基于ZigBee和EMD距离的RSSI室内定位方法的研究与实现
这是一篇关于室内定位,ZigBee,RSSI,概率分布,EMD距离,特征值融合,JavaWeb的论文, 主要内容为随着探测技术的发展和大型室内场景的增多,室内定位技术已经在人们的生产生活中占据着不可替代的地位。大到军事、电力生产、医疗卫生、化工制造、交通物流和餐饮服务等领域,小到地下室、矿井和停车场等场所,各种室内定位技术展现着不同的优势。本文选取定位精度较高、安全度高、功耗及成本较低且组网方便的ZigBee定位技术。目前基于RSSI(Received Signal Strength Indication)接收信号强度指示的室内定位方法有邻近探测法、质心定位法、多边定位法、三角定位法、极点法和位置指纹定位法等。本文选取的基于位置指纹的定位算法,因其定位精度最高深受科研团队的喜爱,目前已经形成了NN、KNN和WKNN等多种公共认可的相似度匹配算法。本文主要研究和创新内容如下:(1)构建RSSI概率分布模型,对RSSI概率特征进行了系统的分析,并且在指纹库的优化处理时,使用了马氏距离与卡尔曼滤波对指纹库进行多次过滤。(2)提出了改进EMD距离的G-EMD、SG-EMD和DSG-EMD算法,对EMD距离进行了贪心、排序和动态排序的处理,有效的提升了定位的精度。(3)提出了基于RSSI特征值融合匹配的CPA-WKNN算法,其核心思想是利用不同RSSI特征值的优势,根据实时采集到的数据波动情况动态选取RSSI概率特征和RSSI平均数特征进行融合匹配。(4)实现了基于JavaWeb的位置指纹在线定位系统,对比WKNN算法和CPA-WKNN算法的真实定位效果,并可以实时监测RSSI波动和绘制行走轨迹。在仿真环境下,对比了预处理阈值、噪声强度和K值选取对定位效果的影响。当K值选取为8时,DSG-EMD算法得到了最高的平均定位精度,达到了0.62m,较WKNN算法精度提升了0.3m。然后在理想和复杂环境下,对比了WKNN、DSG-EMD和CAP-WKNN算法的定位效果,证明DSG-EMD算法更适用于理想环境,而CPA-WKNN算法更适用于复杂环境。在真实环境下,对比了KNN、WKNN、SG-EMD、DSG-EMD以及CPA-WKNN算法的定位精度,本文提出的DSG-EMD算法和CPA-WKNN算法较WKNN算法的平均定位精度分别提升了0.04m和0.07m,2m以内的累计误差概率分别达到了92%和96%。
室内Radio-map建立方法与系统实现
这是一篇关于无线传感器网络,Radio-map,室内定位,射频指纹,RSSI,LQI的论文, 主要内容为随着时代进步和信息技术的快速发展,人们对自身所处位置感知的需求不断上升。目前,以GPS、北斗导航等代表的室外定位技术基本可以基本满足室外定位的需求,但就室内定位方面而言,由于室内环境的复杂性,其定位精度明显恶化,尚不能完全满足人们的需求。因此,对室内定位技术的研究具有十分重要的理论意义和应用价值。基于接收信号强度(Received Signal Strength Indication,RSSI)生成的射频指纹定位方法,是通过接收与位置相关的信号强度值来建立位置指纹,并在此基础上进行位置估计的一种定位方法。该方法一般分为离线训练和在线定位两个阶段,由于其结构简单、定位精度较高等特点而成为了室内定位技术的主流。在该方法中,离线阶段Radio-map的构建与射频指纹的选取,将对系统的定位精度产生直接影响,是射频指纹定位系统实现的基础。本文针对射频指纹的构建方法及其特性进行研究,并在此基础上设计和实现了一套用于采集射频指纹数据和构建Radio-map的软硬件系统,主要工作如下:(1)对射频信号的统计特征、时迁特性和环境变化引起的波动进行了深入研究和现场真实数据测试,分析了RSSI及LQI数据的特性,给出了基于RSSI众数构建位置指纹地图的方案。为了更好地描述、分析和比较不同位置指纹的特性以及对定位精度的影响,本文对其稳定性和指纹分辨率进行了理论分析,并与传统RSSI均值指纹进行了对比和定位实验。现场实验结果表明,与传统的位置指纹相比,基于RSSI众数的位置指纹具有更好的稳定性和较高的分辨率,能够减小环境变化对指纹造成的影响,提高了系统在线定位的精度。(2)基于IRIS硬件节点平台和B/S架构,采用SSH框架技术设计和实现了一套用于专门构建Radio-map的软硬件系统。该系统容易部署,可对RSSI和LQI原始数据进行实时采集、分析和处理,并生成相应的位置指纹,进而得到室内定位所需的Radio-map。由该系统生成的Radio-map数据,可为基于射频指纹的室内定位技术研究提供支持,其生成的射频指纹数据集也可供相关人员参考。
