论文部分内容阅读
信息时代的到来推动了物联网技术与高频无线技术在紧密结合中蓬勃发展,人们对定位服务的需求与日俱增,特别是在复杂的室内环境常需要获取移动终端的位置信息。因此,如何实现低成本、高精度的室内定位,具有非常重要的现实意义。而作为无线传感器网络(WSN)技术之一的ZigBee技术以其低成本、低功耗、可靠性高等优势,在室内定位中具有极高的应用价值。本文阐述了室内定位技术的研究背景和现状,对ZigBee技术进行介绍,并深入研究典型的WSN定位算法的优缺点,通过对比分析选择采用基于接收信号强度值(RSSI)的定位算法。但传统的基于RSSI定位算法是将获取的RSSI值依据无线信号传播模型来获取收、发节点之间的距离,然后对所得的距离再采用位置距离算法来估算位置。而该模型中的参数易受环境影响,且其值一般通过拟合或者直接根据经验得出,这势必造成定位不准确。为提高定位精度,引入具有强大的非线性拟合能力和容错能力的广义回归神经网络(GRNN)来构建定位模型,以未知节点和参考节点之间的RSSI值作为网络的输入,未知节点的位置坐标作为输出来拟合网络模型。同时采用了剔除处理和卡尔曼滤波处理对采集的RSSI值进行预处理,来削弱环境因素对信号的扰动。为避免GRNN参数选取的随意性及人为因素的干扰,采用群智能算法—混沌量子粒子群(CQPSO)来优化网络的光滑参数,选择定位节点的预测坐标与实际坐标的均方根误差来构造适应度函数,通过粒子的量子特性增强全局寻优能力,并结合混沌特性避免了种群陷入局部最优且增加了种群的多样性,来进行有限次的迭代寻优,最终搜索到最小适应度函数值对应的光滑参数,以建立最优的网络定位模型实现对未知节点坐标的预测。在MATLAB平台上,将基于CQPSO-GRNN模型的定位算法与未优化的GRNN定位算法进行仿真对比,其结果显示改进的定位算法具有更高的定位精度,提高了GRNN回归预测效果以及模型的泛化能力。课题最后,选择美国TI公司开发的CC2430无线定位芯片,对定位系统的软、硬件进行设计,为更形象的显示定位结果,利用QT编程软件开发简单的上位机监控界面。选择教学楼的工作间作为实验环境对改进的定位算法进行测试,结果表明:可将定位误差控制在1m以内,基本满足复杂室内环境对定位的要求。