基于信号强度差的RFID室内定位研究

来源 :计算机科学 | 被引量 : 1次 | 上传用户:fanfrong
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对RFID室内定位中使用异种标签以及标签电量差异引起的信号强度差异的问题,提出一种新的基于SSD(Signal Strength Difference)的RFID指纹定位模型。该模型引入虚拟参考点,在离线阶段根据信号传播模型计算虚拟参考点的RSSI,建立SSD指纹地图,利用SSD消除异构定位读写器及电子标签的差异并解决由时间的变化引起的标签RSSI衰减问题;在在线定位阶段,采用位置匹配求交集的方法消除噪声点,然后利用K-NN算法估计目标位置。实验表明该模型具有较好的健壮性和较高的定位精度。
其他文献
试验表明,在可燃气云爆炸引发过程或爆炸初始阶段,通过喷洒抑爆材料可抑制爆炸燃烧反应进程,继而中断爆炸反应或显著削弱爆炸强度。无机粉末、惰气和水雾是性价比较高的抑爆
业务驱动开发支持多名业务人员对一项流程进行设计。为获得一个标准的参考数据感知过程,需要将这些变种合并,而检测和解决变种之间的差异是不可或缺的一环。现有方法大多依赖于修改日志从控制流层面检测和解决过程模型之间的差异,而很少研究数据感知过程之间差异的问题。基于程序依赖图和对应关系,提出一种通过比较修改前后的数据感知过程来检测和解决差异的方法。该方法建立一个层次性修改日志,以满足用户友好性的要求。
神经网络的连接权在辨识中对应于模型参数,通过权值的调节可使网络输出逼近于系统输出。将神经网络作为辨识器NNI时,经训练,网络权值即为系统参数的估计。改进算法引入加权因
社交网络影响最大化问题是指如何寻找网络中有限的初始节点,使得影响的传播范围最广。一些贪心算法可以得到较好的影响范围,但是因时间复杂度太高而不适用于大型社交网络。基于
Graph Cuts一直是应用于图像处理领域的一种重要方法。近些年特别在CUDA出现后,图像处理器逐渐成为能够编程的高层次多核心并行处理器。在GPU高性能计算平台上并行实现基于压入与重标记算法的Graph Cuts能够提高算法的运算性能,对于扩大Graph Cuts在图像处理领域的应用范围很有研究价值。首先将压入与重标记算法在GPU上进行并行化,通过CUDA的纹理内存技术来优化和改进并行化地压入与
随着社交网络的发展,新的词汇不断出现。新词的出现往往表征了一定的社会热点,同时也代表了一定的公众情绪,新词的识别与情感倾向判定为公众情绪预测提供了一种新的思路。通
随着物联网应用的快速发展,传感信息日益多元化,传感器网络规模广域化,底层传感器网络构成异构化,传感信息数量大数据化,相应地,这也使得底层传感信息中所蕴含的不一致性、不