基于ZigBee技术的铁路站场集装箱追踪定位的研究

为了在基于ZigBee技术的铁路站场无线网络中实现对安装在集装箱上的无线节点的定位,研究设计一种采用接收信号强度指示(RSSI)值来进行无线节点位置的定位。采用一个未知节点向周围存在的ROUTER参考节点发送并接收确认的数据采集机制,通过对3个最近ROUTER的参考节点进行RSSI值采集与处理,从而实现对目标节点的定位。通过实验,验证了该数据采集和位置估算定位方法的有效性。     

分步定位法在ZigBee定位系统中的应用

在几种常规定位算法分析基础上,提出一种新型分步定位法。通过利用待测移动节点最近的3个参考节点可快速计算出移动节点的坐标值,从而使定位算法更容易实现。实验结果表明,该方法在不增加任何硬件成本的前提下可显著提高定位精度并增强系统稳定性,同时降低环境噪声带来的测量误差。与常规定位算法相比,该算法可广泛应用于各种基于距离的定位场合。     

基于RSSI的ZigBee定位技术研究

ZigBee定位技术常常采用基于RSSI测距的原理。在研究传统的定位算法基础上,提出一种三边-加权质心定位算法,改进的算法以减小定位面积为目的,采用三边法确定定位三角形,在三角形中再根据以测试距离按影响大小设置的权值变量计算出未知节点的估计值。在基于ZigBee的硬件平台之上,验证了该算法较传统算法的误差更小,在测量距离较大时,优势更加明显。同时采用终端计算机进行算法处理,使各节点硬件结构简单,适合通信开销小、硬件要求低的节点使用。     

基于ZigBee网络的移动节点定位技术研究

无线传感器网络技术中,ZigBee技术以其低价格、低功耗、组网简单等优点被广泛地应用于移动节点定位研究中。随着TI推出业界首款带硬件定位引擎片上系统(SoC)解决方案CC2431,移动节点定位可以通过硬件来实现。但基于ZigBee的RSSI无线定位精度受定位环境影响,会造成很大定位误差。针对此问题,分析了影响定位精度的两个阶段:测距阶段和计算阶段。测距阶段对信号传输模型中的两个关键参数A和n值进行改进和优化,以得到更符合实际环境的参数值。计算阶段采用修正权值三角质心算法以提高主要数据的权重,避免次要数据的影响。通过仿真测试发现,本算法定位精度高,稳定性好,具有较好的实用价值。     

基于ZigBee技术的井下人员定位算法研究

物联网是嵌入式计算机与物理设备紧密耦合的系统,在智能交通、智能医疗、智能煤矿等领域的应用日益广泛。然而,如何有效地设计出基于ZigBee技术的人员定位算法成为具有挑战性的研究课题。在分析国内外现有定位技术优势和缺陷的基础上,提出了一种一维环境下基于Zigbee技术的井下人员定位算法。该算法利用滤波、惯性导航等算法对计算结果进行优化,在保证定位信息实时性的同时,提高了定位精度和人员运动轨迹的真实性。通过实际煤矿所采集的数据,验证了算法的可行性及有效性。     

一种基于无线传感器网络的星球漫游机器人定位算法

在总结国内外星球机器人定位算法的基础上，利用无线传感网络技术，提出了综合RSSI算法(接收信号强度指示)和切圆圆心法的RCM算法(接收信号强度指示与切圆圆心混合定位算法)，并给出了理论模型．仿真分析结果证明了该算法的有效性，在RSSI测距误差散布达到50%时，定位误差可降到10%以内．     

基于ZigBee煤矿井下人员定位算法的研究

针对我国煤炭行业生产安全管理现状,进行人员的精确定位,是解决煤矿安全问题的方法之一。根据目标跟踪对定位算法的要求,对ZigBee无线传感器网络节点定位算法进行设计,采用基于RSSI的补偿定位算法进行定位,该定位算法是一种用于煤矿井下人员跟踪的比较准确的定位解决方法之一。     

无线传感器网络节点定位技术应用

通过应用无线传感器网络定位技术，构建了一个人员监控系统。系统可以对人员位置进行实时定位，避免了因事故发生却不能确定事故地点造成的问题，减少了许多不必要的损失。目前，该系统已经处于运行和维护阶段，运行效果良好。     

基于BP神经网络的ZigBee无线定位技术

提出一种利用BP神经网络算法与RSSI测量值结合的新型定位方法。该方法首先建立一个定位环境模型,设定有限个数的参考节点．通过实测一定数量RSSI一坐标数据组作为样本数据训练得到一类BP神经网络模型。完成后的BP网络模型可用于盲点坐标的定位。实验表明,该方法具有较好的定位性能。     

ZigBee技术中基于RSSI测距的定位算法研究

采用CC2430/CC2431为核心芯片设计ZigBee节点,并采用此类节点构成一个ZigBee定位网络。根据节点接收信号强度(RSSI)的模型,估计出盲节点与参考节点的距离,并采用最小二乘法对估计的距离进行修正。选择3个接收信号强度最强的参考节点,根据修正的距离采用三边测量法估计出盲节点的坐标。实验表明,修正后的定位精度高于修正前的定位精度。     

基于ZigBee技术的无线定位研究与实现

随着无线传感器网络越来越普遍地应用到人们的生产生活中,确定事件发生的位置对无线传感器网络应用的有效性起着关键的作用.尤其在复杂的环境,经常需要确定移动设施的准确的位置信息.但是由于精度、复杂环境,以及定位时间等条件的限制,现存定位技术存在一定的缺陷.文中研究了ZigBee协议技术特点和定位技术,根据社区复杂的环境,采用多种定位算法相结合的方法,并分析其优缺点,利用ZigBee技术实现一种较低成本、较低复杂度的社区定位系统.并用计算机进行仿真实现.结果表明,该定位方法具有功耗小、定位精度高的特点,具有一定的应用价值.     

