1. 無線網路定位演算法的程序。TOA/RSSI什麼演算法的都可以，想找個程序作個參考。
我有matlab的。
太多了，我的QQ：39400877
%|
%| SCRIPT: simMLE
%|
%| PURPOSE: Simulate a relative location system by generating
%| random measurements and maximizing the likelihood fcn.
%| After many trials, show the results vs. the Cramer-Rao Bound.
%|
%| AUTHOR: Neal Patwari
%| http://www.engin.umich.e/~npatwari/
%|
%| REFERENCE: Relative Location Estimation in Wireless Sensor Networks
%| (N. Patwari, A. O. Hero, M. Perkins, N. S. Correal, R. J. O'Dea),
%| IEEE Trans. Signal Processing, vol. 51, no. 8, Aug. 2003, pp. 2137-2148.
%|
tic
% Use globals to allow minimization functions access to network info,
% debugging info.
global refDevices blindDevices totalDevices linearRefLocs dhat funcEvals dfuncEvals;
% Basic simulation parameters
roomSize = [1,1]; % Room size, meters
gridSize = 5; % How many sensors per side
refDevices = 4; % How many references (must be same length as actualRefLocs)
trials = 20; % How many indep trials to run
measMethod = 'R'; % Use 'R' for RSS, 'T' for TOA
totalDevices = gridSize^2;
blindDevices = totalDevices - refDevices;
blindCoords = 2*blindDevices;
actualRefLocs = [0,0; 0,1; 1,1; 1,0];
linearRefLocs = [actualRefLocs(:,1)', actualRefLocs(:,2)'];
% Optimization parameters
ftol = 0.00001;
if measMethod == 'R',
func = 'calcError'; % Use for RSS
dfunc = 'calcDError'; % Use for RSS
else
func = 'calcErrorTOA'; % Use for TOA
dfunc = 'calcDErrorTOA'; % Use for TOA
end
%| 1. Set up the blindfolded device locations
delta = 1/(gridSize-1);
coords = 0:delta:1;
xMatrix = ones(gridSize,1)*coords;
yMatrix = xMatrix';
xBlind = [xMatrix(2:gridSize-1), ...
xMatrix(gridSize+1:totalDevices-gridSize), ...
xMatrix(totalDevices-gridSize+2:totalDevices-1)];
yBlind = [yMatrix(2:gridSize-1), ...
yMatrix(gridSize+1:totalDevices-gridSize), ...
yMatrix(totalDevices-gridSize+2:totalDevices-1)];
actualBlindLocs = [xBlind', yBlind'];
actualAllLocs = [actualRefLocs; actualBlindLocs];
xActual = actualAllLocs(:,1)';
yActual = actualAllLocs(:,2)';
actualDist = L2_distance(actualAllLocs', actualAllLocs',0);
%| 2. Define the channel model
if measMethod == 'R';
sigmaOverN = 1.7;
% If C==1, then this simulation runs the _true_ MLE.
% If C==exp( 0.5* (log(10)/10 *sigmaOverN)^2), then this runs a
% bias-corrected (pseudo-) MLE.
% C = exp( 0.5* (log(10)/10 *sigmaOverN)^2);
C = 1;
else
sigma_d = 0.2; % Use for TOA
end
for trial = 1:trials,
if measMethod == 'R';
%| 3.0 Generate a random set of RSS-based distance measurements. When RSS
%| is expressed in dB, errors are Gaussian. Here, dhat is an interim
%| variable which has units of distance, and represents an estimate for
%| the range. It is correctly randomly generated as follows:
dhat = actualDist.*10.^(sigmaOverN/10 .*symrandn(totalDevices))./C;
else
%| 3.1 Generate a set of TOA measurements, which are Gaussian around the
%| true value with variance sigma_d.
dhat = actualDist + sigma_d .* symrandn(totalDevices);
end
%| 4. Make an initial guess of the coordinates.
