WSN中基于指纹匹配的室内定位方法

定位技术在无线传感器网络应用中发挥着重要的意义,GPS等室外定位方法在室内环境中信号差,在场景复杂的室内环境中很难有效定位,因此本文实现的一种基于指纹匹配的WSN室内定位方法。 首先构建定位区域中的信号强度指纹地图,利用Kriging插值算法构建分辨率较高的定位指纹地图,然后进行匹配指纹地图定位,采用余弦相似度和空间索引进行目标定位。最后采用K-means提高定位精度并进行优化,基于该定位方法开发了一套WSN室内定位系统,采用Micaz节点作为基站节点,通过实际实验和仿真实验验证了定位方法在室内定位场景中具有较好的抗障碍物干扰性,定位误差在5cm左右。     

引入RSSI指纹抖动量的室内定位改进算法

为提高接收信号强度指示( RSSI)指纹进行室内定位的准确性,提出一种利用RSSI指纹抖动量的虚拟标签定位改进算法。给出RSSI指纹抖动量计算方法,将其应用于待定位标签与参考标签的距离以及虚拟标签RSSI指纹的计算。在实际测试中,将RSSI指纹抖动量用于虚拟标签定位算法射频指纹( RFFP)的改进。测试结果表明,与 RFFP 算法和 LANDMARC 算法相比,改进算法的平均定位精度分别提高约0.35 m ~0.88 m 和0.38 m~0.94 m,算法耗时仅分别增加约1%和12%。     

基于线性插值和动态指纹补偿的分布式定位算法

针对现有射频指纹匹配定位算法存在训练开销过大、环境信号动态改变自适应能力较差以及系统扩展性不足等问题,该文提出了一个基于线性插值和射频指纹动态补偿的分布式定位算法.该算法利用同一信标发射无线信号局部物理空间的相关性,提出了射频指纹的线性插值方法,减少了训练数据的采集工作量.此外,为自适应环境无线信号的动态变化,该算法使用少量均匀部署在定位区域内的参考节点实时监测环境信号变化,对移动节点测量的RSSI进行动态补偿,从而提高定位精度.实验结果表明,所提定位算法不仅有效减少了指纹数据库的创建工作量,而且能够较好地自适应环境变化,具有较高的定位精度.     

基于Wi-Fi室内定位的位置指纹算法

随着Wi-Fi网络室内覆盖率的增加,人们对位置服务的需求也不断增加。利用现有的Wi-Fi网络进行室内定位,先分析了NN算法存在的不足,并提出了一种WNN位置指纹定位算法。整个定位过程分为数据采集、数据处理即奇异值处理和滑模滤波处理、实时定位即用WNN法对处理后的离线数据和实时数据进行对比、匹配,最接近的那组数据对应的区域号为定位结果。对几种信号处理方法进行了比较,得出滑模滤波的效果最优。实验表明,修正后的定位算法的定位准确率明显提高,达到了90%以上。     

基于卷积神经网络的室内指纹定位算法

随着无线网络和智能设备的普及,室内定位得到了迅速发展.在室内定位中,基于指纹的定位方法因为无需外部设施、抗干扰性强等优点逐渐成为研究热点.近几年深度学习的发展为提高指纹定位算法的精度带来了新的机遇.因此提出了一种基于CNN的指纹定位算法,使用卷积神经网络（convolutional neural network,简称CNN）来改进指纹库的构建.首先,在收集了CSI与磁场数据后,通过CNN对这些数据进行处理,将每个参考点处的CNN模型参数值用作为指纹.然后使用一种概率方法来进行最后的指纹匹配.实验结果表明,该定位算法比传统的指纹定位算法具有更好的鲁棒性和更高的定位精度.     

基于CSI信号的被动式室内指纹定位算法研究

基于信道状态信息(CSI)的定位技术在室内场景应用中被广泛关注,为了提高WiFi信号多径效应对接收信号强度指示的室内定位精度和稳定性,提出一种基于CSI信号的被动式室内指纹定位算法.该算法在离线阶段将定位场所划分为同等大小的区域块,在各连接点位置使用方差补偿的自适应卡尔曼滤波(Kalman)算法对原始数据进行滤波.再对...     

