针对室内定位精度不高的问题,提出了基于隐马尔可夫模型的定位算法(hidden Markov model location algorithm,HMMLA)。HMMLA系统模型分为训练阶段和定位阶段。训练阶段利用接收信号强度(received signal strength,RSS)采集程序对场景中...
详细信息
针对室内定位精度不高的问题,提出了基于隐马尔可夫模型的定位算法(hidden Markov model location algorithm,HMMLA)。HMMLA系统模型分为训练阶段和定位阶段。训练阶段利用接收信号强度(received signal strength,RSS)采集程序对场景中各个接入点(access point,AP)信号强度RSS进行采集,选择合适的参考点建立指纹数据库(fingerprinting database)。定位阶段采用HMMLA匹配算法进行定位。为了验证定位算法的精确度,在建立的指纹数据库基础上,在场景中选择合适的路径点,利用RSS采集程序在路径点处采集RSS值,然后使用HMMLA匹配算法对路径点进行定位。最后分析定位误差和算法的精确度,并将定位算法与KNN定位算法进行分析比较验证算法的可靠性。分析结果表明,基于隐马尔可夫模型的定位算法在系统原型下定位平均误差为1 m左右,定位精度比KNN定位算法高。
高效的差错控制编码技术(ECC)可以增强无线传感器网络传输稳定性、网络的能量利用效率。为了充分利用无线传感器网络中蕴含的分集资源应对恶劣信道环境导致的高差错概率,该文研究了基于根校验全分集LDPC码的差错控制编码技术。首先,提出在分簇无线传感器网络中,基于根校验全分集LDPC码的编码方案;其次,设计了适用于所提方案的速率兼容全分集LDPC码字结构。最后,分析了所提编码系统的能效。仿真结果表明,在信道条件较差的环境中(仿真中,信道噪声大于44 10 m W-′),采用该文的编码方案,能够显著提高无线传感器网络的能效。
暂无评论