CN106066470A - 一种移动目标rssi定位的粗大误差识别方法 - Google Patents
一种移动目标rssi定位的粗大误差识别方法 Download PDFInfo
- Publication number
- CN106066470A CN106066470A CN201610368762.6A CN201610368762A CN106066470A CN 106066470 A CN106066470 A CN 106066470A CN 201610368762 A CN201610368762 A CN 201610368762A CN 106066470 A CN106066470 A CN 106066470A
- Authority
- CN
- China
- Prior art keywords
- distance
- gross error
- node
- anchor
- anchor node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
Abstract
本发明公开了一种移动目标RSSI定位的粗大误差识别方法,针对接收信号强度识别(RSSI)的最小二乘定位方法对粗大误差敏感性高的问题,提出了一种在只知道锚节点的与未知节点之间的直接测量距离的情况下对该锚节点是否存在粗大误差进行快速识别的方法。本发明通过计算待识别锚节点与未知节点之间的间接测量距离,进而对直接测量距离分布函数中的参数进行估计,在此情况下给出粗大误差上下限的计算方法,根据粗大误差上下限得到置信区间,然后对粗大误差进行识别。该发明无需对锚节点的位置进行多次测量,简单方便,特别是在移动目标定位的条件下具有一定的实用价值。
Description
技术领域
本发明涉及RSSI定位领域,具体涉及一种移动目标RSSI定位的粗大误差识别方法。
背景技术
当前,基于RSSI最小二乘定位的方法中,很少考虑距离测量粗大误差的识别与去除方法。在常见的误差处理技术中,往往使未知节点在同一位置多次测量与锚节点的位置,利用多次测量值用滤波的方法去除粗大误差。
然而,当未知节点是移动的时候,一个时刻可以测量未知节点到各锚节点的位置,但在下一时刻测量时,未知节点已经移动了,无法取得与前一时刻相同的测量结果,也就无法做到重复测量。
发明内容
鉴于此,本发明的目的是提供一种移动目标RSSI定位的粗大误差识别方法。
本发明的目的是通过以下技术方案实现的,一种移动目标RSSI定位的粗大误差识别方法,包括以下步骤:
S1.选定待评估的锚节点,计算间接测量距离S2.求出间接测量距离的均值和方差;S3.求锚节点与未知节点之间有干扰时的直接测量距离di'的概率分布函数;S4.利用分布函数计算直接测量距离di'的均值和方差;S5.估计未知节点到锚节点之间直接测量距离di'分布函数参数di和标准差σ;S6.根据给定的显著性水平,利用直接测量距离di'的分布函数确定粗大误差上下限,并根据上下限对粗大误差进行识别。
进一步,所述步骤S1中,间接测量距离通过以下方法获取:
设有四个锚节点i,j,k,m,前三个节点到未知节点的距离已知,最后一个锚节点m(xm,ym)到未知节点的距离未知,利用i,j,k点的信息,确定出未知节点的位置(x,y),
其中未知节点(x,y)到3个锚节点(xi,yi)、(xj,yj)、(xk,yk)的距离di、dj、dk,因此m锚节点到未知节点的距离为:
当环境存在干扰的时候,任意三个锚节点i、j、k(i≠j≠k≠m)根据计算出来的距离会各不相同,相当于在真实的距离上增加了一个干扰信号,是一个随机变量。假设有n个锚节点,那么每三个锚节点计算出的间接测量距离,就是该随机变量的一个观察值,该随机变量的分布函数与直接测量距离的分布函数是一致的。
进一步,在步骤S2中,间接测量距离的均值和方差分别为:
其中,表示从n个锚节点中每次取三个锚节点的组数。
进一步,在步骤S3中,直接测量距离di'的概率分布函数为:
其中,di表示锚节点和第i个未知节点之间的实际距离,n'为信道衰减指数。
进一步,在步骤S4中,直接测量距离di'的均值Edi'和方差D(d′i)分别为:
σ表示干扰εi的标准差。
进一步,在步骤S5中,未知节点到锚节点之间直接测量距离di'分布函数参数di和标准差σ的估计方法为:
因为直接测量距离和间接测量距离的分布函数是一致的,所以其均值和方差也是相同的,所以有:
由此得出参数di标准差σ的表达式,
进一步,在步骤S6中,粗大误差上下限的确定方法如下:
令di'=y,λ为显著性水平,
则粗大误差下限dL用确定,
粗大误差的上限dH用确定,
由此得到粗大误差上下限分别为,
进一步,所述置信区间为:
由于采用了上述技术方案,本发明具有如下的优点:
1、只需对待评估锚节点的位置测量一次就能快速识别粗大误差;