一种基于插值的室内指纹定位系统设计与实现

由于室内环境的复杂性,无线传感器网络WSN(Wireless Sensor Networks)室内定位的精度一直不够理想.本系统在测距定位算法和非测距定位算法的基础上,提出了基于信号强度RSSI(Received Signal Strength Indication)的指纹定位方法.该方法利用Cokriging插值算法建立定位区域的多维RSSI向量指纹,通过匹配目标节点的RSSI向量与指纹RSSI向量确定目标节点的位置范围,最后使用K-中心点聚类算法提取目标节点的实际位置.实际场景实验和仿真实验结果都表明此方法在复杂的室内环境中具有较高的定位精度.     

基于LoRa指纹的室内定位算法

在基于LoRa的室内定位研究中,提出一种基于LoRa指纹和支持向量回归(SVR)的室内定位算法。针对传统基于无线信号RSSI指纹和SVR室内定位算法定位精度不高问题,从两个方面进行改进:在指纹特征方面,增加LoRa测距指纹,提高指纹稳定性;在指纹数据库建立和在线定位过程中,分别采用高斯滤波和中位数滤波来对指纹进行预处理,消除指纹的粗大误差。实验结果显示:1 m以内的定位误差的累积概率为78.5%,3 m以内的定位误差的累积概率为90%。增加LoRa测距指纹之后定位精度相比之前提高了40%;增加了高斯滤波与中位数滤波预处理后定位精度较传统的支持向量回归算法提高了38%。两个方面改进之后定位精度总体提高63%,证明了该算法的两个改进是有效的。     

动态环境中的WIFI指纹自适应室内定位算法

针对传统的基于WIFI信号的室内定位方法难以有效解决环境动态变化对RSSI值的影响问题,本文设计并实现了一种基于WIFI射频信号强度指纹的室内定位系统。在该系统中,通过采用一种基于用户使用状况与布置定位参考点的方法来动态更新系统的WIFI指纹数据库,从而有效降低了在实际使用过程中用户手持手机的方向、用户的身体遮挡以及使用环境的动态变化对RSSI值所带来的影响。实验结果表明,本文设计并实现的定位系统比传统定位系统更稳定、易维护,同时也具有更高的定位精度和自适应性。     

基于HDV-Hop的无线传感器网络大型室内定位算法研究

大型室内公共场所是无线传感器网络定位技术天然的使用场所。针对经典的无线传感器网络DVHop定位算法应用性不强,定位精确度不高等缺点,Hybrid DV-Hop(HDV-Hop)定位算法改进了锚节点部署形式、数据路由方式以及坐标计算方法,较大地提高了定位精度,并扩展了无线传感器网络定位算法的应用性。在HDV-Hop算法之上实现了进一步的优化,得到一种更适用于大型公共场所的新型定位算法。新型定位算法将锚节点部署在大型公共场所中比较常见的矩形形状的周边,同时根据平均跳数选取平均每跳距离作为全局平均每跳距离进行距离计算。仿真实验结果表明,相对于HDV-Hop定位算法和采用矩形的锚节点部署方式的RHDVHop(Rectangular HDV-Hop)算法,新型定位算法具有较高的定位精度。     

基于权重参数实时更新的室内定位算法

为了提高室内节点的定位精度,提出一种基于权值参数实时更新的室内定位算法。选择3个最能反映待定位点信息的访问接入点,实时获取测距模型的参数,并采用最小二乘支持向量机对测距进行补偿,得到距离权重,三边定位算法根据权重对节点进行定位,并对计算中的距离进行加权处理,采用卡尔曼滤波法对定位误差的进行校正。实验结果表明,该算法可以较好地降低环境变化和测量误差对定位的不利影响,提高了室内节点的定位精度。     

基于路径表的室内地图匹配方法

地图匹配算法能有效地提升定位精度,是定位技术不可或缺的一部分。为提高路径匹配正确率,并适应室内定位环境,提出一种基于路径表的室内地图匹配方法,在传统地图匹配方法的基础上建立一个路径表存放候选路径的信息,每次路径匹配时,都从表中选取具有最优权重值的路径进行匹配。在匹配过程中多处设置查错和纠错机制,即使在出现匹配错误的情况下,也能及时从路径表中重新选取正确路径。较强的查错和纠错功能使其特别适合用于室内复杂环境下的地图匹配。实验结果表明,与传统的地图匹配方法比较,能有效地提升匹配精确度。     

