为了提高远距离无线电(Long Range Radio,LoRa)系统定位精度,提出利用接收信号强度指示(Received Signal Strength Indication,RSSI)测距和三边定位方法结合小波神经网络模型对LoRa节点进行定位。首先分析了RSSI测距、三边定位的原理和...
详细信息
为了提高远距离无线电(Long Range Radio,LoRa)系统定位精度,提出利用接收信号强度指示(Received Signal Strength Indication,RSSI)测距和三边定位方法结合小波神经网络模型对LoRa节点进行定位。首先分析了RSSI测距、三边定位的原理和实现方法,给出了基于RSSI测距方法求解LoRa网关与LoRa节点间距离的步骤。然后利用3层融合型小波神经网络搭建了LoRa节点定位模型,选取Morlet小波为隐含层神经元的激励函数,选取Sigmoid阈值函数为输出层函数,将LoRa节点到3个LoRa网关的距离作为输入层数据,节点定位模型转换并输出LoRa节点位置的归一化横坐标和纵坐标。最后利用LoRa网关模块和LoRa节点模块搭建了LoRa节点定位实验系统并进行了实验测试,通过实验数据分析得出了RSSI测距参数并利用三边定位算法和小波神经网络节点定位模型实现了待定位LoRa节点的精准定位。实验结果表明,所提算法的定位精度为1.033 m,优于四点质心定位算法和传统三边定位算法。
为适应城市作战需求,提升小型无人车获取情报的准确性,详细阐述了一种基于超宽带(ultra wide band,UWB)技术的小型无人车室内定位方法。该方法综合利用三边定位算法、快速遍历随机树(rapidly-exploring random tree,RRT)算法、Python地...
详细信息
为适应城市作战需求,提升小型无人车获取情报的准确性,详细阐述了一种基于超宽带(ultra wide band,UWB)技术的小型无人车室内定位方法。该方法综合利用三边定位算法、快速遍历随机树(rapidly-exploring random tree,RRT)算法、Python地图绘制等技术,配合雷达避障、图像识别、精准投送等方法,能够在室内环境中对小型无人车进行精确定位,扫清卫星定位的“最后一公里”盲区。为了验证基于UWB技术的小型无人车室内定位的性能,从定位精度、鲁棒性和导航地图准确性等方面进行了测试,结果表明该定位方法符合预期要求,能够较好地解决小型无人车室内定位的难题。
暂无评论