blindLocs0 = [xBlind, yBlind]; % Use the true coordinates (unrealistic but best case)
%| 5. Find optimum locations of neurfons (fixed and relative)
funcEvals = 0; dfuncEvals = 0;
[coordsMLE, iter, errorMin] = frprmn(blindLocs0, ftol, func, dfunc, 0);
disp(sprintf('%d: Function / Deriv. evals: %d / %d.', trial, funcEvals, dfuncEvals));
%| 6. Save the resulting estimated coords
coordEsts(trial, 1:blindCoords) = coordsMLE;
end % for trial
estMean = mean(coordEsts);
estCov = cov(coordEsts);
estVars = diag(estCov);
estStds = sqrt(estVars);
locVars = estVars(1:blindDevices) + estVars((blindDevices+1):(2*blindDevices));
locStd = sqrt(locVars);
toc % show time of execution
% Plot the location estimates for sensors, one at a time.
if 0,
figure
for i=1:blindDevices,
clf
plot(coordEsts(:,i), coordEsts(:,blindDevices+i),'.', ...
estMean(i), estMean(blindDevices+i), 'ro')
hold on
set(gca,'xlim',[-0.2 1.2])
set(gca,'ylim',[-0.2 1.2])
set(gca,'FontSize',20)
set(gca,'DataAspectRatio',[1 1 1])
xlabel('X Position (m)')
ylabel('Y Position (m)')
set(gca,'xTick',0:0.25:1)
set(gca,'yTick',0:0.25:1)
grid;
pause;
end
end
% Calculate and plot CRB vs. estimator performance.
figure; clf;
if measMethod == 'R';
[locstdCRB, coordCRB] = calcLocalizationCRB('R', [xBlind, actualRefLocs(:,1)'], ...
[yBlind, actualRefLocs(:,2)'], blindDevices, totalDevices, sigmaOverN);
else
[locstdCRB, coordCRB] = calcLocalizationCRB('T', [xBlind, actualRefLocs(:,1)'], ...
[yBlind, actualRefLocs(:,2)'], blindDevices, totalDevices, sigma_d);
end
for i=1:blindDevices,
hold on
R = cov(coordEsts(:,i), coordEsts(:,blindDevices+i));
drawOval(estMean(i), estMean(blindDevices+i), R, 'k-','v', 8, 0, 1);
R_CRB = coordCRB([i, i+blindDevices],[i, i+blindDevices]);
drawOval(xBlind(i), yBlind(i), R_CRB, 'r--','.',20, 0, 1);
end
set(gca,'xlim',[-0.2 1.2])
set(gca,'ylim',[-0.2 1.2])
set(gca,'FontSize',18)
set(gca,'DataAspectRatio',[1 1 1])
xlabel('X Position (m)')
ylabel('Y Position (m)')
set(gca,'xTick',0:0.25:1)
set(gca,'yTick',0:0.25:1)
grid;
% Use for comparison
RMS_est_Std = sqrt(mean(locStd.^2))
RMS_crb_Std = sqrt(mean(locstdCRB.^2))
2. 是什麼意思
You are connected to a trusted wifi network.
意思是：你已經連接上一個被信任的wifi網路。
3. TOA TDOA RTOF的區別
我發現這個website，它解釋了這種差異。但是因為英語不是我的第一語言，所以我不確定我是否理解正確
據我了解，ToA：設備(例如)發送帶時間戳的信號。我知道無線電信號有多快，因此可以計算到達基站的時間與傳輸中的時間戳。 TDoA：設備向多個基站發送信號。那些電台有一個同步時鍾。現在距離是根據兩個基站到達時間之間的差值來計算的
TOA(Time of Arrival)即到達時間定位法。TDOA（Time Difference of Arrival）即到達時間差定位法。兩者都是基於電波傳播時間的定位方法。需要同時有三個位置已知的基站來協助定位。TOA基本原理是得到3個達到時間後，可以算出設備到三個基站的距離，然後根據幾何只是建立方程組並求解，從而求得Location值。TDOA則不立刻求解距離，而是先計算時間差，然後通過一些巧妙的數學演算法建立方程組並求解，從而得到Location值。由於TOA計算完全依賴於時間，對系統的時間同步要求很高，任何很小的時間誤差都會被放大很多倍，同時由於多徑效應的影響又會帶來很大的誤差，因而單純的TOA在實際中應用很少。DTOA由於其中巧妙設計的求差過程會抵消其中很大一部分的時間誤差和多徑效應帶來的誤差，因而可以大大提高定位的精確度。由於DTOA對網路要求相對較低，並且精度較高，因而目前已經成為研究的熱點。
4. 家裡無線網，那個Los一直閃紅燈，網登不上去是什麼原因
光纖貓亮紅燈，說明光纖斷了，埠被關閉，或者光纖頭和光纖貓接觸不良。
5. 日本的:toa無線話筒接收模塊的插腳(6個為)分別:af ' sq ' sq adj ' ant ' e.
