中南大学物联网定位实验报告

千里之行，始于足下。第2页/共2页精品文档推荐中南大学物联网定位实验报告物联网定位技术

实验报告

学生姓名关华

学号01

专业班级物联网工程1301班指导老师张士庚

学院信息科学与工程学院完成时刻20XX年6月

名目

实验一Wi-Fi指纹定位系统的实现与性能评价0

1.实验目标0

2.实验背景0

3.实验原理0

wifi基础知识0

室XXX位办法建模0

指纹定位算法(1)

4.关键代码(2)

5.实验结果(3)

6.室XXX位误差分析(3)

实验二无线传感器网络定位实验(5)

1.实验目标(5)

2.实验要求(5)

3.算法介绍(5)

基本内容介绍(5)

迭代多边定位算法(6)

DV-HOP算法(6)

PDM算法(6)

4.算法实现(7)

迭代多边定位算法(7)

DV-HOP算法(9)

PDM算法(11)

5.实验结果和分析(12)

迭代多边定位算法(12)

DV-HOP算法(12)

PDM算法(13)

三．实验总结(14)

实验一Wi-Fi指纹定位系统的实现与性能评价

1.实验目标

经过实现一具基于Wi-Fi指纹的室XXX位系统，掌握指纹定位的原理和实现方式，并举行测试，对所实现的指纹定位系统的误差性能举行评价。

2.实验背景

WIFI位置指纹定位技术是基于接收信号传播特性而举行定位的,与传统定位技术相比,其无需额外添加设备来举行角度测量与时刻同步,且充分利用了己有W1FI无线网络,落低其使用成本。其次,WIFI位置指纹定位技术与传统室XXX位技术(如:视频信号与红外定位)相比,其扩展性更强、应用范围更广。由于WIFI信号传输时受非视距、多径衰降等因素妨碍较小,故基于WIFI网络的指纹定位系统稳定性较强,而基于红外或视频信号定位技术在使用时较易受限,比如:在阳光直射或突光照耀下基于红外技术定位的精度将大大落低,而基于视频信号的定位技术使用前提是挪移终端必须在可视条件下。

在都市人口居住密集的今天,由于室内与地下的无线基站信号较弱,现有主流定位技术GPS、AGPS、GoogleMap等在室内与地下定位时均存在盲区,且定位精度别高,而WIFI位置指纹定位技术可经过WIFI网络中的AP举行定位,幸免了对无线基站网络的依靠,从而实现了地下或室内环境的准确高效定位,其在地下室内商场、停车场、物流等行业均具有潜在应用价值。

3.实验原理

wifi基础知识

W1FI网络的组成结构如下图2-1所示,要紧包括了接入点(AccessPoint,AP)、站点(Station,STA)、无线传输介质(WirlessMedium,WM)与分布式系统(DistributionSystem,DS)。

WIFI无线网络工作原理框图

室XXX位办法建模

传播模型定位法是依照信号传播距离与衰减的关系举行建模,并经过建立的传播模型将RSS转换成信号的传播距离,从而完成对挪移终端的定位。传播模型

法在定位时无需额外的硬件设备,故其定位成本非常低,且其在定位时不可能妨碍到现有网络数据的传输。

尽管传播模型定位法有以上优点,但由于其定位精度别高导致其应用范围别是非常广,目前播模型定位法只应用于粗略定位与测距中,其定位步骤如下:①在己知室内环境下,利用接收信号强度恐怕此环境下的传播模型与参数值;②利用①中的传播模型,经过猎取未知终端节点的RSS来完成对其定位。位置指纹定位法是经过挪移终端的RSS与指纹库中的指纹数据举行匹配,然后再经过某种算法来计算其位置。

指纹定位算法

无线信号依靠传播环境,在别同位置上,其信道的多径特征也均别相同。无线信号在传播过程中经反射、折射、散射后,生成与传播环境相关且独特的信号,我们称此多径特征为“位置指纹”。信号的多径特征包括信号强度、脉冲响应时刻、信噪比等,本文要紧釆用接收AP信号的强度值(即RSS)作为信号指纹特征。位置指纹法在定位过程中分`离线/训练'与`在线/定位'两个时期,其定位流程如下图所示。

①离线/训练时期

指纹定位在离线时期要紧采集定位场所中各参考点位置上的信号多径特征(信号强度),从而建立位置指纹数据库。

②在线/定位时期在实际定位过程中,挪移终端首先会接收到身边AP接入点发出的信号特征记为Rss,然后则可遍历指纹数据库对此RSS矢量举行匹配,最终再采取某种指纹定位算法计算出挪移终端的位置。常用的指纹定位算法有:最近邻法CNN)、K近邻法(KNN)、K加权近邻法(WKNN)、贝叶斯概率算法、BP神经网络算法等.

