共查询到20条相似文献，搜索用时 140 毫秒
1.
2.
为了加强对基于RSSI的WSN定位算法的研究,采用基本的RSSI算法和自由传播模型,建立RSSI分析系统,实现WSN节点的RSSI值的捕获、节点RSSI值的分类存储、RSSI的实时查看、对存储的节点RSSI元数据的处理和分析、绘制不同节点RSSI值和距离的统计分布图。系统综合运用RSSI定位算法、TOA定位算法和三边定位算法,将待测节点的理论坐标与实际坐标进行对比分析,改进待测参数,从而将定位精度提高12%。 相似文献
3.
《实验技术与管理》2017,(7)
针对火灾现场遇险消防员定位不准的问题,设计了一种基于ZigBee和RFID技术的消防员定位系统。该系统中将ZigBee模块与RFID模块相结合构成智能阅读器,利用ZigBee模块自组网能力扩展了RFID标签定位距离,利用RFID模块的信息采集功能扩展了ZigBee节点信息识别能力。在系统算法设计中提出了一种改进的四边测距定位算法,该算法首先利用高斯模型分布函数及单传感器分批估计融合理论对测得的RSSI数据进行融合优化,然后采用四边加权质心定位与梯度下降法相结合的算法对待测目标进行定位。通过仿真实验表明,该改进的算法定位精度较高,适合于室内火灾现场对遇险消防员的定位。 相似文献
4.
赵森严 《黄山高等专科学校学报》2013,(5):13-16
在无线传感器网络中,节点定位技术尤为重要.针对无线传感器定位精度问题,提出了一种新颖的基于RSSI的质心定位算法.在该算法中,前期采用RSSI测距技术得到未知节点与各个锚节点的距离,利用三角形内点测试法优选出合适的锚节点,初步确定未知节点的定位空间;后期利用已知的样本点把定位空间划分为若干较小的区域,使未知节点所在的定位空间不断地被缩小;最后采用带权重的质心算法计算坐标.仿真结果表明,该算法比传统的RSSI定位算法具有更好的定位精度,即使在锚节点比例较低时,也能得到较高的定位精度,适合在无线传感器网络中应用. 相似文献
5.
《实验室研究与探索》2017,(2)
在无线传感器网络定位系统中,由于元器件品控和外界环境等因素的差异,以往测出的衰减模型参数的经验值并不能适应当下的定位环境,以至定位精度很低,实验过程不具重复性。根据待定位节点临近的参考节点多次互发报文,经过最小二乘法拟合出衰减模型参数。算法对所有参考节点根据RSSI值进行排序,选取RSSI值最小的3个节点用三边定位算法计算待定位节点坐标。最后,设计了一个基于ZStack协议栈的定位原型系统。算法经过进一步简化,大幅度减小了由于衰减模型参数不准确对定位精度的影响,为今后深入研究室内定位打下基础。 相似文献
6.
针对加权质心定位算法受 RSSI 测距误差影响导致定位结果不理想的问题,提出一种鲸鱼优化算法改进的加权质心算法,利用鲸鱼优化算法的快速收敛、不易陷入局部最优等优势对加权质心算法定位结果进行优化。首先,通过加权质心算法计算待测点位置;其次,根据锚节点位置信息、RSSI 测距信息及待测点位置信息建立适应度函数;最后,利用鲸鱼优化算法不断迭代寻优,对待测点定位结果进行优化,以提高定位精度。在通信半径相同、锚节点数为 30 的条件下,改进后的定位算法定位精度为 0.58m,而粒子群加权质心算法与人工鱼群加权质心算法定位精度分别为 0.64m 和 0.62m,且随着锚节点个数的增加或通信半径的增大,改进后的定位算法仍能获得更高的定位精度。因此,改进后的定位算法精度更高,具有一定可行性。 相似文献
7.
传感器定位技术作为无线传感器网络的重要课题之一,为实现目标实时定位,提出一种基于核岭回归与卡尔曼滤波的定位算法。该算法在离线阶段使用核岭回归算法（KRR）对无线位置指纹数据库进行训练,从而得到一个可反映信号强度指标（RSSI）与位置坐标之间映射关系的函数|在线阶段先利用离线阶段得到的函数对目标进行粗定位,再结合卡尔曼滤波（KF）方法对目标进行精确定位。实验结果表明,在真实室内办公环境下,相比 KNN 算法与核函数（Kernel）算法,该算法能实现更好的定位精度,平均定位误差为 1.898 3m。 相似文献
8.
张永建 《安徽技术师范学院学报》2013,(6):75-78
节点定位是无线传感器网络的重要支撑技术之一,目前主要有两种定位算法,基于距离的定位算法和非基于距离的定位算法.考虑到两种算法在三维空间的优缺点,提出了一种基于RSSI测距的修正算法,并优选信标节点,最后通过最小二乘法进行定位.仿真结果表明：本算法比传统的RSSI算法精度更高. 相似文献
9.
对无线传感器网络定位中常用的质心算法进行了改进。改进算法将盲节点接收到的RSSI数据转换为距离,并将距离作为锚节点权值,从而估计出盲节点的坐标位置。仿真结果表明,改进算法提高了定位精度,降低了定位误差,且没有增添系统通信负担及计算量。 相似文献
10.
