RSSI信号滤波技术在机器人导航中的应用_刘贞

合集下载

一种基于粒子滤波的多源融合室内定位方法

一种基于粒子滤波的多源融合室内定位方法刘嘉钰1,2，郭凤娟1,2，李江1,2（1 中国电子科技集团公司第二十研究所，西安 710068；2 陕西省组合与智能导航重点实验室，西安 710068）摘要：室内定位技术作为社会各行业迫切需求的科技服务，尚无公认完善的解决方法。

由于单一技术的定位方法不可消除其固有缺点，多种定位技术融合提升的方法是实现高精度室内定位的重要研究方向。

本文面向日益复杂的室内环境，提出一种多源融合室内定位方法，将深度置信网络与RSSI指纹定位方法相结合实现粗略定位，同时使用行人航位测算技术完成行人航迹预测。

然后运用粒子滤波器将粗略定位结果与预测的行人航迹信息相融合，提升了传统RSSI室内指纹定位技术的精确度与实时性。

关键词：RSSI指纹定位法；多源融合定位；深度置信网络；粒子滤波中图分类号：TN92 文献标识码：A 文章编号：1674-7976-(2021)-02-098-06 Multi-Source Indoor Positioning Method Based on Particle FilterLIU Jiayu, GUO Fengjuan, LI JiangAbstract:Indoor positioning technology as the urgent demand of various industries of science and technology services, there is no recognized perfect solution. Because every positioning technology can not eliminate its inherent shortcomings, the integration of multiple positioning technologies is an important research direction to achieve high precision indoor positioning. Facing increasingly complex indoor environment, a multi-source indoor positioning method is proposed in the paper, which combines deep confidence network and RSSI fingerprint positioning method to achieve rough positioning. At the same time, pedestrian position measurement technology is used to complete pedestrian track prediction. Then, the particle filter is used to fuse the rough positioning results with the predicted pedestrian track information, which improves the accuracy and real-time performance of the traditional RSSI indoor fingerprint positioning technology.Key words: RSSI Fingerprint Positioning; Multi-Source Indoor Positioning; DBN; Particle Filter0 引言无线室内定位技术是在室内环境下使用WiFi[1-2]、蓝牙[3-4]、超宽带[5-6]、RFID[7-8]和ZigBee[9-10]等无线传输技术以及惯性导航等定位手段获取目标在室内区域中的位置信息。

RSSI滤波算法在室内定位技术上的应用

RSSI滤波算法在室内定位技术上的应用RSSI（Received Signal Strength Indicator）是无线网络中经常使用的一种信号强度指标，用于衡量接收到的无线信号的强度。

它在室内定位技术中应用广泛，主要用于测量移动设备与无线信号源之间的信号强度，以实现室内定位。

在室内定位中，RSSI滤波算法的应用主要有以下几个方面。

首先，RSSI滤波算法可以用于去除信号强度测量中的噪声。

室内环境中的多径效应、多个信号源、障碍物等因素会导致无线信号的干扰和衰减，从而影响RSSI的准确度。

为了得到更可靠的定位结果，需要对RSSI测量值进行滤波处理。

滤波算法可以通过对一段时间内的多个RSSI值进行平均或加权平均，来减小测量误差，提高定位的准确性。

其次，RSSI滤波算法可以用于快速自适应的路径损耗模型。

在室内定位中，路径损耗模型常常被用于估计信号的衰减程度，从而推断设备的位置。

然而，不同的室内环境和场景下，路径损耗模型的参数可能会有所不同。

通过使用RSSI滤波算法，可以实时地根据新的RSSI测量值更新路径损耗模型的参数，从而实现更准确的定位。

此外，RSSI滤波算法还可以用于室内定位中的信号质量评估。

除了信号强度，信号的质量和稳定性也是影响定位精度的重要因素。

通过对时序上连续的RSSI测量值进行滤波分析，可以评估无线信号的变化趋势、抖动程度等，从而提供信号质量的参考。

最后，RSSI滤波算法可以用于多传感器融合的室内定位。

除了无线信号，还可以使用其他传感器（如加速度计、陀螺仪、磁力计等）获取位置信息。

通过将RSSI测量值与其他传感器的测量值进行融合，在滤波算法的基础上，可以得到更可靠、更准确的室内定位结果。

总之，RSSI滤波算法在室内定位技术中有着广泛的应用。

通过对无线信号强度的滤波分析，可以提高定位的准确性、可靠性和稳定性。

然而，需要注意的是，不同的室内环境和应用场景下，需要选择适合的滤波算法和参数设置，以得到最佳的室内定位效果。

一种改进的基于RSSI最小二乘法和拟牛顿法的WSN节点定位算法

一种改进的基于RSSI最小二乘法和拟牛顿法的WSN节点定位算法作者：王坚程星晶刘继乾文永江来源：《电脑知识与技术》2016年第27期摘要：针对受周围环境影响的无线传感器网络定位精度等因素引起的测量误差问题，提出一种改进的基于RSSI最小二乘法和拟牛顿法的定位算法。

