基于RSSI的自适应分段曲线拟合室内定位算法

针对室内环境因素对定位结果影响较大的情况,提出了一种基于接收信号强度指示（ RSSI）的自适应分段曲线拟合定位算法来提高室内定位的精度。在对原始RSSI数据预先进行高斯滤波处理的基础上,针对环境参数利用自适应分段曲线拟合的方法建立信号传播模型,最后采用最小二乘法计算出未知节点的坐标。实验结果表明：提出的算法定位精度更高,定位结果更稳定可靠,能够适应不同的室内环境。     

基于RSSI方法的井下人员定位系统原理与设计

提出了一种基于RSSI方法的井下人员定位系统的设计方案,阐述了井下巷道数学建模方法和人员定位基本原理,重点介绍了该井下人员定位系统的硬件和软件实现方案。该系统通过在井下关键点布置无线传感器测点获取井下工作人员的RSSI信息,实现了实时追踪定位功能。     

一种基于RSSI测距的室内自适应智能定位算法

为进一步提高定位精度,提出一种改进的三边定位算法:根轴定位算法,并将路径损耗指数(PLE)的实时值运用在根轴定位算法中,形成自适应智能定位系统.计算机仿真结果表明:该算法具有更小的定位误差,改善了系统的稳定性.     

基于RSSI测距的WiFi室内定位算法研究

考虑AP(接入点)部署高度对定位精度的影响,提出了一种消除高度影响的加权质心定位算法.首先对采集的RSSI(接收信号强度指示)进行高斯拟合和Kalman滤波,根据室内信号传播模型得出终端与AP的距离;然后用几何方法对垂直距离做了消除,得出AP和终端的平面距离;最后用消除高度影响的加权质心定位算法计算位置.对于多层建筑物,还提出了一种楼层识别方法,结合二维平面定位构成近三维室内定位算法.在实验楼内用以上方法进行楼层识别,识别率可这100％.在大型教室进行定位实验,结果表明:改进后的算法相比传统定位算法在精度和稳定性上都有一定的提高.     

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.     

室内三维空间定位系统的RSSI特性分析

实验分析了参考节点倒置在天花板时室内三维空间无线传感器网络定位系统RSSI的性质。实验结果表明：相比于参考节点固定在水平面,将参考节点固定在天花板,RSSI有更好的集中性;根据室内三维空间的大小调整传感节点的发射功率,可以进一步提高RSSI的集中性;人员在发射节点附近会对RSSI产生影响,通过标准差大小可以判断节点附近是否有人或障碍物;在室内三维空间定位系统中采用基于RSSI的测距技术是可行的。     

基于接收信号强度（RSSI）的室内二次定位方法

提出一种用于室内定位的基于接收信号强度( RSSI)的二次定位方法。首先利用全网中已有节点的信息,建立已知节点的初始路径传播损耗指数,采用统计中值滤波来减少RSSI的粗大误差和干扰,然后利用RSSI初次定位的位置结果对传播损耗指数进行再次修正,最后进行二次定位解算,显著提高了未知节点的定位精度。通过仿真和搭建实验平台验证了该算法的有效性。     

一种基于RSSI的AOA估计算法

在无线传感器网络（WSNs）中,使用阵列天线进行到达角（AOA）估计存在成本昂贵和算法复杂度高的缺点,提出了一种基于接收信号强度指示（RSSI）的AOA估计算法。利用2个旋转的方向图部分重叠的定向天线接收RSSI值,通过双方向图求差法估计目标节点的AOA。实验结果表明：室内实验的AOA估计平均误差为6．7°,室外的平均误差为0．6°。该算法复杂度小,硬件成本低,适用于WSNs的节点定位。     

基于RSSI的无线传感器网络定位系统设计与实现

基于窄带无线信号的路径损耗和阴影衰落,直接建立多个锚节点值与待定位节点未知坐标估计量的解析关系,避免传统RSSI定位方法中常用的对两节点距离量的直接求解,减少信息丢失,提高定位精度;仿真分析了锚节点数量、遮挡因子、路径损耗指数等对定位精度的影响;采用CC2530无线传感芯片实现基于RSSI的无线传感器网络定位系统;系统采用8个锚节点分别在边长4m和10m的两个正方形区域内展开定位实际测试,结果显示其平均定位误差可分别降到0.175m和0.824m。     

