一种改进的加权质心定位算法

针对无线传感器网络质心定位算法精度不高的问题,提出了一种利用信号强度比值的加权质心定位算法(RR-WCL).系统中的信标节点周期性地发送自身信息,未知节点在收到信标节点的信息之后只记录同一个信标节点的信号强度均值,在收到超过阈值的信标信息后,建立信标节点集合、信号强度集合和信标节点位置集合,最后将未知节点接收到的信标节点信号强度的比值作为加权因子进行定位.仿真和真实系统实验结果表明,RR-WCL算法在不同环境下表现稳定,随着信标节点数目的增加,与质心算法相比,其定位精度可提高6.4%～37.25%,与加权质心算法相比,其定位精度可提高5.12%～11.23%.     

高郁闭林分星-地结合定位方法与试验

在部分林区存在卫星信号弱或无信号的问题,这导致了卫星定位应用难以进行,为此笔者提出了一种将地面定位技术与卫星定位技术结合的应用方法。为证明地面定位技术在林区是否具有应用可行性,在高郁闭林分开展了地面无线定位信号强度随距离变化的规律以及树木遮挡对信号强度影响规律的试验。结果表明:无线信号在林区环境下与理想环境下的传播规律有相似性,可利用该规律修正理想传播模型。从理论角度证明了地面无线定位技术在高郁闭林分的适用性,可用于传播模型的建立和定位算法的研究。     

移动轨迹链式射频指纹图训练

射频指纹图的离线训练工作强度大是限制室内节点定位的主要因素,提出了移动轨迹链式射频指纹图的离线训练方法。通过实际实验,得出了基于测距的定位方法和插值训练方法存在较大的误差。并与Radar系统的进行比较后,得出通过移动轨迹链式射频指纹训练不论是平均定位精度或是单次定位误差概率上都具有优势。同时离线训练强度是Radar系统的0.25%,有利于进行射频指纹图的快速构造和室内节点的定位。     

Q：为什么看红色的物体太久后再转向看其他的东西，发现周围是绿色呢？

A：这是由于视网膜上负责感受颜色的视锥细胞的变化造成的。我们的视锥细胞中存在3种类型的视锥细胞，分别感受红色、绿色和蓝色3种颜色的光。这3种物质各自感受到的信号强度被组合在一起传递给视神经，我们据此就能判断所看到的是什么颜色。当我们持续凝视红色后，由于红色视物质兴奋时间过长，引起疲劳，由它负责收集的红色光的信号强度就“被削弱了”，而此时绿色视物质处于兴奋状态会“趁虚而入”。     

无线Wi-Fi网定位技术应用

本文介绍了无线定位技术的发展现状,对现今流行的无线定位技术的原理和技术特征做了客观的比较。重点论述了现今发展迅速的无线局域网定位的关键技术和应用。     

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.     

移动通信网络切换优化简单思路

<正>切换是通话过程中的一个较为平常的事件,切换是保证移动通信的畅通,保障用户通话质量的方式。是一种实时测量周围信号强度,分析对比,当发现足够好的小区时主动切向该小区保证用户通话过程的畅通。手机在通话过程中的切换流程如下:     

分布式自组织网络动态功率控制机制的研究与实现

针对自组织网络的功率控制机制,提出了一种适用于自组织网络的分布式动态功率控制机制.源节点首先向目的节点申请保护时隙作为专用数据通信时隙,申请成功后源节点根据接收到的响应报文的发送功率和接收信号强度指示器,计算出源节点到目的节点的最优发送功率,减少发送功率从而节省节点能耗.基于CC2430无线模块开发了实验验证平台对该机...     

改进的对数衰减动态非视距定位

在一般对数衰减模型中衰减因子是一个常量,但在实际应用中会引起较大的测距定位误差. 为了减少定位估计误差,在对Zigbee 组网定位实验数据进行统计分析的基础上,提出用负指数函数来描述衰减因子与距离（目标节点与锚节点间距）之间的关系,进而建立一种改进对数衰减模型;给出一个基于改进对数衰减模型的ML 估计器,并推导了该估计器的Cramer-Rao下界(Cramer-Row lower bound, CRLB). 在实验室和车站站场的Zigbee 组网定位实验结果表明,使用改进对数衰减模型的ML 估计器能提供更准确的定位估计,对场景变化有较好的适应性.