非视距误差抑制方法在矿井目标定位中的应用

分析并指出电磁波非视距传播时延造成的测距误差是影响矿井定位精度的主要原因,针对基于到达时间的矿井目标定位方法,提出了一种能量检测非视距误差抑制方法。该方法通过实测矿井巷道信道特征,统计分析得出直达路径的门限值和信号截取的时间长度,构造相应的鉴别参量,在截取的信号段中提取直达路径能量块的到达时间,以此鉴别出非视距信号。测试结果表明,该方法能够达到较高的测距和定位精度。     

基于RSSI与TDOA的混合测距加权定位算法

对RSSI和TDOA测距技术优缺点进行分析,提出了基于（接收信号强度指示（RSSI）和信号到达时间差（TDOA）的混合测距加权定位算法,解决无线传感器网络定位系统中单纯依靠TDOA测距造成信标节点数量不足的问题。该算法根据测距方式的精度差异对测距结果进行加权校正处理,仿真实验表明,通过选择合适的加权值可以大大降低采用RSSI测距方式对定位精度产生的不利影响。     

认知无线电网络中基于接收信号强度的定位算法

为了解决无线定位精度与复杂测距之间的矛盾,提出一种基于接收信号强度比较的非测距定位算法,RSSC定位算法(received signal strength compare)。为了满足认知无线电网络中主用户的非合作特性,RSSC算法不需要主用户与认知用户合作。通过比较认知用户所测量到的接收信号强度,逐步确定主用户所在的区域,取区域的质心作为主用户的位置估计。根据认知用户密度、用户密度和信噪比三种参数,对RSSC算法的性能进行了分析。实验结果表明,RSSC算法与其他非测距定位算法相比,能够明显提高定位精度。     

基于优化RSSI精度的WSN加权质心定位算法

为消弱接收信号强度指示误差对无线传感器网络节点定位精度的影响,提出基于优化接收信号强度指示测距精度的加权质心定位算法。该算法根据接收信号强度指示（RSSI）和链路质量指示（LQI）在不同距离段的衰落曲线起伏的波动状况,采用分段测距的方法优化RSSI的测距精度,接着将优化后的距离值作为加权质心算法的权值因子对节点进行定位,进而提高定位精度。实验结果验证了该优化算法的有效性。     

基于差分误差抑制优化方法的井下目标定位

针对基于时间测距即到达时间、单程测距、双程测距、对称双边双程测距(SDS-TWR)等定位方法的定位精度受节点间时钟未同步、计时器频率偏移、设备时延等计时误差因素干扰的问题,提出了一种基于差分误差抑制优化方法的井下目标定位方法。该方法结合SDS-TWR定位方法,利用目标节点既是发射节点又是接收节点的特点,将传输时间及长度关系联立求解,通过矩阵形式,消除计时器频率偏移、设备时延等无关变量,得到未知目标节点的坐标仅与实测时间有关,从而有效消除计时误差对目标节点定位结果的影响,达到精确定位的目的。仿真结果表明,与单程测距、双程测距方法相比,差分误差抑制优化方法可有效抑制设备时延和计时器频率偏移等对基于时间测距的定位方法的影响,能对未知节点进行精确定位,定位精度高,测距误差区间仅为[-0.036 9m,0.037 7m],是单程测距误差的0.012%,双程测距误差的0.061%。     

无线传感器网络的三维空间定位算法

环境和硬件本身等因素使无线传感器网络的定位精度受到影响。为此,通过三维空间定位过程的分析,提出基于接收信号强度(RSSI)测距和Gauss模型的RGM定位算法。该定位算法无需硬件的扩展。仿真实验表明,相比普通的基于RSSI的测距算法,该算法可提高定位精度、缩短响应时间。     

基于接收信号强度指示的误差自校正定位算法

节点定位是无线传感器网络应用的关键技术。为了有效抑制各种环境干扰因素对未知节点定位精度的影响,提出一种基于接收信号强度的误差自校正定位算法。该算法通过信标节点之间的测距找出校正节点,用校正节点和质心信标节点的实际位置求得测距距离和实际距离,利用校正节点的误差自校正因子替换未知节点的测距误差因子,对测距误差进行补偿,最后利用加权质心方法确定未知节点的最终位置。仿真结果表明,该算法降低了测距误差对定位的影响,提高了定位精度,具有普遍应用价值。     

