基于RSSI的矿山井下综合无线定位技术

为实现矿山井下人员和机车的实时定位,从而提高矿山的生产效率,增强矿山安全防护水平,在无线局域网(WLAN)系统架构下,基于接入点(AP)的信号强度信息(RSSI),利用综合的无线定位算法实现矿山井下的实时定位的需求。通过实验证明,该方法实现定位精度在3 m以内,能充分满足矿山人员和机车定位要求,克服了当前矿山井下采用无线射频识别(RFID)技术而仅能实现巡检功能的不足。     

基于接收信号强度测量的室内定位算法

首先对现有的“路径-损耗”模型进行了修正,引入距离估计误差随机变量,由于其一般误差较小,不足以改变现有的模型中遮蔽因子的概率密度函数,所以遮蔽因子仍然满足正态分布．然后,推导了一种迭代最大似然估计算法,通过有限次的迭代,可以将由遮蔽因子导人的误差减小到一定程度,并得到令人满意的用户位置的估计结果．模拟表明,该方法可以提供较高的精度。     

基于多高斯混合模型的WLAN室内定位系统

对参考点上信号强度分布采用多高斯混合模型建模从而构建定位系统指纹数据库,模型参数使用期望最大值算法进行估计.由于该模型考虑了各无线接入点信号强度之间的相关关系,因而能更精确地对参考点上信号强度实际分布进行建模,从而使得系统精度提高.测试实验结果表明提出的方法其误差在3m内的概率相对于HORUS,MLP和KCCA分别提高了12%,10%和7%,而平均误差分别降低了0.77m,0.81m和0.20m,验证了本方法的有效性.     

基于接收信号强度指示加权融合的定位算法

基于接收信号强度指示的无线传感器网络定位问题,提出一种改进Kalman滤波方法,消除测距过程中的非视距误差,得到标签与节点间的估计距离.然后,分析标签与节点的距离、定位单元质量和标签所处的位置三方面对定位精度的影响,提出一种改进三边定位算法,并根据滤波后的估计距离计算得到的多个定位坐标进行加权融合.最后,通过Matlab仿真验证所提算法的有效性.     

基于RSSI的WSN节点室内定位分析

基于实验的基础,对基于接收信号强度（received signal strength indication,RSSI）的无线传感器网络（wireless sensor network,WSN）节点室内定位的几种不同情况进行分析.根据室内无线传播模型和实际测量数据得到RSSI室内传播模型;比较在不同位置的未知节点定位精度的不同;针对三点定位结果不理想的问题,采用粒子群优化（particle swarm optimization,PSO）算法对定位结果进行优化;比较不同数量的源节点对于节点定位精度的影响.当信标节点数量比较多时,通过筛选一些可靠的信标节点来提高定位精度.     

基于贝叶斯网络的室内无线信号强度学习算法

考虑到接收信号强度（RSS）算法的定位结果有着其不确定性,提出了一种新的生成场强分布图的自动学习算法.在此算法中,在初始简易场强分布图的基础上,首先启动一个带有默认参数值的线性模型,然后自动学习各类在线RSS数据;在学习的过程中,基于现有的支持RSS测量的WLAN、Zigbee、UMB等无线网络,扩展了标准的最大期望（EM）算法,推算出场强分布图的一种最大似然（ML）估计算法并运用到自动学习中,就可以生成一较精确的场强分布图.模拟表明,无需任何校准数据,该方法可以提供较高的精度.     

基于KPCA的无线层析成像定位方法

无线层析成像(radio tomographic imaging,RTI)技术作为无设备目标定位(device-free localization,DFL)的主要方式之一,在被定位目标不携带任何定位装置的情况下仍能实现定位,具有广泛的应用前景.但由于接收信号强度(received signal strength,RSS)信息容易受到环境变化和噪声的影响,RTI成像图上往往不可避免地存在着背景噪点,有时甚至还有伪目标出现在图像上.为了提高RTI成像质量,本文提出一种基于核主成分分析(kernel principal component analysis,KPCA)的增强型RTI方法,该方法利用KPCA的学习能力来提取有效受目标影响的链路特征信息,从而达到克服噪声影响和提高定位精度的目的.室内外实验结果表明,该方法的成像质量和定位精度都要优于现有RTI方法.     

基于超宽带技术的室内无线定位的研究

本文介绍了超宽带定位技术的特点和优点,在分析了无线定位基本算法和室内信道特点的基础上,研究了超宽带用于室内定位的几种技术,以及室内定位与跟踪的相关算法,进一步选出适合在室内定位的算法,以提高定位的精度并减少非视距和多径传播的影响。     

无线传感器网络协同定位算法

针对无线传感器网络中基于RSS的定位算法存在的不足,提出一种协同定位算法。该算法包含2个方面：一是引入参考信标节点,以增加节点定位的容错性;二是采用狄克逊(Dixon)检验法剔除异常RSS值,同时引入RSS标准差阈值和学习模型,减小基于RSS的测距误差,有效提高定位精度。通过仿真实验对算法性能进行了评估,结果表明,该算法定位精度得到了有效提高,健壮性和稳定性较好。     

