Bessel函数测距模型的RSSI测距方法

针对现有RSSI测距方法中,影响测距精度的RSSI测量值难以准确估计和RSSI值与距离对应衰减关系不明确的问题,给出一种基于Bessel函数测距模型的RSSI测距方法。首先对RSSI原始测量数据进行异常值剔除,滤波和凸优化提取趋势项的预处理,然后建立基于Bessel函数的测距模型,基于预处理所得光滑数据,利用最小二乘法辨识测距模型中未知参数,从而得到具体测距模型表达式。基于实测数据对所提方法进行实验验证,与Shadowing模型、分段函数测距模型对比,结果表明,Bessel函数测距模型的RSSI误差均值在1.8dBm范围以内,能更有效反映RSSI值衰减关系,提高了测距精度且计算开销不大。     

一种基于BP神经网络的RSSI与超声波的定位研究

传统RSSI测距模型在移动机器人对使用者进行定位时存在依赖环境参数和不能辨别目标方位等问题,因此提出一种基于BP神经网络的测距定位方法.该方法采用了RSSI测距模型和超声波测距模型,利用测距定位模块收集到的RSSI值与超声波数据作为输入对BP神经网络进行训练.实验结果表明,该方法有效地解决了传统RSSI测距模型的问题,对目标距离估计准确率达89.98％、对目标方位估计准确率达88.18％,在移动机器人对使用者进行定位时取得良好效果.     

基于ZigBee的RSSI测距研究

基于RSSI的测距技术是一项低成本和低复杂度的距离测量技术,被广泛的应用于无线传感器网络基于距离的定位技术中.本文在对RSSI测距的原理以及环境对RSSI的影响进行详细分析和研究的基础上,提出了三种实验数据处理方式,并在摹于ZigBee的硬件平台上进行实验,得到了三种数据处理方式的测距精度.实验结果表明,在消除环境因素的影响后,高斯模型数据处理方式的测距精度最高--在20 m的近距离测距时,精度在2 m以内.     

基于距离区间概率测距的无线传感器网络定位算法研究

基于经验的传播模型在实际应用中存在多值问题,导致RSSI 与距离并非一一映射。本文提出了一种改进的 MDS-MAP 定位算法,该算法利用基于距离区间概率的测距模型,消除多值问题对测距模型精度的影响,从而提高测距模型 的测量精度。通过仿真结果表明,改进的算法与传统的MDS-MAP 定位算法相比,算法具有更好的定位精度。     

基于RSSI的无线传感器网络节点测距方法研究

基于RSSI的测距技术是无线传感器网络测量节点间距离的基础,RSSI测距具有通信开销小、实现复杂度低等优点,可广泛应用于无线传感器网络的定位、监测等领域.首先分析RSSI测距的原理,在此基础上采用用户自定义通信协议的CC1100芯片进行测距实验,取得了多组数据,通过对实验数据的分析,验证了在适度的环境下RSSI测量值的变化与距离的关系有一定的规律可循,提出采用加权和均值的方法降低外界环境对RSSI测距的影响,并用实验加以验证.     

基于RSSI优化的模型参数实时估计定位算法

基于RSSI的测距是一种低成本的距离测量技术.为了有效地降低RSSI因环境影响而产生的测量误差,以及解决传统算法中因使用固定信号传播模型而造成较大测距误差的问题,提出一种RSSI经过优化处理的模型参数实时估计定位算法.该算法运用高斯模型对节点接收到的所有RSSI测量值进行处理,根据RSSI值确定待定位节点所在的最小区域,再通过该区域内选定信标节点间的相互合作估算出当时的环境参数,根据实际情况动态调整传播模型的参数,使测距更准确,从而减少定位误差.将该算法与其它算法进行仿真比较,结果表明了该算法可以有效地提高定位精度.     

单目标跟踪中基于RSSI的模糊测距技术

针对基于接收信号强度因子（RSSI）测距中存在的问题提出一种新的测距技术,由白适应模糊神经推理系统训练的模糊推理系统建立一个模型,利用这个模型将RSSI映射为相应的收发节点的距离。将此模糊测距技术应用到基于三点定位的单目标跟踪中,仿真实验证明了该测距技术是切实可行的。     

基于RSSI的室内信号衰减模型的研究

根据无线传感器网络中RSSI的信号传播的特性,给出了基于RSSI的室内节点的测距模型.随着距离的增加,信号衰减越来越不明显,对测距造成的误差也越来越大,给出了室内空间附加因子路径传播模型,并与常用的阴影模型做了对比,实验结果表明,该模型有较高的精度.     

基于锚节点和高斯函数的测距算法

针对高斯模型中含有路径散逸指数而产生较大测距误差的缺点,设计参考锚节点高斯校正算法(Reference-G)。运用高斯分布函数滤除小概率节点接收信号强度(RSSI)值,以锚节点对之间的已知距离和测量的RSSI值为参考,对被测RSSI值进行校正,从而消除环境因子。仿真结果证明,Reference-G的测距不受环境的影响,不同环境下定位误差基本相同,在相同误差的情况下,锚节点数是高斯模型的1/3以下。     

基于RSSI的室内测距模型的研究

基于接收信号强度指示(RSSI)的测距技术是一项低成本和低复杂度的距离测量技术,被广泛应用于无线传感器网络基于距离的定位技术中.由于室内环境下存在非视距和多径传输的影响,测距误差比较大.在消除测距误差的方法中,采用线性回归分析对射频参数A和信号传输常数n进行优化,得到满足具体环境的参数值.提出2种滤波型对采集的RSSI进行滤波处理.实验表明:通过参数优化和滤波处理,测距精度得到了明显的提高.