CN109143157A - 基于信号强度值混合滤波的动态更新参数的测距方法 - Google Patents

基于信号强度值混合滤波的动态更新参数的测距方法 Download PDF

Info

Publication number
CN109143157A
CN109143157A CN201810660946.9A CN201810660946A CN109143157A CN 109143157 A CN109143157 A CN 109143157A CN 201810660946 A CN201810660946 A CN 201810660946A CN 109143157 A CN109143157 A CN 109143157A
Authority
CN
China
Prior art keywords
rssi
value
filtering
dynamic
signal strength
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
Application number
CN201810660946.9A
Other languages
English (en)
Other versions
CN109143157B (zh
Inventor
倪晓军
高雁
李凌锋
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.)
Nanjing Post and Telecommunication University
Original Assignee
Nanjing Post and Telecommunication University
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 Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201810660946.9A priority Critical patent/CN109143157B/zh
Publication of CN109143157A publication Critical patent/CN109143157A/zh
Application granted granted Critical
Publication of CN109143157B publication Critical patent/CN109143157B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S5/0205—Details
    • G01S5/0215—Interference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明揭示了一种基于信号强度值混合滤波的动态更新参数的测距方法，包括如下步骤：S1、模型建立步骤，建立测距模型；S2、参数确定步骤，当应用环境发生变化时，动态更新测距模型内的参数值；S3、数据采集步骤，在各个采样点处采集接收信号强度指示RSSI值；S4、数据优化步骤，采用混合滤波方法对采集到的RSSI值进行优化；S5、距离测量步骤，根据测距模型及当前环境的参数来测量信标节点和未知节点间的距离。本发明的技术方案动态更新了测距模型RSSI＝A‑10nlgd中A和n的值，并采用混合滤波的的方法对RSSI值滤波优化，实现了RSSI值的准确输出，有效地提高了测距结果的精确度。

