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
针对基于ZigBee网络的节点接收信号强度指示(received signal strength indication,RSSI)在复杂环境测量会产生偏差的问题,提出一种基于混合滤波的无线网络测距算法。该方法在运用卡尔曼滤波的基础上融合了基于中值自适应加权高斯滤波...针对基于ZigBee网络的节点接收信号强度指示(received signal strength indication,RSSI)在复杂环境测量会产生偏差的问题,提出一种基于混合滤波的无线网络测距算法。该方法在运用卡尔曼滤波的基础上融合了基于中值自适应加权高斯滤波的混合滤波,首先用卡尔曼滤波算法去除波动性较大的RSSI值,再利用中位值抗差性原理和自适应函数降低RSSI数据的波动。仿真实验结果表明,混合滤波无线网络测距算法能够较大程度减小异常值带来的波动,有效提高RSSI采样精度。展开更多
为提高零中频接收机中正交(in-phase quadrature,IQ)失配信号校正的收敛速度与鲁棒性,本文将Kalman滤波算法与盲源分离结构结合,提出了一种基于双通道Kalman滤波的校正算法。该算法通过状态空间建模与协方差自适应更新,能够在动态环境...为提高零中频接收机中正交(in-phase quadrature,IQ)失配信号校正的收敛速度与鲁棒性,本文将Kalman滤波算法与盲源分离结构结合,提出了一种基于双通道Kalman滤波的校正算法。该算法通过状态空间建模与协方差自适应更新,能够在动态环境下实现更高效、稳定的参数估计,从而实现对IQ失配信号的有效补偿。将本文算法与最小均方算法(least mean square,LMS)、归一化最小均方算法(normalized least mean square,NLMS)和仿射投影算法(affine projection algorithm,APA)进行对比仿真,结果显示,校正后信号的镜像抑制比(image rejection ratio,IRR)均达到约45 dB,但双通道Kalman滤波算法对应的IRR曲面图更加平滑,同时,16QAM和16PSK调制方式下该算法的误符号率最低,表明本文算法能够有效实现IQ失配校正,具有较好的稳定性。本文算法迭代约50次时,均方误差收敛趋近于0,而LMS、NLMS和APA算法则分别需要迭代约500次、400次和200次才能够收敛,表明该算法具有较好的收敛性。通过参数的敏感性仿真分析,在较大的参数范围内本文算法达到的IRR差别甚微,具有良好的鲁棒性。展开更多
文摘针对基于ZigBee网络的节点接收信号强度指示(received signal strength indication,RSSI)在复杂环境测量会产生偏差的问题,提出一种基于混合滤波的无线网络测距算法。该方法在运用卡尔曼滤波的基础上融合了基于中值自适应加权高斯滤波的混合滤波,首先用卡尔曼滤波算法去除波动性较大的RSSI值,再利用中位值抗差性原理和自适应函数降低RSSI数据的波动。仿真实验结果表明,混合滤波无线网络测距算法能够较大程度减小异常值带来的波动,有效提高RSSI采样精度。
文摘为提高零中频接收机中正交(in-phase quadrature,IQ)失配信号校正的收敛速度与鲁棒性,本文将Kalman滤波算法与盲源分离结构结合,提出了一种基于双通道Kalman滤波的校正算法。该算法通过状态空间建模与协方差自适应更新,能够在动态环境下实现更高效、稳定的参数估计,从而实现对IQ失配信号的有效补偿。将本文算法与最小均方算法(least mean square,LMS)、归一化最小均方算法(normalized least mean square,NLMS)和仿射投影算法(affine projection algorithm,APA)进行对比仿真,结果显示,校正后信号的镜像抑制比(image rejection ratio,IRR)均达到约45 dB,但双通道Kalman滤波算法对应的IRR曲面图更加平滑,同时,16QAM和16PSK调制方式下该算法的误符号率最低,表明本文算法能够有效实现IQ失配校正,具有较好的稳定性。本文算法迭代约50次时,均方误差收敛趋近于0,而LMS、NLMS和APA算法则分别需要迭代约500次、400次和200次才能够收敛,表明该算法具有较好的收敛性。通过参数的敏感性仿真分析,在较大的参数范围内本文算法达到的IRR差别甚微,具有良好的鲁棒性。
