蓝牙连接模式对室内定位性能的影响

基于低功耗蓝牙(BLE)接收信号强度标识(RSSI)测量的位置指纹定位是最常见和有效的室内定位方法之一。然而,BLE通信协议并非专门为定位而设计,不同通信连接方式下的蓝牙设备测距性能差异较大,显著影响着定位精度。针对这一问题,对不同连接模式下的BLE设备RSSI测距性能进行了测试和分析;进一步地,利用自行搭建的室内定位环境开展实验,验证了其对用户实际定位精度的影响。测试结果表明,当BLE模块设置为"不可连接模式"时,设备RSSI测距稳定性提高了约60%、用户在线定位精度由1.40 m提高到了0.58 m,能够获得明显更优的性能,是室内BLE定位系统的优选通信连接方式。     

基于RSSI的室内测距模型优化技术

由于室内环境下基于接收信号强度指示(RSSI)的测距技术存在非视距和多径传输的影响,测距误差比较大.为了降低信号传播过程中受到干扰的程度,通过调节节点功率、将节点放置在较高位置以减少人流对信号的影响,并采用多重滤波算法对采集的RSSI进行数据滤波处理,得到RSSI值的准确、平滑输出,采用最小二乘法多次对信号衰减模型的参数进行拟合,得到满足具体环境的参数值,通过测距模型进行实时测距.通过低功耗、远距离的蓝牙4.0模块组建收发节点进行验证分析.实验结果表明:该改进方案不仅明显提高了室内测距模型的准确度,且在实际应用的推广具有很高的参考价值.     

Bessel函数测距模型的RSSI测距方法

针对现有RSSI测距方法中,影响测距精度的RSSI测量值难以准确估计和RSSI值与距离对应衰减关系不明确的问题,给出一种基于Bessel函数测距模型的RSSI测距方法。首先对RSSI原始测量数据进行异常值剔除,滤波和凸优化提取趋势项的预处理,然后建立基于Bessel函数的测距模型,基于预处理所得光滑数据,利用最小二乘法辨识测距模型中未知参数,从而得到具体测距模型表达式。基于实测数据对所提方法进行实验验证,与Shadowing模型、分段函数测距模型对比,结果表明,Bessel函数测距模型的RSSI误差均值在1.8dBm范围以内,能更有效反映RSSI值衰减关系,提高了测距精度且计算开销不大。     

狭长空间基于人体穿透损耗模型的组合定位方法

狭长空间定位问题普遍存在于室内定位应用场景中,虽然传统基于RSSI（Received Signal Strength Indicator）测距的定位方法简便易行,但是狭长空间RSS的波动性以及人体对无线信号的遮挡会严重降低人员定位精度。本文在分析了人体穿透损耗对狭长空间定位影响的基础上,提出将RSSI测距与扩展卡尔曼滤波定位算法组合实现定位,即在中等尺度（5λ~50λ）内采用基于人体穿透损耗模型的RSSI测距方法定位,在大尺度（>50λ）内采用基于人体遮挡修正模型的扩展卡尔曼滤波算法定位。实验表明该方法在狭长空间的定位精度明显优于RSSI测距定位方法。     

无线传感器网络在地震区山地灾害监测中的空间定位算法

在用无线传感器网络对地震区山地灾害进行监测的过程中,定位起到了重要的作用;通过对无线信号衰减模型的研究,在RSSI测距方法存在误差的基础上,提出了一种基于ERSS和RSSI校验相结合的EVRSSI三维定位算法;该算法对硬件要求不高,能够适应地震区山地灾害监测环境的要求,在定位精度上也有了一定的提高;模拟实验表明本算法的定位误差为0.26m,在允许存在较小误差范围内可以应用于地震区山地灾害监测的定位中.     

无线Zigbee传感网RSSI定位技术研究

基于Zigbee通信技术的无线传感网是最具应用前景的一种网络模式,定位信息对网络数据有重要的辅助作用。文中提出了一种基于接收信号强度指示（ RSSI）值的无线Zigbee传感网测距定位技术,从理论上提出了基于RSSI的节点测距定位处理算法,并从实践上提出了CC2530测距定位模块实现方式。最后通过在实验室环境的实际距离与RSSI值的测试,得到了RSSI值与无线通信距离之间的实验结果,通过最小二乘法进行曲线拟合,得到了RSSI测距的实测公式。     

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的室内定位算法优化技术

定位技术在无线传感器网络中有重要的作用,针对基于RSSI的室内定位误差较大这一问题,通过对RSSI测距模型进行分析,提出一种基于RSSI的室内定位算法的优化方案。该方案将整体环境进行分割,对分割后的子区域进行环境参数拟合,同时对参考节点的可靠性通过权值进行衡量,取可靠性最高的三个参考节点完成定位,从而减小定位误差,通过Zigbee模块进行验证分析。实验表明,该改进方案明显提高了室内定位的精度。     