Description

基于信号强度值混合滤波的动态更新参数的测距方法
技术领域
本发明涉及一种测距方法，具体而言，涉及一种基于信号强度值混合滤波的动态更新参数的测距方法，属于通信技术领域。
背景技术
随着现代通信、网络及全球定位系统(Global Position System,GPS)、普适计算、分布式信息处理等技术的迅速发展，位置感知计算和基于位置的服务(Location BasedServices)越来越受到人们的关注。在上述的众多技术当中，GPS是目前应用最广泛的定位技术，但在室内环境下，由于信道环境复杂、微波信号衰减严重，导致测量误差大，因此GPS并不适用。
近年来，基于低成本，低功耗，自组织的无线传感网络(Wireless SensorNetwork,WSN)定位技术逐步成为研究热点，具有广泛的应用前景。其根据定位过程中是否实际测量节点间的距离分为基于距离(Range-based)的定位和距离无关(Range-free)的定位,其中基于信号强度指示(RSSI)是基于距离的测距方法之一，且只需较少的开销和较低的实现复杂度。因此基于RSSI无线定位技术已经成为WSN定位技术中较为常用的方法之一。
虽然RSSI和无线信号传输距离之间存在着单调变化关系，但在实际应用中会因环境影响(如墙壁反射、衍射、多径效应等)导致定位精度不高，因此需要对RSSI定位算法进行改进，首先需要对采集的RSSI值滤波优化，例如均值滤波，中值滤波，狄克逊检验法滤波，高斯滤波，这些滤波各有其优缺点，均值滤波在样本数很大时能较好地解决数据随机性问题，但数据波动较大时该滤波可信度下降；中值滤波很大程度上避免了偏离正常值较大的错误值对结果的影响，但不适用于样本数少的情况；狄克逊检验法滤波能够有效地去除样本中的异常值但在信号波动幅度较小时滤波效果不理想；高斯滤波解决了信号突变带来的定位误差但对长时间干扰问题处理效果欠佳。因此采用融合上述滤波优点的混合滤波方法优化RSSI值，来实现RSSI值准确平滑的输出，具有良好的使用效果。
传统的定位系统模型参数是基于某个特定环境下确定的，如果环境发生改变，例如从办公室切换到走廊，那么已经确定的参数就不能适用当前的环境、不能精确定位，从而产生较大的误差。
因此，如何提供一种动态调整参数值的方法，以适应不同环境的变化，最终确定当前环境下的参数值，从而实现RSSI的精确测距，提高定位精度，就成为了本领域内技术人员亟待解决的问题。
发明内容
鉴于现有技术存在上述缺陷，本发明的目的是提出一种基于信号强度值混合滤波的动态更新参数的测距方法。
具体而言，包括如下步骤：
一种基于信号强度值混合滤波的动态更新参数的测距方法，包括如下步骤：
S1、模型建立步骤，建立测距模型；
S2、参数确定步骤，当应用环境发生变化时，动态更新测距模型内的参数值；
S3、数据采集步骤，在各个采样点处采集接收信号强度指示RSSI值；
S4、数据优化步骤，采用混合滤波方法对采集到的RSSI值进行优化；
S5、距离测量步骤，根据测距模型及当前环境的参数来测量信标节点和未知节点间的距离。
优选地，所述S1模型建立步骤包括：利用无线芯片内置的功率接收单元，将发射功率和接收功率的差值作为路径损耗，利用无线电传播模型来衡量无线传播的距离，建立测距模型RSSI＝A-10nlg d。
优选地，所述S2参数确定步骤包括：利用实时动态更新模型参数的方法，确定测距模型RSSI＝A-10nlg d中的A和n的值。
优选地，所述S2参数确定步骤包括：得出信标节点间的RSSI和d的关系，通过每次遍历A和n的区间，运用方差思想得出方差最小时的A和n的值。
优选地，所述S3数据采集步骤包括：信标节点采集一组待测节点的RSSI值；每个信标节点采集一组，共得到m组RSSI值，即RSSI1,RSSI2,...RSSIm。
优选地，所述S4数据优化步骤包括：
S41、采用狄克逊检验法滤波去除RSSI数据中的异常值，所述异常值为最大值或者最小值；
S42、对去除异常值后的RSSI样本数据进行高斯滤波，得出高斯函数值在该区间内的对应的RSSI值，即RSSI(k)∈(μ-σ,μ+σ)；
S43、对高概率发生区内的RSSI值作中值滤波算法得到RSSIa，中值滤波是一种非线性滤波，在一维情况下，中值滤波器是一个含有奇数个样本的窗口，即采集N个RSSI值之后，将这N个RSSI值按大小顺序排列，取正中间的RSSI值作为滤波输出，过程为，
RSSI＝Med{RSSI(1),RSSI(2),RSSI(3),...RSSI(n)}；
S44、对原始样本数据进行狄克逊检验法滤波，再对滤波后的RSSI值进行高斯处理，选择高斯函数值在该区间内的对应的RSSI值，对这些RSSI值进行算术平均处理得到RSSIb；
S45、对于RSSIa与RSSIb进行作算数平均处理，完成混合滤波，过程为，
