CN107257580A - 一种基于rssi‑svm通信距离估计的不确定性分析方法 - Google Patents

一种基于rssi‑svm通信距离估计的不确定性分析方法 Download PDF

Info

Publication number
CN107257580A
CN107257580A CN201710365983.2A CN201710365983A CN107257580A CN 107257580 A CN107257580 A CN 107257580A CN 201710365983 A CN201710365983 A CN 201710365983A CN 107257580 A CN107257580 A CN 107257580A
Authority
CN
China
Prior art keywords
mrow
rssi
msub
positive integer
distance
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.)
Pending
Application number
CN201710365983.2A
Other languages
English (en)
Inventor
罗清华
焉晓贞
彭宇
沈豪
甘兴利
张辉
李平
黄畅
彭喜元
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology Weihai
Original Assignee
Harbin Institute of Technology Weihai
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology Weihai filed Critical Harbin Institute of Technology Weihai
Priority to CN201710365983.2A priority Critical patent/CN107257580A/zh
Publication of CN107257580A publication Critical patent/CN107257580A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • 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
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
    • G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种基于RSSI‑SVM通信距离估计的不确定性分析方法，涉及无线通信距离估计的不确定性分析方法。本发明是为了有效解决基于RSSI‑SVM通信距离估计过程中的不确定性传播问题。本发明所述的一种基于RSSI‑SVM通信距离估计的不确定性分析方法，首先在不同通信距离下，多次重复测量的RSSI值，并和对应距离值构成训练数据训练SVM模型。然后，在实际距离估计时，重复多次测量RSSI值，统计计算其标准差，并输入已训练好的SVM模型，从而获得多个距离估计输出结果，并统计计算获得距离估计结果的不确定性，并以此来评估通信距离估计的质量，以及RSSI的不确定性传播到距离估计结果的影响程度，为后续处理方法提供质量评估参考。

