论文部分内容阅读
随着ZigBee技术的快速发展,智能家居系统也得到更加广泛的应用,人们对智能家居室内定位服务的需求也是逐日增加。由于室内环境较为复杂,北斗和GPS等室外定位技术很难达到室内定位的要求;传统的红外、超声波以及Wi-Fi室内定位技术,存在着技术缺陷或开发成本高等问题,未能得到广泛的推广以及应用。为此,设计一种适用于室内定位环境且定位精度较高的定位系统是一件非常有意义的事情。针对传统的室内定位算法定位精度低、定位误差大的问题,提出了基于BP神经网络的指纹定位算法,利用多模样本集、BP神经网络等理论提高定位算法的定位精度,通过MATLAB仿真实验对传统指纹定位算法与改进的定位算法进行比较,验证了改进的定位算法具有更高的定位精度,设计了以CC2530微处理器为核心的室内定位系统,根据不同通信节点的功能对其搭载相应的辅助通信模块,为实现整个系统中各个模块的高效有序通信,设计了统一的通信协议用于系统内各模块之间有序、高效的数据交换,并利用LabVIEW 2016平台开发了定位系统的上位机监控软件,对所设计的定位节点进行了数据丢包率测试与障碍物对定位精度影响的实验。实验表明,通信节点在有障碍与无障碍的情况下,20 m范围内数据包传输均不会发生丢失现象,20 m范围外障碍物会导致数据的丢包率增加,障碍物也会导致系统的定位精度降低。为验证定位系统的稳定性与可靠性,在12m×11.5m的实际环境中对所设计的定位系统进行了测试,结果表明传统的指纹库定位算法平均误差为2.03 m,而利用改进的定位算法平均误差约0.984 m,BP神经网络的指纹定位算法定位误差小、精度高,所设计的定位系统能够长时间的稳定运行。研究表明,本文所研究的定位系统达到了预期的研究目的,能够较好的满足室内定位的需求,可实现智能家居中节点的精确定位功能,是一个低成本、低功耗、易于实现的系统。图[43]表[7]参[58]