优选地，所述S44包括如下步骤：
假设每组RSSI数据个数为N,则进行多次狄克逊检验法滤波后得到M(M≤N)个RSSI值，对这M个RSSI值进行高斯处理得到k(k＜M)个在高概率发生区的RSSI值，得到，
RSSI(i)＝Gauss[Dixon(RSSI(1),RSSI(2),...RSSI(N))]，i＝1,2,...,k，
RSSIa＝Med{RSSI(1),RSSI(2),RSSI(3),......,RSSI(k)}，
优选地，所述S5距离测量步骤包括：
S51、计算未知节点与信标节点的距离；
S52、重复S3数据采集步骤和S4数据优化步骤，计算得出所有信标节点与未知节点的距离。
优选地，其特征在于：信标节点和未知节点均采用CC2530，节点间采用ZigBee网络实现无线通信连接。
与现有技术相比，本发明的优点主要体现在以下几个方面：
本发明的技术方案对采集到的原始RSSI值进行了滤波处理，采用混合滤波的方法对参数进行了优化，实现了RSSI值的准确输出，有效地提高了测距结果的精确度。同时，本发明相比较于传统的模型参数的确定，采用了一种动态实时调整测距模型参数的方法，使得能适应环境变化，在不同的环境下参数值能及时又精准的确定，从而实现准确的RSSI测距。此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于领域内其他测距操作的技术方案中，具有十分广阔的应用前景。
综上所述，本发明提出了一种基于信号强度值混合滤波的动态更新参数的测距方法，具有很高的使用及推广价值。
以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。
附图说明
图1为本发明的动态更新模型参数流程图；
图2为本发明的流程示意图；
图3为本发明的应用场景示意图。
具体实施方式
如图1～图3所示，本发明揭示了一种基于信号强度值混合滤波的动态更新参数的测距方法，本发明的方法在室内进行，比如办公室、医院、商场、超市等场所，这种场合使用室外GPS定位比较不精确，为了解决室内环境所带来精确度影响的问题，采用动态更新模型参数的方法来调整随着环境变化的参数值A和n，确定当前环境的参数值A和n后，采集一组信标节点接收到的未知节点的RSSI值，对该组RSSI值进行混合滤波得到RSSI优化值，已知当前环境的A和n，根据测距模型RSSI＝A-10nlg d即可得出距离。
图1为本发明方法动态更新模型参数流程图。该方法是室内有1个中心节点(中心节点为信标节点)和Ci个信标节点，采集中心节点接收的Ci节点的RSSI值(i＝1,2,3...m),每一个节点采集一组RSSI值，对每一个节点的RSSI值进行混合滤波得出m个RSSI最优值由于信标节点位置已知，即信标节点与未知节点的距离是已知的，可得所有的Ci节点的RSSI最优值和距离d的关系。根据经验表明，室内环境参数A值(d＝1m时的信号强度值)的区间为[-55,-25](单位为dB)，n值区间为[1,5],在实行该动态更新参数方法时，以间隔为0.5dB遍历A的区间，以间隔为0.1遍历n的区间，根据A和n得出当前环境RSSI与d的关系，将其与上述Ci节点RSSI最优值与d的关系比较得出方差，遍历完成后得出方差最小时(最接近当前环境的传播特性)的A和n值。
在整个设计方法中，主要分为两部分：一是采用动态更新模型参数方法得出当前环境下最优的参数值。二是在动态更新模型参数方法中中心节点采集信标节点的RSSI值和测距过程中采集信标节点接收到的RSSI值都容易受到环境影响(如墙壁反射、衍射，多径效应等)，所以需要对其混合滤波优化得到较优的RSSI值，提高测距的准确度。
图2为本发明方法的流程图，具体而言，本发明的基于信号强度值混合滤波的动态更新参数的测距方法，包括以下步骤：
S1、模型建立步骤，建立测距模型。
S2、参数确定步骤，当应用环境发生变化时，动态更新测距模型内的参数值。
S3、数据采集步骤，在各个采样点处采集接收信号强度指示RSSI值。
S4、数据优化步骤，采用混合滤波方法对采集到的RSSI值进行优化。
S5、距离测量步骤，根据测距模型及当前环境的参数来测量信标节点和未知节点间的距离。
所述S1模型建立步骤包括：利用无线芯片内置的功率接收单元，将发射功率和接收功率的差值作为路径损耗，利用无线电传播模型来衡量无线传播的距离，建立测距模型RSSI＝A-10nlg d。
所述S2参数确定步骤包括：利用实时动态更新模型参数的方法，确定测距模型RSSI＝A-10nlg d中的A和n的值。该参数的值取决于周围的环境，此处采用实时动态更新模型参数的方法是为了使参数尽可能真实地逼近当前的环境中的传播特性。
所述S2参数确定步骤包括：得出信标节点间的RSSI和d的关系，通过每次遍历A和n的区间，运用方差思想得出方差最小时的A和n的值。
