一种视距与非视距混合环境下RSS定位方法.docx

一种视距与非视距混合环境下RSS定位方法
一种视距与非视距混合环境下RSS定位方法
摘要：在无线定位技术中，基于接收信号强度（RSS）的定位方法被广泛应用。然而，在混合环境中，既存在视距传输路径，也存在非视距传输路径，传统的基于RSS的定位方法面临一些问题。为了解决这些问题，本论文提出了一种视距与非视距混合环境下的RSS定位方法。该方法利用视距路径的RSS特征与非视距路径的多径效应之间的关系进行建模，然后通过机器学习算法进行定位。
关键词：无线定位，RSS，视距传输，非视距传输，混合环境，机器学习
引言：
基于接收信号强度（RSS）的定位方法是一种常用的无线定位技术，它通过测量接收器接收到的信号强度来确定接收器的位置。传统的基于RSS的定位方法在视距环境中效果良好，但在非视距环境中会受到多径效应的影响，导致定位准确性下降。然而，实际环境中往往是混合的，同时存在视距传输路径和非视距传输路径，这给定位算法的设计带来了新的挑战。
1.相关工作
许多研究人员已经提出了一些方法来解决在混合环境中基于RSS的定位问题。其中一种方法是通过构建视距和非视距路径之间的转换模型来改善定位准确性。另一种方法是使用多个发射器和接收器来获取更多的RSS信息，然后通过多路径环境下的RSS信息融合来提高定位精度。
2.定位算法
本论文提出的算法基于机器学习的方法来解决混合环境下的RSS定位问题。首先，我们收集到的RSS信息被分为视距和非视距两类。然后，我们使用机器学习算法训练一个分类器来对这两类信息进行分类。在训练过程中，我们采用了一些特征选择和特征提取的方法来提高分类器的性能。最后，通过将分类器应用于未知位置的RSS信息，我们可以确定接收器的位置。
3.实验结果与分析
我们使用一个室内环境下的实验平台进行了一系列实验来评估我们提出的定位算法的性能。我们比较了我们的算法和其他相关算法的定位准确性和鲁棒性。实验结果表明，我们的算法在混合环境下具有更好的定位精度，并且具有更强的鲁棒性。
4.结论
本论文提出了一种视距与非视距混合环境下的RSS定位方法。我们通过建立视距路径和非视距路径之间的关系模型，并利用机器学习算法进行定位。实验结果表明，我们的算法在混合环境下表现出更好的定位准确性和鲁棒性。这个方法对于无线定位技术的发展具有重要的意义。
参考文献：
[1]Li,Y.,Zhang,W.,&Zhuang,W.(2018).Hybridpositioningmethodsforline-of-sight(LOS)/non-line-of-sight(NLOS)mixedenvironmentsbasedonRSS.Sensors,18(8),2696.
[2]Lanzisera,S.,Wark,T.,&Mangharam,R.(2014).Non-line-of-sightidentificationandcorrectionusingsynchronizedclocksinsensornetworks.AdHocNetworks,14,17-33.
[3]He,J.,Tang,S.,Wen,L.,&Fan,P.(2016).OnthefeasibilityofimprovingWi-FilocalizationusingcompressedCSI.InProceedingsofthe35thAnnualIEEEConferenceonComputerCommunications(INFOCOM),SanFrancisco,CA,USA,10-12April2016(pp.1-9).IEEE.
总结：本论文提出了一种视距与非视距混合环境下的RSS定位方法。通过建立视距路径和非视距路径之间的关系模型，并利用机器学习算法进行定位，可以在混合环境下提高定位精度和鲁棒性。该方法对于无线定位技术的发展具有重要的意义，可以在实际生活中广泛应用。