡尔曼滤波( UKF)的基础上,结合迭代约束条件和自适应因子,提出了一种自适应迭代无迹卡尔曼滤波( AIUKF)算法。根据基于测距的节点定位模型,采用RSSI进行测距,以极大似然估计法进行节点初步定位,利用AIUKF算法对节点进行精确定位,并且直接以RSSI作为系统的观测量。仿真结果表明,本文提出的基于AIUKF的定位算法相比EKF和UKF算法具有更高的定位精度。     

无线传感器网络的三维空间定位算法

环境和硬件本身等因素使无线传感器网络的定位精度受到影响。为此,通过三维空间定位过程的分析,提出基于接收信号强度(RSSI)测距和Gauss模型的RGM定位算法。该定位算法无需硬件的扩展。仿真实验表明,相比普通的基于RSSI的测距算法,该算法可提高定位精度、缩短响应时间。     

基于EKF算法的无线传感器网络定位求精研究

无线传感器网络中,基于RSSI测距技术的定位系统误差较大。本文对扩展卡尔曼滤波（EKF）算法在抑制测距误差和提高定位精度方面进行了深入的研究。同时本文根据EKF算法在WSN节点定位中的两种应用方式,以收敛概率和精度为指标,在各种拓扑条件下对节点定位求精过程进行了分类探讨。最后结合仿真阐述了EKF算法的适用范围,并分析了影响算法性能的因素。     

基于高斯修正测距模型的节点改进加权质心定位算法设计

针对无线传感器网络中传统的质心定位算法具有定位精度不高的缺点,提出了一种基于RSSI测距的改进加权质心定位算法。首先,分析了无线电传播路径损耗模型,采用高斯模型对RSSI信号强度值进行了修正,从而可以根据修正后的RSSI均值更准确地进行测距;然后,使用改进的Eucliean定位法对节点位置进行初定位,在获得若干组定位锚节点集的基础上,采用改进的加权质心定位算法进行节点位置终定位;最后对基于RSSI测距修正的加权质心定位算法进行了定义和描述。仿真实验表明,文中方法在仅增加计算开销的情况下能实现节点的准确定位,且与其它方法相比,具有较小的测距误差和定位误差。     

基于路径损耗模型参数实时估计的无线定位方法

定位技术在无线传感器网络中越来越引起人们的重视.针对传统的测距算法中,使用固定路径损耗模型会造成较大测距误差的问题,提出了一种基于RSSI的动态调整信号路径损耗模型参数的协作定位方法.该方法首先根据RSSI确定定位节点所在的最小子区域,然后通过该区域内已知参考节点间的相互合作估算出该子区域的路径损耗模型参数,再根据得到的路径损耗模型实现准确测距,从而减小定位误差.仿真和实验结果验证了该方法提高了定位精度.     

NLOS环境下基于EKF的移动机器人定位研究

针对室内移动机器人基于接收信号强度(RSSI,Received Signal Strength Indication)测距定位存在非视距(NLOS,Not-line-of-sight)传播问题,提出一种利用运动模型预测RSSI并修正NLOS测量的定位算法。首先结合移动机器人运动模型预测位置和信号强度RSSI,进而实现NLOS误差判定和测量修正;然后结合步长将移动机器人限制到圆域内,采用改进三边定位算法定位;最后使用扩展卡尔曼滤波(EKF,extended Kalman Filter)进行定位结果优化,得到位置的优化估计。仿真实验表明,该方法能有效地提高定位精度,能有效抑制具有较大量值的NLOS误差,是NLOS环境下一种有效的定位方法。     

基于WiFi的四边测距修正加权质心定位算法

针对现阶段无线信号传播过程易受周围环境干扰、运动载体定位算法精度低的问题,提出一种基于WiFi技术的四边测距修正加权质心定位算法.该算法首先运用近高斯拟合算法和卡尔曼滤波剔除RSSI数据中的突变数据和差异较大的数据,选出最优的RSSI值;然后根据无线信号传播路径损耗模型,运用RSSI值对移动终端和AP的距离进行模型计算;最后采用改进加权因子的加权质心定位算法并结合四边测距法对待定位点坐标进行计算.仿真实验表明:基于WiFi技术的四边测距修正加权质心定位算法相对提高了定位的精度.     

基于优化RSSI精度的WSN加权质心定位算法

为消弱接收信号强度指示误差对无线传感器网络节点定位精度的影响,提出基于优化接收信号强度指示测距精度的加权质心定位算法。该算法根据接收信号强度指示（RSSI）和链路质量指示（LQI）在不同距离段的衰落曲线起伏的波动状况,采用分段测距的方法优化RSSI的测距精度,接着将优化后的距离值作为加权质心算法的权值因子对节点进行定位,进而提高定位精度。实验结果验证了该优化算法的有效性。     

基于动态近邻反馈修正的室内定位算法

针对目前无线传感器网络（WSN）室内接收信号强度（RSSI）测距算法中RSSI易受到信道干扰和传播环境影响从而导致定位精度低的问题,提出一种动态近邻反馈修正的室内定位优化算法FC-DNN,以实现无线传感器室内节点精确定位。首先,通过对环境进行Voronoi图分割确定最小定位区域;然后计算每个区域的路径损耗模型参数得到节点间的精确距离;最后利用Spearman等级相关系数动态选择邻居锚节点,根据邻节点反馈修正进一步提高未知节点的定位精度。仿真结果表明,FC-DNN算法复杂度低、计算开销小、能耗较低,与典型的RSSI测距差分修正定位算法（DDLA）和受限三维空间传感器定位算法（CO-3D）相比,节点的平均定位误差降低了约15个百分点,能够很好地满足室内环境定位要求。     