所述S3数据采集步骤包括：信标节点采集一组待测节点的RSSI值。每个信标节点采集一组，共得到m组RSSI值，即RSSI1,RSSI2,...RSSIm。需要说明的是，此处采集的均为未知节点的的RSSI值。
所述S4数据优化步骤包括：
S41、采用狄克逊检验法滤波去除RSSI数据中的异常值，所述异常值为最大值或者最小值。
狄克逊检验法滤波步骤如下：
(1)将对同一节点多次测量得到的RSSI值按从小到大的顺序排列，{RSSI(1),RSSI(2),RSSI(3),...,RSSI(n-2),RSSI(n-1),RSSI(n)}，并确定检出水平α＝0.05；
(2)根据狄克逊统计公式有：
当n＝3～7时检验高端异常值：
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：
当n＝11～13时检验高端异常值：
检验低端异常值：
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，在该表中查出对应α,n的临界值D(α,n)。
(4)当rij>rij *，且rij>D(α,n)时，RSSI(n)为异常值；当rij *>rij，且rij *>D(α,n)时，RSSI(1)为异常值；否则判断未发现异常值。
(5)去除异常值后，对剩下的样本数据，重复执行步骤上述步骤，直到不再检出异常值为止。然后对滤波后的数据求其算术平均值作为最后滤波输出。
S42、对去除异常值后的RSSI样本数据进行高斯滤波，得出高斯函数值在该区间内的对应的RSSI值，即RSSI(k)∈(μ-σ,μ+σ)。
高斯滤波过程如下：
(1)RSSI服从(0,δ2)的高斯分布，其概率密度函数为：
式中，
(2)区间(μ-σ≤RSSI(k)<μ+σ)的概率为：
RSSI(k)∈(μ-σ，μ+σ)，
该区间即为高概率发生区。
S43、对高概率发生区内的RSSI值作中值滤波算法得到RSSIa，中值滤波是一种非线性滤波，在一维情况下，中值滤波器是一个含有奇数个样本的窗口，即采集N(N为奇数)个RSSI值之后，将这N个RSSI值按大小顺序排列，取正中间的RSSI值作为滤波输出，过程为，
RSSI＝Med{RSSI(1),RSSI(2),RSSI(3),...RSSI(n)}。
S44、对原始样本数据进行狄克逊检验法滤波，再对滤波后的RSSI值进行高斯处理，选择高斯函数值在该区间内的对应的RSSI值，对这些RSSI值进行算术平均处理得到RSSIb，
假设每组RSSI数据个数为N,则进行多次狄克逊检验法滤波后得到M(M≤N)个RSSI值，对这M个RSSI值进行高斯处理得到k(k＜M)个在高概率发生区的RSSI值，得到，
RSSI(i)＝Gauss[Dixon(RSSI(1),RSSI(2),...RSSI(N))]，i＝1,2,...,k，
RSSIa＝Med{RSSI(1),RSSI(2),RSSI(3),......,RSSI(k)}，
S45、对于RSSIa与RSSIb进行作算数平均处理，完成混合滤波，过程为，
所述S5距离测量步骤包括：
S51、计算未知节点与信标节点的距离，根据和S2中的A和n，及测距模型RSSI＝A-10nlg d得出距离。
S52、重复S3数据采集步骤和S4数据优化步骤，计算得出所有信标节点与未知节点的距离。
如图3所示，信标节点为路由器，中心节点为协调器，未知节点为终端。协调器接收路由器的信息(RSSI)，协调器通过串口上传到上位机，上位机对这些信息进行处理后得到RSSI最优值和当前环境下的参数值，协调器接收终端(未知节点)的信息后即可得出未知节点与信标节点的距离。
本发明中所有节点采用CC2530，用ZigBee进行无线通信连接。在构建的网络里面有协调器，会自动寻求节点，并通过发送和接收数据包判断是否能够加入，因此网络不会因为某个节点挂掉而影响整个网络使网络瘫痪。
本发明的技术方案动态更新了测距模型RSSI＝A-10nlg d中A和n的值，并采用混合滤波的的方法对RSSI值滤波优化，实现了RSSI值的准确输出，有效地提高了测距结果的精确度。同时，本发明相比较于传统的模型参数的确定，采用了一种动态实时调整测距模型参数的方法，使得能适应环境变化，在不同的环境下参数值能及时又精准的确定，从而实现准确的RSSI测距。此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于领域内其他测距操作的技术方案中，具有十分广阔的应用前景。
综上所述，本发明提出了一种基于信号强度值混合滤波的动态更新参数的测距方法，具有很高的使用及推广价值。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (9)

