基于RSSI(Received Signal Strength Indication)位置指纹的Wi-Fi室内定位现已被大量应用于各类基于位置信息的服务中。但指纹定位的精度受到RSSI信号的剧烈波动影响,难以满足高精度位置信息服务的需求。为克服该困难,提出一种结合虚拟A...基于RSSI(Received Signal Strength Indication)位置指纹的Wi-Fi室内定位现已被大量应用于各类基于位置信息的服务中。但指纹定位的精度受到RSSI信号的剧烈波动影响,难以满足高精度位置信息服务的需求。为克服该困难,提出一种结合虚拟AP技术与高精度CNN(Convolutional Neural Network)判别模型的定位方法。该方法通过距离比定位得到虚拟AP的位置,并将该信息与RSSI融合作为数据增强CNN模型的输入,确定样本的位置。设计实验方案采集实际的用户终端RSSI数据,构建指纹定位的数据集,验证所提出的指纹定位方案的有效性。实验结果表明,在该数据集上,所提出的方法在确定区域时的准确度达到91%,并将95%的定位误差控制在2 m以内。对比现有的定位方案,所提出的方案在定位精度上有显著提升。展开更多
随着物联网技术的快速发展,室内定位技术在机场大厅、展厅、仓库、超市、图书馆、地下停车场等复杂环境中得到了广泛应用,也在国防新质战斗力生成发挥了重要作用。传统的室内定位技术如WiFi、RFID和蓝牙等,存在功耗高、距离短、易受干...随着物联网技术的快速发展,室内定位技术在机场大厅、展厅、仓库、超市、图书馆、地下停车场等复杂环境中得到了广泛应用,也在国防新质战斗力生成发挥了重要作用。传统的室内定位技术如WiFi、RFID和蓝牙等,存在功耗高、距离短、易受干扰等问题。相比之下,ZigBee技术以其低功耗、低成本和良好的抗干扰能力,成为实现室内无线定位的一种理想选择。本文设计了一种基于ZigBee技术的室内无线定位系统,通过RSSI(Received Signal Strength Indicator,接收信号强度指示)测距方法,实现了高精度的室内定位。展开更多
针对基于RSSI和CSI的指纹定位技术易受环境干扰、定位精度较低的问题,提出了一种基于RSSI指纹和相位修正信道状态信息(phase correct based channel state information,PC-CSI)指纹的加权融合指纹定位技术。基于PC-CSI的指纹定位在传统...针对基于RSSI和CSI的指纹定位技术易受环境干扰、定位精度较低的问题,提出了一种基于RSSI指纹和相位修正信道状态信息(phase correct based channel state information,PC-CSI)指纹的加权融合指纹定位技术。基于PC-CSI的指纹定位在传统基于CSI幅值的指纹定位基础上增加相位信息对定位结果进行修正,之后对RSSI指纹和PC-CSI指纹的定位结果加权重定位。实验结果表明,提出的加权融合指纹定位算法与基于CSI的主动定位算法相比,平均定位误差(mean position error,MPE)降低了36.2%,能满足室内定位需求。展开更多
为了提高远距离无线电(Long Range Radio,LoRa)系统定位精度,提出利用接收信号强度指示(Received Signal Strength Indication,RSSI)测距和三边定位方法结合小波神经网络模型对LoRa节点进行定位。首先分析了RSSI测距、三边定位的原理和...为了提高远距离无线电(Long Range Radio,LoRa)系统定位精度,提出利用接收信号强度指示(Received Signal Strength Indication,RSSI)测距和三边定位方法结合小波神经网络模型对LoRa节点进行定位。首先分析了RSSI测距、三边定位的原理和实现方法,给出了基于RSSI测距方法求解LoRa网关与LoRa节点间距离的步骤。然后利用3层融合型小波神经网络搭建了LoRa节点定位模型,选取Morlet小波为隐含层神经元的激励函数,选取Sigmoid阈值函数为输出层函数,将LoRa节点到3个LoRa网关的距离作为输入层数据,节点定位模型转换并输出LoRa节点位置的归一化横坐标和纵坐标。最后利用LoRa网关模块和LoRa节点模块搭建了LoRa节点定位实验系统并进行了实验测试,通过实验数据分析得出了RSSI测距参数并利用三边定位算法和小波神经网络节点定位模型实现了待定位LoRa节点的精准定位。实验结果表明,所提算法的定位精度为1.033 m,优于四点质心定位算法和传统三边定位算法。展开更多
针对不同型号的智能移动终端设备,由软件和硬件的异构性而导致不同设备在同一采集点处采集到的同一蓝牙源接入点的蓝牙信号强度观测值存在显著差异而影响定位精度的问题,该文提出了一种基于混沌麻雀搜索算法优化BP神经网络模型的室内蓝...针对不同型号的智能移动终端设备,由软件和硬件的异构性而导致不同设备在同一采集点处采集到的同一蓝牙源接入点的蓝牙信号强度观测值存在显著差异而影响定位精度的问题,该文提出了一种基于混沌麻雀搜索算法优化BP神经网络模型的室内蓝牙RSSI(received signal strength indicator)标定算法.该标定算法应用混沌麻雀搜索算法的全局搜索能力和快速收敛性来帮助BPNN模型选取最优的初始权值和阈值.实验结果表明:该标定方法得到的平均RSSI误差相较于未标定之前降低了87.6%,有效地降低了软硬件异构性对采集到的蓝牙信号强度观测值的精度.展开更多
In situations when the precise position of a machine is unknown,localization becomes crucial.This research focuses on improving the position prediction accuracy over long-range(LoRa)network using an optimized machine ...In situations when the precise position of a machine is unknown,localization becomes crucial.This research focuses on improving the position prediction accuracy over long-range(LoRa)network using an optimized machine learning-based technique.In order to increase the prediction accuracy of the reference point position on the data collected using the fingerprinting method over LoRa technology,this study proposed an optimized machine learning(ML)based algorithm.Received signal strength