共查询到18条相似文献,搜索用时 125 毫秒
1.
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
2.
3.
4.
5.
基于RSSI测距的室内定位技术 总被引:7,自引:1,他引:7
搭建了基于ZigBee技术的室内定位实验平台,以实验室楼道为室内场景进行了接收信号强度(RSSI)测距和定位实验研究。首先对测距实验采集到的数据使用线性回归分析拟合出当前环境的具体测距模型,并对信标和未知节点进行软件开发,实现了基于RSSI的定位算法。经过定位实验精度评估,文中算法的平均定位误差为2.3 m,满足大多室内场景要求。 相似文献
6.
提出了一种采用最小二乘法对环境参数进行拟合的方法,获得损耗模型,同时对所测得的RSSI数据进行高斯处理并优选信标节点,最后对目标节点采用改进后的三边测量定位算法进行节点定位.实验结果表明,本算法定位受环境因素影响减小,比传统RSSI定位算法精度更高,可应用于无线传感器网络中. 相似文献
7.
8.
9.
无线传感器网络的关键问题是实现节点的精确定位。为了解决基于RSSI的无线传感器网络三角形质心定位算法在有些情况不适用的问题,本文提出一种新型的基于RSSI的精确室内定位算法,此算法提出了虚拟信标节点的概念并用此来修正未知节点位置。实验表明,该算法具有较高的定位精度,能满足大多数的应用场合,具有一定的实用价值。 相似文献
10.
无线传感器网络中节点规模大、能量有限、可靠性差、随机部署,无线模块的通信距离有限,虽然运用全球定位系统是个很好的选择,但是其体积大、成本高、能耗多而且需要基础设施,不适用于低成本、自组织的无线传感器网络。通过研究发现,基于信号幅度衰减测距的水下定位方法不仅能够满足无线传感器网络节点定位的要求,而且其成本较低,易理解及操作,精度高。 相似文献
11.
提出两种在WLAN环境下利用RSSI值与距离之间关系进行定位的匹配算法。分别对两种算法的原理进行理论分析,建立算法实现的模型,使之在不同情况下都能够精确地计算匹配结果。提出实现算法的基本流程,并对算法本身的特点进行了理论分析。分析表明通过该方法的修正可以明显改善定位的精度。 相似文献
12.
13.
14.
无线传感器网络的许多应用都和节点的位置紧密相关,节点自定位成为当前研究的一个热点。针对信号强度受环境影响较大,提出了接收信号强度自校正定位算法。该算法利用信标节点实际测量信号确定无线信号传播损耗模型,采用组合3边测量获得节点坐标估计值集合,再用加权质心方法确定节点的最终坐标。仿真结果表明,该算法较传统的基于接收信号强度定位方法定位精度有了明显的改进。 相似文献
15.
利用无线传感器网络在对消防员定位的相关研究中,采用GPS单一机制的方法在室内定位时会受无GPS信号影响而无法定位,而采用单一信号强度的方法时,由于没有坐标信息,无法计算出消防员的位置信息。利用GPS及信号强度结合的方法,借助于利用GPS节点,利用信号强度损耗模型计算出消防员所在位置坐标,然后利用插值方法绘制出消防人员整个过程的行驶轨迹,给指挥员提供实时的形象直观的显示。通过实验仿真验证了算法的可行性。 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.
节点位置的确定是无线传感器网络的应用基础.为了提高传感器网络节点定位的精度,利用转移矩阵和观测矩阵噪声之间的关系,采用约束总体最小二乘算法求解时差定位问题.通过将定位问题转化为一个约束总体最小二乘问题,然后又将有约束问题等价为无约束的问题,利用Newton算法进行迭代求解.最后计算机仿真结果验证了该算法的有效性. 相似文献
18.
基于RSSI分布模型的RFID定位算法 总被引:1,自引:0,他引:1
通过大量的测试数据对标签的信号传播随距离衰减性和随时间波动性进行分析后,提出一种通过建立各个采样点上的信号强度分布模型来进行定位的方法。仿真结果证明,在196 m~2的区域里,该算法实现58.33%的待定位标签误差范围在1.5 m以内,75%的待定位标签的误差范围在2.5 m以内。 相似文献