Fi信号强度定位-广东工业大学程良伦教授——智能与网络化系统研究所.DOCVIP

在无线传感器网络使用Wi - Fi信号强度定位理工以往研究普遍遭受视线依赖背景光强度对比需要有广泛的培训数据测量受内部基础设施建设影响Kalman过滤器追踪多个点去描绘一个轨迹。我们的实验结果表明本方法的有效性追踪系统更加准确和有效。 无线传感器网络的普遍方法有全球定位系统丘陵，山区或区序列蒙特卡罗(SMC)需要许多样，加权和过滤措施不是有效的和具有较高的计算成本的传感器网络。Wi-Fi - IEEE 802.11b上实现。这些网络日益普及在公共场所，例如，机场，商场，网吧，校园，甚至公共广场。他们助长了位置感知计算广泛应用。目前， Wi – Fi技术的装置能够采用两种定位感知技术中的一种（基于传播的指纹位置被定位。传播技术测量收到的信号的强度、到达的角度、信号到达的时差和采用数学模型去决定装置的位置。基于传播的方法的缺点是为了成功地获得精确的定位，需要计算可能导致信号波相混合的每一个条件。指纹识别定位方法允许一个人通过用一个装置进入一个数据库 去定位他自己，这个数据库包含了其它带有Wi-Fi装置的指纹。然后通过与LF数据库比较来计算自己的坐标。(LF) 方法的缺点是需要有广泛的培训数据测量受内部基础设施建设影响本文提出了一种定位方法，定位方法益普及的Wi - Fi网络种定位方法LF-based技术和传感器。第一个阶段，探测 IEEE 802.11b Wi-Fi的信号强度。在第二个阶段，指纹位置通过移动wi-fi使能装置检索，并应用k最近邻节点算法来估计目标位置。最后，用卡尔曼过滤器来跟踪多个点的轨迹特征。这种无线传感器网络的定位方法不再需要进行广泛的它潜在适合于每一个最后，它是准确的和具有成本效益的。第3节介绍定位方法。第4节介绍卡尔曼滤波改善轨迹精度。第5节讨论绩效评价最后，结论和未来工作第6节香港理工大学 m×4 m。 IEEE 802.11b的?无线电频率是在2.4GHz频段IEEE 802.11b来说，非重叠通道的接收信号灵敏度也限制了-90 dBm到-30 dBm。RSS最高的典型值从任何AP一米之内是-40 dBm。样点在33个地方被采集，如图1所示。每个样本数据集安置在（ 2 ， 4 ） ， （ 1 ， 0 ） ， （ 8 ， 4 ）和（ 10 1 ） 。在这一节中信号传输定理， K -最近邻指纹估计，和概率估计。 信号传输定理?受控制的环境没有提供背景信号干扰Wi-Fi RSS从每个坐标点处获得，取代了用声音和视线作为媒介去跟踪目标。无线电频率信号传播定理该变量是路径损耗指数路径损耗指数K -最近邻指纹估计rN]，矢量中的每个元素从当地APAs中收集是独立的RSS。第二个指纹定位的数据集合包含了所有了NAPs中特殊位置的平均的RSS。数据来自LE数据库。整篇文章都称位置指纹矢量。在位置D=[ d 1,d 2,d3,…dN]，这个矢量被表示为F=[f1,f2,f3, …fN]。 现在有几种类型的LF算法，最基本的定位算法是K-NN算法。位置d能通过样本指纹矢量和位置指纹矢量聚类来估算。 概率估计概率估计欧几里得距离欧几里得|r -f correct|。 还有一种可能性从数据库中得到不正确的临近的指纹位置。在样本和不正确的临近的指纹位置之间的欧几里得|r –f neighbor|。 正确的指纹位置的欧几里得Wi - Fi RSS服从高斯分布Wi - Fi RSS服从高斯分布Wi - Fi RSS分布的均值和方差和。平方差也服从高斯分布。通过应用多个独立高斯随机变量Euclidean距离用K-NN方法来计算。新的均值和方差是： 因此，应用式（5）得到正确位置的可能性可用给定的覆盖在楼内的RSS来计算。如下： 其中X是返回正确位置的事件。 卡尔曼滤波卡尔曼滤波x∈，追踪过程可由线性随机差分方程是先验估计误差协方差是后验估计误差协方差。先验状态估计验状态估计卡尔曼混合因素评价卡尔曼不同路径损耗指数α不同路径损耗指数α不同路径损耗指数α路径损耗指数α路径损耗指数路径损耗指数Wi - Fi环境Wi – Fi室内基础设施定位的应用变得非常有挑战性。未来的工作是建立一个三维的普遍跟踪和三维动态时空滤波技术。[1] Taheri, A.; Singh, A.; Emmanuel, A., “”本地计算机网络， 2004年，第29届IEEE国际会议16日至18日2004年11月， 676 – 683[2] Rong-Hong Jan; Yung Rong Lee, “无线局域网室内地理定位系统 2003年国际会议， 6月9日2003年10月， 29 - 34 [3] Radu Stoleru, Tian He, John A. Stankovic, David L