共查询到20条相似文献,搜索用时 15 毫秒
1.
《现代电子技术》2017,(11)
为了降低基于接收信号强度指示(RSSI)测距误差对节点定位的影响,解决RSSI测距定位误差较大的问题,提出基于RSSI高斯滤波的最小二乘支持向量回归机LSSVR定位算法(LSSVR-GF-RSSI)。LSSVR-GF-RSSI算法先利用高斯函数滤除误差较大的RSSI值,筛选出较准确的RSSI值,再依据这些值计算未知节点离锚节点间的距离。将这些距离作为LSSVR的输入,建立基于RSSI测距的LSSVR定位算法模型,最终,估计未知节点的位置。仿真结果表明,提出的LSSVR-GF-RSSI算法能够有效地降低均方定位误差,比传统的基于RSSI的LSSVR定位算法减少了约12%~20%。 相似文献
2.
基于接收信号强度指示(received signal strength indication, RSSI)测距的研究和应用领域很广泛,一直是物联网研究的热点. 为降低传统基于反向传播(back propagation,BP)神经网络的RSSI测距误差,文中提出一种基于K-means聚类算法对样本数据进行预处理的BP神经网络测距算法,来解决由于RSSI值衰减程度不同引起的不同距离区间RSSI值和真实距离之间映射关系不均匀的问题. 将K-means聚类算法应用于BP神经网络模型中,对样本数据进行距离区间划分,然后将已经分类好的数据分别输入BP神经网络建立网络模型并进行实验仿真. 结果显示:传统基于BP神经网络的RSSI测距算法的均方根误差为1.425 7 m;而经过K-means算法改进后的BP神经网络测距算法的均方根误差为1.288 7 m,降低了测距误差,并优化了目标RSSI值与真实距离的映射关系. 相似文献
3.
4.
针对基于RSSI测距的定位算法定位误差较大的问题,通过加入多组已知节点之间的距离和接收功率作为参考,提出了一种改进的RSSI测距算法,并将改进的RSSI测距作为最小二乘支持向量回归机LSSVR的输入向量,获得基于改进RSSI测距的LSSVR三维定位算法模型。MATLAB仿真结果表明,在节点随机分布的三维环境中,基于改进RSSI测距的LSSVR定位算法的定位误差比传统LSSVR定位算法减小了13.6%~21.2%,另外,可以通过增加已知节点数量等方法,进一步提高目标定位的准确性。 相似文献
5.
6.
自身节点定位是无线传感器网络的关键技术之一。本文对距离无关定位算法中的质心定位算法进行了分析,在基于RSSI的质心定位算法的基础上提出了一种新的校正RSSI测距值的加权定位算法。测距阶段将信标节点之间的距离和信号强度信息同时考虑在内进行RSSI值校正,权值选择阶段采用了修正传统权重的计算方法,权值取距离倒数之和。通过仿真证明,本文提出的算法相对于传统的加权质心定位算法有明显改进,获得较好的定位精度。 相似文献
7.
8.
9.
基于RSSI的室内无线网络定位技术研究 总被引:1,自引:0,他引:1
基于信号强度(RSSI)的测距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。基于RSSI测距的定位技术,通过线性回归分析对参数进行优化,引入高斯滤波模型,对RSSI值进行修正,提高了测距精度。采用泰勒级数展开对位置进行迭代计算,最后在TI的ZigBee平台上进行实验验证,通过仿真和实验验证了算法的可行性和优越性。与CC2431算法相比,该算法减小了定位误差,提高了定位精度。 相似文献
10.
11.
12.
13.
14.
15.
定位是无线传感器网络的基础问题之一,文章提出利用均值法对接收信号强度指示(RSSI)数据进行处理,筛选出RSSI值较优的锚节点,以解决RSSI易受干扰的问题,减小RSSI的测距误差。在此基础上,提出动态修正三维三边测量方法。该方法利用筛选出的RSSI值较优的3个锚节点进行测距,在一个移动锚节点辅助下进行三维三边定位,提高定位精确度。仿真结果表明,与传统三边测量定位算法相比,此方法可明显减少定位误差。 相似文献
16.
为了加强对基于RSSI的WSN定位算法的研究,采用基本的RSSI算法和自由传播模型,建立RSSI分析系统,实现WSN节点的RSSI值的捕获、节点RSSI值的分类存储、RSSI的实时查看、对存储的节点RSSI元数据的处理和分析、绘制不同节点RSSI值和距离的统计分布图.系统综合运用RSSI定位算法、TOA定位算法和三边定位算法,将待测节点的理论坐标与实际坐标进行对比分析,改进待测参数,从而将定位精度提高12%. 相似文献
17.
基于 RSSI 的无线传感器网络节点定位算法研究 总被引:2,自引:0,他引:2
节点位置信息是无线传感器网络应用的基础。基于RSSI(Receive Signal Strength Indicator)的测距技术因其低成本和低复杂度的优点而被广泛用于无线传感器网络的定位技术中。介绍了RSSI信号传输模型,在介绍无线传感器网络定位基本原理的基础上,分析了影响定位精度的因素。综述了近几年提出的无线传感器网络中基于RSSI的节点定位算法及其改进算法,现有基于RSSI定位算法的改进算法主要从测距精度改进、定位精度改进或误差修正改进等方面进行。最后,指出了基于RSSI的无线传感器网络节点定位算法的不足,并进行展望。 相似文献
18.
19.
20.
为了实现对赛车手进行实时定位以保障其安全,提出基于接收信号强度指示(Received signal strength Index,RSSI)测距的场地自行车的跟踪算法(Track Cycling Tracking based on received signal strength Index Ranging, TCTR)。TCTR算法的目的就是估计移动节点(自行车)和锚节点(教练)间的距离。依据对数正态衰落模型(Log-normal shadowing model, LNSM)和锚节点所接收的RSSI值,TCTR算法测量自行车和教练间的距离。为了提高测距精度,建立室内、室外的场地自行车实验,获取RSSI值和距离数据,再通过拟合,最终估计LNSM参数。仿真结果表明,通过优化LNSM参数,降低了测距的均方根误差。 相似文献