indicator(RSSI)data from the sensors at different positions was first gathered via an experiment through the LoRa network in a multistory round layout building.The noise factor is also taken into account,and the signal-to-noise ratio(SNR)value is recorded for every RSSI measurement.This study concludes the examination of reference point accuracy with the modified KNN method(MKNN).MKNN was created to more precisely anticipate the position of the reference point.The findings showed that MKNN outperformed other algorithms in terms of accuracy and complexity.展开更多
文摘随着物联网技术的快速发展,室内定位技术在机场大厅、展厅、仓库、超市、图书馆、地下停车场等复杂环境中得到了广泛应用,也在国防新质战斗力生成发挥了重要作用。传统的室内定位技术如WiFi、RFID和蓝牙等,存在功耗高、距离短、易受干扰等问题。相比之下,ZigBee技术以其低功耗、低成本和良好的抗干扰能力,成为实现室内无线定位的一种理想选择。本文设计了一种基于ZigBee技术的室内无线定位系统,通过RSSI(Received Signal Strength Indicator,接收信号强度指示)测距方法,实现了高精度的室内定位。
文摘针对基于RSSI和CSI的指纹定位技术易受环境干扰、定位精度较低的问题,提出了一种基于RSSI指纹和相位修正信道状态信息(phase correct based channel state information,PC-CSI)指纹的加权融合指纹定位技术。基于PC-CSI的指纹定位在传统基于CSI幅值的指纹定位基础上增加相位信息对定位结果进行修正,之后对RSSI指纹和PC-CSI指纹的定位结果加权重定位。实验结果表明,提出的加权融合指纹定位算法与基于CSI的主动定位算法相比,平均定位误差(mean position error,MPE)降低了36.2%,能满足室内定位需求。
文摘为了提高远距离无线电(Long Range Radio,LoRa)系统定位精度,提出利用接收信号强度指示(Received Signal Strength Indication,RSSI)测距和三边定位方法结合小波神经网络模型对LoRa节点进行定位。首先分析了RSSI测距、三边定位的原理和实现方法,给出了基于RSSI测距方法求解LoRa网关与LoRa节点间距离的步骤。然后利用3层融合型小波神经网络搭建了LoRa节点定位模型,选取Morlet小波为隐含层神经元的激励函数,选取Sigmoid阈值函数为输出层函数,将LoRa节点到3个LoRa网关的距离作为输入层数据,节点定位模型转换并输出LoRa节点位置的归一化横坐标和纵坐标。最后利用LoRa网关模块和LoRa节点模块搭建了LoRa节点定位实验系统并进行了实验测试,通过实验数据分析得出了RSSI测距参数并利用三边定位算法和小波神经网络节点定位模型实现了待定位LoRa节点的精准定位。实验结果表明,所提算法的定位精度为1.033 m,优于四点质心定位算法和传统三边定位算法。
文摘针对不同型号的智能移动终端设备,由软件和硬件的异构性而导致不同设备在同一采集点处采集到的同一蓝牙源接入点的蓝牙信号强度观测值存在显著差异而影响定位精度的问题,该文提出了一种基于混沌麻雀搜索算法优化BP神经网络模型的室内蓝牙RSSI(received signal strength indicator)标定算法.该标定算法应用混沌麻雀搜索算法的全局搜索能力和快速收敛性来帮助BPNN模型选取最优的初始权值和阈值.实验结果表明:该标定方法得到的平均RSSI误差相较于未标定之前降低了87.6%,有效地降低了软硬件异构性对采集到的蓝牙信号强度观测值的精度.
基金The research will be funded by the Multimedia University,Department of Information Technology,Persiaran Multimedia,63100,Cyberjaya,Selangor,Malaysia.
文摘In situations when the precise position of a machine is unknown,localization becomes crucial.This research focuses on improving the position prediction accuracy over long-range(LoRa)network using an optimized machine learning-based technique.In order to increase the prediction accuracy of the reference point position on the data collected using the fingerprinting method over LoRa technology,this study proposed an optimized machine learning(ML)based algorithm.Received signal strength indicator(RSSI)data from the sensors at different positions was first gathered via an experiment through the LoRa network in a multistory round layout building.The noise factor is also taken into account,and the signal-to-noise ratio(SNR)value is recorded for every RSSI measurement.This study concludes the examination of reference point accuracy with the modified KNN method(MKNN).MKNN was created to more precisely anticipate the position of the reference point.The findings showed that MKNN outperformed other algorithms in terms of accuracy and complexity.
