基于ZigBee技术的矿井人员定位算法研究

在煤矿井下安全生产系统中,对井下人员的精确实时定位是一个很重要的任务之一。ZigBee技术以它低功率、低成本、低复杂性等特征,被大量的应用在煤矿井下定位系统中。研究一种基于ZigBee技术的煤矿井下人员新定位算法,采用最邻近的信号强度（NNSS）指纹匹配在煤矿井下进行初步定位,然后运用动态三边测量（DTN）对移动节点进行精确的测距定位,并与其他的经典的定位算法进行比较,结果证明了这种算法是可行的,且明显的能够提高定位的精确度。     

ZigBee室内定位系统定位精度优化算法研究

基于ZigBee进行室内无线定位系统的开发已经成为热点,这是由于采用无线通信可以节省成本,使用也更加方便.但同时,基于接收信号强度指示(RSSI)的测距和定位易受多种因素的影响,使得测距和定位的误差都比较大.提出了针对室内小环境范围内的定位系统,提出了获取RSSI的方法(中值过滤和均值过滤)和定位的优化算法(基于极大似然估计法加权取均值的定位优化算法),通过两种方法的结合,提高了定位精度.同时,利用LabVIEW软件开发上位机.     

一种改进的ZigBee老年人定位系统设计

ZigBee是一种基于IEEE 802.15.4标准的低功耗局域网协议,具有高性能、低成本、低功耗等特点,并可以实现带有路由的组网功能。定位系统以CC2431单片机为核心,使用RSSI定位算法实现了定位功能。介绍了一种ZigBee无线定位系统,并阐述了系统的硬件组成、软件实现和定位方法。最后根据实际应用的需要对系统进行了改进,添加了老年人求助和警告功能。     

基于卡尔曼滤波的接收信号强度指示差值定位算法

针对频谱监测系统中被监测信号无法控制并且没有任何先验知识,只能通过对信号被动监测,即接收与处理信号来估计信号源位置的要求,该文提出一种基于接收信号强度指示差值(RSSID)的定位算法,并利用卡尔曼滤波提高其定位精度。该文将两监测站之间的RSSID转换成信号源到两监测站的距离之比,根据距离之比构造定位方程矩阵,进而利用最小二乘法求取信号源位置。仿真结果表明：所提算法比经典RSSI定位算法性能更优,降低了环境因素对定位精度的影响,并且能更好地满足参数较少的定位服务需求,可以有效地应用于频谱监测系统中。同时,卡尔曼滤波可以有效改善系统的定位精度,达到预期的定位效果。

     

基于改进接收信号强度指示的室内定位算法

为了提高室内环境节点定位精度,针对传统定位算法的不足,提出一种改进接收信号强度指示的室内定位算法。首先通过神经网络对各锚节点接收信号强度的权值进行拟合,得到路径损耗模型的参数值,然后利用最大似然法对未知节点进行定位,最后采用仿真实验测试其性能。结果表明,相对其它室内定位算法,本文算法提高了室内定位的精度,降低了平均定位误差,可以满足室内定位的实时性要求。     

ZigBee网络容忍恶意攻击的安全定位算法

该文提出一种基于进化思想的容忍恶意攻击安全定位算法(ELAMP)。依据最大似然估计概率模型,结合接收信号强度(RSS)标准差与距离的分布关系,建立ZigBee网络安全定位模型。进一步,设计进化算法对模型进行求解,并分析了算法的收敛性和时间复杂度。实验结果表明,当恶意节点比例不超过50%的情况下,所提算法的定位精度明显优于已有定位算法。     

基于修正RSSI值的加权质心定位算法

针对利用接收信号强度指示（RSSI）进行节点定位时,RSSI值易受到环境因素的影响导致定位误差。为减小定位误差,在修正加权质心定位算法的基础上,使用卡尔曼滤波对连续采集到的RSSI值进行最优化处理,实现实时状态的预测和估计,使测距结果尽可能接近实际距离,为后续的定位提供更准确的数据。仿真结果显示,相比于之前的算法,改进算法减小了定位误差,提高了定位准确度。     

一种改进型栅格划分的概率定位算法

基于接收信号强度指示(RSSI,Received Signal Strength Indicator)的定位算法,由于无线信号受到多径衰减、障碍物、噪声等因素的影响,定位误差值一直较大.通过对基于RSSI定位算法的分析,在矩形栅格划分概率定位算法的基础之上,提出一种改进型算法——三角形栅格划分概率定位算法.实验结果显示,节点定位误差进一步减小,进一步提高了节点定位精度.     

面向ZigBee网络节点安全定位的消息签名方案

针对ZigBee网络节点定位中消息的安全性问题,该文提出一种带隐私保护的消息签名方案。方案基于椭圆曲线(ECC)上的无双线性对运算,设计了带身份隐私保护的定位请求消息签名算法和坐标隐私保护的定位参照消息签名算法。理论证明了所提方案可抵御伪造攻击、重放攻击等多种外部攻击,同时具备隐私保护、身份追踪等功能。性能分析结果表明,与同类方案相比,所提方案计算开销和通信开销均具有优势。

     