Description

一种基于RSSI-SVM通信距离估计的不确定性分析方法
技术领域
本发明涉及无线通信距离估计和定位技术。
背景技术
实际无线通信环境中，由于噪声、环境和测量误差等不良因素的影响，引起通信距离估计具有较大的误差，导致基于RSSI-SVM的通信距离估计结果具有很强的不确定性，给通信距离估计精度提高的途径和方法，以及通信距离值在后续应用处理方法提出了挑战。本发明针对上述问题，对基于RSSI-SVM通信距离估计过程中RSSI的不确定性进行分析，并评估其引起通信距离估计结果的不确定性大小，为改善距离估计精度方法提供指导。
发明内容
本发明的目的是为了有效解决通信距离估计过程中的不确定性综合问题，提供一种基于RSSI-SVM通信距离估计的不确定性分析方法。
本发明所述的一种基于RSSI-SVM通信距离估计的不确定性分析方法包括以下步骤：
步骤一、系统中有2个无线传感器节点，分别是无线通信发送节点和无线通信接收节点，它们都具有CC2530无线射频收发器，可以测量无线通信时的到达信号强度(ReceivedSignal Strength Indicator，RSSI)值；
步骤二、在发送节点和接收节点的通信范围内，系统设定发送节点和接收节点间距离分别为{d1,d2,d3,…,di,…,dI}，其中i为正整数，表示距离值的序号，且1≤i≤I，I为用户设定的正整数，且10≤I≤50；
步骤三、系统判断i的值是否大于I，若是，则执行步骤六，否则执行步骤四；
步骤四、发送节点和接收节点间距离为di时，发送节点通过其无线射频收发器向无线接收节点发送距离估计请求数据包，无线接收节点收到请求数据包的同时，通过测量获得无线信号强度值RSSIij，其中j为正整数，表示距离值为di时第j组RSSI测量值，且1≤j≤J，j的值初始化为1，J为用户设定的正整数，且50≤J≤150，并执行步骤五；
步骤五、发送节点和接收节点重复执行步骤四J-1次，并且在每次重复测量时j的值自动累加增1，获得对应的无线信号强度值RSSIij，重复J-1次测量后获得J组RSSI测量值{RSSIi1,RSSIi2,RSSIi3,…,RSSIij,…,RSSIiJ}，i＝i+1，并执行步骤三；
步骤六、通过对测量结果整理，获得距离序列{d1,d2,d3,…,di,…,dI}，以及它们对应RSSI的测量值序列{{RSSI11,RSSI12,RSSI13,…,RSSI1j,…,RSSI1J}，{RSSI21,RSSI22,RSSI23,…,RSSI2j,…,RSSI2J},{RSSI31,RSSI32,RSSI33,…,RSSI3j,…,RSSI3J},…,{RSSIi1,RSSIi2,RSSIi3,…,RSSIij,…,RSSIiJ}，…,{RSSII1,RSSII2,RSSII3,…,RSSIIj,…,RSSIIJ}}，其中i为正整数，且1≤i≤I，I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J，j的值初始化为1，J为用户设定的正整数，且50≤J≤150；
步骤七、系统判断i的值是否大于I，若是，则执行步骤九，否则执行步骤八；
步骤八、系统根据步骤六中的距离序列di和RSSI测量值序列{RSSIi1,RSSIi2,RSSIi3,…,RSSIij,…,RSSIiJ}作为训练数据集对支持向量机(Support Vector Machine，SVM)进行训练，设定SVM的核函数为径向基函数，其中i为正整数，且1≤i≤I，I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J，J为用户设定的正整数，且50≤J≤150，i＝i+1，执行步骤七；
步骤九、训练结束后，得到基于SVM的距离估计模型，如公式(1)所示：
D＝f(RSSI) (1)
步骤十、实际距离估计阶段，在发送节点到接收节点通信范围内的任意通信距离D时，测量两者通信时的信号强度K次，得到RSSI值{RSSI1,RSSI2,RSSI3,…,RSSIk,…,RSSIK}，其中k为正整数，且1≤k≤K，K为用户设定的正整数，且10≤K≤50，本专利中，K取值为50，对其进行统计计算，得到其统计均值为RSSI_u和统计标准差RSSI_σ，如公式(2)和公式(3)所示：
步骤十一、将步骤十中的RSSI值{RSSI1,RSSI2,RSSI3,…,RSSIk,…,RSSIK}分别输入到距离估计SVM模型f(*)中，获得对应的距离估计值{D1,D2,D3,…,Dk,…,DK}，并对其进行统计计算，如公式(4)和公式(5)所示，得到通信距离D估计结果D_u，以及通信距离D估计结果的标准差D_σ，其中统计均值D_u作为距离估计结果，统计标准差D_σ作为距离估计结果的不确定性信息，为后续的定位计算提供重要的先验知识；
步骤十二、无线发送节点判断距离估计任务是否完成，若是，则停止距离估计及其不确定性分析，否则，继续执行步骤十到步骤十二。
附图说明
图1为一种基于RSSI-SVM通信距离估计的不确定性分析方法的流程图。