2、在基于RSSI的最小二乘定位中运用此方法剔除粗大误差后能显著提高定位精度。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为一种移动目标RSSI定位的粗大误差识别方法算法流程图;
图2为三边定位示意图;
图3为测量的距离无误差时多个锚节点定位示意图;
图4为测量的距离有误差时多个锚节点定位示意图;
图5为各节点位置分布图;
图6为无大干扰锚节点时定位出的未知节点分布图;
图7为有一个大干扰锚节点时定位出的未知节点分布图;
图8为未知节点到锚节点位置的间接测量方法示意图;
图9为粗大误差识别流程图。
具体实施方式
以下将结合附图,对本发明的优选实施例进行详细的描述;应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
在RSSI定位中,通过测量未知节点(x,y)到3个锚节点(xi,yi)、(xj,yj)、(xk,yk)的距离di、dj、dk,就可以确定出未知节点的坐标。三边定位示意图如图2所示。
未知节点坐标根据公式(1)计算。
当有多个锚节点时,若测量距离没有误差,以锚节点为圆心、距离为半径的所有圆必定相 交于一点上,任意选择3个锚节点就可以确定出未知节点的位置。如图3所示。
当测量的距离有误差的时候,分别以各锚节点为圆心、距离为半径的圆的相交点会有很多个,这时候通常用最小二乘的方法估计未知节点的位置,如图4所示。
i个锚节点下的未知节点位置计算方法如下:
令则
锚节点到未知节点的距离可以根据信号强度测量出来,环境无干扰时,信号强度与实际距离的关系如下:
P(di)=P0-10n'lg(di) (3)
当环境有干扰后,测量得到的功率为:
P(d′i)=P0-10n'lg(di)+εi (4)
其中εi为干扰,一般假设它是白噪声随机信号,因此测量到的距离也是随机信号,由文献《WSN定位中的RSSI概率质心计算方法》得分布函数如式(5)所示。
当其中任意一个锚节点的干扰较大时,采用最小二乘估计未知节点,如果利用这个干扰大的锚节点,反而会降低定位的精度。
设有一个未知节点位于(240,270),各锚节点的位置如图5所示。
根据文献《无线网络衰落和损耗的建模与仿真研究》,设锚节点的初始功率为P0=-44dB,信道衰减系数n'=2,背景噪声服从的均值为0,标准差为0.8的正态分布。表1列出了9个锚节点在不同的噪声情况下的实际距离和干扰后的距离值。
表1
根据干扰后的距离利用最小二乘法确定出的未知节点位置为:(248,272)。
若其中一个节点的干扰过大,超出了一般的干扰范围,如第I点,干扰标准差为3.5,由此确定出的距离为262,根据这个有粗大误差计算出的位置为:(272,268)。
当锚节点I的干扰不大时利用最小二乘估计定位,仿真运行100次,得出的未知节点的位置分布如图6所示。
当锚节点I的干扰较大时利用最小二乘估计定位,仿真运行100次,得出的未知节点的位置分布如图7所示。
图6和图7中的叉点表示未知节点的真实位置,圆点表示定位出的未知节点的位置。
由此可见,将某一个干扰大的锚节点纳入最小二乘计算会对定位精度造成很大影响,应该在计算之前予以识别并剔除。
当前,基于RSSI最小二乘定位的方法中,很少考虑距离测量粗大误差的识别与去除方法。在常见的误差处理技术中,往往使未知节点在同一位置多次测量与锚节点的位置,利用多次测量值用滤波的方法去除粗大误差。
然而,当未知节点是移动的时候,一个时刻可以测量未知节点到各锚节点的位置,但在下一时刻测量时,未知节点已经移动了,无法取得与前一时刻相同的测量结果,也就无法做到重复测量。
为此,本发明提出了一种粗大误差识别方法来对移动目标RSSI定位的粗大误差进行识别,该方法包括以下步骤:
S1.选定待评估的锚节点,计算间接测量距离
设锚节点到未知节点位置的间接测量距离为锚节点到未知节点的实际距离为di,锚节点到未知节点的直接测量距离为d′i。
如图8,有四个锚节点i,j,k,m,前三个节点到未知节点的距离已知,最后一个锚节点m到未知节点的距离可以通过前三个节点的信息计算出来。
根据公式(1),利用i,j,k点的信息,可以确定出未知节点的位置(x,y),因此m锚节点到未知节点的距离如式(6)所示。
当环境存在干扰的时候,任意三个锚节点i、j、k(i≠j≠k≠m)用式(6)计算出来的距离会各不相同,相当于在真实的距离上增加了一个干扰信号,是一个随机变量。假设有n个锚节点,每三个锚节点计算出的间接测量距离,就是该随机变量的一个观察值,该随机变量的分布函数与直接测量距离的分布函数是一致的,由式(5)确定。
现有待评估锚节点MP(xP,yP)和另外n个锚节点M1(x1,y1),M2(x2,y2),…Mi(xi,yi),…Mn(xn,yn)及未知节点M(x,y)。根据这n个锚节点的信息利用三边定位法由式(1)可以得到组未知节点的坐标,即通过式(6)进一步得到组未知节点与锚节点MP之间的间接测量距离即