基于WiFi-BP的室内定位算法

针对设备差异性造成信号偏差从而影响定位精度的问题,提出了一种结合BP神经网络和加权质心定位算法的室内定位算法。文中通过离群点检测算法对不同手机的RSSI数据进行清洗,并以清洗后的数据作为BP神经网络的数据源进行模型训练,得到了一种稳定的非线性的BP模型。在此基础上,结合改进的室内定位算法进行室内定位。实验结果表明,文中所提定位算法的均值误差、最小误差和最大误差分别为为0.58 m、0.24 m和1.06 m,定位精度明显高于现有的同类算法。     

基于WiFi的室内定位算法的研究

随着现代社会科技水平的不断提高和通信技术的愈加完善,定位技术受到了用户越来越多的关注.WiFi定位技术具有在室内获取便利、 覆盖范围广、 信息传输速度快和搭建成本低廉等优点而得到了广泛的应用.提出了一种基于WiFi技术的位置指纹定位算法,称为快速定位算法,极大地提高了计算效率,并且仍然能够保持室内定位的精确性.基于此,设计并实现了应用于Android终端的室内定位系统.     

基于ZigBee室内定位加权质心法研究

基于RSSI的测距技术是一项低成本距离测量技术被广泛应用于距离定位的领域中。本文在对室内特殊环境中节点分布分析和研究的基础上,提出了一种新的加权质心定位算法。用信标节点对未知节点的不同影响力来确定加权因子,进行加权质心算法定位。在ZigBee平台进行实验,结果表明在近距离测距时,其定位平均误差在2m以内。     

Indoor Wi-Fi Positioning Algorithm Based on Location Fingerprint

Mobile Networks and Applications - Currently most of the existing indoor fingerprint positioning algorithms are based on fingerprint database. The accuracy of the fingerprint database will directly...     

多距融合室内定位算法研究

目前WiFi在室内环境中使用频次高,用户在通过两个相邻AP时会发生AP切换,并累计产生大量WiFi访问日志。WiFi日志中包含定位所需的接收信号强度指示符,在定位系统中直接利用WiFi访问日志中的数据,将极大地简化定位部署复杂度。文中提出了一种在两个相邻AP环境下,基于WiFi日志的多距融合室内定位算法,并通过实验仿真将新算法与路径损耗模型定位方法进行对比。实验结果表明,新算法具有易部署、低成本、低复杂度等特点,当训练样本个数达到300时即可达到稳定定位效果。     

一种基于TC-OFDM系统的室内定位算法

为了保证火灾时人们安全有序撤离及方便消防救援工作,对室内定位技术在消防救援中的应用进行了研究,提出一种基于TC-OFDM(Time&Code Division-Orthogonal Frequency Division Multiplexing)系统的室内定位新算法。该算法根据接收定位基点数目的不同采取不同处理流程,可以满足应用对鲁棒性要求。算法通过气压测高获得高度数据,实现了室内三维空间定位。为了提高定位稳定性,算法增加了加权滑动平均滤波后处理。使用TC-OFDM实验测试系统对新算法进行了性能测式,水平定位误差约为3 m,垂直定位误差为0.5 m。     

基于核直接判别分析和支持向量回归的WLAN室内定位算法

该文针对RSS信号的时变性降低WLAN室内定位精度的问题,提出了一种新的基于核直接判别分析和支持向量回归的定位算法。该算法利用核直接判别分析对原始RSS信号进行定位信息重组,去除冗余定位特征和噪声,提取最具判别力的定位特征,然后采用支持向量回归算法建立定位特征与物理位置的映射关系。实验结果表明,提出算法的定位精度明显高于传统定位算法,且大大降低了离线阶段数据采集的工作量。     

基于RSS的室内可见光差分修正定位算法

可见光通信技术是利用白光LED同时实现照明和通信的新型通信技术,为室内定位技术提供了新的可能.针对可见光通信中接收信号强度RSS随机波动较大的问题,提出一种基于RSS的改进的差分修正定位算法,通过将各个参考节点分别作为差分修正参考节点进行定位修正,规避了设定参考节点权重过大的问题.该定位算法有效地提高了室内定位精度,无需增加额外硬件设备,计算量小,容易实现.仿真结果表明,该定位算法在5m×5m×3m的空间区域中能够实现约15 cm的平均定位误差性能.     

基于MEA-GRNN的RFID室内定位

针对采用遗传算法(Genetic Algorithm,GA)优化广义回归神经网络(Generalized Regression Neural Network,GRNN)的射频识别（Radio Frequency Identification,RFID）室内定位模型存在的早熟、收敛速度慢、不能保证解是全局最优等问题,提出采用思维进化算法(Mind Evolutionary Algorithm,MEA)来寻找广义神经网络的最优光滑因子,从而确定最优定位模型。首先用GRNN建立节点定位模型,阅读器与标签的接收信号强度值作为GRNN的输入,节点坐标作为输出,根据适应度函数值,通过MEA寻找GRNN的最优平滑参数。实验结果表明,通过MEA优化的GRNN模型的定位精度比GA优化的GRNN定位模型的精度高、泛化能力强,并且比后者的效率高,能够避免GA陷入局部最优的问题。     

基于多层神经网络的超宽带室内精确定位算法

选定 IEEE802.15 信道模型工作小组提出的IEEE802.15.4a模型作为超宽带室内定位的普遍适用模型。在研究了传统室内定位算法的基础上,利用多层神经网络技术,对到达时间差和到达角度混合算法进行改进,并做了仿真分析。仿真结果显示,定位精度明显提高,效果理想。