本文首先利用最小二乘法预估未知节点的初步位置，再将节点位置作为拟牛顿算法的初始值进行迭代计算，得到更为精确的节点位置。

仿真结果证明，该算法能有效地抑制测距传播误差，提高传感节点的定位精度。

关键词：无线传感器网络；节点定位算法；最小二乘法；拟牛顿法中图分类号：TN929 文献标识码：A 文章编号：1009-3044（2016）27-0222-04Abstract： In order to reduce the measurement error by the surrounding environment influence when the signal is transmitting to improve the positioning accuracy， this paper proposes a kind of the localization algorithm that is the least squares method combined with the quasi Newton method. First， using the least square method to estimates the unknown node， and get the initial position of the unknown node， then putting the node position as a quasi Newton algorithm of the initial value to iterative calculation， getting more exact node location. Simulation outcomes display that the algorithm can impactfully decrease the influence of the error in propagation process and improve the accuracy of the sensor node localization， and the algorithm needs no any additional hardware equipment， so it is achieved likely.Key words： wireless sensor networks； the node localization Algorithm； the least square method； quasi Newton method节点定位技术是无线传感器网络WSN（wireless sensor network）关键支撑技术，具有非常重要意义的研究价值。

RSSI定位技术在室内环境中的应用研究

RSSI定位技术在室内环境中的应用研究一、引言RSSI（Received Signal Strength Indicator）是指接收信号强度指示器，在室内环境中，通过无线信号的发射和接收，可以精确定位用户的位置，是室内定位技术中的一种主流技术。

本文将对RSSI定位技术在室内环境中的应用展开深入研究。

二、RSSI定位技术的原理RSSI定位技术的原理是基于传输信号和接收信号之间的信号强度值，通过对信号强度值进行分析和计算来确定用户的位置。

信号强度值的计算需要考虑多种因素，如信号的发射功率、接收灵敏度、无线传输的路径损耗等因素。

三、RSSI定位技术的算法1. 混合式RSSI定位算法混合式RSSI定位算法结合了多个无线室内定位技术，如指纹定位、位置排序等，通过将这些技术结合，可以提高定位准确度。

这种算法的实现需要收集大量的指纹数据，将其存储在数据库中，并使用机器学习算法进行数据挖掘，最终得到位置信息。

2. 加权平均RSSI定位算法加权平均RSSI定位算法根据多个收集的RSSI值计算权重系数，并对权重系数进行加权平均处理，从而得到用户的位置信息。

权重系数的计算需要考虑多种因素，如信号的传输距离、信号的直线距离和传输的路径损耗等因素。

四、RSSI定位技术的应用研究1. 无线室内定位系统无线室内定位系统的主要功能是实现室内定位功能，用户可以通过系统获取自己的位置信息，并进行导航、搜索、路径规划等操作。

无线室内定位系统需要收集室内的信号信息，并将其存储在数据库中，通过计算和分析这些信息，实现精确定位功能。

2. 室内导航系统室内导航系统是指在室内环境中提供导航功能的系统，用户可以通过系统获取自己的位置信息，并进行目的地导航。

使用RSSI定位技术可以实现室内导航系统的定位功能，通过计算用户的位置，系统可以提供最短路径、时间和距离等导航相关信息。

室内导航系统的应用范围广泛，可以应用于购物中心、机场、地铁等场所。

3. 室内安防系统室内安防系统是指在室内环境中提供安全保护的系统，通过使用无线传感器和摄像头等设备监测室内环境，使用RSSI定位技术可以实现位置定位，从而提供更加精准的安全保护。