S2.求出间接测量距离的均值和方差;
间接测量距离的均值和方差可以利用式(7)计算出来,式(7)中表示从n个锚节点中每次取三个锚节点的组数。
S3.求锚节点与未知节点之间有干扰时的直接测量距离di'的概率分布函数;
接收信号强度指示(RSSI)主要是借助信号在传播中的衰减来估计节点之间的距离,其数学模型如式(1-1)所示。
其中d0是已知的参考距离;di表示接收点和第i个发射点之间的实际距离,n'为信道衰减指数,一般取2-4,εi是均值为0,标准差为σ的正态随机变量,表示锚节点的测量误差;PT表示发射点的信号强度;P(d0)是距离发射点d0处的信号强度,Pi(di)表示距离第i个发射点di处的信号强度。
式(1-1)可改写为式(1-2)。
式中,Pi(di')表示接收点接收的信号强度,di'表示测得的距离。
由公式(1-1)和(1-2)我们可以得到下面两个变式,即
P(di)=P0-10n'lg(di) (1-3)
P(d′i)=P0-10n'lg(di)+εi (1-4)
公式(1-3)和(1-4)是考虑d0=1时变形得到的。P0表示初始信号强度,将公式(1-3)和(1-4)整理得到
因为εi是均值为0,标准差为σ的正态随机变量,则εi的概率密度函数为
其中自变量x=εi,即εi的分布是已知的,又由公式(1-6)可知,d′i的概率密度函数可由εi的概率密度函数得到,如式(1-8)所示。
进一步可以得到d′i的分布函数如式(5)所示。
S4.利用分布函数计算直接测量距离di'的均值和方差;S5.估计未知节点到锚节点之间直接测量距离di'分布函数参数di和标准差σ;
根据式(5),可以计算出在有干扰时锚节点与未知节点的直接测量距离d′i统计量的均值和方差,如式(8)和式(9)所示。
式(8)和式(9)可以由以下方法获得:
令d′i=t,则di'的均值可由式(2-1)计算出来。
根据相关数学推导可以得到di'的均值表达式如式(8)所示。
由式(1-6)可以得到和εi的关系,进一步可以得到的概率密度函数如式(2-3)所示。
由此得到的均值表达式如式(2-4)所示。
因此,可计算出di'的方差如式(9)所示。
间接测量距离的均值和方差可以利用式(10)计算出来,式(10)中表示从n个锚节点中每次取三个锚节点的组数。
由于直接测量距离和间接测量距离的分布函数是一致的,所以其均值和方差也是相同的,所以根据式(11)可以估计出参数di和标准差σ。
由此得出参数di标准差σ的表达式如式(12)所示。
S6.根据给定的显著性水平,利用直接测量距离di'的分布函数确定粗大误差上下限,并根据上下限对粗大误差进行识别。具体为:
令d′i=y,dL为粗大误差下限,λ为显著性水平,则粗大误差下限可以用式(13)确定。
同理,粗大误差上限dH可以用式(14)确定。
由此得到粗大误差上下限如式(15)所示。
通过实现原理可以得到粗大误差的置信区间如式(16)所示。
在给定显著性水平λ的情况下,通过判断锚节点MP与未知节点之间的直接测量距离d′i是否位于置信区间内对此粗大误差进行识别,具体识别流程图如图9所示。
以上所述仅为本发明的优选实施例,并不用于限制本发明,显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种移动目标RSSI定位的粗大误差识别方法,其特征在于:包括以下步骤:
S1.选定待评估的锚节点,计算间接测量距离
S2.求出间接测量距离的均值和方差;
S3.求锚节点与未知节点之间有干扰时的直接测量距离di'的概率分布函数;
S4.利用分布函数计算直接测量距离di'的均值和方差;
S5.估计未知节点到锚节点之间直接测量距离di'分布函数参数di和标准差σ;
S6.根据给定的显著性水平,利用直接测量距离di'的分布函数确定粗大误差上下限,并根据上下限对粗大误差进行识别。
2.根据权利要求1所述的移动目标RSSI定位的粗大误差识别方法,其特征在于:所述步骤S1中,间接测量距离通过以下方法获取:
设有四个锚节点i,j,k,m,前三个节点到未知节点的距离已知,最后一个锚节点m(xm,ym)到未知节点的距离未知,利用i,j,k点的信息,确定出未知节点的位置(x,y),
其中未知节点(x,y)到3个锚节点(xi,yi)、(xj,yj)、(xk,yk)的距离di、dj、dk,因此m锚节点到未知节点的距离为:
当环境存在干扰的时候,任意三个锚节点i、j、k(i≠j≠k≠m)根据计算出来的距离会各不相同,相当于在真实的距离上增加了一个干扰信号,是一个随机变量,假设有n个锚节点,那么每三个锚节点计算出的间接测量距离,就是该随机变量的一个观察值,该随机变量的分布函数与直接测量距离的分布函数是一致的。
3.根据权利要求2所述的移动目标RSSI定位的粗大误差识别方法,其特征在于:在步骤S2中,间接测量距离的均值和方差分别为:
其中,表示从n个锚节点中每次取三个锚节点的组数。
