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。     

基于梯度提升回归树的井下定位算法

为了提高井下定位系统的定位精度,提出了基于梯度提升回归树(gradient boost regression tree, GBRT)的井下定位算法。本文首先介绍了GBRT算法的实现过程,然后利用射线追踪算法模拟井下多径信号叠加后的接收信号强度(received signal strength, RSS)数据集,最后对比了GBRT、K最近邻(k-nearest neighbor, KNN)、随机森林(random forest, RF)、支持向量机(support vector machine, SVM)和神经网络多层感知器(multi-layer perceptron regressor, MLPR)算法的定位结果并对GBRT的定位结果进行5点平均滤波。实验结果表明,在100个点组成的行人轨迹定位中,GBRT算法的定位结果的均方误差为0.381米,明显优于其他四种算法,平滑滤波后的定位轨迹更加贴合真实轨迹。因此,本算法可以有效提高定位精度,可以满足井下定位系统的精度要求。     

基于RSSI测距的井下人员区域定位算法

在煤矿井下人员定位系统中,常用的是基于无线传感器网络的定位方法,其中最适合实际应用的是基于接收信号强度指示(RSSI)的定位方法.为了进一步提高定位精度,针对煤矿井下特殊的巷道结构和复杂的电波传播环境,首先提出信标节点均匀间隔交叉分布模型.然后根据已知信标节点精确位置求得定位区域内RSSI测距误差的权值,通过引入比例调整因子、距离修正因子和差分平均因子,对目标节点的测距误差进行修正,获得区域内信标节点与目标节点之间较精确的距离量,最后利用加权质心定位算法对目标节点进行定位.仿真结果表明,该算法能够有效的提高目标节点的定位精度,尤其在沿巷道走向的水平方向上比其竖直方向的精度更高,该方法更适合煤矿井下特定的线型结构环境.     

综采工作面机电装备无线Mesh通信方法

针对现有通信方式不能很好地适应综采工作面机电设备动态移动的问题,提出了一种基于无线Mesh网络的综采工作面机电装备通信方法。为了提高Mesh网络带宽资源的利用率,提出了基于双天线和干扰感知的动态信道分配方法;设计了高吞吐率路由协议和多径路由控制协议,对无线Mesh网络链路质量进行管理;对影响Mesh网络信号强度的因素进行分析,研究适用于综采工作面的无线网络节点部署方法;对无线Mesh网络在综采工作面的通信效果进行实验,结果显示,无线Mesh网络的信号强度范围为-41~-68 dBm,数据传输速率为大于等于12 Mbps。结果表明,无线Mesh网络能够满足综采工作面机电装备的通信需求,为综采工作面机电装备的通信提供了一种新思路。     

风洞中涡街流量传感器压电探头位置的试验分析

涡街流量传感器在测量小流量时由于信号微弱而不易检测,为解决这一问题从而扩展其测量下限,从传感器设计入手,研究在二维流场中压电探头与旋涡发生体的位置关系,找到适合信号检测的最佳位置.通过在三元回流式风洞中试验,利用热线测速以及压电探头测压得到发生体下游不同位置处的速度和压力信号,分析了信号强度、信噪比、小波系数和小波能量随检测位置的变化规律.最终给出了风洞中3种尺寸旋涡发生体下游的最佳检测位置:宽度14 mm发生体的最佳检测区域为距发生体50～75 mm,宽度22.5 mm发生体的最佳位置在100～150 mm,宽度28 mm发生体的最佳位置在150～200 mm.根据试验结果提出了估算最佳位置的公式,即最佳检测位置与发生体距离为涡街波长的二分之一.试验的分析方法和结论具有普适性,可推广到管道三维涡街流场中探头位置的研究.     

基于二维卷积神经网络的无线局域网室内定位系统

为改善现有无线局域网（Wireless Fidelity, WIFI）室内定位算法的精度与复杂度问题,提出了一种基于二维卷积神经网络（2D-Convolutional Neural Network,2D-CNN）的WIFI室内定位算法。该算法将在线阶段的复杂性转移到离线阶段,在线阶段中仅使用2D-CNN网络进行训练;在离线阶段中,采集定位区域各采集点可接收到的所有无线接入点（Access Point,AP）的接受信号强度（Received Signal Strength Indicator,RSSI）值,并根据其计算峰值,二者结合构成位置指纹图像。再使用滑动窗口进行数据集扩充,最后将其引入到2D-CNN网络模型中进行训练,建立定位模型并完成定位。实验结果表明,在当前室内环境中,该算法的平均定位精度达99.58%,证实了不同参数、优化算法及模型架构选择的正确性。     

融合双频段信息的林业无线传感网节点测距算法

无线传感网节点测距技术是基于测距法节点定位的基础,针对林区中单一频段节点测距存在误差大、精确度低的问题,基于接收信号强度(received signal strength indication, RSSI),提出一种融合433 MHz和2.4 GHz双频段信息的节点测距方法。建立引入环境参数预测的林区信号衰减模型,利用高斯滤波修正偶然误差,选择合适的融合参数γ对双频段测距信息进行融合,通过在平均胸径接近、林分密度不同的场地中实验归纳γ的取值规律。实验结果表明,在林分密度600株/hm~2以下的林场中,γ=0.4最优;在林分密度600～1 000株/hm~2之间的林场中,γ=0.5最优,在林分密度1 000株/hm~2以上的林场中,γ=0.6最优。在γ取最优值的情况下,实验表明本文提出的方法测距结果的均方根误差值为1.74,较单一频段的测距误差减小了31.3%,提高了基于RSSI节点测距的精度。