RSSI信号滤波技术在机器人导航中的应用

ＡｓａｔＡｇｏｐｉｒｖｄｐｒｃｌｒｌｏｔｍｗｓｄｓｎｄｔｐｅｒｃｓｔｅＲＳ（ｅｅｅｉｇｌｂｔｃ：ｒｕｒｍｐｏｅａｔｌｆｔｇｒｈａｅｉｅｒｐｏｅｓｈＳＩｒｃｉｄｓａｉｅｉｅａｉｇｏｖｎ
第ｌ２卷
第６期
电机与控制学报
ＥＬＥＣＴＲＩＭＡＣＨＩＣＮＥＳＡＮＤＣＯＮＴＲＯＬ
Ｖ０．２Ｎｏ６１１．
ＮＯ．２ｏ８Ｖｏ
２００８年 Biblioteka 月１ＲＳＩ号滤波技术在机器人导航中的应用Ｓ信
ｔｅｃｏｄｎｔｐｃｈｃａｕｎｉｅｙｕｉｇＲＳＩｖｕｓｕｅｏｄｓｒｅｔｅｒｂｔＳｓａｅａｄｈｏｒｉａｅｓａｅｗｉｈｗｓｑａｔｄｂｓｎＳａｅｗａｓｄｔｅｃｂｈｏｏ ’ ｔｔｎｚｌｉｔｒｅｏｉｏ．Ｔｅｎｖｇｔｎｓｓｍｏｓｓｓｏｏｅｃｎｎｄｓｎａｈｏｅｉａｄｓｒｕｅａｇｔｐｓｉｎｔｈａｉａｉｙｔｃｎｉｔｆｓｍｅｂａｏｏｅ，ａｄｅｃｆｔｍｓｉｉｔｄｏｅｈｔｂｃｎｒｌｕｉＴｅｈａｉａｉｎｃｎｒｌｃｎｅａｈｒｔｅｃｎｒｌｉｆｒｔｎｆｍａｈｂａｏｏｅｏｔｎｔｈｎｔｅｎｖｇｔｏｔｅｔｒｇｔｅｓｈｏｔｎｏｍａｉｒｏ．ｏｏｏｏｏｅｃｅｃｎｎｄｓａｄｃｃｌｔｓｔｅｆａｕｐｔｆｒｍｏｉｏｏ．Ｔｅｃｏｄｎｔｎｏｅｃｎｎｄｓｎｔｎｅｅｏｋｏｎａｕａｅｈｎｏｔｕｓｏｂｌｒｂｔｈｏｒｉａｉｆｂａｏｏｅｉｏｅｄｄｔｎｗｌｉｌｅｏｂｆｒａｉａｉｎｎｌｗｆｒｄｐａｉｎｔｙａｃｏｎｎｗｎｓｅａｏ．Ｔｅｅｐｒｍｅｔｄｃｔｅｏｅｎｖｇｔ，ａｄｉａｏａｔｔｏｄｎｍｉｒｋｏｃｎｒｓｈｘｅｏｔｌｏａｏｕｉｉｎａｉｉａｅｌｎｔａｎａｃｒｃｆ．ｉｔｉａｌｔｈｓｍｅｈｄｈｔａｃｕａｙｏ６ｍｓａｔｎｂｅｗｉｔｉ０ａｈｔｏ．

RSSI 滤波算法在室内定位技术上的应用

其中：
区间(μ − σ ≤ P(μ − σ ≤ 该区间为高概率发生区，选择高斯函数值在该区间的对应的 RSSI 值，再将这些 RSSI 值做算术平均作为滤波优化的 RSSI 值
优点：高斯滤波解决了 RSSI 在实际中易受干扰，稳定性差的问题，以提高定位精度。缺点：对阴影效果、能量反应等长时间干扰问题处理效果差。
检验低端异常值：
当 n=8~10 时检验高端异常值：
检验低端异常值：
检验低端ห้องสมุดไป่ตู้常值：
当 n=14~30 时检验高端异常值：
检验低端异常值：
（3）根据检出水平α，查狄克逊检验的临界值表，在狄克逊检验法的临界值表中查出对应α，n 的临界值 D(α,n)
（4）当（5）去除异常值后，对剩下的样本数据，重复执行步骤（1）~步骤（5），直到不再检出异常值为止。最后剩下的数据可求其算数平均值作为最后滤波输出。优点：狄克逊检验法能够有效地去除样本中的异常值缺点：此算法需要查表，通常与其他的滤波算法混合滤波，复杂度较高
提高 RSSI 精度的滤波算法
均值滤波取每个一个节点的多个 RSSI 值，求得算术平均值，作为测试结果。
优点：该方法简单，容易实现，样本容量 N 越大，精度越高。缺点：RSSI 受干扰比较大时，其波动比较大，导致精度降低。
递推平均滤波把连续收到的 N 个 RSSI 看成一队列，队列长度固定为 N，每收到一个新 RSSI 值后放
高斯滤波对同一个节点接收到的多个 RSSI 值中，由于各种干扰，必然存在由误差引起的小概率
事件，通过高斯模型选取高概率发生区的 RSSI 值作为有效值，再求其几何平均值，这种方法能够有效地减少小概率、大干扰对整体测量数据的影响，提高定位的准确性。

RSS 技术在图书馆中应用研究的文献计量分析

RSS 技术在图书馆中应用研究的文献计量分析
刘丽伟
【期刊名称】《河南图书馆学刊》
【年(卷),期】2013(000)010
【摘要】作者选择中国知识资源总库作为数据库来源，采用文献计量分析的方法，从时间分布、期刊分布、文献主题分布等方面对RSS技术在图书馆中应用的相关
论文进行统计分析，结果显示，在这一研究上，国内已有了比较多的论文著作等，为今后更深入的研究和图书馆开展RSS服务打下了坚实基础。