具体实施方式
具体实施方式一：结合图1说明本实施方式，本实施方式所述的一种基于RSSI-SVM通信距离估计的不确定性分析方法包括以下步骤：
步骤一、系统中有2个无线传感器节点，分别是无线通信发送节点和无线通信接收节点，它们都具有CC2530无线射频收发器，可以测量无线通信时的到达信号强度(ReceivedSignal Strength Indicator，RSSI)值；
步骤二、在发送节点和接收节点的通信范围内，系统设定发送节点和接收节点间距离分别为{d1,d2,d3,…,di,…,dI}，其中i为正整数，表示距离值的序号，且1≤i≤I,I为用户设定的正整数，且10≤I≤50；
步骤三、系统判断i的值是否大于I，若是，则执行步骤六，否则执行步骤四；
步骤四、发送节点和接收节点间距离为di时，发送节点通过其无线射频收发器向无线接收节点发送距离估计请求数据包，无线接收节点收到请求数据包的同时，通过测量获得无线信号强度值RSSIij，其中j为正整数，表示距离值为di时第j组RSSI测量值，且1≤j≤J，j的值初始化为1，J为用户设定的正整数，且50≤J≤150，并执行步骤五；
步骤五、发送节点和接收节点重复执行步骤四J-1次，并且在每次重复测量时j的值自动累加增1，获得对应的无线信号强度值RSSIij，重复J-1次测量后获得J组RSSI测量值{RSSIi1,RSSIi2,RSSIi3,…,RSSIij,…,RSSIiJ}，i＝i+1，并执行步骤三；
步骤六、通过对测量结果整理，获得距离序列{d1,d2,d3,…,di,…,dI}，以及它们对应RSSI的测量值序列{{RSSI11,RSSI12,RSSI13,…,RSSI1j,…,RSSI1J}，{RSSI21,RSSI22,RSSI23,…,RSSI2j,…,RSSI2J},{RSSI31,RSSI32,RSSI33,…,RSSI3j,…,RSSI3J},…,{RSSIi1,RSSIi2,RSSIi3,…,RSSIij,…,RSSIiJ}，…,{RSSII1,RSSII2,RSSII3,…,RSSIIj,…,RSSIIJ}}，其中i为正整数，且1≤i≤I，I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J，j的值初始化为1，J为用户设定的正整数，且50≤J≤150；
步骤七、系统判断i的值是否大于I，若是，则执行步骤九，否则执行步骤八；
步骤八、系统根据步骤六中的距离序列di和RSSI测量值序列{RSSIi1,RSSIi2,RSSIi3,…,RSSIij,…,RSSIiJ}作为训练数据集对支持向量机(Support Vector Machine，SVM)进行训练，设定SVM的核函数为径向基函数，其中i为正整数，且1≤i≤I，I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J，J为用户设定的正整数，且50≤J≤150，i＝i+1，执行步骤七；
步骤九、训练结束后，得到基于SVM的距离估计模型，如公式(1)所示：
D＝f(RSSI) (1)
步骤十、实际距离估计阶段，在发送节点到接收节点通信范围内的任意通信距离D时，测量两者通信时的信号强度K次，得到RSSI值{RSSI1,RSSI2,RSSI3,…,RSSIk,…,RSSIK}，其中k为正整数，且1≤k≤K，K为用户设定的正整数，且10≤K≤50，本专利中，K取值为50，对其进行统计计算，得到其统计均值为RSSI_u和统计标准差RSSI_σ，如公式(2)和公式(3)所示：
步骤十一、将步骤十中的RSSI值{RSSI1,RSSI2,RSSI3,…,RSSIk,…,RSSIK}分别输入到距离估计SVM模型f(*)中，获得对应的距离估计值{D1,D2,D3,…,Dk,…,DK}，并对其进行统计计算，如公式(4)和公式(5)所示，得到通信距离D估计结果D_u，以及通信距离D估计结果的标准差D_σ，其中统计均值D_u作为距离估计结果，统计标准差D_σ作为距离估计结果的不确定性信息，为后续的定位计算提供重要的先验知识；
步骤十二、无线发送节点判断距离估计任务是否完成，若是，则停止距离估计及其不确定性分析，否则，继续执行步骤十到步骤十二。
具体实施方案二，本实施方式是对具体实施方式一所述的一种基于RSSI-SVM通信距离估计的不确定性分析方法作进一步说明，本实施方式中，步骤二中i为正整数，表示距离值的序号，I为用户设定的正整数，本发明中设定i的初始值为1，I取值为20。
具体实施方案三，本实施方式是对具体实施方式一所述的一种基于RSSI-SVM通信距离估计的不确定性分析方法作进一步说明，本实施方式中，步骤四中J为用户设定的正整数，且50≤J≤150，本发明中设定J的值为100。
具体实施方案四，本实施方式是对具体实施方式一所述的一种基于RSSI-SVM通信距离估计的不确定性分析方法作进一步说明，本实施方式中，采用重复采样的方法，获得通信距离估计过程中RSSI的不确定性对距离估计结果的影响，为后续应用处理方法，例如定位计算提供参考。

