本文關(guān)鍵詞：基于RSSI的室內(nèi)無(wú)線定位與跟蹤技術(shù)研究

  更多相關(guān)文章： WLAN RSSI 路徑損耗模型 室內(nèi)無(wú)線定位 跟蹤算法

【摘要】：近年來(lái),隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展,室內(nèi)無(wú)線定位技術(shù)作為其催生出的新興技術(shù)產(chǎn)業(yè),已被廣泛應(yīng)用于安全保障、社會(huì)服務(wù)、醫(yī)療衛(wèi)生等領(lǐng)域,且成果突出。隨著室內(nèi)無(wú)線定位需求的日益增加,如何實(shí)現(xiàn)在室內(nèi)環(huán)境下的精確定位,成為當(dāng)前研究的一個(gè)重要方向,這為無(wú)線局域網(wǎng)(Wireless Local Area Network,WLAN)技術(shù)應(yīng)用于室內(nèi)無(wú)線定位提供了機(jī)遇。WLAN技術(shù)應(yīng)用于室內(nèi)無(wú)線定位有著顯而易見(jiàn)的優(yōu)勢(shì),成本低廉、安裝簡(jiǎn)單、覆蓋范圍廣、可擴(kuò)展性強(qiáng)、終端分布廣泛等等。與此同時(shí),它也面臨著巨大的挑戰(zhàn),其中最大的問(wèn)題就是其傳播信號(hào)容易受到環(huán)境因素的影響與干擾,導(dǎo)致定位精度偏差較大�；诖吮尘�,本文主要研究WLAN環(huán)境下基于接收信號(hào)強(qiáng)度(Received Signal Strength Indicator,RSSI)的室內(nèi)無(wú)線定位與跟蹤技術(shù)。論文首先詳細(xì)介紹了基于RSSI的室內(nèi)無(wú)線定位的研究背景和現(xiàn)實(shí)意義,總結(jié)了現(xiàn)有室內(nèi)無(wú)線定位與跟蹤技術(shù)的發(fā)展演進(jìn),及其面臨的難點(diǎn)問(wèn)題,確定了本文的研究方向。針對(duì)現(xiàn)有算法通常假設(shè)錨節(jié)點(diǎn)的位置固定,但在很多快速部署現(xiàn)實(shí)情景中錨節(jié)點(diǎn)的位置會(huì)發(fā)生變化的問(wèn)題,本文在最大似然算法的基礎(chǔ)上提出了一種基于RSSI的動(dòng)態(tài)調(diào)整路徑損耗模型參數(shù)的定位算法。該算法利用參與定位的所有錨節(jié)點(diǎn)之間的RSSI信息,對(duì)定位空間進(jìn)行全面衡量后,對(duì)路徑損耗模型的參數(shù)進(jìn)行估計(jì)和修正。隨后,再通過(guò)修正后的損耗模型,確定目標(biāo)節(jié)點(diǎn)與錨節(jié)點(diǎn)之間的距離,進(jìn)而確定其位置。仿真結(jié)果表明,相較于現(xiàn)有的模型參數(shù)估計(jì)定位算法,該方法能夠有效抑制環(huán)境變化對(duì)定位精度的影響,定位誤差小,性能優(yōu)良。進(jìn)一步,在定位跟蹤環(huán)節(jié),針對(duì)現(xiàn)有的基于卡爾曼濾波的跟蹤算法受到線性系統(tǒng)的局限,而基于粒子濾波的跟蹤算法易受奇異值影響的缺點(diǎn),本文提出了一種聯(lián)合粒子濾波和卡爾曼濾波的預(yù)測(cè)跟蹤算法。該算法首先使用粒子濾波對(duì)目標(biāo)節(jié)點(diǎn)狀態(tài)進(jìn)行估計(jì),以克服系統(tǒng)線性或者非線性對(duì)跟蹤算法的影響;隨后,再對(duì)估計(jì)結(jié)果進(jìn)行卡爾曼濾波,消除奇異值的影響,進(jìn)一步提高定位精度,實(shí)現(xiàn)對(duì)目標(biāo)節(jié)點(diǎn)的準(zhǔn)確跟蹤。仿真結(jié)果表明,與現(xiàn)有的跟蹤算法相比,本文所提出的算法能夠適應(yīng)多種運(yùn)動(dòng)情景,并且誤差小,穩(wěn)定性強(qiáng),利于實(shí)際應(yīng)用。