假设在定位区域中共有L个位置指纹参考点,记为{F1,F2,Fl}，其与一组位置坐标{L1,L2,L7}一一映射即指纹Fi在定位区域中对应的位置坐标为Li=(Xi,Yi)。在“在线/定位”时期时，挪移终端会接收到身边n个AP热点发送的信号强度矢量，记为S，其中S=(S1，S2,..Sn)。

?经过贝叶斯公式计算后验概率：

P(Li|S)*P(Li)=P(S)P(S|Li)*P(Li)

假设选取参考点是随机的，均匀分布，即P(Li)=1/L。

由于在某一位置指纹处,来自每个接入点AP的RSS(接收信号强度)互别相关，因此能够得到：P(SLi)=P(S1Li)P(S2Li)P(SnLi)?观看数据发觉某一位置指纹处的接收信号强度服从高斯正态分布，因此能够举行近似模拟。

?最终以概率值P(LiS)作为定位区域中指纹参考点的权重，并恐怕出挪移

终端的位置。

4.关键代码

/**

*计算距离，同时找出最小距离的点和值。

*@return

*/

privatePointcalculate(){

minDistance=;

mini=-1;

doubletempDistance;

distance=newdouble[()-1];

PointendPoint=()-1);

for(inti=0;itempMap1=newHashMap();

MaptempMap2=newHashMap();

inti,j;

for(j=0;jiterator=();

while()){

str=();

if(str)&&(str)){

result+=(str)-(str))

*(str)-(str));

}

if(str)&&!(str)){

result+=(str)-(str))

*(str)-(str));

}

if(!(str)&&(str)){

result+=(str)-(str))

*(str)-(str));

}

}

return(result);

}

5.实验结果

代码调试截图

实验界面截图

第一次、第二次扫描截图

截图

计算结果截图

6.室XXX位误差分析

由于室内环境比较复杂,信号在室内传播时会受到别同程度的妨碍,而造成此妨碍的因素要紧有以下三种:非视距传播、多径传播、阴影效应。

非视距传播

由于在信号的发射端与接收端之间的直射路径上存在障碍物,导致无线电波别能在收发两端举行直射传播,而只能经过反射、折射举行传播,由此在接收端测得的信号特征,如信号到达时刻、信号强度、入射角、到达时刻差等,将无法准确的反映出收发两端之间的真实距离,我们称这种现象为信号的非视距传播。

多径传播

由于信号接收端所处环境复杂,使得发射的电磁波在向外扩散过程中遇到各种障碍物,使得信号在传播过程中受到反射、散射、绕射等妨碍,导致接收到的信号为多条路径上信号的矢量和。由于每条路径上信号的强度、到达时刻、到达载波相位都别相同,则产生多径干扰,这种现象即为多径传播。

阴影效应

阴影效应是指挪移终端在挪移过程中,有一些大型障碍物阻挡了其无线电波的直射路径,从而导致信号接收区域中存在半盲区,在电磁场中形成了阴影,致使信号接收点场强在终端挪移过程中起伏变化,我们称此现象为阴影效应。除以上三种环境客观因素外,指纹定位选取的信号传播模型、定位场景中AP与位置指纹参考点的配置以及选取的定位算法均会妨碍定位精度。