目标定位中的非视距传播研究综述

由于障碍物的存在,矿井等定位场景中普遍存在非视距传播现象,引起定位信号的折射、反射、衍射和散射,导致测距误差增大,进而影响目标定位精度。分析了非视距传播对TOA(Time of Arrival,到达时间)、TDOA(Time Difference of Arrival,到达时间差)、AOA(Angle of Arrival,到达角度)、RSSI(Received Signal Strength Indication,接收强度指示)等定位方法的影响,并从非视距传播的识别、非视距传播误差的抑制、非视距传播的利用及非视距场景下的定位方法设计4个方面对现有文献进行综述。对于非视距传播的识别,重点探讨了残差检验法、误差统计法、能量检测法、神经网络算法和几何关系法;对于非视距传播误差的抑制,主要分析了基于滤波的方法、基于半参数的方法、基于能量检测的方法及基于数据库的方法;对于非视距传播的利用,重点综述了提高定位系统鲁棒性及基于误差学习和匹配的方法;对于非视距场景下的目标定位方法设计,分为视距与非视距混合场景及纯非视距场景2种情况进行综述。探讨了目标定位中非视距传播研究的新方向:通过多种定位技术的融合提高目标定位精度;借助新兴技术提高非视距场景下的目标定位精度;通过与其他信息系统的交互引入额外信息,实现跨系统协同定位。     

一种基于插值的室内指纹定位系统设计与实现

由于室内环境的复杂性,无线传感器网络WSN(Wireless Sensor Networks)室内定位的精度一直不够理想.本系统在测距定位算法和非测距定位算法的基础上,提出了基于信号强度RSSI(Received Signal Strength Indication)的指纹定位方法.该方法利用Cokriging插值算法建立定位区域的多维RSSI向量指纹,通过匹配目标节点的RSSI向量与指纹RSSI向量确定目标节点的位置范围,最后使用K-中心点聚类算法提取目标节点的实际位置.实际场景实验和仿真实验结果都表明此方法在复杂的室内环境中具有较高的定位精度.     

非基于测距的压缩感知多测量向量目标定位

传统的压缩感知定位方法大多是基于测距的,需要获得目标的精确定位信息,并不适用于资源受限的低损耗无线传感器网络。提出一种非基于测距的压缩感知多测量向量目标定位方法,能够大大降低对网络硬件的要求。该算法一方面根据传感器获得的目标连通性信息,设计了非基于测距的压缩感知定位模型;另一方面采用对定位区域进行动态感知的方法,解决了非基于测距的定位中定位精度不高的问题。该算法能够同时处理多组测量数据,且操作简单,适用性强。仿真证明,该算法具有较好的定位精确性和鲁棒性。     

基于RSS场景指纹的ZigBee无线传感器网的定位方法

分析Z igBee无线传感器网络的基于信号强度测距法（RSSI）及场景指纹法,提出RSS场景指纹定位方法,该方法融合了上述两种定位方法的特点,即采用RSS＂场景特征信息＂作为定位场景＂指纹信息＂,以此建立＂指纹信息＂数据库,最后用最近邻居匹配算法实现定位。通过应用表明,RSS场景指纹定位方法具有定位精度高、自适应性及容错性强,且满足低成本、低功耗及易于实现的特点。     

基于接收信号强度指示的改进质心定位算法

传统质心定位算法虽然简单易行、成本低,但仅为粗略的定位估计方法,定位精度亟需改善.针对该问题,通过优选信标节点,提出了一种基于接收信号强度指示(RSSI)数据的改进质心定位算法,有效克服了传统质心定位算法"通信半径越大,定位精度反而下降"的缺点.通过MATLAB仿真验证算法的有效性和可靠性.     

基于RSSI自适应建模的加权反馈基站定位算法

针对基站定位中，终端接收的信号强度(RSSI)受多方面干扰，传统基站定位算法定位精度不高的问题，提出在最小二乘算法中引入加权与反馈的RSSI定位算法（RDOA）。旨在优化信号强度与传输距离的关系，大幅度提高基站定位精度。通过对基站信号在复杂环境下分布情况的研究,建立自适应信号强度分布模型，对定位信息进行加权与反馈,缩小误差带来的影响，综合得到定位结果。实验表明，所提出的方法相较于传统基站定位方法，在只增加少量复杂度的情况下，有更好的鲁棒性和更精确的定位结果。     

Analysis of WLAN’s received signal strength indication for indoor location fingerprinting

An indoor positioning system that uses a location fingerprinting technique based on the received signal strength of a wireless local area network is an enabler for indoor location-aware computing. Data analysis of the received signal strength indication is very essential for understanding the underlying location-dependent features and patterns of location fingerprints. This knowledge can assist a system designer in accurately modeling a positioning system, improving positioning performance, and efficiently designing such a system. This study investigates extensively through measurements, the features of the received signal strength indication reported by IEEE 802.11b/g wireless network interface cards. The results of the statistical data analysis help in identifying a number of phenomena that affect the precision and accuracy of indoor positioning systems.     

