随着物联网技术(Internet of Things,IoT)的发展,室内定位服务受到越来越多的关注,人们对室内定位应用的需求在不断提高。但室内环境中复杂分布的障碍物使得室内定位信号存在着严重的多径衰落效应,且存在复杂的时变特性。为了进一步提...
详细信息
随着物联网技术(Internet of Things,IoT)的发展,室内定位服务受到越来越多的关注,人们对室内定位应用的需求在不断提高。但室内环境中复杂分布的障碍物使得室内定位信号存在着严重的多径衰落效应,且存在复杂的时变特性。为了进一步提升室内定位精度并节省定位成本,本论文提出了一种在复杂室内环境下的多源信息融合定位系统。该系统可分为两个阶段,第一个阶段为人群感知阶段,第二个阶段为定位导航阶段。在人群感知阶段对蓝牙、WiFi、地磁和图像信息进行数据的采集和指纹库构建,对于WiFi和地磁指纹库的构建,我们设计兼容步行的方法进行异构数据收集建立动态指纹库,动态指纹库中包含的是室内可行性路线的多源序列信息,该方法对所有信息源开放,并简化了数据库的构建。在定位导航阶段,本论文首先提出了基于低功耗蓝牙(Bluetooth Low Energy,BLE)的I-Min-Max定位算法,该算法在Min-Max定位算法的基础上进行了改进和提高。I-Min-Max算法是一种基于范围的物联网定位系统的低复杂度和鲁棒性的定位方法。在文中,我们详尽地研究了I-Min-Max算法在不同无线传播条件下的性能。根据在物联网设备中可用的接收信号强度(Received Signal Strength,RSS)值来制定此类性能,并利用两种不同的信号传播模型(自由空间传播模型和对数正态分布模型)得出估计误差的期望值和方差。然后,我们提出了基于图像的子区域匹配定位算法,通过对典型的图像匹配算法SIFT特征描述符的提升,保证匹配精度的同时提高图像匹配的响应时间。此外,我们融合了与位置信息相关的WiFi和地磁信息以得出准确的位置估计。在室内多源信息中WiFi、地磁和图像信息均是可以免费获得的,我们将这部分称之为Wimage。最后,实验结果表明,在各种信息的协助下,多源信息融合的室内定位算法可以有效提高定位精度,算法的均方根误差仅在0.4m以下,对于大规模室内环境下的目标定位是非常准确的,是一种适合物联网系统的算法。
先进的电网通信技术能保证智能电网建设目标的顺利实现,TD-LTE电力无线专网是国内发展智能电网通信技术的关键和基础。TD-LTE电力无线专网的网络规划和优化需要准确地了解网络覆盖和干扰情况,为此本文完成了下述工作。(1)准确的覆盖分析依赖于准确的无线传播模型。本文面向密集城区环境,采用空间聚类技术将网络覆盖区域划分为多个地理场景,依据三维电子地图提供的地形地物信息,使用面向场景的射线跟踪传播模型,分析无线信号的室外覆盖分布情况;为解决模型参数不确定引起的分析误差,提出面向场景的传播模型参数校正。该方法利用路测数据,建立面向场景的传播模型参数多目标优化模型,采用多目标进化算法优化修正模型直射、反射、绕射系数。(2)在存在覆盖空洞的网络覆盖区域内,准确估计小区主覆盖对于无线网络的设计和部署至关重要。本文提出一种小区主覆盖估计方法,根据路测得到的小区无线信号指纹数据,包括频点、信号接收功率和物理小区标识,建立小区无线特征图谱,并通过对特征图谱上的离群点误差进行补偿和清洗,确定小区的覆盖形状。该方法可以保持小区覆盖特征数据的完整性,并确定适当的小区边界,从而进行有效的小区覆盖估计。(3).路测数据中的SINR(Signal to Interference plus Noise Ratio)记录了路测轨迹所经历的各地理位置点的网内网外干扰情况。实际网络中精确的SINR不可直接计算得出,只能通过现场测量。为了根据有限的已知路测点的实测SINR值估计其他位置的SINR干扰情况,本文将覆盖区域栅格化,根据路测点干扰情况建立多维张量模型,描述了 SINR值、栅格位置、地貌特征、主服务小区和邻小区之间的相关性,采用基于场景的张量分解对缺失SINR值的区域进行插补,预测非路测点上的SINR。最后设计并实现了TD-LTE无线专网覆盖干扰分析软件,利用中国某南方城市地区TD-LTE无线电力专网实际路测数据分析验证了上述工作的有效性。
暂无评论