基于无线传感器网络的室内无线信道测量与分析*

首次针对无线传感器网络的典型室内应用环境——室内停车场对信道传播特性进行测定,通过线性回归对室内无线信道传播模型的衰减因子等参数进行拟合,并与室外测量结果进行对比,归纳出室内与室外环境中无线信号的传播具有不同特征,但仍然可用对数阴影单折线/双折线模型进行拟合,为室内无线传感器网络系统的研究与实现提供重要参考。     

WSN混合构架室内定位系统的独占式通信机制

在无线传感器室内定位系统中,避免参考节点之间的信号相互冲突和干扰是定位系统重点解决的问题之一。针对这一问题,可以采用独占式通信机制,确保某一个参考节点独占某一时刻的通信,禁止其它节点在这一时刻发射信号;同时,采用无中心节点的构架模式,由独占通信的节点在发射信号结束时,随机选择一个有效的参考节点,使其成为下一个临时的中心节点并进入独占状态。该方法结合无中心构架和有中心构架的优点,有效地解决了参考节点之间信号相互间的冲突和干扰问题。     

基于RSSI权值的环境适应型室内定位算法研究

定位节点接收的信号强度指示（Received Signal Strength Indication,RSSI）值是室内指纹定位技术重要的元素之一。通过对定位节点接收到的信号强度值特性分析,提出了基于RSSI权值的室内定位算法。改进型RSSI权值计算公式以及权值指数[α]的提出,使得定位算法具有一定的环境适应性,能更灵活地运用于实际定位场景。经过一般实验场景验证,算法在定位精度上有较大的提升。     

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。     

基于模糊控制的无线传感器网络室内定位算法

提出了一种通过无线传感器网络组网,利用基于模糊算法的改进接收信号强度指示(RSSI)测距技术来进行室内定位的系统设计方案。通过模糊状态分类建立环境气候和障碍物的模糊分布参数,对“距离-损耗”模型进行改进,算出其隶属函数,从而得到较准确的测距公式,计算出移动节点的位置信息。实验结果表明：提出的定位算法在对移动节点定位的实时性和准确性上能满足实际需要,具有应用价值。     

WSN中基于学习自动机的簇头选举算法

为均衡无线传感器网络节点能耗和网络负载,提出了一种基于学习自动机的簇头选举算法.该算法考虑节点的能量消耗及其与邻居节点的状态信息,在选举簇头时,通过把节点的剩余能量与平均能量相比较以及把节点的相互距离与平均距离比较,来更新学习自动机选择动作概率,以提高有利节点选举为簇头的概率.仿真结果表明,该算法在簇头的分布上更加合理,同时也减少了网络的能量消耗,延长了网络生存期.     

基于改进遗传模拟退火算法的WSN路径优化

针对无线传感器网络路径优化问题,提出了一种改进的最优保存的遗传模拟退火算法。利用LEACH算法构建初始路由表,使用GASA的高效率搜索,将路由计算和遗传演化计算同时进行,并直至寻找到近似最优路径为止。将最优保存遗传算法和模拟退火算法相结合,引入自适应的概率变化,有效地解决了这两种算法的早熟现象和时间问题。仿真实验表明,该算法有效地解决了无线传感器路径优化问题,具有定位准确、节能和搜索能力较强等优点。     

基于RSS手指模的煤矿井下WLAN定位方法

到达信号强度(RSS)手指模定位技术已广泛应用于室内定位技术,提出了适用于煤矿井下由于电磁波多径效应而变得复杂的环境的RSS手指模定位算法。通过对煤矿井下电磁环境信息的采集,对采集到的信息进行处理,使用贝叶斯公式法估计出概率较大的3个位置,然后再使用最邻近法的欧几里德距离估计出位置。通过对实验数据的统计分析,仿真结果表明:提出的基于RSS手指模改进的融合算法的节点定位精度要比K邻近法的定位精度要高,定位性能要优越。