基于RSSI权值的环境适应型室内定位算法研究

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (22): 99-103.

基于RSSI权值的环境适应型室内定位算法研究

陈顺明，李平

长沙理工大学计算机与通信工程学院，长沙 410114

出版日期:2015-11-15 发布日期:2015-11-16

Indoor localization algorithm research of environmental adaptability based on RSSI-weights

CHEN Shunming, LI Ping

School of Computer and Telecommunications, Changsha University of Science and Technology, Changsha 410114, China

Online:2015-11-15 Published:2015-11-16

摘要/Abstract

摘要： 定位节点接收的信号强度指示（Received Signal Strength Indication，RSSI）值是室内指纹定位技术重要的元素之一。通过对定位节点接收到的信号强度值特性分析，提出了基于RSSI权值的室内定位算法。改进型RSSI权值计算公式以及权值指数[α]的提出，使得定位算法具有一定的环境适应性，能更灵活地运用于实际定位场景。经过一般实验场景验证，算法在定位精度上有较大的提升。

关键词: 定位节点接收的信号强度指示（RSSI）, 权值, 环境适应性, 室内定位

Abstract: The localization node received signal strength indication value is one of important element for indoor fingerprint localization technology. This paper through analyzing the characteristic of the localization node received signal strength value, proposes indoor localization based on RSSI-weights algorithm. The raising of improved RSSI-weight calculation formula and the weights index make the localization algorithm have the environmental adaptability, apply more flexible to the actual location scene. After general experiment scene verification, this algorithm has a great improvement in location accuracy.

Key words: Received Signal Strength Indication（RSSI）, weight, environmental adaptability, indoor localization

陈顺明，李平. 基于RSSI权值的环境适应型室内定位算法研究[J]. 计算机工程与应用, 2015, 51(22): 99-103.

CHEN Shunming, LI Ping. Indoor localization algorithm research of environmental adaptability based on RSSI-weights[J]. Computer Engineering and Applications, 2015, 51(22): 99-103.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	於小杰，贺勇，刘盛华. 一种用于无人机室内定位的改进ORB光流算法[J]. 计算机工程与应用, 2021, 57(4): 266-271.
[3]	卫丹妮，杨有龙，仇海全. 结合密度峰值和切边权值的自训练算法[J]. 计算机工程与应用, 2021, 57(2): 70-76.
[4]	范纯龙，何宇峰，王翼新. 大权值抑制策略用于训练卷积神经网络[J]. 计算机工程与应用, 2020, 56(2): 115-119.
[5]	杨锦朋，常俊，余江，李晓薇. 免校准的跨异构设备的室内定位方法[J]. 计算机工程与应用, 2020, 56(2): 248-254.
[6]	郑晨辉，陈璟，张雨婷，薛伟. 融合粒子滤波与蓝牙地标矫正的定位算法[J]. 计算机工程与应用, 2020, 56(13): 273-278.
[7]	胡东海，邵元，陈莹，夏士雄. 基于改进粒子滤波的室内自适应定位算法[J]. 计算机工程与应用, 2019, 55(9): 65-71.
[8]	何伟健，陆江城，朱耀磷，李学聪. RFID旋转天线中的椭圆模型室内定位算法[J]. 计算机工程与应用, 2019, 55(9): 87-93.
[9]	田鸿，陈国彬，刘超. 新型飞蛾火焰优化算法的研究[J]. 计算机工程与应用, 2019, 55(16): 138-143.
[10]	夏宇声，刘凯，张浩，金飞宇，郑林江. 基于多边限定的室内定位方法设计与系统实现[J]. 计算机工程与应用, 2019, 55(11): 250-256.
[11]	薛伟，陈璟，张熠. 基于深度学习的Wi-Fi与iBeacon融合的室内定位方法[J]. 计算机工程与应用, 2019, 55(1): 29-34.
[12]	高永兵1，张贵娟1，胡文江1，马占飞2. 基于后缀树算法的地区微博摘要技术研究[J]. 计算机工程与应用, 2018, 54(9): 126-132.
[13]	何明慧1，徐怡1，2，王冉1，胡善忠1. 改进的粒子群算法优化神经网络及应用[J]. 计算机工程与应用, 2018, 54(19): 107-113.
[14]	杨斌，李灯熬，赵菊敏. 基于区域划分的局部更新指纹定位算法[J]. 计算机工程与应用, 2018, 54(17): 56-61.
[15]	朱琼琼1，李平1，杨程1，2，胡检华1. 自适应AP选择无线室内定位算法[J]. 计算机工程与应用, 2018, 54(14): 120-126.