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。     

一种基于RSSI的贝叶斯室内定位算法

为提高室内定位系统中基于接收信号强度指示(RSSI)的定位精度,提出一种基于RSSI的贝叶斯室内定位算法。在对RSSI信号进行高斯滤波预处理后,利用三角形质心算法计算未知节点的初始坐标,对该初始坐标进行贝叶斯滤波处理,得到更加准确的坐标。实验结果表明,该算法能降低定位误差,定位精度可达98%。     

基于WSN的井下巷道RSSI性能分析

随着物联网和无线传感网络的飞速发展,基于接收信号强度（Received Signal Strength Indicator,RSSI）的无线传感网络应用成为研究的热点。在井下巷道环境中,无线信号传输容易受到多径、反射、衍射和巷道壁的干扰,从而使其很难被准确地预测,为了准确地分析井下环境中的无线信号特性,基于一个实际的井下环境,部署了一个包含多个网络节点的无线传感网络,通过大量的实测实验,采集了大量的数据,分析了RSSI在井下环境中的各种特性。实验结果表明：RSSI在井下环境中也能具有较高的稳定性,其测距的平均误差在0.8 m左右。因此,在井下采用基于RSSI的测距技术是可行的。     

基于Zigbee室内定位系统的指纹库优化算法

Zigbee无线传感器网络的接收信号强度指示(RSSI)可以用来提供位置服务,使用RSSI建立指纹数据库设计定位算法能够得到良好的定位效果,但指纹数据库的采集和建立精度会直接影响到最终的定位精度,而一般方法建立的指纹数据库误差较大。为此,通过对Zigbee网络指纹数据库采集和建立过程进行研究,提出一种Zigbee网络中指纹数据库采集、建立及优化的算法。在定位区域将各采样点采集到的指纹数据库源数据进行滤波处理,建立高精度的指纹数据库。利用Zigbee平台组建无线网络进行实验,分别使用针对该定位系统提出的限定区域最邻近算法、限定区域加权最邻近算法、限定区域贝叶斯算法进行定位计算。实验结果表明,运用优化后的指纹数据库在短距离范围内定位平均误差可限制在1.5 m以内。     

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加权质心和GASA优化的WSN定位算法

针对无线传感器网络节点在自身定位中广泛存在较大的定位误差的问题,提出一种基于RSSI加权质心和GASA优化的无线传感器网络定位算法。该算法假设无线传感器网络中存在一定比例的位置已知的锚节点,利用RSSI加权质心算法计算未知节点与锚节点间的距离,建立以未知节点位置为参数的数学模型,用GASA优化算法计算最优解从而获得未知节点的位置,实现未知节点自身的定位。仿真实验的结果表明,当锚节点个数为30,算法的平均定位误差在10%以内,比RSSI加权质心算法降低了10%~15.5%左右,并且随着节点个数的增加平均定位误差降低。     

基于RSSI的测距差分修正定位算法

为了抑制RSSI误差对无线传感器节点自身定位精度的影响,以三边定位算法为基础,定义了个体差异差分系数、距离差分系数和距离差分定位方程,把离目标节点最近的信标节点作为参考节点对基于RSSI的测距进行差分修正,并将差分法和质心法相结合提出了一种测距差分修正定位算法。该定位算法无需增加额外硬件开销,容易实现,定位误差可小于2.5m,适合于处理能力和能量有限的无线传感器网络节点。     

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RSSI误差分析的无线传感器网络定位研究

提出了一种新的无线传感器网络定位算法,该定位算法主要用来有效处理无线传感器网络在实际应用地理环境中遇到的一些问题,使得算法更适应于实际应用环境。研究分析了在实际应用环境中,导致RSSI测距产生误差的两大因素,基于此提出了RSSI信号理论模型在线修正方法及使用三个网络节点来实现定位的方案,以减小RSSI误差对定位精度的影响。仿真实验结果表明,算法是有效可行的。