一种基于无线传感器网络的RF定位算法研究

提出了一种全新的RF定位估测方法。测量了在锚节点中的未知节点收到的信号强度,然后转换信号强度的信息为距离的估测。使用这些估测得到了一种未知节点的概率分配模型并终于找到了概率最大时候的位置,由此作为结果。实验中采用了Matlab作为仿真工具,而所得到的结果相比先前的定位方法有一定的优势。     

基于ZigBee心电监护网络定位方法的研究*

提出了一种利用TDOA技术和bounding box算法相结合的节点定位方法。通过对ZigBee心电监护网络模型的分析,利用超声波测距方法实现了心电监护网络内未知终端节点与路由器节点的有效距离测量,并利用bounding box算法计算出终端节点的坐标值。给出了定位方法实现过程的具体描述并进行了系统测试实验。结果表明该方法定位精度较高,可以满足心电监护网络定位要求,有较好的推广价值。     

基于ZigBee的医院病人追踪定位系统设计

介绍了一种基于ZigBee技术的医院病人追踪定位系统的设计,该系统以CC2431集成的RSSI定位引擎为核心,结合定位参考节点实现对病人的追踪定位功能。阐述了系统的结构和硬件电路设计,重点分析了定位引擎的工作原理及其软件操作,并针对定位引擎在实际应用中的不足提出了两点改进措施。     

基于RSSI的WSNs加权质心定位算法的改进

针对无线传感器网络(WSNs)定位算法定位精度不高的问题,提出了一种基于RSSI测距的质心(Centroid)算法和加权质心(W-Centroid)定位算法相结合的新的定位方法WR-Centroid.该算法主要通过RSSI测距得出4个参考节点到未知节点的距离,再任选3个距离为半径,以相应的参考节点为圆心画圆得到3个圆的交叠区域,构成一个三角形,求出这个三角形的质心.依照这种方法,求得4个质心坐标,利用加权质心定位算法求出未知节点的坐标.仿真结果表明:该算法比加权质心定位算法精度有很大的提高.     

无线传感器网络质心定位算法研究

节点定位是无线传感器网络中的关键技术之一.质心定位算法完全依赖于锚节点的密度大小及分布情况,锚节点的密度较小且随机分布,所以质心定位算法的定位精度比较低.为了提高节点定位的精度,提出了一种改进的无线传感器网络质心定位算法.在质心定位算法中引人接收信号强度(RSSI)信息,利用RSSI计算节点间点到点的信号强度,并把信息强度值转换成距离值,取倒数作为质心算法权重值,通过质心定位算法对未知节点坐标进行计算,得到节点的具体位置.通过仿真对算法进行测试与分析,仿真结果表明,算法定位的误差减小,提高了节点定位精度,是一种有效的定位算法,为网络设计提供了依据.     

一种自适应煤矿井下环境的加权质心节点定位算法

为提高煤矿井下无线传感器网络节点定位精度,提出了一种自适应煤矿井下工况环境的加权质心节点定位算法;在信标节点双链式部署结构的基础上,首先利用未知节点周围RSSI信号强度最大的信标节点之间的位置信息和信标节点的平均RSSI值自适应地估计环境参数,再应用无线信号强度衰减模型计算未知节点到信标节点的距离,最后采用加权质心定位算法的平均值确定最终的节点位置坐标;仿真实验结果表明,所提出方法的平均定位误差为0.94m,有效降低了环境因素及RSSI的随机性对定位精度的影响,可用于煤矿井下无线传感器网络节点实时定位系统中。     

基于RSSI的高精度实时室内人员跟踪定位的改进

在能量有限的网络节点中,利用RSSI测距只需较少的通信开销和较低的实现复杂度.实际应用环境中,由于受不同的传播方向和传播介质的影响,在定位过程中产生的距离误差比较大.在此算法的基础上结合平滑算法,提出了增强型RSSI算法.增强型RSSI算法是将前一个 RSSI的值大小与当前的做一个平滑动作,主要降低移动目标的动能波动,从而对室内的人员进行更加精确的跟踪定位,通过与简单的RSSI进行比较,仿真验证了平滑算法的定位的精确性与有效性.     

基于机器学习与蓝牙RSSI的室内定位技术研究

对一种基于蓝牙RSSI(received signal strength indicator)结合机器学习算法的室内定位技术进行了研究。以蓝牙低功耗信标作为发射节点,接收移动节点的RSSI信号,通过三坐标测算技术,结合k近邻（k-nearest neighbor, k-NN）机器学习算法,参考已知信标节点对移动节点RSSI数据进行分类,估算出待测点坐标,从而定位室内用户位置。所研究的室内定位技术,综合运用了蓝牙低功耗信号处理、RSSI测距及机器学习等多种技术,能精确地用于各种静态或动态的应用室内定位场景。在某高校图书馆室内部署本文技术方案,测试结果表明机器学习结合蓝牙RSSI的室内定位精度相比传统定位方法得到提高。     

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。