【总页数】3页(P88-90)
【作者】刘丽伟
【作者单位】重庆理工大学图书馆，重庆 400054
【正文语种】中文
【中图分类】G250.7
【相关文献】
1.RSS技术在图书馆新书通报系统中的应用研究——以ILASII系统为例 [J], 黄承红
2.Web 2.0技术在图书馆中的应用研究论文计量分析 [J], 路世玲
3.RSS技术在数字图书馆个性化信息服务中的应用研究 [J], 李玉芬;
4.RSS技术在数字图书馆个性化信息服务中的应用研究 [J], 李玉芬
5.区块链技术在图书馆数字化文献资源建设中的应用研究——以图书馆自馆配文献资源建设为例 [J], 于新国
因版权原因，仅展示原文概要，查看原文内容请购买。

RSSI信号的滤波分析及仿真

RSSI信号的滤波分析及仿真张静;叶小芹【摘要】In wireless sensor networks,ranging technology based on RSSI (signal strength indication) is a low cost, low complexity measurement technology, but the RSSI signal is easily affected by environmental factors, So even in the same position point of the RSSI signal strength value is also greatly different, impact on accurate determination of position.First of all, the paper analyzes the principle of RSSI distance measurement , and several common filtering methods of RSSI signal. And using MATLAB software to generate RSSI signals through the model simulation , and then using the mean filter, Gauss filter, as well as Kalman filter to process the RSSI sampling value.The simulation results show that the error of Gauss filter and Kalman filter is obviously smaller than that of the mean filter in the presence of small probability and large disturbance;Due to the impact of the number of sampling points, the stability of mean filter and Gauss filter is not as good as Kalman filter.%在无线传感网中,基于RSSI(信号强度指示)的测距技术是一项低成本的、低复杂度的测量技术,但是RSSI信号容易受环境因素的影响,所以即便在同一位置点采集到的RSSI信号强度值也大不相同,影响位置的准确判定.论文首先分析了RSSI的测距原理,以及RSSI信号几种常见的滤波方法.并用MATLAB软件通过模型仿真产生RSSI信号,然后分别采用均值滤波、高斯滤波、以及卡尔曼滤波对RSSI采样值进行处理.仿真结果表明,小概率大干扰存在情况下,高斯滤波及卡尔曼滤波的误差明显小于均值滤波;均值滤波和高斯滤波因受采样点个数的影响,故稳定性不如卡尔曼滤波好.【期刊名称】《电子设计工程》【年(卷),期】2017(025)002【总页数】4页(P45-48)【关键词】RSSI值;滤波;定位;距离误差【作者】张静;叶小芹【作者单位】河海大学文天学院,安徽马鞍山243031;河海大学文天学院,安徽马鞍山243031【正文语种】中文【中图分类】TN929.5无线传感器网络（WSN）的定位方法比较多[1-4]，基于信号强度指示（RSSI）是测距的基本方法之一，因RSSI测量只需要较少的开销和较低的实现复杂度，使其成为近几年定位研究的一个热点[5-8]。

基于接收信号强度（RSSI）的室内二次定位方法

基于接收信号强度（RSSI）的室内二次定位方法∗陈淑敏;乔晓田;毛佳;徐元欣【摘要】提出一种用于室内定位的基于接收信号强度( RSSI)的二次定位方法。

首先利用全网中已有节点的信息，建立已知节点的初始路径传播损耗指数，采用统计中值滤波来减少RSSI的粗大误差和干扰，然后利用RSSI初次定位的位置结果对传播损耗指数进行再次修正，最后进行二次定位解算，显著提高了未知节点的定位精度。

通过仿真和搭建实验平台验证了该算法的有效性。

%A twice location method based on RSSI is presented for indoor positioning. The proposed method estimates the path propagation parameters upon the existing nodes’ information,and a statistics median filter method is used to remove outliers and reduce random error. Then the path propagation parameters are updated by the result of the first RSSI location.Finally,position of the unknown node is determined by second location. The twice location algorithm based on RSSI plays a role under many conditions,and obtains certain positioning precision. We have validated the positioning effectiveness of the method by simulation and experimenting on the embedded platform.【期刊名称】《传感技术学报》【年(卷),期】2015(000)004【总页数】6页(P572-577)【关键词】无线传感器网络;接收信号强度指示;路径传播模型;二次定位【作者】陈淑敏;乔晓田;毛佳;徐元欣【作者单位】浙江理工大学信息电子学院，杭州310018;浙江大学信息与通信工程研究所，杭州310027;浙江大学信息与通信工程研究所，杭州310027;浙江大学信息与通信工程研究所，杭州310027【正文语种】中文【中图分类】TN92近年来，随着科学技术的高速发展和人们生活水平品质的不断提高，定位服务市场发展迅速，定位服务的需求量也呈现飞速发展的趋势，基于位置的服务LBS （Location-Based Services）受到了人们的广泛关注［1］。

RSSI滤波算法在室内定位技术上的应用

RSSI滤波算法在室内定位技术上的应用摘要：随着物联网时代的到来，低功耗室内定位越来越收到广大群众的青睐。

本文针对蓝牙BLE和ZigBee技术在室内定位上的应用，通过对蓝牙和ZigBee无线传播路径损耗的分析，得出一种基于RSSI（Received Signal Strength Indicator，信号强度指示）的节点定位算法中的提高RSSI精度的各种滤波理论分析。