A KNN-based two-step fuzzy clustering weighted algorithm for WLAN indoor positioning

Although k-nearest neighbors (KNN) is a popular fingerprint match algorithm for its simplicity and accuracy,because it is sensitive to the circumstances,a fuzzy c-means (FCM) clustering algorithm is applied to improve it.Thus,a KNN-based two-step FCM weighted (KTFW) algorithm for indoor positioning in wireless local area networks (WLAN) is presented in this paper.In KTFW algorithm,k reference points (RPs) chosen by KNN are clustered through FCM based on received signal strength (RSS) and location coordinates.The right clusters are chosen according to rules,so three sets of RPs are formed including the set of k RPs chosen by KNN and are given different weights.RPs supposed to have better contribution to positioning accuracy are given larger weights to improve the positioning accuracy.Simulation results indicate that KTFW generally outperforms KNN and its complexity is greatly reduced through providing initial clustering centers for FCM.     

WLAN indoor location method based on artificial neural network

WLAN indoor location method based on artificial neural network (ANN) is analyzed.A three layer feed-forward ANN model offers the benefits of reducing time cost of the layout of an indoor location system, saving storage cost of the radio map establishment and enhancing real-time capacity in the on-line phase.According to the analysis of SNR distributions of recorded beacon signal samples and discussion about the multi-mode phenomenon, the one map method is proposed for the purpose of simplifying ANN input values and increasing location performances.Based on the simulations and comparison analysis with other two typical indoor location methods, K-nearest neighbor (KNN) and probability, the feasibility and effectiveness of ANN-based indoor location method are verified with average location error of 2.37m and location accuracy of 78.6% in 3m.     

无线局域网标准及应用初探

从局域网的体系结构出发,具体地阐述了无线局域网 (WLAN)的发展现状以及 IEEE802.11无线局域网技术标准．并介绍了无线局域网的应用前景．     

一种新的基于缓存的WLAN快速切换方案

通过分析移动终端切换的过程和现有的改进方案,提出了一种新的快速切换方案——基于分片Cache更新的WLAN快速切换方案.该改进方案由基于动态域值的Cache更新策略、AP负载均衡策略和分片信道扫描的Cache更新策略组成.实验表明:该方案有效的避免了移动终端在静止和AP信号较好的条件下的Cache更新;在保证Cache及时更新的同时降低每次更新Cache的开销且又能有效减小切换时延,同时在AP选择时很好的考虑了AP的负载均衡.因此该方案能够显著得提高移动终端在AP间切换得性能.     

基于AP选择及自适应切换的负载均衡算法

针对无线局域网中无线接入点容易过载的问题, 提出一种基于无线接入点的选择及自适应切换的负载均衡算法。通过RSSI(Received SignalStrength Indication)值, MAC(Media Access Control)帧发送时延选择接入点, 同时对无线站点的突发流量做出积极应对措施, 用最小限度接入点的切换达到均衡整个网络负载的目的。该算法能明确选择信道空闲的无线接入点, 均衡接入点负载, 降低数据包的发送时延。与传统方法相比, 该算法使系统的总吞吐量提高13.6%。     

基于ZigBee网络的室内定位系统的设计与实现

针对当前室内定位系统成本高、精度低、可靠性差的缺点,设计出了一种基于ZigBee无线传感网络的无线室内定位系统.系统硬件以德州仪器公司CC2530片上系统为核心,软件基于德州仪器公司Z-Stack协议栈将测距标定与完整定位流程结合起来,通过测量接收信号强度计算待定位节点到参考节点的距离,然后利用三角形质心算法进行定位,确定待定位节点坐标.实际测试表明:该室内定位系统操作简单,可靠性高,定位精度达到95 cm以内,定位误差期望为9.76 cm.     

用于无线局域网的双频印刷天线

设计了一种用于2.4/5.2 GHz无线局域网频段,且具有分集功能的双频天线,天线有两个C形印刷单极子组成.每个C形印刷单极子有两条谐振路径,每条谐振路径对应一个谐振频率,因此,该天线可以工作在无线局域网的两个频段.天线的两个C形印刷单极子相互垂直,一方面接收不同极化方向的电磁波,另一方面可以减少两个印刷单极子之间的耦合.天线背面的地有一个T形的金属导带用于隔离天线的两个端口,天线的两个C形印刷单极子关于T形的金属导带呈对称分布.天线具有双频工作的能力,在其工作的每一个频段内,该天线都具有两个隔离度比较高的端口.因此,该天线具有空间分集的功能,并能够对无线通信中的多径衰落问题有所抑制.     

一种基于DV-Hop节点的室内定位改进算法

对现有基于最小二乘法的DV-Hop定位算法进行分析和仿真,针对该算法定位精度依赖信标节点之间跳距和跳数这两个信息的不足,给出一种可对信标节点之间的跳距和跳数关系做出误差修正的改进的误差修正DV-Hop(ECDV-Hop)算法.仿真结果表明:在相同的室内环境下,ECDV-Hop算法与传统DV-Hop算法相比,定位精度得到一定的提高.