4.根据权利要求3所述的移动目标RSSI定位的粗大误差识别方法,其特征在于:在步骤S3中,直接测量距离di'的概率分布函数为:
其中,di表示锚节点和第i个未知节点之间的实际距离,n'为信道衰减指数。
5.根据权利要求4所述的移动目标RSSI定位的粗大误差识别方法,其特征在于:在步骤S4中,直接测量距离di'的均值Ed′i和方差D(d′i)分别为:
其中σ表示干扰εi的标准差。
6.根据权利要求5所述的移动目标RSSI定位的粗大误差识别方法,其特征在于:在步骤S5中,未知节点到锚节点之间直接测量距离di'分布函数参数di和标准差σ的估计方法为:
因为直接测量距离和间接测量距离的分布函数是一致的,所以其均值和方差也是相同的,所以有:
由此得出参数di标准差σ的表达式,
7.根据权利要求6所述的移动目标RSSI定位的粗大误差识别方法,其特征在于:在步骤S6中,粗大误差上下限的确定方法如下:
令di'=y,λ为显著性水平,
则粗大误差下限dL用确定,
粗大误差的上限dH用确定,
由此得到粗大误差上下限分别为,
8.根据权利要求7所述的移动目标RSSI定位的粗大误差识别方法,其特征在于:所述置信区间为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610368762.6A CN106066470B (zh) | 2016-05-27 | 2016-05-27 | 一种移动目标rssi定位的粗大误差识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610368762.6A CN106066470B (zh) | 2016-05-27 | 2016-05-27 | 一种移动目标rssi定位的粗大误差识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106066470A true CN106066470A (zh) | 2016-11-02 |
CN106066470B CN106066470B (zh) | 2018-12-21 |
Family
ID=57420900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610368762.6A Active CN106066470B (zh) | 2016-05-27 | 2016-05-27 | 一种移动目标rssi定位的粗大误差识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106066470B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107144279A (zh) * | 2017-04-28 | 2017-09-08 | 西安华宸导航通信有限公司 | 复杂环境中基于rssi模型的环境因子动态标定方法 |
CN107219499A (zh) * | 2017-05-23 | 2017-09-29 | 哈尔滨工业大学(威海) | 一种基于最小二乘定位的不确定性分析方法 |
CN107255811A (zh) * | 2017-05-23 | 2017-10-17 | 哈尔滨工业大学(威海) | 一种基于rssi通信距离估计的不确定性分析方法 |
CN109932687A (zh) * | 2017-12-18 | 2019-06-25 | 北京布科思科技有限公司 | 一种基于概率模型的蓝牙室内定位方法 |
CN110231596A (zh) * | 2018-03-05 | 2019-09-13 | 永恒力股份公司 | 用于在货物物流设施中确定位置的定位系统以及用于运行该定位系统的方法 |
CN111711985A (zh) * | 2020-06-16 | 2020-09-25 | 南京林业大学 | 一种蓝牙rssi值噪声剔除方法及蓝牙定位方法 |
CN112601249A (zh) * | 2020-12-08 | 2021-04-02 | 重庆紫光华山智安科技有限公司 | 干扰源识别方法、装置、网络设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890263A (zh) * | 2012-09-18 | 2013-01-23 | 上海交通大学 | 基于rssi的共振梯度法自适应定位方法及系统 |
CN103424420A (zh) * | 2013-01-31 | 2013-12-04 | 上海理工大学 | 一种基于拟合的核磁共振信号处理方法 |
CN103592624A (zh) * | 2013-11-22 | 2014-02-19 | 中国人民解放军理工大学 | 一种基于接收信号强度的测距方法 |
