提出了一种基于WI-FI的矿井人员精确定位新算法,介绍了定位系统结构及信号模型,给出了一种基站节点优先选择的方法,在此基础上通过对全交点质心定位算法的分析,给出了加权全交点质心定位算法。为进一步提高定位精度,对加权全交点质心定位算法进行改进,最终提出一种运用最大似然估计滤波法对RSSI值进行滤波优化的新算法。仿真实验结果表明,新算法提高了定位精度,具有可行性和优越性。

针对无线传感器网络中基于接收信号指示强度(RSSI)定位系统在精确性和实时性方面存在的问题,提出了一种基于自适应比例修正无迹卡尔曼滤波(ASUKF)的定位估计算法。通过分析RSSI定位模型的特点,将定位问题转化为非线性系统估计问题。该算法在滤波过程中采用比例修正对称采样策略,并利用次优Sage-Husa估计器实时处理系统噪声的统计特性,对目标位置和信道参数进行同时估计解算。实验及仿真结果表明,与标准UKF估计算法相比,新算法有效减小了状态估计误差,提高了滤波的稳定性,定位精度更为准确。

在无线传感网中，基于RSSI（信号强度指示）的测距技术是一项低成本的、低复杂度的测量技术，但是RSSI信号容易受环境因素的影响，所以即便在同一位置点采集到的RSSI信号强度值也大不相同，影响位置的准确判定。论文首先分析了RSSI的测距原理，以及RSSI信号几种常见的滤波方法。并用MATLAB软件通过模型仿真产生RSSI信号，然后分别采用均值滤波、高斯滤波、以及卡尔曼滤波对RSSI采样值进行处理。仿真结果表明，小概率大干扰存在情况下，高斯滤波及卡尔曼滤波的误差明显小于均值滤波；均值滤波和高斯滤波因