融合RSSI测距定位的室内PDR算法

在室内定位系统中,针对RSSI测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化和行人航迹推算(PDR)定位系统漂移误差长时间的累积效果,提出融合RSSI测距定位的室内行人航迹推算算法,以扩展卡尔曼滤波器实现两者定位信息的融合,获得系统的最优定位结果。仿真结果表明,该融合定位算法的平均定位误差约为0.83205 m,范围维持在0.51948 m～1.13529 m内,并在定位稳定性方面表现出良好的性能,验证了该方法的合理性和有效性。     

基于RSSI和TOA融合的矿井人员精确定位方法

提出了一种基于RSSI和TOA融合的矿井人员精确定位方法.分析了RSSI技术和TOA技术测距精度特性,提出了近端基于RSSI测距、较远端基于TOA测距的矿井人员定位方法,在此基础上提出了改进卡尔曼滤波误差抑制算法,保证高精度矿井人员定位.实验结果表明,在基站与定位识别卡距离不超过40 m的范围内,本文定位方法的定位误差为3 m以内.     

广义延拓插值模型在RSSI测距方法中的应用

室内无线传感器网络定位通常采用基于信号强度指示RSSI（Received Signal Strength Indicator）的测距方法,但由于室内信号反射、阻挡严重,同时不同硬件之间存在性能差异,导致RSSI随距离的衰减模型难以精确表述。本文提出一种基于广义延拓插值的RSSI测距模型,通过对实测数据进行拟合和插值,构造出能够反映实测环境下的衰减模型,避免了大尺度衰减模型中环境衰减因子难以由经验值给出的问题,同时也减小了不同硬件间的性能差异带来的影响,相比传统的大尺度衰减模型测距精度得到很大改善。     

改进的狭长空间中加权质心定位算法

针对目前狭长空间环境中信号多路径效应明显、传感器节点定位精度不足等情况,提出了一种基于信号接收强度(RSSI)的加权质心定位算法.该算法根据狭长带状区域环境特点部署信标节点,通过相邻信标节点的实际距离和信号接收强度,动态获取周围环境的路径衰落指数,提高RSSI测距算法的环境适应能力;根据当前环境改进加权质心算法的加权因子,引入修正因子,进一步提高算法的定位精度.理论分析和仿真结果表明,该算法设计优化,适应于狭长空间环境,宽度分别为3 m、5 m、8 m、10 m,信标节点的个数为10的巷道环境中,其定位计算精度比传统加权质心算法分别提高了22.1%、19.2%、16.1%、16.5%,稳定性分别提高了23.4%、21.5%、18.1%、15.4%.     

基于蓝牙信标的室内定位

近年来随着技术的进步和人们生活水平的提高,人们生活中的大多数时间都是在室内度过的,所以对室内定位的各种需求在不断增长,逐渐成为一个研究的热点。因此,本文设计了一种基于蓝牙信标的室内定位系统,该系统在分析了蓝牙信标的RSSI信号的分布特点的基础上,采用高斯滤波和卡尔曼滤波融合使用的方式来对接收到的信号实行滤波处理,接着在大量地实地测试的基础上,建立了RSSI信号的测距模型,最后使用三边质心算法作为定位算法。     

Min-Max节点定位算法的分析与改进

无线传感器网络中RSSI测距是一项低成本的估算节点间相对距离的技术,而Min-Max算法是适合该技术并能满足网络低功耗要求的节点定位应用。首先在建立RSSI测距模型的基础上分析了Min-Max算法的性能,并针对该算法在室内环境中对靠近边缘区域未知节点的定位误差较大的问题,提出了一种有矩形边缘越界检测法,改进方法能通过检测重合矩形区域是否越界并做出相应的算法修正,仿真结果表明能有效提高定位边缘区域未知节点的定位精度。该改进算法在大规模多个节点的网络环境下,依然可以有效降低网络节点的平均定位误差。     

基于RSSI的机器人室内卡尔曼滤波定位算法研究

针对移动机器人在室内环境中定位难的问题,提出了一种基于RSSI（Receive Signal Strength Indicator）的卡尔曼滤波定位算法。利用基于RSSI的定位方法估算用户的位置坐标,利用卡尔曼滤波算法对用户的估算位置坐标进行优化处理,以提高室内定位系统的性能和稳定性。实验结果表明,卡尔曼滤波算法是鲁棒的,可以有效改善系统的定位精度,达到了预期的目的。     

一种基于RSSI的无线传感器网络 全程优化分布式定位策略

针对目前定位算法存在精度与成本有较大矛盾的问题,在定位实施各阶段采取有效措施,提出一种新的基于接收信号强度指示(RSSI)观测模型的协作定位算法.该算法以有效计算方式获得距离数据,优选锚节点参与定位计算,通过泰勒展开迭代求精法实施位置优化,最终获得满足要求且定位精度较高的位置估计.引入协作定位思想,将满足一定要求的已定位节点升级为锚节点,参与其他节点的定位,提高了定位的覆盖率和定位精度.仿真实验结果显示:网络参数相同的条件下,本文算法定位效果接近基于实际坐标的泰勒级数展开算法,而远高于基本的最小二乘定位算法,且由于所需存储空间小,其定位精度也随测距误差的减小而快速提高,能够满足大规模无线传感器网络的定位需求.