基于FDMA的超声波室内定位信标识别方法

在超声波室内定位的信标识别问题上,针对无线射频控制分配的信道策略复杂性高、定位滞后和基于码分多址(CDMA,code division multiple access)方法的自相关运算量巨大问题,提出基于频分多址(FDMA,frequence division multiple access)的超声波室内定位信标识别方法,令超声波具备信息携带能力.通过对信号调制技术的分析,在超声波频率响应范围内,利用不同频率的载波调制信源身份识别码,接收节点通过解调、匹配区分信号源进行定位.采用Simulink对多路信号传输过程以及调制与解调进行仿真,并用电路仿真发射、识别了编码.结果表明,FDMA方法能有效区分多路信号源互相干扰,准确恢复发射节点身份识别码,大大减少计算量,有利于定位效率的提高.     

TR-ReFloc: A TR-based Framework for Recovering Missed RSS for WiFi indoor positioning in the offline and online phase

The research on WiFi-based fingerprint positioning has become an important topic in the field of indoor positioning due to its low-cost deployment and widespread applications. However, received signal strength (RSS) from access points (APs) may be missed due to factors such as Green WiFi or AP malfunctions. Traditional approach often set the missed RSS to a predetermined default value, which may not be accurate. We propose a fingerprint recovery framework based on tensor-ring nuclear norm minimization (TRNNM) algorithm which uses the correlation of RSS to recover missed fingerprints in both offline and online phases, called TR-ReFloc. In the offline phase, the radio map in tensor form is recovered by tensor ring (TR) decomposition. In the online phase, depending on different user requirements, there are two stages to generate the positioning results. First, rapid results are generated in coarse positioning stage. Next, high-precision results generated in fine positioning stage by recovering the missed fingerprints using the correlation of test points (TPs) are closed to the current TP. Experiments demonstrate that the proposed framework is robust for recovering missed RSS and can maintain localization accuracy within 2 m even in cases of high missing rate, demonstrating significant improvement over traditional methods.     

煤矿井下人员安全监测定位算法仿真研究

实时精确监测井下人员位置,对安全生产非常必要。井下环境复杂、坑道狭长,不同于室内,一段坑道不会采集到太多较好信号节点,无线信号传播时易受反射、多径传播和噪声等因素影响,致使传统Wi-Fi定位算法定位精度低,提出一种基于局部极大似然、信号强度来遴选Wi-Fi信号节点,并利用六点四四组合混合定位算法。首先信标节点周期性扫描移动定位模块,筛选出较优信号强度,并求出待求节点与信标节点间距离;然后局部极大似然六点四四组合;最后质心法求解中心,估计最终的井下人员位置。经过仿真验证：所提出的混合定位算法,定位精度明显提高。同时分析了井下不同噪声、基站情况下,几种定位算法性能,新算法定位精度仍然较高;最后还分析了算法的实时性。     

一种融合多种定位精度改进策略的实时定位中间件

无论是普适计算还是物联网,实时定位均是其关键技术之一。在建筑物、洞室等复杂环境中,由于无线信号的不规则衰减、非视距传播,使得常用的一些定位算法(如接收信号强度、到达角度等)无法达到较高的定位精度。为了解决复杂环境中定位精度不足的问题,设计并实现了一个定位精度改进中间件。它集成了平滑、传感器融合、卡尔曼滤波、粒子滤波等多种精度改进策略,可以根据用户对定位精度的需求动态地选择相应的策略。通过实验分析了不同精度改进策略的性能,结果表明,该中间件能够较好地满足用户对不同精度的需求。     

基于声信道分析的电缆隧道人员定位技术

电缆隧道存在卫星信号完全拒止、电磁信道状态复杂等挑战,使得传统定位方法面临定位精度下滑、方差增大等问题。为此,本文提出一种基于声信道模型分析和到达时间估计的电缆隧道高精度人员定位方法。首先,在隧道中布设多组近超声基站,并通过有限元分析方法对基站布局进行优化;其次,针对人员移动导致的信道动态变化场景,在信号接收端建立统计参数模型,快速估计信号参数并在分数阶傅里叶变换域重构信号,同时通过信道频移状态推测人员的移动速度。最后,利用信道模型估计的到达时间以及移动速度,基于卡尔曼滤波器推算人员位置,同时将融合到达时间估计结果反馈到下一阶段的参数估计过程中,进而对信号参数估计结果进行修正。在地下电缆隧道的实验验证了所提出方法的有效性,在视距条件下性能超越了传统超宽带定位系统。