CN104502891A (zh) * | 2014-12-30 | 2015-04-08 | 浙江工业大学 | 基于rssi技术的医院病人定位方法 |
US20160187460A1 (en) * | 2014-05-14 | 2016-06-30 | Shenyang Institute Of Automation Of The Chinese Academy Of Sciences | Rssi positioning method based on frequency-hopping spread spectrum technology |
-
2016
- 2016-05-27 CN CN201610368762.6A patent/CN106066470B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890263A (zh) * | 2012-09-18 | 2013-01-23 | 上海交通大学 | 基于rssi的共振梯度法自适应定位方法及系统 |
CN103424420A (zh) * | 2013-01-31 | 2013-12-04 | 上海理工大学 | 一种基于拟合的核磁共振信号处理方法 |
CN103592624A (zh) * | 2013-11-22 | 2014-02-19 | 中国人民解放军理工大学 | 一种基于接收信号强度的测距方法 |
US20160187460A1 (en) * | 2014-05-14 | 2016-06-30 | Shenyang Institute Of Automation Of The Chinese Academy Of Sciences | Rssi positioning method based on frequency-hopping spread spectrum technology |
CN104502891A (zh) * | 2014-12-30 | 2015-04-08 | 浙江工业大学 | 基于rssi技术的医院病人定位方法 |
Non-Patent Citations (4)
Title |
---|
JIGUANG CHEN ET.AL: "Localization Algorithm Using Improved RSSI", 《JOURNAL OF INFORMATION & COMPUTATIONAL SCIENCE》 * |
WEN-JIANG FENG ET.AL: "A Noval Adaptive Cooperative Location Algorithm for Wireless Sensor Networks", 《INTERNATIONAL JORUNAL OF AUTOMATION AND COMPUTING》 * |
任智等: "无线网络衰落和损耗的建模与仿真研究", 《系统工程与电子技术》 * |
程森林等: "WSN定位中的RSSI概率质心计算方法", 《浙江大学学报(工学版)》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107144279A (zh) * | 2017-04-28 | 2017-09-08 | 西安华宸导航通信有限公司 | 复杂环境中基于rssi模型的环境因子动态标定方法 |
CN107144279B (zh) * | 2017-04-28 | 2020-05-12 | 西安华宸导航通信有限公司 | 复杂环境中基于rssi模型的环境因子动态标定方法 |
CN107219499A (zh) * | 2017-05-23 | 2017-09-29 | 哈尔滨工业大学(威海) | 一种基于最小二乘定位的不确定性分析方法 |
CN107255811A (zh) * | 2017-05-23 | 2017-10-17 | 哈尔滨工业大学(威海) | 一种基于rssi通信距离估计的不确定性分析方法 |
CN109932687A (zh) * | 2017-12-18 | 2019-06-25 | 北京布科思科技有限公司 | 一种基于概率模型的蓝牙室内定位方法 |
CN109932687B (zh) * | 2017-12-18 | 2021-08-31 | 北京布科思科技有限公司 | 一种基于概率模型的蓝牙室内定位方法 |
CN110231596A (zh) * | 2018-03-05 | 2019-09-13 | 永恒力股份公司 | 用于在货物物流设施中确定位置的定位系统以及用于运行该定位系统的方法 |
CN110231596B (zh) * | 2018-03-05 | 2023-10-03 | 永恒力股份公司 | 用于在货物物流设施中确定位置的定位系统以及用于运行该定位系统的方法 |
