基于机器学习与蓝牙RSSI的室内定位技术研究

对一种基于蓝牙RSSI(received signal strength indicator)结合机器学习算法的室内定位技术进行了研究。以蓝牙低功耗信标作为发射节点，接收移动节点的RSSI信号，通过三坐标测算技术，结合k近邻（k-nearest neighbor, k-NN）机器学习算法，参考已知信标节点对移动节点RSSI数据进行分类，估算出待测点坐标，从而定位室内用户位置。所研究的室内定位技术，综合运用了蓝牙低功耗信号处理、RSSI测距及机器学习等多种技术，能精确地用于各种静态或动态的应用室内定位场景。在某高校图书馆室内部署本文技术方案，测试结果表明机器学习结合蓝牙RSSI的室内定位精度相比传统定位方法得到提高。     

基于RSSI的移动权值定位算法

为了减少传统基于RSSI（received signal strength indication）定位算法对室内传播模型的依赖,以及简化这类算法的复杂程度,提出一种基于RSSI的移动权值定位算法。算法通过场境建模,设定三类基准点并平均分布在建模场景中;获取设定场境内不同定位标签的RSSI向量,根据判定规则确定基准点,再运用室内传播模型计算移动权值,估算待测终端的位置信息。通过真实场景实验对比分析,该算法较对比算法具有更好的定位精度以及稳定性。     

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。     

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RSSI权值的环境适应型室内定位算法研究

定位节点接收的信号强度指示（Received Signal Strength Indication,RSSI）值是室内指纹定位技术重要的元素之一。通过对定位节点接收到的信号强度值特性分析,提出了基于RSSI权值的室内定位算法。改进型RSSI权值计算公式以及权值指数[α]的提出,使得定位算法具有一定的环境适应性,能更灵活地运用于实际定位场景。经过一般实验场景验证,算法在定位精度上有较大的提升。     

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。     

基于WiFi的四边测距修正加权质心定位算法

针对现阶段无线信号传播过程易受周围环境干扰、运动载体定位算法精度低的问题,提出一种基于WiFi技术的四边测距修正加权质心定位算法.该算法首先运用近高斯拟合算法和卡尔曼滤波剔除RSSI数据中的突变数据和差异较大的数据,选出最优的RSSI值;然后根据无线信号传播路径损耗模型,运用RSSI值对移动终端和AP的距离进行模型计算;最后采用改进加权因子的加权质心定位算法并结合四边测距法对待定位点坐标进行计算.仿真实验表明:基于WiFi技术的四边测距修正加权质心定位算法相对提高了定位的精度.     

基于三点定位与加权坐标的三角定位算法

针对传统的基于接收信号强度指示（Received Signal Strength Indication,RSSI）的三角定位算法产生的定位误差大和定位结果波动性大的问题,提出一种基于三点定位与加权坐标的三角定位算法。该算法对RSSI数据进行卡尔曼滤波操作,降低RSSI数据的波动性;将滤波后数据经过基于RSSI选取的三点定位算法,获取粗定位坐标;将获取的三个粗定位坐标基于加权坐标的三角定位算法得到待定位点坐标。实验结果表明,在RSSI-距离衰减模型拟合度为96%的条件下,提出的算法的最大误差为1.602 m,平均误差为0.880 m。     

基于协同预测的无线传感器网络全移动节点定位算法

节点定位技术是无线传感器网络的关键问题之一,分析了无线电的路径损耗模型,建立了基于信号接收强度（Received Signal Strength Indicator, RSSI）和距离的拟合关系模型,提出了一种基于协同预测的无线传感器网络全移动节点定位方法。该方法解决了当能够与未知节点通信的锚节点数量少于3个而不能定位的问题,算法利用未知节点历史时刻的位置信息辅助当前时刻的未知节点定位,即把未知节点历史时刻的位置作作为锚节点的位置,速度值作为通信半径对未知节点进行辅助定位。仿真结果表明,与传统RSSI定位算法相比,该算法的定位成功率提高了约30%,每轮的平均相对误差降低了约47%。     

基于贝叶斯过滤法的CSI室内定位方法

无线信号多径效应导致基于接收信号强度指示（RSSI）的室内定位方法的精度和稳定性下降。为解决这一问题,提出基于贝叶斯过滤法的信道状态信息（CSI）室内定位方法（BCL ）。将物理层的CSI结合RSSI作为参考信息,减轻信号接收端的多径衰减影响;在此基础上,采用贝叶斯过滤法进行数据处理,降低接收信号的时变性。实验结果表明,相比现有的典型室内定位方法, BC L有效提高了定位准确度和稳定性。     

基于卡尔曼滤波算法的轨迹估计研究

在无线传感器网络中节点定位系统中,基于接收信号强度指示(RSSI)技术的定位算法研究有很多,这种定位技术成本低而且易于实现,但RSSI定位技术因容易受到环境因素的影响,在测距过程中,估测距离的误差很大。在RSSI定位系统的基础上,加入系统噪声和测量噪声,根据系统状态方程和动态系统测量方程,利用卡尔曼滤波算法,对RSSI进行滤波,并估测出移动节点的运动轨迹。仿真结果表明:改进卡尔曼滤波算法提高了移动节点的运动轨迹的定位精度。     

