基于MATLAB的RSSI定位算法仿真

clc;
clear,close all;
BorderHeight=1000;%区域长度
BorderWidth=[10,8,5,3];%区域宽度
BeanconAmountA=51;%信标节点数量
Dis=BorderHeight/(BeanconAmountA-1); %信标节点间的距离
R=50;%节点的通信距离
BigBeacon=3;%选取的信号强度最大的节点数目
LoopNum=100;%试验重复次数
SBeta=3;

for x=1:4
gl1=0;
gl2=0;
gl3=0;
gl4=0;
for m=1:LoopNum
m
%生成移动节点坐标
Dx=BorderHeight.*rand(1,1);
Dy=BorderWidth(x).*rand(1,1);
UN=[Dx,Dy];
for j=1:BeanconAmountA
Beacon(:,j)=[j;(j-1)*Dis;0];%沿区域一侧生成信标节点坐标
distance(:,j)=sqrt((Dx-((j-1)*Dis))^2+Dy^2);%计算移动节点到信标的距离
end
figure(1);

%画出节点部署图
% plot(Dx,Dy,'k.');
hold on
% plot(Beacon(2,1:BeanconAmountA),Beacon(3,1:BeanconAmountA),'r*');
% xlim([0,BorderHeight]);
% ylim([0,BorderWidth]);
% title('* 红色信标节点 . 黑色移动节点');
%用标准RSSI方法测算距离
Loc=LocByRssi(UN,Beacon,distance,BeanconAmountA,R,BigBeacon,Dis,Dx,Dy,m,SBeta);
%用动态路径衰落指数的RSSI方法测算距离
X=LocByDRssi(UN,Beacon,distance,BeanconAmountA,R,BigBeacon,Dis,Dx,Dy,m,SBeta);

%求点位误差、横向误差、纵向误差
error1(1,m)=sqrt((abs(Dx-X(1)))^2+(abs(Dy-X(2)))^2);
error1(2,m)=abs(X(1)-Dx);
error1(3,m)=abs(X(2)-Dy);

error2(1,m)=sqrt((abs(Dx-Loc(1)))^2+(abs(Dy-Loc(2)))^2);
error2(2,m)=abs(Loc(1)-Dx);
error2(3,m)=abs(Loc(2)-Dy);

%统计两种算法误差落在1m以内的次数
if error1(1,m)<1
gl1=gl1 +1;
end
if error2(1,m)<1
gl2=gl2 +1;
end

%统计两种算法误差落在1.5m以内的次数
if error1(1,m)<1.5
gl3=gl3+1;
end
if error2(1,m)<1.5
gl4=gl4+1;
end
end

%统计动态beta值算法误差落在1m、1.5m以内的概率
gltj1(x,1)=(gl1/m)*100;
gltj1(x,2)=(gl3/m)*100;

%统计标准RSSI算法误差落在1m、1.5m以内的概率
gltj2(x,1)=(gl2/m)*100;
gltj2(x,2)=(gl4/m)*100;

max1(x,1)=max(error1(1,:));
max1(x,2)=max(error1(2,:));
max1(x,3)=max(error1(3,:));
avg1(x,:)=mean(error1,2);
std1(x,1)=std(error1(1,:));
std1(x,2)=std(error1(2,:));
std1(x,3)=std(error1(3,:));

max2(x,1)=max(error2(1,:));
max2(x,2)=max(error2(2,:));
max2(x,3)=max(error2(3,:));
avg2(x,:)=mean(error2,2);
std2(x,1)=std(error2(1,:));
std2(x,2)=std(error2(2,:));
std2(x,3)=std(error2(3,:));
error(x,:) = mean(error1(:,:),1);
end

for i=1:4
wucha1(i)=((avg2(i,1)-avg1(i,1))/avg2(i,1))*100;
wucha2(i)=((std2(i,1)-std1(i,1))/std2(i,1))*100;
end

max1
avg1
std1

max2
avg2
std2

wucha1
wucha2

gltj1
gltj2
Accuracy=error/R

figure;
plot(error(1,:),'-o');
title('移动节点的点位误差')

figure;
plot(error(2,:),':+')
title('移动节点的纵向误差')

figure;
plot(error(3,:),':+')
title('移动节点的横向误差')

figure;
plot(error(4,:),':+')
title('移动节点的横向误差2')
Aucc1=0;
Aucc2=0;
for m=i:LoopNum
Aucc1=Aucc1+error(3,m);
Aucc2=Aucc2+error(4,m);
end
Aucc1=Aucc1/LoopNum
Aucc2=Aucc2/LoopNum

D148

基于MATLAB的RSSI定位算法仿真相关推荐

基于MATLAB的车牌定位算法设计
目前国外车牌定位识别系统已经有很多成熟的产品,以色列Hi-Tech公司的See/CarSystem系列,新加坡optasia公司的IMPS系列都是比较成熟的产品.但是,这些产品基本上只适合于自己国内的 ...
基于matlab的车牌定位算法设计与实现,matlab车牌定位系统设计（源码+文档）
[实例简介]关于matlab进行数字图像处理实现车牌定位 [实例截图] [源码目录] 车牌定位系统设计 ├── 20200526_235029.mp4 ├── chepai.jpg ├── chepa ...
基于MATLAB的RSSI 和 PLE 定位算法，并通过卡尔曼滤波器减少非视距误差
基于MATLAB的RSSI 和 PLE 定位算法,并通过卡尔曼滤波器减少非视距误差根据上面的课题要求,我们知道在室内未知信道环境下,进行RSS估计效果较差,而本课题所要求的是在室内未知PL的情况下进 ...
（转载）基于TDOA声源定位算法仿真–MATLAB仿真
(转载)基于TDOA声源定位算法仿真–MATLAB仿真转载自:https://blog.xxcxw.cn/archives/28 声源定位算法是利用麦克风阵列进行声音定位,属于宽带信号,传统的MUS ...
基于python与matlab的TOA定位算法性能仿真
基于python与matlab的TOA定位算法性能仿真仿真要求仿真方案的设计 matlab仿真代码 python仿真代码仿真结果仿真要求要求一:编写两个函数TOA_LLOP和TOA_CHAN ...
matlab 声源定位csdn_[转]基于TDOA声源定位算法仿真--MATLAB仿真
声源定位算法是利用麦克风阵列进行声音定位,属于宽带信号,传统的MUSIC和DOA算法并不适用该场景,本仿真主要用TDOA算法进行定位. 常用的阵列信号定位算法主要有三大类:基于高分辨率谱估计的定位技术 ...
基于TDOA声源定位算法仿真–MATLAB仿真
评论或私信 5元获取解压码声源定位算法是利用麦克风阵列进行声音定位,属于宽带信号,传统的MUSIC和DOA算法并不适用该场景,本仿真主要用TDOA算法进行定位. 常用的阵列信号定位算法主要有三大类: ...
rssi定位算法 c语言,【论文※】An RSSI Gradient-based AP Localization Algorithm 基于RSSI梯度的AP定位算法...
摘要:Recent rapid rise of indoor location based services for smartphones has further increased the imp ...
java数字图像处理开题报告,基于MATLAB的数字图像处理算法研究与仿真开题报告...
基于MATLAB的数字图像处理算法研究与仿真开题报告毕业设计 (2013 届) 题目基于 MATLAB 的数字图像处理算法研究与仿真学院物理电气信息学院专业通信工程年级 0 ...

基于MATLAB的RSSI定位算法仿真

基于MATLAB的RSSI定位算法仿真相关推荐

最新文章

热门文章