1.一种基于信号强度值混合滤波的动态更新参数的测距方法，其特征在于，包括如下步骤：
S1、模型建立步骤，建立测距模型；
S2、参数确定步骤，当应用环境发生变化时，动态更新测距模型内的参数值；
S3、数据采集步骤，在各个采样点处采集接收信号强度指示RSSI值；
S4、数据优化步骤，采用混合滤波方法对采集到的RSSI值进行优化；
S5、距离测量步骤，根据测距模型及当前环境的参数来测量信标节点和未知节点间的距离。
2.根据权利要求1所述的基于信号强度值混合滤波的动态更新参数的测距方法，其特征在于，所述S1模型建立步骤包括：利用无线芯片内置的功率接收单元，将发射功率和接收功率的差值作为路径损耗，利用无线电传播模型来衡量无线传播的距离，建立测距模型RSSI＝A-10n lg d。
3.根据权利要求2所述的基于信号强度值混合滤波的动态更新参数的测距方法，其特征在于，所述S2参数确定步骤包括：利用实时动态更新模型参数的方法，确定测距模型RSSI＝A-10n lg d中的A和n的值。
4.根据权利要求2或3任一所述的基于信号强度值混合滤波的动态更新参数的测距方法，其特征在于，所述S2参数确定步骤包括：得出信标节点间的RSSI和d的关系，通过每次遍历A和n的区间，运用方差思想得出方差最小时的A和n的值。
5.根据权利要求1所述的基于信号强度值混合滤波的动态更新参数的测距方法，其特征在于，所述S3数据采集步骤包括：信标节点采集一组待测节点的RSSI值；每个信标节点采集一组，共得到m组RSSI值，即RSSI1,RSSI2,...RSSIm。
6.根据权利要求1所述的基于信号强度值混合滤波的动态更新参数的测距方法，其特征在于，所述S4数据优化步骤包括：
S41、采用狄克逊检验法滤波去除RSSI数据中的异常值，所述异常值为最大值或者最小值；
S42、对去除异常值后的RSSI样本数据进行高斯滤波，得出高斯函数值在该区间内的对应的RSSI值，即RSSI(k)∈(μ-σ,μ+σ)；
S43、对高概率发生区内的RSSI值作中值滤波算法得到RSSIa，中值滤波是一种非线性滤波，在一维情况下，中值滤波器是一个含有奇数个样本的窗口，即采集N个RSSI值之后，将这N个RSSI值按大小顺序排列，取正中间的RSSI值作为滤波输出，过程为，
RSSI＝Med{RSSI(1),RSSI(2),RSSI(3),...RSSI(n)}；
S44、对原始样本数据进行狄克逊检验法滤波，再对滤波后的RSSI值进行高斯处理，选择高斯函数值在该区间内的对应的RSSI值，对这些RSSI值进行算术平均处理得到RSSIb；
S45、对于RSSIa与RSSIb进行作算数平均处理，完成混合滤波，过程为，
7.根据权利要求6所述的基于信号强度值混合滤波的动态更新参数的测距方法，其特征在于，所述S44包括如下步骤：
假设每组RSSI数据个数为N,则进行多次狄克逊检验法滤波后得到M(M≤N)个RSSI值，对这M个RSSI值进行高斯处理得到k(k＜M)个在高概率发生区的RSSI值，得到，
RSSI(i)＝Gauss[Dixon(RSSI(1),RSSI(2),...RSSI(N))]，i＝1,2,...,k，
RSSIa＝Med{RSSI(1),RSSI(2),RSSI(3),......,RSSI(k)}，
8.根据权利要求6所述的基于信号强度值混合滤波的动态更新参数的测距方法，其特征在于，所述S5距离测量步骤包括：
S51、计算未知节点与信标节点的距离；
S52、重复S3数据采集步骤和S4数据优化步骤，计算得出所有信标节点与未知节点的距离。
9.根据权利要求1所述的基于信号强度值混合滤波的动态更新参数的测距方法，其特征在于：信标节点和未知节点均采用CC2530，节点间采用ZigBee网络实现无线通信连接。
CN201810660946.9A 2018-06-25 2018-06-25 基于信号强度值混合滤波的动态更新参数的测距方法 Active CN109143157B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810660946.9A CN109143157B (zh) 2018-06-25 2018-06-25 基于信号强度值混合滤波的动态更新参数的测距方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810660946.9A CN109143157B (zh) 2018-06-25 2018-06-25 基于信号强度值混合滤波的动态更新参数的测距方法