基于RSSI的自适应分段曲线拟合室内定位算法

针对室内环境因素对定位结果影响较大的情况,提出了一种基于接收信号强度指示（ RSSI）的自适应分段曲线拟合定位算法来提高室内定位的精度。在对原始RSSI数据预先进行高斯滤波处理的基础上,针对环境参数利用自适应分段曲线拟合的方法建立信号传播模型,最后采用最小二乘法计算出未知节点的坐标。实验结果表明：提出的算法定位精度更高,定位结果更稳定可靠,能够适应不同的室内环境。     

基于移动锚节点的无线传感器网络圆心定位

文章提出了一种利用无线传感器网络无线信号接收强度（RSSI）和移动锚节点轨迹来获得待定节点位置的算法。该算法在有多个可移动锚节点的情况下,定位将会更加高效。在定位阶段,通过RSSI测得锚节点到待定节点的距离,并利用三个以上移动锚节点的坐标（包括三个）来求解圆的方程,计算出待定节点的位置。     

基于Doppler效应的无线传感器网络射频干涉定位方法

文中提出一种基于Doppler效应的无线传感器网络射频干涉定位方法,两个锚节点同时发射具有一定频差的单音信号形成射频干涉,使得各接收节点获得一个低频变化的接收场强指示(RSSI)信号.基于其中一个锚节点移动产生的Doppler效应,在锚节点移动的时间段内,各节点通过测量RSSI信号的振动周期数,便可以获得自身到移动锚节点起点和终点的距离差.从而,通过锚节点的多次移动,各节点根据多组距离差信息,依据双曲线定位算法得到自身的地理位置估计.该定位方法仅需利用节点的无线通信设备,不需要额外的辅助测量装备,同时各节点独立进行自身的位置估计,不需要进行集中处理,是一种分布式的定位方法.理论分析和实验仿真均验证了该方法的可行性.     

基于ZigBee技术的铁路站场集装箱追踪定位的研究

为了在基于ZigBee技术的铁路站场无线网络中实现对安装在集装箱上的无线节点的定位,研究设计一种采用接收信号强度指示（RSSI）值来进行无线节点位置的定位：采用一个未知节点向周围存在的ROUTER参考节点发送并接收确认的数据采集机制．通过对3个最近ROUTER的参考节点进行RSSI值采集与处理,从而实现对目标节点的定位。通过实验,验证了该数据采集和位置估算定位方法的有效性。     

基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

基于接收功率电平的三角质心近距离定位算法

针对无线传感器网络中近距离定位精度较低的问题,提出了一种基于接收功率电平(RPL)的免标定三角质心定位算法.该算法使用无线信号参数RPL代替传统接收信号强度指示(RSSI),应用于测距模型中,与传统三角质心定位模型相结合,从而达到降低测距误差、提高定位精度的目的.通过仿真实验,将基于RPL的三角质心定位算法与基于RSSI的三角质心定位算法进行对比,结果表明:在实验环境下,基于RPL的三角质心定位算法比基于RSSI的三角质心定位算法精度提高了59.02％,定位精度有明显提升.     

无线传感器网络中一种基于栅格划分的概率定位算法

基于接收信号强度（RSSI）的节点定位算法是目前应用较为广泛的定位算法。由于无线信号受信道衰减和障碍物屏蔽等因素的影响,基于RSSI的定位算法精度不高。提出了一种基于栅格划分的概率定位算法,首先将待定位节点可能存在的区域划分为若干栅格,再根据无线信号在空间传输的概率模型,计算出待定位节点处于各个栅格的置信度,最后以置信度较高的栅格的形心为基准点,计算出待定位节点的坐标位置。算法降低了噪声污染对定位结果的影响,定位精度较高。     

一种层次Levenshtein距离的无指纹校准的室内定位方法

随着移动计算领域的兴起,基于位置的服务越来越受青睐。目前各种室内定位的方法层出不穷,由于室内广泛部署了无线基础设施,基于WiFi指纹信息的室内定位技术是其主流方法。设备异构和室内环境变化是影响定位精度的主要因素。本文针对以上两个问题,提出一种层次Levenshtein距离（HLD）的WiFi指纹距离计算算法,实现异构设备的指纹无校准比对。将不同移动设备采集的RSSI信息转化为AP序列,根据AP对应的RSSI值的差异性计算其层次能级,结合Levenshtein距离计算WiFi指纹之间的距离。对于需定位的WiFi指纹RSSI信息,利用HLD算法获取K个近邻,采用WKNN算法进行预测定位。实验中,为了验证算法的鲁棒性和有效性,在3种不同类型的室内环境中采用5种不同的移动设备来采集WiFi的RSSI信息,其定位的平均精度达1.5 m。     

一种新型煤矿井下巷道精确定位方法

针对现有煤矿井下基于电磁波的定位系统存在定位精度不高的问题,提出了基于可见光通信的煤矿井下精确定位方法。该方法应用可见光通信技术,采用LED光源广播自身位置信息,依据移动终端接收光信号的强度,计算出移动终端与特定LED光源点的距离,进行二维和三维的精确定位,定位精度可以达到几厘米。相比电磁波定位手段,该方法有效克服了多径干扰现象,定位效果显著。