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
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。
文摘作为一种全新的信息获取和处理方式,无线传感器网络可以应用在广泛的领域内实现复杂的大规模监测和追踪任务,而网络自身的定位是大多数应用的基础.基于距离的定位是通过测量节点间距来实现的.利用RSSI测距只需较少的通信开销和较低的实现复杂度,这在能量有限的网络节点中是非常重要的.论文分析RSSI测距的原理,实验验证RSSI测试可重复性,在适度的动态环境中RSSI变化有规律性,采用加权和均值法消除环境因素对RSSI测量的影响.实验验证在15 m以内的测距精度可达到2 m.
