"这篇桂林电子科技大学的硕士学位论文深入探讨了基于RSSI(接收到的信号强度指示)的射频识别(RFID)室内定位算法。论文指出,随着普适计算和无线通信技术的快速发展,室内定位的需求日益增长,而RFID定位技术因其低成本、非接触非视线、环境独立、数据存储能力和低能耗等特点,成为了一种有前景的解决方案。 文中提到了两种经典的RFID室内定位系统——LANDMARC和VIRE,但同时也指出了它们存在的问题,如RSSI值的随机波动、对参考标签布局的严格要求、线性插值误差大以及消除不可能点算法阈值选择的经验性。论文的主要研究内容包括了对主流室内无线定位技术的了解,主要定位算法的掌握,RFID系统的基本构成和工作流程的学习,以及对RFID室内定位现状和趋势的研究。 作者还深入研究了LANDMARC和VIRE定位系统的原理和优缺点,并基于自适应进化极端学习机(SaE-ELM)提出了新的室内定位算法——SEVIRE。该算法通过为RSSI空间关联建模并使用SaE-ELM进行离线训练,能以高精度逼近非线性函数,不仅能够进行内插,还能进行外延,从而改善边界处的定位效果。SaE-ELM的学习速度快,能根据实时采集的RSSI值进行插值计算,增强了环境适应性和实时性。此外,在线定位阶段,通过对每个读写器设置适当的阈值并引入Q-function来减少信号波动对定位精度的影响,进一步提升了定位的准确性。 实验结果显示,SEVIRE算法在2.4GHz频段下,90%的定位误差小于2米,平均定位误差约1.72米,整体表现优于LANDMARC和VIRE算法。关键词包括室内定位、射频识别和接收信号强度指示。" 这篇论文的贡献在于提出了一种新的、改进的RFID室内定位算法,利用自适应进化极端学习机解决了经典方法的一些局限性,提高了定位的精确度和实时性。这为RFID室内定位技术的进一步研究和应用提供了有价值的参考。
剩余66页未读,继续阅读
- 粉丝: 675
- 资源: 50
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- JDK 17 Linux版本压缩包解压与安装指南
- C++/Qt飞行模拟器教员控制台系统源码发布
- TensorFlow深度学习实践:CNN在MNIST数据集上的应用
- 鸿蒙驱动HCIA资料整理-培训教材与开发者指南
- 凯撒Java版SaaS OA协同办公软件v2.0特性解析
- AutoCAD二次开发中文指南下载 - C#编程深入解析
- C语言冒泡排序算法实现详解
- Pointofix截屏:轻松实现高效截图体验
- Matlab实现SVM数据分类与预测教程
- 基于JSP+SQL的网站流量统计管理系统设计与实现
- C语言实现删除字符中重复项的方法与技巧
- e-sqlcipher.dll动态链接库的作用与应用
- 浙江工业大学自考网站开发与继续教育官网模板设计
- STM32 103C8T6 OLED 显示程序实现指南
- 高效压缩技术:删除重复字符压缩包
- JSP+SQL智能交通管理系统:违章处理与交通效率提升