基于RSSI自适应选择定位算法的研究

在基于RSSI(Received Signal Strength Indication)的Wi-Fi室内测距定位技术研究中,首先利用对数距离衰减模型进行测距,然后针对定位精度不高的问题,这里提出利用RSSI自适应选择定位算法的方法,即在定位阶段,当满足能够准确确定定位节点所在的最小区域条件时,采用加权质心定位算法,加权因子由1/d表示;当不满足条件时,采用最小二乘定位算法。实验结果表明,自适应选择算法可避免一般加权质心算法由于最小区域的错误锁定而造成的定位误差大的弊端,同时也解决了最小二乘算法在边界区域定位精度难以控制的问题,若考虑定位误差在5m以内的情况,该算法可使35m的走廊定位准确率达到85.7%,较单独采用一般加权质心算法或最小二乘法,定位精度都有较大提高。     

无线传感器网络AMRSSI加密调制定位算法研究

RSSI定位技术在无线传感器网络实际应用中,由于环境的开放性,信号很容易受到敌方的攻击,从而使系统的定位产生错误;通过对RSSI测距定位模型进行分析,提出了基于RSSI新的加密调制定位算法AMRSSI,该定位算法计算简单、保密性强、受外界干扰小;仿真实验表明该算法较普通的基于RSSI的测距方法定位精度上有了明显的改进,适合在通信开销小、硬件要求低的传感器网络节点上应用。     

RFID旋转天线中的椭圆模型室内定位算法

传统的基于RSSI测距的RFID室内定位系统需要多台天线同时进行测量，使得定位系统部署成本昂贵。而目前只使用一个天线的RFID旋转天线定位方法由于需要测量最大信号强度的角度，需要长期搜索标签，导致系统无法长期稳定工作。为了解决上述问题，提出在天线旋转过程中，获得不同特定角度的等信号强度轨迹，再通过遍历方法求两个椭圆模型的交点，实现定位。最后将该算法在硬件装置上进行了实验，结果表明平均定位误差达到0.754?m，与传统RSSI定位算法相比可以减少36.19%左右的硬件部署成本，同时解决了读写器容易发热的问题。     

基于双神经网络的RFID室内定位方法

在室内定位中,传统的RFID定位方法由于方法简单,无法随着室内环境的变化准确估计当前的路径损耗系数,存在受环境影响大,定位精度不高,实时性差等缺点.为了解决以上问题,提出一种基于双神经网络模型的室内定位算法,建立BP网络和DNN网络的双神经网络模型,将采集到的RSSI信号值预处理后输入到BP网络模型中,输出路径损耗系数n,再将接收信号强度值RSSI和通过BP模型得到的路径损耗系数n作为输入,输入到DNN网络模型中,得到待测标签的精确定位坐标.实验表明,与传统的基于RSSI和基于ANN模型的室内定位算法相比,本算法有效提高了定位精度和定位实时性.     

基于RSSI信号特征的室内分区指纹定位算法

为提高室内定位精度和算法效率,提出基于RSSI信号特征的分区指纹定位算法。在离线阶段,区别于传统的使用RSSI信号构建离线指纹库的方法,设计使用RSSI信号衰减率建立离线指纹库;在在线定位阶段,针对使用欧式距离进行相似度计算时,容易出现两个点RSSI信号欧式距离较近而物理距离较远的情况,提出使用RSSI信号衰减率进行子区域划分,引入SSD的思想使用二级指纹进行精确定位。通过实验验证了该算法的适应性与有效性。     

基于无线传感器网络的低功耗室内定位系统

提出一种实现室内定位的无线传感器节点架构,定位节点的设计采用低功耗微控制器MSP430F1611和符合ZigBee协议的无线收发芯片CC2420.通过测量参考节点和移动节点之间的接收信号强度(RSSI),利用射频衰减模型,在三边测量法的基础上采用质心定位算法,计算出移动节点的位置信息.初步实验结果表明:提出的定位算法在...     

基于RSSI的室内信号衰减模型的研究

根据无线传感器网络中RSSI的信号传播的特性,给出了基于RSSI的室内节点的测距模型.随着距离的增加,信号衰减越来越不明显,对测距造成的误差也越来越大,给出了室内空间附加因子路径传播模型,并与常用的阴影模型做了对比,实验结果表明,该模型有较高的精度.     

Environmental-Adaptive RSSI-Based Indoor Localization

This paper addresses a novel method for localizing a stationary object in an indoor office environment. The proposed method utilizes the received-signal-strength index (RSSI) of radio signals radiating from fixed reference nodes and reference tags placed at known positions to generate a precise signal propagation model. Signal attenuation parameters are updated online according to environmental variation; thus, the proposed method has environmental-adaptation capabilities. Subsequent experiments were conducted to demonstrate the superiority of the proposed technique over a commercial location-based service (LBS) chipset.     

基于混合滤波和节点自适应校正模型的测距算法

采用混合滤波法过滤异常的RSSI值并估算优值,由节点自适应校正模型消除路径衰减因子,解决了RSSI测距误差较大的问题。由此提出了基于混合滤波和节点自适应校正模型的测距算法。通过实验证明,混合滤波优于常用的几种滤波法,节点自适应校正模型无需测试路径衰减因子,能直接适用于不同环境,并且随着节点个数的增加,测距误差会进一步降低。相比于未采用此模型的情况,该算法能大大降低测距误差和成本,提高RSSI测距的实用性。