Claims (4)

1.一种基于RSSI-SVM通信距离估计的不确定性分析方法，其特征在于所述方法包括以下步骤：
步骤一、系统中有2个无线传感器节点，分别是无线通信发送节点和无线通信接收节点，它们都具有CC2530无线射频收发器，可以测量无线通信时的到达信号强度(ReceivedSignal Strength Indicator，RSSI)值；
步骤二、在发送节点和接收节点的通信范围内，系统设定发送节点和接收节点间距离分别为{d1,d2,d3,…,di,…,dI}，其中i为正整数，表示距离值的序号，且1≤i≤I，I为用户设定的正整数，且10≤I≤50；
步骤三、系统判断i的值是否大于I，若是，则执行步骤六，否则执行步骤四；
步骤四、发送节点和接收节点间距离为di时，发送节点通过其无线射频收发器向无线接收节点发送距离估计请求数据包，无线接收节点收到请求数据包的同时，通过测量获得无线信号强度值RSSIij，其中j为正整数，表示距离值为di时第j组RSSI测量值，且1≤j≤J，j的值初始化为1，J为用户设定的正整数，且50≤J≤150，并执行步骤五；
步骤五、发送节点和接收节点重复执行步骤四J-1次，并且在每次重复测量时j的值自动累加增1，获得对应的无线信号强度值RSSIij，重复J-1次测量后获得J组RSSI测量值{RSSIi1,RSSIi2,RSSIi3,…,RSSIij,…,RSSIiJ}，i＝i+1，并执行步骤三；
步骤六、通过对测量结果整理，获得距离序列{d1,d2,d3,…,di,…,dI}，以及它们对应RSSI的测量值序列{{RSSI11,RSSI12,RSSI13,…,RSSI1j,…,RSSI1J}，{RSSI21,RSSI22,RSSI23,…,RSSI2j,…,RSSI2J},{RSSI31,RSSI32,RSSI33,…,RSSI3j,…,RSSI3J},…,{RSSIi1,RSSIi2,RSSIi3,…,RSSIij,…,RSSIiJ}，…,{RSSII1,RSSII2,RSSII3,…,RSSIIj,…,RSSIIJ}}，其中i为正整数，且1≤i≤I，I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J，j的值初始化为1，J为用户设定的正整数，且50≤J≤150；
步骤七、系统判断i的值是否大于I，若是，则执行步骤九，否则执行步骤八；
步骤八、系统根据步骤六中的距离序列di和RSSI测量值序列{RSSIi1,RSSIi2,RSSIi3,…,RSSIij,…,RSSIiJ}作为训练数据集对支持向量机(Support Vector Machine，SVM)进行训练，设定SVM的核函数为径向基函数，其中i为正整数，且1≤i≤I，I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J，J为用户设定的正整数，且50≤J≤150，i＝i+1，执行步骤七；
步骤九、训练结束后，得到基于SVM的距离估计模型，如公式(1)所示：
D＝f(RSSI) (1)
步骤十、实际距离估计阶段，在发送节点到接收节点通信范围内的任意通信距离D时，测量两者通信时的信号强度K次，得到RSSI值{RSSI1,RSSI2,RSSI3,…,RSSIk,…,RSSIK}，其中k为正整数，且1≤k≤K，K为用户设定的正整数，且10≤K≤50，本专利中，K取值为50，对其进行统计计算，得到其统计均值为RSSI_u和统计标准差RSSI_σ，如公式(2)和公式(3)所示：
<mrow> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> <mo>_</mo> <mi>u</mi> <mo>=</mo> <mfrac> <mn>1</mn> <mi>K</mi> </mfrac> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </msubsup> <msub> <mi>RSSI</mi> <mi>k</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> 1
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>RSSI</mi> <mi>&amp;sigma;</mi> </msub> <mo>=</mo> <msup> <mrow> <mo>(</mo> <mfrac> <mn>1</mn> <mrow> <mi>K</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <msup> <mrow> <mo>(</mo> <mrow> <msub> <mi>RSSI</mi> <mi>k</mi> </msub> <mo>-</mo> <msub> <mi>RSSI</mi> <mi>u</mi> </msub> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>)</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msup> <mrow> <mo>(</mo> <mrow> <mfrac> <mn>1</mn> <mrow> <mi>K</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </msubsup> <msup> <mrow> <mo>(</mo> <mrow> <msub> <mi>RSSI</mi> <mi>k</mi> </msub> <mo>-</mo> <mfrac> <mn>1</mn> <mi>K</mi> </mfrac> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </msubsup> <msub> <mi>RSSI</mi> <mi>k</mi> </msub> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mo>)</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
