针对经典DV-HOP（distance vector-hop）算法中节点间跳数信息对定位精度有较大影响这一问题,提出了一种基于接收信号强度指示（receive signal strength indicator,RSSI）的改进算法。该定位算法引入了连续跳数的定义,首先利用RSSI测...针对经典DV-HOP（distance vector-hop）算法中节点间跳数信息对定位精度有较大影响这一问题,提出了一种基于接收信号强度指示（receive signal strength indicator,RSSI）的改进算法。该定位算法引入了连续跳数的定义,首先利用RSSI测距模型把直接邻居节点接收到的RSSI值转换为两节点之间的距离,再根据连续跳数的定义计算出两节点间的连续跳数。在相同的仿真网络环境里,与经典的DV-HOP算法相比,归一化定位误差降低了30%~45%;与其他改进定位算法相比,归一化定位误差也有不同程度的降低。仿真结果表明该改进算法大幅度地提高了定位精度。展开更多
为了减少非视距(Non-light of sight,NLOS)误差对基于到达时间(Time of arrival,TOA)的无线定位系统性能的影响,本文提出一种采用接收信号强度(Received signal strength,RSS)与TOA测量值相结合的方法对含有NLOS误差的TOA测量值进行检...为了减少非视距(Non-light of sight,NLOS)误差对基于到达时间(Time of arrival,TOA)的无线定位系统性能的影响,本文提出一种采用接收信号强度(Received signal strength,RSS)与TOA测量值相结合的方法对含有NLOS误差的TOA测量值进行检测并修正。在视距(Light of sight,LOS)传播的TOA与RSS之间关系已知的前提下,利用定位基站得到的TOA与RSS测量值,计算TOA测量值中含有NLOS误差的可能性,并对TOA测量值进行修正。该方法在不增加通信次数的情况下,大大提高了定位精度。最后在一个无线定位系统上实现了该算法,并进行了对比实验。实验结果表明,该算法不需对多次定位结果进行统计,即可有效降低NLOS误差对系统性能的影响,适用于对功耗要求苛刻的场合。展开更多
传统增强动态K加权算法(enhanced weighted K nearest neighbors,EWKNN)算法相比K加权邻近算法(weighted K nearest neighbors,WKNN)算法,虽然能有效提高定位精度,但是仍然存在定位结果在空间中跳动跨度大的问题。针对传统EWKNN算法的不...传统增强动态K加权算法(enhanced weighted K nearest neighbors,EWKNN)算法相比K加权邻近算法(weighted K nearest neighbors,WKNN)算法,虽然能有效提高定位精度,但是仍然存在定位结果在空间中跳动跨度大的问题。针对传统EWKNN算法的不足,在EWKNN算法的基础上提出了基于多次约束匹配的室内定位算法。考虑了行人前后位置的关联性,用上一步预测的位置对当前步的WiFi匹配进行多次约束,剔除匹配到的较远的参考点。实验表明,相比于传统的EWKNN算法,研究结果具有较高的定位精度。展开更多
随着无线传感网、移动计算设备和因特网的快速发展,无线定位技术日益受到关注。本文在传统的三边定位方法上,提出更近邻居质心定位方法;但由于室内环境的复杂性导致RSSI(receive signal strength indicator)定位误差较大,本文又进一步...随着无线传感网、移动计算设备和因特网的快速发展,无线定位技术日益受到关注。本文在传统的三边定位方法上,提出更近邻居质心定位方法;但由于室内环境的复杂性导致RSSI(receive signal strength indicator)定位误差较大,本文又进一步提出离线采集参考节点的信号强度向量,根据未知节点与参考节点的RSSI均方差值作为加权因子对更近邻居定位方法的结果进行迭代修正。最后,详尽地给出了实验数据,证明了该算法在提高定位精度上确实有效。展开更多
文摘针对经典DV-HOP（distance vector-hop）算法中节点间跳数信息对定位精度有较大影响这一问题,提出了一种基于接收信号强度指示（receive signal strength indicator,RSSI）的改进算法。该定位算法引入了连续跳数的定义,首先利用RSSI测距模型把直接邻居节点接收到的RSSI值转换为两节点之间的距离,再根据连续跳数的定义计算出两节点间的连续跳数。在相同的仿真网络环境里,与经典的DV-HOP算法相比,归一化定位误差降低了30%~45%;与其他改进定位算法相比,归一化定位误差也有不同程度的降低。仿真结果表明该改进算法大幅度地提高了定位精度。
文摘为了减少非视距(Non-light of sight,NLOS)误差对基于到达时间(Time of arrival,TOA)的无线定位系统性能的影响,本文提出一种采用接收信号强度(Received signal strength,RSS)与TOA测量值相结合的方法对含有NLOS误差的TOA测量值进行检测并修正。在视距(Light of sight,LOS)传播的TOA与RSS之间关系已知的前提下,利用定位基站得到的TOA与RSS测量值,计算TOA测量值中含有NLOS误差的可能性,并对TOA测量值进行修正。该方法在不增加通信次数的情况下,大大提高了定位精度。最后在一个无线定位系统上实现了该算法,并进行了对比实验。实验结果表明,该算法不需对多次定位结果进行统计,即可有效降低NLOS误差对系统性能的影响,适用于对功耗要求苛刻的场合。
文摘传统增强动态K加权算法(enhanced weighted K nearest neighbors,EWKNN)算法相比K加权邻近算法(weighted K nearest neighbors,WKNN)算法,虽然能有效提高定位精度,但是仍然存在定位结果在空间中跳动跨度大的问题。针对传统EWKNN算法的不足,在EWKNN算法的基础上提出了基于多次约束匹配的室内定位算法。考虑了行人前后位置的关联性,用上一步预测的位置对当前步的WiFi匹配进行多次约束,剔除匹配到的较远的参考点。实验表明,相比于传统的EWKNN算法,研究结果具有较高的定位精度。
文摘随着无线传感网、移动计算设备和因特网的快速发展,无线定位技术日益受到关注。本文在传统的三边定位方法上,提出更近邻居质心定位方法;但由于室内环境的复杂性导致RSSI(receive signal strength indicator)定位误差较大,本文又进一步提出离线采集参考节点的信号强度向量,根据未知节点与参考节点的RSSI均方差值作为加权因子对更近邻居定位方法的结果进行迭代修正。最后,详尽地给出了实验数据,证明了该算法在提高定位精度上确实有效。