基于蓝牙信标和指纹库匹配的室内定位算法研究
这是一篇关于室内定位,蓝牙信标,RSSI,iBeacon指纹库,相关性分析的论文, 主要内容为位置信息、定位技术与位置服务开启了新时代的研究热潮,覆盖到了智能交通,智能家居,智慧工业、农业、商业,智慧城市等诸多领域。GPS和蜂窝网定位技术广泛用于室外位置服务,但由于非视距和多径影响,信号强度和定位精度都无法达到室内定位要求,且耗电速度快,系统成本高。目前的室内定位技术主要是无线定位技术,从近几年的室内定位研究热潮中可以看出,蓝牙低功耗4.0技术在高精度、低功耗、易部署、系统简单、成本低上都较有优势。同时智能手机、iPhone、iPad等智能终端设备的快速发展,且大多都支持BLE功能,更加促进了室内i Beacon技术的应用。可以说,蓝牙定位技术将会成为室内定位技术的一大支柱,前景广阔。本文在室内定位的定位技术与定位算法的研究现状基础上,深入分析研究了基于蓝牙信标iBeacon的指纹库匹配定位,分析了选用iBeacon指纹库相关性匹配定位的可行性及优势。本文的主要研究工作如下:(1)对典型室内办公室环境的iBeacon信标布置进行研究,为了使定位区域中各个位置处采集的RSSI序列有明显区分,且结合实际布置成本,及定位精度要求,确定了35米之间布置一个iBeacon信标基站的信标布置方案。(2)对实验环境内RSSI采集的方向、时间、人员干扰进行了重点研究分析,并对参考点的分布做了规划,确定了单点多方向多次采集方案。采集指纹库之后,对其进行融合卡尔曼均值滤波处理,构建稳健较准确的iBeacon信号指纹库。(3)提出了相关性匹配指纹库算法,对指纹库进行两次筛选后,求解未知点与参考点的相关系数γ,选出在0.8?|??(27)(16)范围内的进行显著性检验,得到K个匹配性较高的指纹库参考点,以相关系数绝对值为加权系数对参考点坐标进行加权平均得到预估位置。实验结果表明,相关系数匹配位置指纹库算法可将定位误差在2米以内的概率从65%提高到92%,对比于常用的KNN匹配定位算法具有定位精度高、定位时间短、算法稳定等优势。(4)对基于iBeacon信标的室内定位系统的指纹库采集和实时定位两部分进行了设计与实现,确定了Android移动端平台,负责采集处理iBeacon信号,并上传iBeacon信号指纹;同时在J2EE架构的后台服务器端,保存位置指纹库进行相关性匹配实时定位,然后反馈给用户端,实现相关性匹配定位结果的显示测试。
基于蓝牙信标和指纹库匹配的室内定位算法研究
这是一篇关于室内定位,蓝牙信标,RSSI,iBeacon指纹库,相关性分析的论文, 主要内容为位置信息、定位技术与位置服务开启了新时代的研究热潮,覆盖到了智能交通,智能家居,智慧工业、农业、商业,智慧城市等诸多领域。GPS和蜂窝网定位技术广泛用于室外位置服务,但由于非视距和多径影响,信号强度和定位精度都无法达到室内定位要求,且耗电速度快,系统成本高。目前的室内定位技术主要是无线定位技术,从近几年的室内定位研究热潮中可以看出,蓝牙低功耗4.0技术在高精度、低功耗、易部署、系统简单、成本低上都较有优势。同时智能手机、iPhone、iPad等智能终端设备的快速发展,且大多都支持BLE功能,更加促进了室内i Beacon技术的应用。可以说,蓝牙定位技术将会成为室内定位技术的一大支柱,前景广阔。本文在室内定位的定位技术与定位算法的研究现状基础上,深入分析研究了基于蓝牙信标iBeacon的指纹库匹配定位,分析了选用iBeacon指纹库相关性匹配定位的可行性及优势。