关键词：蓝牙BLE；ZigBee；室内定位；RSSI，滤波近几年来，物联网广泛应用到各个领域，无线低功耗占据着物联网的广大市场需求。

无线传感器网络的应用较为显著。

主要用于检测环境事件。

当节点发生被检测到突发事件时，能够迅速告知到整个网络其状态信息和位置信息，并作出相应的反应。

对于无线传感器网络的关键问题就是精确定位。

目前，无线传感器网络领域提出了很多定位算法，可根据其定位类型分为测距定位算法和无测距定位算法。

本文主要研究以RSSI为定位信息的测距定位算法，RSSI测距定位算法具容易实现，开发成本低，安装快捷方便等优点。

其中，蓝牙BLE技术和ZigBee技术在无线低功耗室内精准定位应用中脱颖而出。

蓝牙BLE 技术和ZigBee 技术都在智能家居应用广泛，其独特的低功耗网络受到物联网应用者的青睐。

其两者都有RSSI 信号链路强度被告知到整个网络，可直接应用于室内定位。

不管是蓝牙BLE 定位和ZigBee 定位，都是以RSSI 为参考量。

现在网上RSSI 定位算法很多，而且精确度较高。

其原理都XX 小异：优化RSSI 精度，以提高位置准确性；并采用多维空间几何算法，以得出精确度较高的相对位置。

下面总结几个提高RSSI 精度的滤波算法，以便于提高室内定位精度：1、均值滤波取每个一个节点的多个RSSI 值，求得算术平均值，作为测试结果。

RRRR ̅̅̅̅̅̅̅̅̅̅̅̅=1R ∙∑RSSI RR =1 优点：该方法简单，容易实现，样本容量N 越大，精度越高。

基于RSSI实时精确定位系统设计与实现

基于RSSI实时精确定位系统设计与实现王娜娜;付强;刘泽龙【期刊名称】《传感技术学报》【年(卷),期】2017(030)007【摘要】In order to realize the real-time and accurate positioning in the room,A real-time precise positioning system is designed based on Received Signal Strength Indicator(RSSI).Firstly,based on the principle of RSSI distance measurement,the strength and distance mathematical model is established to transform the signal intensity into distance,then the improved weighted centroid algorithm is used to locate the target,and the positioning error is taken as the objective function.Finally,the simplified particle swarm optimization algorithm is used to optimize the objective function.The C/S network architecture and the multi-thread technology are used to obtain the RSSI value.The positioning system interface is designed by using the GUI.In the end,the real-time dynamic display of the positioning is realized.The test result shows that the system realizes the high precision positioning in the room%为实现室内实时高精确定位,设计了基于RSSI的实时精确定位系统.首先基于RSSI测距原理,建立强度与距离数学模型把强度转化为距离,然后采用改进加权质心算法来进行定位,并把定位误差作为目标函数,最后运用简化粒子群优化算法对目标函数进行全局最优值搜索,采用C/S网络架构和多线程技术实现了实时同步获取RSSI值,采用GUI设计了定位系统界面,实现了定位结果实时动态显示.测试结果表明:系统实现了室内实时高精确定位.【总页数】5页(P1095-1099)【作者】王娜娜;付强;刘泽龙【作者单位】63626部队,甘肃酒泉 732750;63607部队,甘肃酒泉732750;63626部队,甘肃酒泉 732750【正文语种】中文【中图分类】TP393.1【相关文献】1.基于RSSI的BLE室内节点定位系统的设计与实现 [J], 王石磊2.基于RSSI的无线传感器网络定位系统设计与实现 [J], 李银;汪洋;陈冬明3.基于RSSI测距和物联网技术的游客实时定位系统设计 [J], 陈作聪4.基于RSSI联合算法的二维室内定位系统设计与实现 [J], 张良承;顾留碗;李晓明;母晓敏;杨涛;汤婕5.基于RSSI的集群实时定位系统设计 [J], 丁琳;管小卫;朱霞因版权原因，仅展示原文概要，查看原文内容请购买。

基于自适应软重采样粒子滤波网络的视觉定位

基于自适应软重采样粒子滤波网络的视觉定位
刘艳丽;尹慧君;张恒
【期刊名称】《计算机工程与设计》
【年(卷),期】2022(43)12
【摘要】针对粒子滤波网络(PF-Net)模型用于高度不确定环境中进行机器人视觉定位需要大量粒子才能精准定位的问题,提出一种自适应软重采样粒子滤波网络(ASRPF-Net)。

