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.     

一种用于室内人员定位的RSSI定位算法

采用基于比较接收信号强度（RSSI）的测距技术,利用中值策略从锚节点多组测量值中选取最合适的RSSI值用于定位计算。针对算法用于室内人员定位的具体需求,采用室内环境下的无线信号传播模型,提出目标节点空间补偿模型,解决了因目标节点与锚节点处于不同平面导致定位误差较大的问题。最后验证改进算法的定位性能有较大提高。     

基于RSSI概率统计分布的室内定位方法

针对接收信号强度指示（Received Signal Strength Indication,RSSI）时变现象影响WLAN室内定位精度问题进行了研究,提出了一种基于RSSI概率统计分布（Statistical Probability Distribution,SPD）的加权K最近邻（Weighted K-Nearest Neighbor,WKNN）方法--SPD-WKNN方法。该方法首先利用SPD方法得到指纹点RSSI向量区间;然后运用SVM算法选取测试点K个近邻指纹点,计算测试点RSSI向量到每个近邻指纹点的最小欧氏距离;最后结合WKNN算法获取定位结果。实验结果表明,SPD-WKNN方法与NN、KNN、WKNN、SVR和LSSVM方法相比定位误差分别降低了47.3%、41.6%、31.9%、27.1%和16.3%,呈现了良好的定位效果;利用SVM算法的稀疏性明显减小了运算时间。     

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。     

多方位分组式WiFi室内定位算法

WiFi信号的多径传播受到室内环境很强的制约性,障碍物的遮挡和阻隔造成部分接入点(AP)的信号传输发生折射和衍射使得信号强度减弱,基于接收信号强度指示(RSSI)测距时易产生和真实距离很大的测量误差.与其他的室内定位技术相比,RSSI测距的WiFi室内定位技术在定位精度、功耗和成本方面具有很大的优势.本文提出一种新的定...     

基于粒子群优化的RSSI等弧三边定位算法

通过分析不同通信距离与接收信号强度指示(RSSI)的变化关系来选择满足定位要求的最佳通信距离.采用基于RSSI的等弧三边形布局,使待测节点运动轨迹始终位于信标节点的最佳通信距离内,以提高定位算法的测量精度.实验结果表明:相比传统的方形布局和三角形布局及改进三角形布局,等弧三边形布局平均定位精度分别提高81％,54％和48％;相对于传统三角形布局,等弧三边形布局面积覆盖率提升23％.提出的定位算法计算简单,无硬件扩展,成本相对较低.     

邻近参考标签权值的射频识别室内定位算法

介绍了VIRE算法和BVIRE算法的定位原理。在BVIRE算法的基础上,提出了一种基于邻近参考标签的权值的改进算法(简称WBVIRE算法)。该算法通过改进最近邻参考标签与待定位标签的信号强度的差值,重新设定邻近参考标签的权值计算方法,以得到更加准确的待定位标签的坐标,从而提高 BVIRE 算法的室内定位精度。实验结果表明, WBVIRE算法明显提高了室内定位精度。     

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。     

无线传感器网络中基于RSSI的加权DV-HOP定位方法

节点位置是无线传感器网络应用不可缺少的信息。DV-HOP算法是一种常见的无线传感器网络节点自定位算法。标准DV-HOP算法在计算跳数时并未根据邻居节点间距离对跳数进行加权处理,导致当邻居节点间距离差别较大时算法定位精度低的问题。从RSSI的耗散模型可看出,RRSI可以作为距离的比征,提出一种基于RSSI的DV-HOP加权算法。该算法基于节点接收信标节点位置元组时的信号强度（RSSI）对邻居节点间跳数进行加权处理,将节点间的跳数与距离相关联。仿真实验结果证明该加权算法可大大提高定位精度。     

基于阈值分类及信号强度加权的室内定位算法

为了减小室内复杂环境下接收信号强度值（RSSI）波动和个别信标节点被干扰对定位精度的影响,提出一种基于阈值分类及信号强度加权的室内定位算法。先根据室内环境的路径损耗特征,对各参考点进行分类并分别确定其匹配阈值,再将接收信号强度作为参考权重进行加权定位,最终得到更为精确的节点位置。实验表明,该算法能减小RSSI随机抖动引起的误差,有效地削弱个别信标节点被干扰的影响,提高定位精度。     

无线传感器网络节点近点加权质心定位方法

节点定位技术是无线传感器网络（WSNs）的基础技术,具有重要的研究意义。质心算法与基于RSSI的质心算法是目前常用的定位方法,但前者定位误差大,后者对每个信标节点进行加权定位,这在提高精度的同时也增加计算量和干扰因素（如路径衰减因子等）。基于此,提出一种利用距未知节点最近的若干个信标节点的位置修正其他信标节点的位置的近点加权质心算法,以提高初次定位的精度。进而,可以通过改变最近点、次近点、所有点位置之和三者的权值对初次定位进行校正。仿真结果表明了所提算法的有效性。     

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。     

基于动态环境衰减的粒子滤波室内定位算法

针对精确的室内定位中节点受复杂环境的干扰带来因距离相同而位置不同的环境差异,造成定位精度不足和定位稳定性较差的问题,提出了一种新的动态环境衰减因子(DEAF)模型的算法。算法构造DEAF模型,且重新定义了其取值方式。在算法中,首先利用粒子滤波算法对接收到的信号强度(RSSI)进行平滑处理;然后利用DEAF模型计算目标节点的估计距离;最后用三边测量法求出目标节点的坐标。通过与几种常用的滤波模型进行对比实验,得出这种动态环境衰减模型结合粒子滤波的算法能很好地调和不同位置带来的环境噪声差异,算法使定位平均误差降到0.68 m左右,且在室内定位中有较高的定位精度和较好的稳定性。     

WSN中改进的MCB移动节点定位算法

考虑到蒙特卡洛盒移动节点定位算法中存在的定位精度低的缺陷,提出一种改进的基于RSSI的MCB定位算法。该算法依据节点接收的RSSI值缩小锚盒子区域;利用二次牛顿插值法预测节点运动轨迹,估算移动速度,进一步获取有效采样区域;然后依据采样盒大小自适应确定采样个数,避免多余样本的采集;最后借鉴遗传算法中交叉和变异思想优化采集过程。实验仿真结果表明在不同锚节点密度情况下,改进后的移动节点算法的定位精度始终优于传统MCB算法。     

基于模糊控制的无线传感器网络室内定位算法

提出了一种通过无线传感器网络组网,利用基于模糊算法的改进接收信号强度指示(RSSI)测距技术来进行室内定位的系统设计方案。通过模糊状态分类建立环境气候和障碍物的模糊分布参数,对“距离-损耗”模型进行改进,算出其隶属函数,从而得到较准确的测距公式,计算出移动节点的位置信息。实验结果表明：提出的定位算法在对移动节点定位的实时性和准确性上能满足实际需要,具有应用价值。     

无线传感器网络中一种基于栅格划分的概率定位算法

基于接收信号强度（RSSI）的节点定位算法是目前应用较为广泛的定位算法。由于无线信号受信道衰减和障碍物屏蔽等因素的影响,基于RSSI的定位算法精度不高。提出了一种基于栅格划分的概率定位算法,首先将待定位节点可能存在的区域划分为若干栅格,再根据无线信号在空间传输的概率模型,计算出待定位节点处于各个栅格的置信度,最后以置信度较高的栅格的形心为基准点,计算出待定位节点的坐标位置。算法降低了噪声污染对定位结果的影响,定位精度较高。