CN111711985A (zh) * | 2020-06-16 | 2020-09-25 | 南京林业大学 | 一种蓝牙rssi值噪声剔除方法及蓝牙定位方法 |
CN111711985B (zh) * | 2020-06-16 | 2021-06-18 | 南京林业大学 | 一种蓝牙rssi值噪声剔除方法及蓝牙定位方法 |
CN112601249A (zh) * | 2020-12-08 | 2021-04-02 | 重庆紫光华山智安科技有限公司 | 干扰源识别方法、装置、网络设备及存储介质 |
CN112601249B (zh) * | 2020-12-08 | 2023-02-28 | 重庆紫光华山智安科技有限公司 | 干扰源识别方法、装置、网络设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106066470B (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106066470A (zh) | 一种移动目标rssi定位的粗大误差识别方法 | |
CN104125538B (zh) | 基于wifi网络的rssi信号强度的二次定位方法及装置 | |
KR101213363B1 (ko) | 수신신호강도의 거리추정방식에 의거하여 4개 이상의 앵커노드를 이용한 실내 무선 측위 방법 및 이 방법을 실시하기 위한 프로그램이 기록된 기록매체 | |
CN104684081B (zh) | 基于距离聚类遴选锚节点的无线传感器网络节点定位算法 | |
CN103841640B (zh) | 一种基于定位位置残差的nlos基站识别与定位方法 | |
CN105223549A (zh) | 一种基于rssi的无线传感器网络全移动节点定位方法 | |
CN102364983B (zh) | 无线传感网中基于rssi测距的wls节点自定位方法 | |
CN103886593A (zh) | 一种基于三维点云曲面圆孔检测方法 | |
KR101163335B1 (ko) | 수신신호강도의 거리 추정 방식에 의거한 실내 무선 측위 방법 및 이 방법을 실시하기 위한 프로그램이 기록된 기록매체 | |
CN105301560B (zh) | 一种基于2点rssi的动态加权进化定位系统及方法 | |
CN107484123B (zh) | 一种基于集成HWKNN的WiFi室内定位方法 | |
CN105072581A (zh) | 一种基于路径衰减系数建库的室内定位方法 | |
CN104902567A (zh) | 基于最大似然估计的质心定位方法 | |
CN102209379B (zh) | 基于rssi的无线传感器网络节点定位方法 | |
CN104363649B (zh) | 带有约束条件的ukf的wsn节点定位方法 | |
US9852360B2 (en) | Data clustering apparatus and method | |
CN105188082A (zh) | 用于室内wlan环境下rss/aoa/tdoa定位性能的评价方法 | |
CN106714296A (zh) | 一种基于最速下降法的室内定位方法 | |
CN105307118A (zh) | 基于质心迭代估计的节点定位方法 | |
CN102186194A (zh) | 基于无线传感器网络的无源目标测量模型的建立方法 | |
CN104023390A (zh) | 基于pso和ukf组合的wsn节点定位方法 | |
CN106102162A (zh) | 一种用于无线传感器网络三维定位的迭代估计方法 | |
CN103235325B (zh) | 基于线段二分法的镜面反射点估计算法 | |
CN107396309A (zh) | 一种无线传感器网络森林定位方法 | |
CN104715160A (zh) | 基于kmdb的软测量建模数据异常点检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20201214 Address after: 402460 station No.14, no.6, 10th floor, innovation and development center, No.19 Lingfang Avenue, Changzhou street, Rongchang District, Chongqing Patentee after: Chongqing kezhiyuan Technology Co.,Ltd. Address before: 400044 No. 174 Shapingba street, Shapingba District, Chongqing Patentee before: Chongqing University |