为更好提取观测信息和地图信息,采用卷积神经网络(CNN)学习观测图像信息和地图信息,能够有效降低学习的复杂性,提高粒子权重的准确性。

在重采样过程中加入决策,提出一种自适应软重采样方法,使模型能够判断是否需要进行重采样,达到减少粒子数量,减缓粒子集退化,提高机器人定位准确性的目的。

在House3D和DeepMind Lab仿真环境上的实验结果表明,该方法比其它网络模型具有更高的定位精度和更好的鲁棒性。

【总页数】10页(P3503-3512)
【作者】刘艳丽;尹慧君;张恒
【作者单位】华东交通大学信息工程学院;上海电机学院电子信息学院
【正文语种】中文
【中图分类】TP399
【相关文献】
1.基于遗传重采样的粒子滤波视觉跟踪算法
2.基于遗传重采样的粒子滤波视觉跟踪算法
3.基于自适应重采样的同步定位与地图构建
4.基于多样性向导的自适应重采样粒子滤波研究
5.基于改进粒子滤波的室内自适应定位算法
因版权原因，仅展示原文概要，查看原文内容请购买。

一种贝叶斯优化RSSI和ILS的室内定位算法

一种贝叶斯优化RSSI和ILS的室内定位算法刘欢;黄丽;杨晓;严春来【期刊名称】《中国科技论文》【年(卷),期】2015(010)020【摘要】基于接收信号强度RSSI（received signal strength indicator）测距定位算法被广泛应用。

针对WSNs（wireless sensor networks）中对定位算法要求定位精度高、功耗小的需求,提出了一种贝叶斯（Bayesian）优化RSSI和迭代最小二乘的室内定位算法。

首先分析了RSSI测距模型;然后考虑室内环境对RSSI值的影响,采用贝叶斯概率模型处理RSSI的测量值,并筛选出＂大概率＂的RSSI值,再进行均值处理,从而获取精确的测距数据;最后利用最小二乘法估计未知节点位置,并依据Crossbow公司生产的Telos系列TelosB节点设计了测距实验,对获取的多组数据进行分析。

实验结果表明,该算法具有低的平均定位误差和稳定的定位精度。

【总页数】5页(P2377-2381)【作者】刘欢;黄丽;杨晓;严春来【作者单位】[1]攀枝花学院数学与计算机学院,四川攀枝花617000;[2]攀枝花学院机械工程学院,四川攀枝花617000;[3]攀枝花供电公司,四川攀枝花617000【正文语种】中文【中图分类】TP393【相关文献】1.一种基于RSSI的贝叶斯室内定位算法 [J], 彭玉旭;杨艳红2.一种贝叶斯优化 RSSI 和 ILS 的室内定位算法 [J], 刘欢;黄丽;杨晓;严春来3.基于蓝牙RSSI的贝叶斯区域判别定位算法 [J], 彭昊;彭敏;安宁;周清峰4.基于贝叶斯概率优化的Wi-Fi室内定位算法 [J], 杨如民;陈敏;余成波5.基于RSSI测距的贝叶斯概率定位算法 [J], 刘奔;马昌忠;金俊超;靳赛州;李喜喜因版权原因，仅展示原文概要，查看原文内容请购买。

基于平方根容积卡尔曼滤波的RSSI定位参数估计算法

基于平方根容积卡尔曼滤波的RSSI定位参数估计算法
刘颖;苏军峰;朱明强
【期刊名称】《系统仿真学报》
【年(卷),期】2014(26)1
【摘要】室内无线定位时由于复杂环境多径效应的影响,接收节点接收到的信号强度与发送节点到接收节点的距离之间没有一致的变化关系,这导致接收信号强度指示(RSSI)定位方法在室内环境下会存在较大的误差。

提出一种基于平方根容积卡尔曼滤波的RSSI参数估计算法,该算法将RSSI定位问题转变为非线性方程组的参数估计问题,使用平方根容积卡尔曼滤波(SCKF)对目标位置和无线信道衰减参数同时进行估计,并利用信道参数动态变化实时修正估计的定位节点坐标。

实验结果表明,本文提出的基于SCKF的目标位置和无线信道参数估计算法相比于传统的最小二乘曲线拟合的RSSI定位方法,能够有效提高室内无线定位的精度。

【总页数】6页(P119-124)
【作者】刘颖;苏军峰;朱明强
【作者单位】北京交通大学电子信息工程学院
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.基于简化平方根容积卡尔曼滤波的跟踪算法
2.平方根容积卡尔曼滤波概率假设密度算法在移动机器人同时定位与地图构建中的应用
3.基于平方根容积卡尔曼滤波
的水面无人艇导航定位算法4.基于修正的自适应平方根容积卡尔曼滤波算法5.空间目标模糊平方根容积卡尔曼滤波定位算法
因版权原因，仅展示原文概要，查看原文内容请购买。