除此之外,定位温度、方向、挪移终端运动状态也均会妨碍定位精度。

实验二无线传感器网络定位实验

1.实验目标

了解典型的无线传感器网络定位算法；

在所给的网络中实现所说授的无线传感器网络定位算法并举行比较。

2.实验要求

掌握典型的无线传感器网络定位算法基本原理，明白所说的迭代式多边定位算法、DV-HOP算法、PDM定位算法、基于MDS的定位算法；

利用所给的网络数据，实现两种以上的定位算法并举行比较。

3.算法介绍

基本内容介绍

在本次实验中，共有四个已知的.XXX文件，分不命名为：、、net1_topo_error_5以及net1_topo_error_10。

其中，文件net1_pos中给出了实验网络中节点的位置数据。每行表示一具节点的位置信息。格式如下：

节点序号节点x坐标节点y坐标是否锚节点（1代表锚节点，0代表待定位节点），比如：

11

表示节点1，其真实位置为（,106,2282），该节点是锚节点。再比如：

330

表示节点33，其真实位置是,，该节点是待定位节点。利用某种定位算法计算出来待定位节点的位置后，就能够依照真实位置计算该节点的定位误差。

文件net1_topo_error_free中给出了网络中相邻节点之间的距离信息。每一行表示两个节点之间的距离。格式如下：

节点1序号节点2序号节点之间距离测量值。比如：

14

表示节点1和节点4能够相互测量出之间的距离，他们之间的距离是

文件net1_topo_error_5和net1_topo_error_10给出的距离分不是增加了5%和10%误差之后的扰动值。

迭代多边定位算法

算法思想：利用已知信标节点和非信标节点的几组对应关系（两点间距离），对非信标节点举行定位。（某个非信标节点只要已知3个及以上信标节点与其距离即可对其举行定位。）定位成功后的非信标节点转换为信标节点，可辅助对其他非信标节点定位。别断迭代定位过程，懂信标节点集合元素个数在前后两次迭代中数量别变，则迭代终止。

前提条件：已知位置的锚节点个数要超过3个；对所有节点来讲，在添加完邻接矩阵关系后，是一具连通图，没有孤立节点。

特殊讲明：因为在使用迭代多边定位算法对未知节点举行定位时需要利用该节点与3个以上信标节点的直线距离，图是连通图但别是全连通图，因此也许会有部分节点无法定位。

DV-HOP算法

算法思想：先用Floyd算法将图的最短路径和每两个节点间的最小跳数表示出来，将特定位置的节点到参考节点的距离用网络中的节点的平均每跳距离和节点之间的跳数乘积表示，使用三角形定位的办法来获得节点的位置节点。

前提条件：已知位置的锚节点个数要超过3个；对所有节点来讲，在添加完邻接矩阵关系后，是一具连通图，没有孤立节点。

特殊讲明：图是否为连通图关于迭代多边算法妨碍也许不可能非常大，然而在DV-HOP算法中，假如有孤立节点，则会导致程序出错。

PDM算法

算法思想：PDM算法全称为计算邻近度-距离转换矩阵算法(Proximity-to-DistanceMapping)，也算是讲经过计算节点间的邻近度-距离

转换矩阵来给未知节点举行定位，本算法中涉及到：

pTddT矩阵各个点到锚节点的距离:矩阵各个点到锚节点的跳数:p距离转换矩阵:

经过锚节点间协作构建邻近度-距离转换矩阵D=P*T,关于已知的锚节点，它们之间的跳数能够经过Floyd算法计算出来，即可猎取对于所有锚节点的跳数矩阵P，而锚节点的坐标已知，其相互之间的距离能够计算出来，即构造了距离矩阵D。利用伪逆技术增强鲁棒性，计算出转换矩阵T：

1

)(TTPPPDT

若锚节点的分布要能较准确的刻画网络拓扑性质，我们能够以为矩阵T也符合网络中的非锚节点。而非锚节点到锚节点的跳数能够用Floyd算出，即P可算出，经过D=T*P能够算出某个点到锚节点的距离，再调用算法一能够算出坐标。前提条件：已知位置的锚节点个数要超过3个；对所有节点来讲，在添加完邻接矩阵关系后，是一具连通图，没有孤立节点。

特殊讲明：图是否为连通图关于PDM算法妨碍非常大，假如有孤立节点，矩阵运算就不可能正确，无法定位。

4.算法实现

迭代多边定位算法

第一步：将数据读入内存。利用Matlab中已有的函数load将文件中的内容以矩阵的方式读入内存。

Data_post=load('');

Data_road1=load('net1_topo-error');

Data_road2=load('net1_topo-error');

Data_road3=load('net1_topo-error');

culuXXX_post=size(Data_post);

第二步：推断锚节的个数。

tempcount=0;

fori=1:culuXXX_post(1)

ifData_post(i,4)==1

tempcount=tempcount+1;

end

end

iftempcount<3

disp('锚节点少于3个,DV-hop算法无法执行');

return;

end

第三步：初始化距离矩阵，将与锚节点有关的路径读入距离矩阵

先将距离矩阵全部赋值为无穷大，再将每个节点到自身的距离规定为0，在边的信息中，假如有端点为锚节点的，就更新其两点间的距离。

fori=1:culuXXX_r