【關(guān)鍵詞】：WLAN RSSI 路徑損耗模型 室內(nèi)無(wú)線定位 跟蹤算法
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN925.93
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 符號(hào)對(duì)照表11-12
• 縮略語(yǔ)對(duì)照表12-16
• 第一章 緒論16-28
• 1.1 研究背景與現(xiàn)實(shí)意義16-18
• 1.2 室內(nèi)無(wú)線定位技術(shù)的研究現(xiàn)狀18-26
• 1.2.1 室內(nèi)無(wú)線定位技術(shù)的分類18-23
• 1.2.2 研究現(xiàn)狀和存在問(wèn)題23-26
• 1.3 本文創(chuàng)新點(diǎn)及篇章結(jié)構(gòu)26-28
• 第二章 基于RSSI的室內(nèi)無(wú)線定位技術(shù)理論基礎(chǔ)28-42
• 2.1 RSSI定位技術(shù)概述28-30
• 2.2 室內(nèi)無(wú)線通信信道模型30-33
• 2.3 基于RSSI測(cè)距的室內(nèi)定位算法33-39
• 2.4 定位技術(shù)的評(píng)價(jià)指標(biāo)39-41
• 2.5 本章小結(jié)41-42
• 第三章 室內(nèi)定位RSSI數(shù)據(jù)的信息采集與計(jì)算42-62
• 3.1 高斯模型和對(duì)數(shù)距離損耗模型42-46
• 3.1.1 高斯模型42-45
• 3.1.2 對(duì)數(shù)距離路徑損耗模型45-46
• 3.2 對(duì)數(shù)距離路徑損耗模型參數(shù)估計(jì)方法46-53
• 3.2.1 均值參數(shù)估計(jì)算法47-49
• 3.2.2 迭代參數(shù)估計(jì)算法49-52
• 3.2.3 最大似然估計(jì)算法52-53
• 3.3 本文提出的ML參數(shù)估計(jì)改進(jìn)算法53-61
• 3.3.1 新提出算法的詳細(xì)描述53-57
• 3.3.2 仿真與對(duì)比分析57-61
• 3.4 本章小結(jié)61-62
• 第四章 室內(nèi)無(wú)線位置預(yù)測(cè)與移動(dòng)軌跡跟蹤算法62-86
• 4.1 目標(biāo)節(jié)點(diǎn)的運(yùn)動(dòng)模型和貝葉斯濾波算法62-65
• 4.1.1 目標(biāo)節(jié)點(diǎn)的運(yùn)動(dòng)模型62-64
• 4.1.2 貝葉斯濾波64-65
• 4.2 室內(nèi)定位跟蹤的濾波方法65-75
• 4.2.1 基于卡爾曼濾波的跟蹤算法65-72
• 4.2.2 基于粒子濾波的跟蹤算法72-75
• 4.3 聯(lián)合卡爾曼濾波與粒子濾波跟蹤算法75-84
• 4.3.1 新提出算法的詳細(xì)描述75-77
• 4.3.2 仿真與對(duì)比分析77-84
• 4.4 本章小結(jié)84-86
• 第五章 總結(jié)與展望86-88
• 5.1 全文工作總結(jié)86-87
• 5.2 進(jìn)一步研究展望87-88
• 參考文獻(xiàn)88-94
• 致謝94-96
• 作者簡(jiǎn)介96-97

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 齊亮菲;劉宏;;無(wú)線傳感器網(wǎng)絡(luò)的一種多維標(biāo)度絕對(duì)定位算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年11期

2 歐陽(yáng)宇;王潮;施惠昌;;無(wú)線傳感器網(wǎng)絡(luò)E-Euclidean集中式定位算法[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

，

本文編號(hào)：782286