步骤十一、将步骤十中的RSSI值{RSSI1,RSSI2,RSSI3,…,RSSIk,…,RSSIK}分别输入到距离估计SVM模型f(*)中，获得对应的距离估计值{D1,D2,D3,…,Dk,…,DK}，并对其进行统计计算，如公式(4)和公式(5)所示，得到通信距离D估计结果D_u，以及通信距离D估计结果的标准差D_σ，其中统计均值D_u作为距离估计结果，统计标准差D_σ作为距离估计结果的不确定性信息，为后续的定位计算提供重要的先验知识；
<mrow> <mi>D</mi> <mo>_</mo> <mi>u</mi> <mo>=</mo> <mfrac> <mn>1</mn> <mi>K</mi> </mfrac> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </msubsup> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>RSSI</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>D</mi> <mi>&amp;sigma;</mi> </msub> <mo>=</mo> <msup> <mrow> <mo>(</mo> <mfrac> <mn>1</mn> <mrow> <mi>K</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <msup> <mrow> <mo>(</mo> <mrow> <mi>f</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>RSSI</mi> <mi>k</mi> </msub> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>D</mi> <mi>u</mi> </msub> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>)</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msup> <mrow> <mo>(</mo> <mrow> <mfrac> <mn>1</mn> <mrow> <mi>K</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </msubsup> <msup> <mrow> <mo>(</mo> <mrow> <mi>f</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>RSSI</mi> <mi>k</mi> </msub> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mn>1</mn> <mi>K</mi> </mfrac> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </msubsup> <mi>f</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>RSSI</mi> <mi>k</mi> </msub> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mo>)</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
步骤十二、无线发送节点判断距离估计任务是否完成，若是，则停止距离估计及其不确定性分析，否则，继续执行步骤十到步骤十二。
2.根据权利要求1所述的一种基于RSSI-SVM通信距离估计的不确定性分析方法作进一步说明，步骤二中i为正整数，表示距离值的序号，I为用户设定的正整数，本发明中设定i的初始值为1，I取值为20。
3.根据权利要求1所述的一种基于RSSI-SVM通信距离估计的不确定性分析方法作进一步说明，步骤四中J为用户设定的正整数，且50≤J≤150，本发明中设定J的值为100。
4.根据权利要求1所述的一种基于RSSI-SVM通信距离估计的不确定性析方法作进一步说明，其特征在于采用重复采样的方法，获得通信距离估计过程中RSSI的不确定性对距离估计结果的影响，为后续应用处理方法，例如定位计算提供参考。
CN201710365983.2A 2017-05-23 2017-05-23 一种基于rssi‑svm通信距离估计的不确定性分析方法 Pending CN107257580A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710365983.2A CN107257580A (zh) 2017-05-23 2017-05-23 一种基于rssi‑svm通信距离估计的不确定性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710365983.2A CN107257580A (zh) 2017-05-23 2017-05-23 一种基于rssi‑svm通信距离估计的不确定性分析方法