調制輸入端，電源正輸入，電源地輸入，天線輸出端，功率選擇端；鎖定檢測輸出端
6. 如何將toa與rssi進行結合
在基於測距技術的定位方法中，TOA和TDOA的精；測量方法RSSI、TOA、AOA、TDOA各有利；近幾年隨著製造技術和工藝的改進，RSSI技術在抗；3基於WSN的煤礦井下人員定位演算法；在煤礦井下人員定位演算法的相關研究領域，許多的節點；在這此定位演算法中質心演算法和DV-Hop演算法屬於非；
在基於測距技術的定位方法中，TOA和TDOA的精度較高，而AOA能提供方位信息，但是他們都對硬體和功耗提出了較高的要求。基於RSSI的定位相比較而言具有硬體成本低、易於實現、功耗小等優點，這很好的符合了WSN(wireless sensor network)的需求。目前，在通用的射頻晶元中大部分中都集成了計算RSSI的模塊，這使得利用RSSI進行定位可以避免了額外的硬體和通信開銷，同時利用RSSI進行定位不需要網路的同步，最大限度的降低了功耗。
測量方法RSSI 、TOA、 AOA、 TDOA各有利弊。RSSI功耗低、成本低、實用性高，但有可能產生50%的測距誤差, TOA、TDOA需要節點間精確的時間同步，硬體要有高精度的電波到達檢測電路；AOA需要高精度的天線陣列，因此成本較高。
近幾年隨著製造技術和工藝的改進，RSSI技術在抗干擾和穩定性方面大大提高，是目前能夠大規模應用的技術，特別是Chipcon推出的含有定位引擎模塊的CC2431晶元更是推動RSSI在無線定位領域的應用。CC2431能達到3m的准確度和0.25 m的精度。節點距離測量在數據傳送過程中自動完成，並加入到數據包中，非常易於定位的實現。
7. 請問 無線定位中 TOA 誤差分析如何 Matlab 模擬啊
http://wenku..com/view/0e4e192a4b73f242336c5f30.html
希望對你有幫助
8. 無線感測器網路體系結構包括哪些部分，各部分的
結構
感測器網路系統通常包括感測器節點EndDevice、匯聚節點Router和管理節點Coordinator。
大量感測器節點隨機部署在監測區域內部或附近，能夠通過自組織方式構成網路。感測器節點監測的數據沿著其他感測器節點逐跳地進行傳輸，在傳輸過程中監測數據可能被多個節點處理，經過多跳後路由到匯聚節點，最後通過互聯網或衛星到達管理節點。用戶通過管理節點對感測器網路進行配置和管理，發布監測任務以及收集監測數據。
感測器節點
處理能力、存儲能力和通信能力相對較弱，通過小容量電池供電。從網路功能上看，每個感測器節點除了進行本地信息收集和數據處理外，還要對其他節點轉發來的數據進行存儲、管理和融合，並與其他節點協作完成一些特定任務。
匯聚節點
匯聚節點的處理能力、存儲能力和通信能力相對較強，它是連接感測器網路與Internet 等外部網路的網關，實現兩種協議間的轉換，同時向感測器節點發布來自管理節點的監測任務，並把WSN收集到的數據轉發到外部網路上。匯聚節點既可以是一個具有增強功能的感測器節點，有足夠的能量供給和更多的、Flash和SRAM中的所有信息傳輸到計算機中，通過匯編軟體，可很方便地把獲取的信息轉換成匯編文件格式，從而分析出感測節點所存儲的程序代碼、路由協議及密鑰等機密信息，同時還可以修改程序代碼，並載入到感測節點中。
管理節點
管理節點用於動態地管理整個無線感測器網路。感測器網路的所有者通過管理節點訪問無線感測器網路的資源。
無線感測器測距
在無線感測器網路中，常用的測量節點間距離的方法主要有TOA（Time of Arrival），TDOA（Time Difference of Arrival）、超聲波、RSSI（Received Sig nalStrength Indicator）和TOF（Time of Light）等。