共查询到20条相似文献,搜索用时 468 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
基于WiFi信号室内定位技术的研究 总被引:1,自引:0,他引:1
主要对基于WiFi信号的室内定位技术中的三角形定位法进行了研究。鉴于现有的三角形定位模型受信号强度和环境干扰的约束影响,定位精度不高,提出了一种结合室内影响因素约束的权重改正定位模型,更加切合复杂的室内定位环境。通过试验测试和数据分析,经过加权去噪模型改正后的定位精度更高,适用性更广。 相似文献
9.
10.
11.
在Android平台上利用WiFi信号强度特征进行定位,定位系统由安卓客户端、Tomecat服务器以及MySQL数据库组成。基于信号强度指示(RSSI)的WiFi指纹定位在离线阶段建立的指纹数据库受采样间距的影响,因此采样间距必然影响指纹定位的精度。为了探究采样间距对WiFi指纹定位影响,在教室内进行实验,选取不同采样间距进行基于RSSI的WiFi指纹定位实验和分析,以定位的精度和时效性作为定位结果的衡量标准,实验表明,在室内环境下,采样间距为3 m的时效性较高且定位精度也能满足要求。 相似文献
12.
低功耗蓝牙手机终端室内定位方法 总被引:5,自引:1,他引:4
为满足高精度室内定位的需求,提出了基于地图匹配技术和指纹技术的高精度室内蓝牙定位方法。该方法以低功耗蓝牙手机终端为指纹采集和定位媒介,通过获取蓝牙信号强度参数,并与室内地图进行匹配处理,建立蓝牙信号指纹库。在定位阶段,通过手机终端获取附近蓝牙信号强度信息,与指纹进行对比。在位置计算过程中,采用地图匹配技术,通过空间叠加分析过滤后确定手机终端的空间位置。本文选取了一典型商业环境,通过测试,当蓝牙锚点部署密度间隔15 m时,平均定位精度在3 m以内。 相似文献
13.
14.
室内定位的关键技术之一在于室内距离的精确确定。基于WiFi信号强度确定室内距离的技术主要是利用WiFi信号在传播路径中发生衰减的原理实现位置推算。根据室内WiFi信号强度随距离变化这一物理特性,基于对数-距离模型,通过对实测信号强度(RSSI)与距离进行拟合,构建了基于信号强度—距离的室内定位多项式模型,并对其进行精度评定,实现了模型的优化,提高了信号强度转化距离的精确度。结果表明,采用对数-距离模型和对数拟合模型计算距离与真实距离的平均偏差为0.73m和0.56m,新设计的信号强度-距离多项式模型解算结果平均偏差为0.26m,优于之前两种模型,可为相关研究提供参考。 相似文献
15.
针对现有基于信号强度的质心算法定位精度不能满足特定场景下对高精度室内定位需求的问题,该文提出了一种改进的接收信号强度(RSSI)室内加权质心定位算法。该算法通过RSSI测距得出4个已知锚节点到待测点的距离,以相应的锚节点为圆心画圆弧,得到由4段圆弧相交的四边形,其任取3个顶点可以组成一个三角形,然后以距离平方倒数之和作为权值计算4个三角形质心坐标,再以4个三角形质心坐标作为初始值以信号强度之和作为权值求解待测点坐标。实验结果表明:该算法最大误差值为1.02m,最小误差值为0.21m,平均误差值为0.68m;该算法室内定位精度比基于RSSI的质心算法最大提高24cm,最小提高12cm,平均提高了18cm;比加权质心算法最大提高10cm,最小提高3cm,平均提高了8cm。 相似文献
16.
多基站模式下的实时与自适应室内定位方法研究 总被引:3,自引:0,他引:3
无线通信网络的增值推动了适宜和有效的室内外定位的发展。提出WLAN环境下多基站辅助的自适应定位方法,此方法基于由多个基站信息及其与位置指纹样本点之间的映射关系实时生成的位置指纹库估算移动站的位置。其中,基站与位置指纹样本点对应信号强度之间的映射通过BP神经网络构建。此方法不但能够适应环境中小尺度扰动因素,还能够通过对基站信息的内插适应大尺度环境变化情况。另外,此方法采用的信号强度差分度量,能有效削弱多个设备之间的差异造成的定位误差。试验结果显示该方法能够在动态环境中精确定位目标。 相似文献
17.
18.
高斯函数定权的改进KNN室内定位方法 总被引:2,自引:0,他引:2
室内某些区域无线访问接入点(AP)布设稀疏,以及信号指纹的时变特性等因素,均使得无线信号接收信号强度(RSSI)序列与射电地图(radio map)相应RSSI序列完全相同成为可能,计算得到信号空间的欧氏距离为0或非常小。利用欧氏距离定权的加权质心算法解算会出现错误,无法得到定位结果;取K个参考点坐标均值的KNN算法以1/K为权值,定位精度相对较低。本文提出了高斯函数定权的KNN定位算法,对K个最近邻欧氏距离进行了标准化处理,利用高斯函数分配权值,得到加权坐标值。与KNN和WKNN算法的定位结果相比,该方法提高了鲁棒性和定位精度。 相似文献
19.
20.
针对目前无线传感器网络(wireless sensor network, WSN)部署时,障碍物影响WSN优化部署的问题,以接收信号强度指示传感器室内定位应用为例,提出了一种考虑障碍物的无线传感器多目标优化部署方法。首先,基于室内定位算法原理和传感器覆盖模型,给出了在室内定位场景下WSN有效覆盖率的概念和信标节点部署模型。然后,在分析障碍物感知模型和信标节点部署策略的基础上,提出了考虑障碍物的传感器部署多目标优化模型。最后,以第三代非支配排序遗传算法为基础设计优化模型求解算法,数值仿真结果与正三角形、正方形、正六边形均匀部署,以及没有考虑障碍物的优化部署(进化1 000代,传感器个数为36)结果进行对比,结果表明所提方法的WSN有效覆盖率分别提高了52.7%、112.1%、16.6%和9.62%。 相似文献