Publications (1)

Publication Number Publication Date
CN107257580A true CN107257580A (zh) 2017-10-17

Family

ID=60027701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710365983.2A Pending CN107257580A (zh) 2017-05-23 2017-05-23 一种基于rssi‑svm通信距离估计的不确定性分析方法

Country Status (1)

Country Link
CN (1) CN107257580A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108226912A (zh) * 2018-01-22 2018-06-29 深圳大学 一种定位方法及定位系统
CN109348420A (zh) * 2018-11-28 2019-02-15 武汉微智创大科技有限公司 无线装置间距离识别方法及系统
CN113993068A (zh) * 2021-10-18 2022-01-28 郑州大学 定位寻向系统、方法和ble定位设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
QINGHUA LUO: "RSSI-Based localization through uncertain data mapping for wireless sensor networks", 《IEEE SENSORS JOURNAL》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108226912A (zh) * 2018-01-22 2018-06-29 深圳大学 一种定位方法及定位系统
CN108226912B (zh) * 2018-01-22 2021-11-09 深圳大学 基于稀疏网络的非接触物体感知定位的方法及系统
CN109348420A (zh) * 2018-11-28 2019-02-15 武汉微智创大科技有限公司 无线装置间距离识别方法及系统
CN113993068A (zh) * 2021-10-18 2022-01-28 郑州大学 定位寻向系统、方法和ble定位设备
CN113993068B (zh) * 2021-10-18 2024-01-30 郑州大学 定位寻向系统、方法和ble定位设备

Similar Documents

Publication Publication Date Title
CN112136053B (zh) 使用来自传感器装置的数据的针对运动检测系统的训练数据
CN106646356B (zh) 一种基于卡尔曼滤波定位的非线性系统状态估计方法
CN102395195B (zh) 一种提高非视距环境下室内定位精度的方法
CN106413050A (zh) 一种nanoLOC无线通信距离估计及其在线评估方法
CN107257580A (zh) 一种基于rssi‑svm通信距离估计的不确定性分析方法
EP2232892B1 (en) Maintaining the integrity of configuration information of a network of access points for use in positioning an apparatus
US20140320348A1 (en) Position estimating device, position estimating method, and wireless communication system
CN108957422B (zh) 一种基于量化数据的云mimo雷达的根克拉美罗下界计算方法
CN105307266A (zh) 基于自适应空间格点的传感器网络压缩感知精确定位方法
CN104469937A (zh) 压缩感知定位技术中的传感器高效部署方法
CN107968987A (zh) 基于定积分结合环境参数的rssi加权质心定位方法
CN106066470A (zh) 一种移动目标rssi定位的粗大误差识别方法
KR102416604B1 (ko) 무선통신 시스템의 정밀 측위 방법 및 장치
CN106249197A (zh) 一种多点定位系统中接收机位置误差的自校准方法
CN111801588B (zh) 位置推定装置、位置推定系统、位置推定方法以及程序
CN101893707A (zh) 非视距传播识别方法、装置与基站
CN107255811A (zh) 一种基于rssi通信距离估计的不确定性分析方法
Vaca-Rubio et al. mmWave Wi-Fi trajectory estimation with continuous-time neural dynamic learning
CN105738866B (zh) 一种基于能量检测的60GHz非视距识别与无线指纹定位方法
CN107404707A (zh) 一种基于最小误差传播的锚节点优化选择的最小二乘定位方法
CN106412817A (zh) 一种移动终端的定位方法及其装置
CN104502889B (zh) 指纹定位中基于参考点最大距离的定位可信度计算方法
WO2019220879A1 (ja) 電場マップ生成装置、方法、プログラム、及び測位装置
CN107517500A (zh) 一种基于最小误差传播的锚节点优化选择的三边测量定位方法
CN110881192A (zh) 结合MDS的DV-Hop无线传感器网络节点定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171017