基于離散輸出功率芯片的無線室內定位技術研究.pdf_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在近幾年中,無線定位服務在生活中扮演了非常關鍵的角色,它被分為兩類:室內定位以及室外定位。廣泛應用的室外定位技術是全球導航衛(wèi)星系統,例如全球定位系統和北斗定位系統。而在室內環(huán)境中,衛(wèi)星信號的傳播會受到阻礙。因此室內定位系統(Indoor Localization System, ILS)就成為了不可或缺的一部分。而無線室內定位技術擁有高精度和低成本的優(yōu)點,被廣泛的應用在ILS中。
  降低成本對于促進ILS的發(fā)展是十分有意義的。N

2、ordic Semiconductor nRF24LE1是一款在無線應用中非常廣泛的芯片,并擁有低成本,低能耗的優(yōu)點,但是它只支持四個離散信號功率檔輸出。我們的目的是提出一個完整的兼顧硬件成本與定位精度并基于功率檔的無線ILS解決方案。
  本文主要是采用了指紋匹配的思想來進行定位,提出了一個基于功率檔的無線ILS:Plils,并使用了nRF24LE1芯片實現了該系統。整個系統定位過程被分為離線訓練階段與在線定位階段。在離線訓練階

3、段,我們根據無線芯片信號規(guī)律將整個定位區(qū)域劃分為若干均勻的網格,并以每個網格為單位進行指紋數據采集。首先將指紋數據進行預處理來過濾掉異常指紋,并用自組織映射將整個目標區(qū)域劃分為若干個子區(qū)域。由于指紋數據預處理使得在子區(qū)域的指紋擁有了更高的信號特征相似度。其次運用收集的指紋向量以及對應的子區(qū)域標簽和位置信息分別來訓練支持向量機分類器和反向傳播神經網絡回歸模型。在在線定位階段,利用支持向量機來判定待定位目標歸屬的子區(qū)域,并使用反向傳播神經網

4、絡來精確估算目標位置。最后提出了正方形區(qū)域限制算法來提高移動目標的定位精度,并且給出了相關參數的分析情況。
  在實驗階段中,我們首先討論了目標結點的最大移動速度與子區(qū)域數目在不同選擇下的定位精度,并且在最優(yōu)參數組合下取得了平均74cm的定位精度。隨后,我們在這個參數組合下對沒有自組織映射的Plils以及對比算法CMTL+進行了比較和討論,最后的結果顯示,自組織映射算法對定位精度的提高明顯,并且Plils在定位精度上要明顯優(yōu)于CM

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論