RSSI滤波算法在室内定位技术上的应用

RSSI滤波算法在室内定位技术上的应用摘要：随着物联网时代的到来，低功耗室内定位越来越收到广大群众的青睐。

关键词：蓝牙BLE；ZigBee；室内定位；RSSI，滤波近几年来，物联网广泛应用到各个领域，无线低功耗占据着物联网的广大市场需求。

无线传感器网络的应用较为显著。

主要用于检测环境事件。

当节点发生被检测到突发事件时，能够迅速告知到整个网络其状态信息和位置信息，并作出相应的反应。

对于无线传感器网络的关键问题就是精确定位。

目前，无线传感器网络领域提出了很多定位算法，可根据其定位类型分为测距定位算法和无测距定位算法。

本文主要研究以RSSI为定位信息的测距定位算法，RSSI测距定位算法具容易实现，开发成本低，安装快捷方便等优点。

其中，蓝牙BLE技术和ZigBee技术在无线低功耗室内精准定位应用中脱颖而出。

蓝牙BLE技术和ZigBee技术都在智能家居应用广泛，其独特的低功耗网络受到物联网应用者的青睐。

其两者都有RSSI信号链路强度被告知到整个网络，可直接应用于室内定位。

不管是蓝牙BLE定位和ZigBee定位，都是以RSSI为参考量。

现在网上RSSI定位算法很多，而且精确度较高。

其原理都大同小异：优化RSSI精度，以提高位置准确性；并采用多维空间几何算法，以得出精确度较高的相对位置。

下面总结几个提高RSSI精度的滤波算法，以便于提高室内定位精度：1、均值滤波取每个一个节点的多个RSSI值，求得算术平均值，作为测试结果。

优点：该方法简单，容易实现，样本容量N越大，精度越高。

缺点：RSSI受干扰比较大时，其波动比较大，导致精度降低。

2、递推平均滤波把连续收到的N个RSSI看成一队列，队列长度固定为N，每收到一个新RSSI 值后放于对尾，扔掉原来队首RSSI值，把队列中N个RSSI取算术平均值，作为测试结果。

应用于无线传感网的接收信号强度指示器的设计

应用于无线传感网的接收信号强度指示器的设计刘继华;李智群;王利丹;李伟;章丽【期刊名称】《高技术通讯》【年(卷),期】2010(020)007【摘要】采用SMIC 0.18μm CMOS工艺设计了应用于无线传感网(WSN)的接收信号强度指示器(RSSI),其核心电路是采用跨导放大器构成的限幅器、半波整流器和相应的偏置电路.其工作在电流模形式下,对工艺角和温度具有良好的补偿特性.芯片测试结果表明:在电源电压为1.8V时,RSSI的直流功耗为4.14mW,2MHz输入信号频率下的检测范围为-58～-7dBm(以50Ω阻抗作参考),对应的输出指示直流电压为0.48～1.45V,检测斜率约为18.2mV/dB,非线性误差小于±0.7dB.芯片面积为0.654mm×0.430mm.【总页数】6页(P744-749)【作者】刘继华;李智群;王利丹;李伟;章丽【作者单位】东南大学射频与光电集成电路研究所,南京,210096;东南大学射频与光电集成电路研究所,南京,210096;东南大学射频集成电路与系统教育部工程研究中心,南京,210096;东南大学射频与光电集成电路研究所,南京,210096;东南大学射频与光电集成电路研究所,南京,210096;东南大学射频集成电路与系统教育部工程研究中心,南京,210096;东南大学射频与光电集成电路研究所,南京,210096;东南大学射频集成电路与系统教育部工程研究中心,南京,210096【正文语种】中文【相关文献】1.CMOS对数放大器的接收信号强度指示器设计 [J], 杨春;王志功;徐建;王蓉2.无线传感网低功耗Rake接收机VLSI设计与实现 [J], 全源源;王沛;何洪路;袁晓兵;朱明华3.高动态范围CMOS接收信号强度指示器设计 [J], 李斌;张英4.一种应用于无线传感器网络的全集成接收信号强度指示器 [J], 樊星;牟荣增;阎跃鹏5.应用于OFDM-UWB接收机的CMOS信号强度指示器 [J], 李丹;李巍;李宁;任俊彦因版权原因，仅展示原文概要，查看原文内容请购买。

