共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
4.
5.
6.
7.
自动推算室内接入点坐标算法 总被引:2,自引:1,他引:1
随着基于位置服务的应用与发展,室外和室内定位技术都得到了飞速发展。特别是在WiFi定位技术的不断完善下,室内定位技术有了广泛的应用,但是,WiFi定位技术的两种定位方式均需预先知道室内网络接入点的精确坐标,这一要求无法满足一些紧急情况下的定位需求。因此,本文提出了一种基于M估计的自动推算室内接入点坐标算法。该算法借助在室内外交界处同时获取卫星定位信息和WiFi信号的RSSI信息,巧用分段RSSI测距算法提高长距离RSSI测距精度,结合残差绝对和最小的M估计改进距离交会定位算法,最终推算出室内接入点的三维坐标,实现自动化推算过程。试验结果表明:该方法的定位精度比常规距离交会最小二乘算法提高了50%,能够快速实时较精确地推算室内接入点的坐标,进一步完善了WiFi定位技术。 相似文献
8.
9.
10.
随着定位服务的兴起,越来越多的人和公司注重对其所拥有的珍贵物品的管理与保护,通过对其位置的确定达到管理的目的。目前主要的定位方式是利用全球卫星导航系统(GNSS)。但是许多所要定位的珍贵物品储存于室内,而室内很难接收到卫影信号,所以无法对其进行准确定位。ZigBee室内定位技术作为目前一种新兴的短距离无线数据网络通信技术,具有低功耗、低成本、低速、高容量、高安全性、高可靠性和短时延等特点非常适合对室内珍贵物品定位。在ZigBee室内定位技术的众多定位算法中RSSI测量技术现代化无线模块已经具有对RSSI的测量功能,不需要额外硬件支持,同时误码率可以被用来估计信号衰减。同时大多数珍贵物品的所存储房间大多室内结构简单,环境因素对其影响较大,信号干扰影响基本很小。所以利用ZigBee定位算法中RSSI测量技术对室内存放的珍贵物品进行定位是可行的。 相似文献
11.
由于地下环境无导航卫星系统定位信号,导致地面常用的定位方法无法在地下空间内使用,而传统利用手机惯性传感器进行航位推算,往往需要固定手机姿态或联合其他无线定位方式来对步态及定位累积误差进行识别校正。为方便人们使用,减少额外硬件布置,避免无线信号间出现干扰,本文通过对步态检测算法进行改进,消除手机姿态对识别步态信息的影响,同时利用地下空间人们行走路径较为规则这一特点,提出了以路径的方向为特征对累积误差进行校正。选取了教学楼地下一层为试验区,结果显示当采样频率为50 Hz时,平均定位误差在2 m以内。 相似文献
12.
一种改进的RSSI加权质心定位算法 总被引:1,自引:0,他引:1
针对现有加权质心定位算法易受环境因素影响、权重确定不合理导致的室内定位精度低的问题,该文提出了一种基于RSSI的改进加权质心定位算法,该方法在原算法基础上对权重的确定进行了改进,以RSSI值解算的距离值的倒数和作为权重,有效降低了较远距离在权值中所占的比重,提高了室内定位精度;针对权值修正系数n的取值对定位精度的影响,通过实例得出n=6时定位精度最高的结论,同时证明了本文算法优于现有的质心定位算法及加权质心定位算法。本文算法降低了室内复杂环境因素的影响,提高了利用无线传感网络的定位精度,可为智慧城市、智能交通、矿井及灾害救援等领域精确的位置估计提供帮助。 相似文献
13.
科技部国家遥感中心战略专家组 《全球定位系统》2009,34(6):73-81
8无线传感器网络技术进展
8.1无线传感器网络技术
无线传感器网络技术是指将传感器技术、小型计算机技术,无线通信技术、卫星定位技术、自动控制技术、数据网络传输、储存、处理与分析技术集成的现代信息科学技术。具有数据获取、分析、运算、存贮和传输等功能。它的传感器一般与小型计算机和无线发送装置集于一体,称作网络传感器节点。每个节点一般置于观测对象的附近,或与观测对象直接接触,甚至埋于感兴趣观测对象当中。 相似文献
14.
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
15.
随着基于位置服务应用的普及,室内外无缝定位已成为下一代定位系统的核心,但是精确的室内定位至今仍是难点问题。众多学者提出过无线信号定位算法,然而无线信号具有不稳定性,且需要事先建立信号特征指纹数据库,这给定位带来了误差和繁琐性。通过对室内环境中超宽带信号测距结果分析以及对快速生成无线信号数据库方法的探讨,提出一种基于多用户测距约束的融合多传感器信息的协同室内定位算法。该算法利用粒子滤波集成了航向推算数据、WiFi数据、用户间测距以及室内地图等信息。测距约束能够剔除由于信号不稳定或数据库没有及时更新造成的误差。通过集成室内采集的数据,验证了该算法能够有效提高室内定位精度及稳定性。结果表明该算法比航向推算或WiFi定位结果提高了40%以上。 相似文献
16.
17.
18.
WiFi-PDR室内组合定位的无迹卡尔曼滤波算法 总被引:1,自引:0,他引:1
针对当前室内定位的应用需求和亟待解决的关键问题,结合城市室内环境下广泛存在的WiFi无线信号以及智能手机传感器信息,提出了一种WiFi无线信号联合行人航迹推算(PDR)的室内定位方法。该方法采用无迹卡尔曼滤波(UKF)算法对WiFi和PDR定位信息进行融合处理,有效克服了WiFi单点定位精度低和PDR存在累计误差的问题。针对融合算法中WiFi指纹匹配计算量大的问题,用k-means聚类算法对WiFi指纹库进行聚类处理,降低了指纹匹配算法的计算量,提高了算法的实时性。通过在华为P6-U06智能手机平台上实际测试,在时间效率上经过聚类处理后系统定位耗时有很大程度的改善,平均降幅为51%,其中最大降幅达到64%,最小的也达到了36%;在定位精度上,当室内人员为行走状态时WiFi定位平均误差为7.76m,PDR定位平均误差为4.57m,UKF滤波融合后平均定位误差下降到1.24m。 相似文献
19.
基于RSSI(Received Signal Strength Indication)的距离测量技术是一种新型低成本的距离测量技术,并且在距离定位的领域中得到广泛的运用。针对常规的Zigbee指纹定位的加权最邻近定位算法较为复杂且精度低下的问题,该文对基于RSSI的Zigbee指纹数据库定位算法中加权最邻近算法进行了研究,提出了利用一种新的加权距离定位算法,并且使用Zigbee无线网络系统进行实验。结果表明,使用加权定位算法后,与常规的3种定位算法相比,Zigbee定位系统的定位偏差得到一定程度的提高且优于1.57m。 相似文献
20.
针对室内活动场景下,额外布设定位基站成本较高,应用范围有限,基于手机的室内高精度位置服务需求难以满足的问题。考虑到Wi-Fi在全球网络中的广泛部署及智能手机内置多种运动传感器,本文实现了基于Wi-Fi RTT测距信息和手机内置多传感器的实时室内定位方法,并在室内进行静态和动态定位实验。实验结果表明:该算法无论是定位精度还是定位准度都优于仅依赖于Wi-Fi RTT测距信息的Wi-Fi RTT LS算法和Wi-Fi RTT UKF算法,平均定位误差为1.16 m,最大定位误差为2.14 m。 相似文献