Publications (2)

Publication Number Publication Date
CN109143157A true CN109143157A (zh) 2019-01-04
CN109143157B CN109143157B (zh) 2023-03-31

Family

ID=64802285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810660946.9A Active CN109143157B (zh) 2018-06-25 2018-06-25 基于信号强度值混合滤波的动态更新参数的测距方法

Country Status (1)

Country Link
CN (1) CN109143157B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109791191A (zh) * 2016-08-05 2019-05-21 昕诺飞控股有限公司 信标验证设备
CN112804747A (zh) * 2020-12-23 2021-05-14 上海中禧投资管理有限公司 一种空间定位的方法
CN114277602A (zh) * 2021-12-14 2022-04-05 浙江华章科技有限公司 一种纸浆加工压榨部压力控制优化方法、装置及介质
CN115392310A (zh) * 2022-08-26 2022-11-25 东土科技(宜昌)有限公司 蓝牙信标信号的过滤方法及装置、计算设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103916956A (zh) * 2014-04-25 2014-07-09 南京工程学院 室内定位系统中无线传输环境损耗参数的优化方法
CN105911519A (zh) * 2016-04-08 2016-08-31 成都理工大学 一种自适应校准的大型室内rssi混合滤波定位方法
CN106793078A (zh) * 2017-01-05 2017-05-31 西安电子科技大学 基于rssi修正值双重定位的蓝牙室内定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103916956A (zh) * 2014-04-25 2014-07-09 南京工程学院 室内定位系统中无线传输环境损耗参数的优化方法
CN105911519A (zh) * 2016-04-08 2016-08-31 成都理工大学 一种自适应校准的大型室内rssi混合滤波定位方法
CN106793078A (zh) * 2017-01-05 2017-05-31 西安电子科技大学 基于rssi修正值双重定位的蓝牙室内定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曾维 等: "基于混合滤波和节点自适应校正模型的测距算法", 《传感技术学报》 *
肖婷 等: "一种基于射频识别的RSSI混合滤波算法的研究", 《科技展望》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109791191A (zh) * 2016-08-05 2019-05-21 昕诺飞控股有限公司 信标验证设备
CN112804747A (zh) * 2020-12-23 2021-05-14 上海中禧投资管理有限公司 一种空间定位的方法
CN114277602A (zh) * 2021-12-14 2022-04-05 浙江华章科技有限公司 一种纸浆加工压榨部压力控制优化方法、装置及介质
CN114277602B (zh) * 2021-12-14 2023-07-11 浙江华章科技有限公司 一种纸浆加工压榨部压力控制优化方法、装置及介质
CN115392310A (zh) * 2022-08-26 2022-11-25 东土科技(宜昌)有限公司 蓝牙信标信号的过滤方法及装置、计算设备和存储介质

Also Published As

Publication number Publication date
CN109143157B (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN109143157A (zh) 基于信号强度值混合滤波的动态更新参数的测距方法
US10884112B2 (en) Fingerprint positioning method and system in smart classroom
CN109444813B (zh) 一种基于bp和dnn双神经网络的rfid室内定位方法
CN105491661B (zh) 基于改进的Kalman滤波算法的室内定位系统及方法
CN109782227A (zh) 一种基于蓝牙信号rssi的室内定位方法
WO2016165435A1 (zh) 一种无线网络越区覆盖检测方法、装置及通信系统
CN106842120B (zh) 基于优化算法的rssi室内多径散射定位方法
CN108226860B (zh) 基于rss的超宽带混合维定位方法及定位系统
CN105717485B (zh) 一种室内定位方法及装置
CN108966121A (zh) 一种适用于指纹定位算法的指纹库更新方法
CN109362084A (zh) 通信业务质量优化的方法、装置、设备和介质
WO2022099999A1 (zh) 一种室内定位方法、装置、设备及存储介质
CN106455051B (zh) 通过距离校准设备提升WiFi定位精度的方法
CN106686722A (zh) 基于css技术的大型室内环境定位的微基站及工作方法
WO2023083041A1 (zh) 一种定位方法、装置及存储介质
CN111194000B (zh) 基于蓝牙融合混合滤波与神经网络的测距方法与系统
CN106792516B (zh) 基于无线通信基站的三维定位方法
CN109541537B (zh) 一种基于测距的普适室内定位方法
CN107071897A (zh) 一种基于环型的Wi‑Fi室内定位方法
CN114740425B (zh) 一种融合路径规划信息的蓝牙定位方法及其系统
CN110401912A (zh) 一种基于ap设备和蓝牙设备共同定位方法
JP2015507172A (ja) 距離推定
CN110381580B (zh) 一种基于比例优化的WiFi定位方法
Margaritis et al. One Dimensional Fingerprinting as an Alternative to the Free Space Path Loss Equation for Indoor Positioning
CN111711985A (zh) 一种蓝牙rssi值噪声剔除方法及蓝牙定位方法

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
GR01 Patent grant
GR01 Patent grant