11.
《实验室研究与探索》2017,(6):122-127
提出了一种新的接收信号强度指示(RSSI)定位修正算法。该算法采用改进的退火算法对极大似然估计处理后的距离进行优化,有效解决在实际环境中遇到的一些问题,使算法更符合实际。同时,能有效降低运算的复杂度,并排除具有特征相似性的一些奇异点,提高精度。依据邻近节点间的距离,分析前后两组估计坐标间的关系,用目标函数判断两组解的优劣,由退火思想只接受比前一组优的新解进行迭代循环,可以得到一组移动点的估计坐标。将满足条件的移动点看做参考点,重复运算,直至没有移动点可以升为参考点为止,输出最终结果。实验结果表明,改进的算法有效可行,且定位精度和稳定性有明显的提高,是一种可行的节点定位方案。 相似文献
12.
本文对无线传感器网络技术进行介绍,针对WSN定位算法进行研究和分析,对RSSI测距误差进行分析并对测量误差进行改进,用最小二乘拟合曲线的方法对测量距离进行估计和实时更新传播损耗公式的经验值从而达到减少定位误差的目的。 相似文献
13.
目标定位跟踪的关键在于得到精确的定位数据,而要获取精确的定位数据取决于高效的滤波算法。无迹卡尔曼滤波由于具有定位精度高、算法复杂度低等特点,被广泛应用于非线性系统中。针对无迹卡尔曼滤波在目标运动状态突变时容易出现跟踪精度下降、目标丢失等问题,对传统无迹卡尔曼滤波算法进行优化和改进,通过将无迹卡尔曼滤波与IMM卡尔曼滤波算法相结合,利用IMM算法的鲁棒性有效提高了无迹卡尔曼滤波在目标机动运动时的跟踪精度,避免了目标丢失。实验仿真结果表明,IMMUKF算法具有很好的稳定性,可实现复杂的目标跟踪。 相似文献
14.
通信技术在公交交通管理中的广泛应用,使得智能公交测距算法在公交交通管理中日益重要.改善智能公交测距算法,合理利用目前现有公交基础设施,是解决目前道路交通面临问题的一项可持续发展的途径.由于公交车辆定线,定点行驶的特点,提出了基于紫蜂通信技术的RSSI智能公交车辆测距算法,希望能够对实践有所裨益. 相似文献
15.
16.
17.
非视距环境下基于散射体信息的被动定位(英文) 总被引：1，自引：0，他引：1
为了提高传统的TOA/AOA定位技术在非视距环境下的定位精度,提出了一种基于散射体信息的混合定位方法.首先,利用基站坐标信息和TOA测量值确定线性化的可行区域,产生移动台的候选位置点.对每一个移动台候选点,结合TOA和AOA测量值,计算各自散射体半径,通过与先验的散射体信息的比较,筛选候选移动台位置点.然后,运用自适应模糊聚类算法估计移动台位置,完成定位.最后,对所提出的定位算法进行了仿真验证.仿真结果表明:所提出的基于散射体信息的混合TOA/AOA定位算法能够减轻非视距效应,有效估计移动台位置. 相似文献
18.
非线性系统卡尔曼滤波新方法 总被引：1，自引：0，他引：1
为了在非线性、非高斯系统估计中获得更好的精度,提出一种新的unscented卡尔曼滤波(UKF).采用确定性采样方法,通过选择unscented变换中的参数α＝0.85,β＝2和l＝0,确定出2n 1个σ点,使这些σ点完全符合非线性系统Yi＝F(Xi)的高斯随机变量的均值和方差.仿真结果表明:σ点通过实际的非线性系统Yi＝F(Xi)传递后,其后验均值和协方差可以达到泰勒展开式的三阶精度,广义卡尔曼滤波(EKF)只能达到一阶精度.该UKF滤波与EKF算法复杂度相近,但具有比EKF更好的估计精度. 相似文献
19.
广义卡尔曼滤波(EKF)在进行数据处理时,仅对测距系统和量测方程作泰勒级数展开且仅保留线性项,因而EKF只适用于弱非线性对象的估计,被处理对象的非线性越强,引起的估计误差就越大,甚至会引起滤波发散。将无迹卡尔曼滤波(UKF)应用于非线性系统的目标处理。通过UKF在雷达测距中的应用和仿真结果分析表明,与EKF相比,UKF收敛快、对噪声适应能力更强且算法实现更简单。自适应无迹卡尔曼滤波（AUKF）可以对系统模型进行实时估计,通过分析知道无迹卡尔曼滤波算法满足实时性跟踪要求,实现了对运动目标的快速跟踪。 相似文献
20.
针对车辆行驶下的路面附着系数估计问题,提出了扩展卡尔曼滤波算法(EKF,Extended Kalman Filter)与径向基神经网络(RBF,Radial Basis Functionneural network)相融合。通过扩展卡尔曼滤波算法得出路面附着系数估计所需要的车辆状态参数,结合轮速等直接数据采用径向基神经网络对路面附着系数进行估计。神经网络的训练样本通过Carsim/Simulink收集不同行驶工况,并采用差值寻优的方法对径向基神经网络算法中的决定系数进行优化。基于双移线工况验证了该算法在路面附着系数估计上具有较高的精准度。 相似文献