基于模糊控制的WSN移动节点自主导航算法

基于模糊控制的WSN移动节点自主导航算法
刘贞;王祁;丁明理
【期刊名称】《系统工程与电子技术》
【年(卷),期】2009(031)001
【摘要】设计了一种利用无线传感器网络(WSN)节点间通信信号强度信息(RSSI)及网络拓扑结构实现移动节点自主导航的方法.将机器人作为WSN的移动节点,利用RSSI势场量化的坐标空间描述机器人状态及目标位置,有效避免将RSSI值转换为距离时带来的模型误差.由若干个信标节点组成一个基于模糊控制的分布式导航系统,每个信标节点都是一个独立的模糊控制单元,最后由决策控制中心综合各信标节点的输出量决定机器人的航向.仿真和现场实验都表明该方法的有效性.
【总页数】5页(P137-141)
【作者】刘贞;王祁;丁明理
【作者单位】哈尔滨工业大学自动化测试与控制系,黑龙江,哈尔滨,150001;哈尔滨工业大学自动化测试与控制系,黑龙江,哈尔滨,150001;哈尔滨工业大学自动化测试与控制系,黑龙江,哈尔滨,150001
【正文语种】中文
【中图分类】TP39
【相关文献】
1.基于模糊逻辑控制器的WSN移动节点导航算法 [J], 张振江;辛跃
2.WSN中一种基于RSSI的移动节点改进定位算法 [J], 黄海辉;李龙连
3.基于改进蛙跳算法的WSN移动节点部署研究 [J], 龙腾;孙辉;赵嘉
4.基于SVM的WSN移动节点定位算法 [J], 汤文华;傅明
5.基于WSN的移动节点路径规划算法 [J], 满存金;杜庆治;黄冰倩
因版权原因，仅展示原文概要，查看原文内容请购买。

基于RSSI测距校正的拟牛顿定位算法

基于RSSI测距校正的拟牛顿定位算法吕争;曾雪松【期刊名称】《计算机工程与设计》【年(卷),期】2018(039)005【摘要】为降低基于接收信号强度指示(received signal strength indication,RSSI)测距误差,提出基于阈值RSSI测距修正的拟牛顿定位(modifying ranging-based RSSI threshold iterative localization algorithm for Quasi-Newton,RSSI T-QN)算法.引用高斯函数筛选RSSI值,移除误差大的RSSI值,对剩余的RSSI值进行加权处理,获取最优的RSSI值,提高准确的测距数据,依据测距数据,利用最小二乘法估计未知节点的位置,利用拟牛顿法优化未知节点的位置.仿真结果表明,与基于RSSI的质心定位算法相比,RSSLT-QN算法提高了定位精度,平均定位误差降低了4％0.【总页数】5页(P1345-1349)【作者】吕争;曾雪松【作者单位】信阳职业技术学院数学与计算机科学学院,河南信阳464000;信阳职业技术学院数学与计算机科学学院,河南信阳464000【正文语种】中文【中图分类】TPT393【相关文献】1.基于粒子滤波的RSSI测距优化的牛顿定位算法 [J], 罗阳倩子;廖威2.基于人工神经网络的RSSI测距的牛顿定位算法 [J], 李英玉;陈刚3.基于RSSI差分校正的最小二乘-拟牛顿定位算法 [J], 程秀芝;朱达荣;张申;朱广4.基于测距修正和位置校正的RSSI定位算法 [J], 王伟;陈岱;周勇5.煤矿井下基于RSSI校正测距的WSN节点定位算法 [J], 李永新;赵振民;李雅莲因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于射频识别的rssi混合滤波算法的研究

一种基于射频识别的rssi混合滤波算法的研究近年来，随着移动计算技术的发展，室内定位技术也逐渐成为人们研究的热点之一。

在很多应用场景中，室内定位技术的性能是决定应用成功的关键因素之一。

在这种情况下，基于接收信号强度指示（RSSI）的定位技术成为当前定位算法研究的重点之一，因为RSSI定位具有设备成本低廉的优势。

本文介绍了一种基于射频识别（RFID）的RSSI混合滤波算法，旨在改善室内定位算法的准确度。

RSSI定位技术，即基于接收信号强度指示（RSSI）定位技术，是基于多播无线信号之间的信号强度差异，通过收集基站发出的无线信号的RSSI值来确定定位设备的位置。

然而，在室内环境中，信号可能会受到物理墙壁、建筑物结构等影响，因此可能出现信号损失的情况，从而影响RSSI定位的准确性。

为了解决这一问题，本文提出了基于射频识别（RFID）的混合滤波算法。

基于射频识别（RFID）的混合滤波算法是一种定位算法，该算法通过结合经典的RSSI定位技术和RFID技术来提高室内定位的准确度。

混合滤波算法的基本原理是：首先，收集参考基站发出的RSSI，并将它们与RFID信号相比较，根据信号强度与RFID信号的比较，推断出定位设备的位置。

其次，根据定位设备的位置信息，计算出它到参考基站的距离。

最后，根据参考基站的定位精度，利用滤波算法计算出定位设备的位置信息。

在实际应用中，基于射频识别（RFID）的混合滤波算法可以提高现有RSSI定位技术的准确度和精度，因为它更加精确地估计了定位设备到参考基站的距离。

此外，由于RFID技术可以准确地识别特定物体或区域，因此，基于射频识别（RFID）的混合滤波算法可以在高精度的情况下实现最优的定位性能。

总的来说，基于射频识别（RFID）的混合滤波算法有助于提高RSSI定位技术的准确性和精度，因此，该算法在室内定位应用方面具有重要的意义。

未来，研究人员将从算法的调整、定位精度的优化以及应用领域的拓展等方面继续努力，以实现更加高效和精准的室内定位服务。