本文的主要研究工作如下:(1)对典型室内办公室环境的iBeacon信标布置进行研究,为了使定位区域中各个位置处采集的RSSI序列有明显区分,且结合实际布置成本,及定位精度要求,确定了35米之间布置一个iBeacon信标基站的信标布置方案。(2)对实验环境内RSSI采集的方向、时间、人员干扰进行了重点研究分析,并对参考点的分布做了规划,确定了单点多方向多次采集方案。采集指纹库之后,对其进行融合卡尔曼均值滤波处理,构建稳健较准确的iBeacon信号指纹库。(3)提出了相关性匹配指纹库算法,对指纹库进行两次筛选后,求解未知点与参考点的相关系数γ,选出在0.8?|??(27)(16)范围内的进行显著性检验,得到K个匹配性较高的指纹库参考点,以相关系数绝对值为加权系数对参考点坐标进行加权平均得到预估位置。实验结果表明,相关系数匹配位置指纹库算法可将定位误差在2米以内的概率从65%提高到92%,对比于常用的KNN匹配定位算法具有定位精度高、定位时间短、算法稳定等优势。(4)对基于iBeacon信标的室内定位系统的指纹库采集和实时定位两部分进行了设计与实现,确定了Android移动端平台,负责采集处理iBeacon信号,并上传iBeacon信号指纹;同时在J2EE架构的后台服务器端,保存位置指纹库进行相关性匹配实时定位,然后反馈给用户端,实现相关性匹配定位结果的显示测试。
基于ZigBee和EMD距离的RSSI室内定位方法的研究与实现
这是一篇关于室内定位,ZigBee,RSSI,概率分布,EMD距离,特征值融合,JavaWeb的论文, 主要内容为随着探测技术的发展和大型室内场景的增多,室内定位技术已经在人们的生产生活中占据着不可替代的地位。大到军事、电力生产、医疗卫生、化工制造、交通物流和餐饮服务等领域,小到地下室、矿井和停车场等场所,各种室内定位技术展现着不同的优势。本文选取定位精度较高、安全度高、功耗及成本较低且组网方便的ZigBee定位技术。目前基于RSSI(Received Signal Strength Indication)接收信号强度指示的室内定位方法有邻近探测法、质心定位法、多边定位法、三角定位法、极点法和位置指纹定位法等。本文选取的基于位置指纹的定位算法,因其定位精度最高深受科研团队的喜爱,目前已经形成了NN、KNN和WKNN等多种公共认可的相似度匹配算法。本文主要研究和创新内容如下:(1)构建RSSI概率分布模型,对RSSI概率特征进行了系统的分析,并且在指纹库的优化处理时,使用了马氏距离与卡尔曼滤波对指纹库进行多次过滤。(2)提出了改进EMD距离的G-EMD、SG-EMD和DSG-EMD算法,对EMD距离进行了贪心、排序和动态排序的处理,有效的提升了定位的精度。(3)提出了基于RSSI特征值融合匹配的CPA-WKNN算法,其核心思想是利用不同RSSI特征值的优势,根据实时采集到的数据波动情况动态选取RSSI概率特征和RSSI平均数特征进行融合匹配。(4)实现了基于JavaWeb的位置指纹在线定位系统,对比WKNN算法和CPA-WKNN算法的真实定位效果,并可以实时监测RSSI波动和绘制行走轨迹。在仿真环境下,对比了预处理阈值、噪声强度和K值选取对定位效果的影响。当K值选取为8时,DSG-EMD算法得到了最高的平均定位精度,达到了0.62m,较WKNN算法精度提升了0.3m。然后在理想和复杂环境下,对比了WKNN、DSG-EMD和CAP-WKNN算法的定位效果,证明DSG-EMD算法更适用于理想环境,而CPA-WKNN算法更适用于复杂环境。在真实环境下,对比了KNN、WKNN、SG-EMD、DSG-EMD以及CPA-WKNN算法的定位精度,本文提出的DSG-EMD算法和CPA-WKNN算法较WKNN算法的平均定位精度分别提升了0.04m和0.07m,2m以内的累计误差概率分别达到了92%和96%。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码码头网 ，原文地址：https://m.bishedaima.com/lunwen/53015.html
