1. 无线网络定位算法的程序。TOA/RSSI什么算法的都可以，想找个程序作个参考。
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. 是什么意思
You are connected to a trusted wifi network.
意思是：你已经连接上一个被信任的wifi网络。
3. TOA TDOA RTOF的区别
我发现这个website，它解释了这种差异。但是因为英语不是我的第一语言，所以我不确定我是否理解正确
据我了解，ToA：设备(例如)发送带时间戳的信号。我知道无线电信号有多快，因此可以计算到达基站的时间与传输中的时间戳。 TDoA：设备向多个基站发送信号。那些电台有一个同步时钟。现在距离是根据两个基站到达时间之间的差值来计算的
TOA(Time of Arrival)即到达时间定位法。TDOA（Time Difference of Arrival）即到达时间差定位法。两者都是基于电波传播时间的定位方法。需要同时有三个位置已知的基站来协助定位。TOA基本原理是得到3个达到时间后，可以算出设备到三个基站的距离，然后根据几何只是建立方程组并求解，从而求得Location值。TDOA则不立刻求解距离，而是先计算时间差，然后通过一些巧妙的数学算法建立方程组并求解，从而得到Location值。由于TOA计算完全依赖于时间，对系统的时间同步要求很高，任何很小的时间误差都会被放大很多倍，同时由于多径效应的影响又会带来很大的误差，因而单纯的TOA在实际中应用很少。DTOA由于其中巧妙设计的求差过程会抵消其中很大一部分的时间误差和多径效应带来的误差，因而可以大大提高定位的精确度。由于DTOA对网络要求相对较低，并且精度较高，因而目前已经成为研究的热点。
4. 家里无线网，那个Los一直闪红灯，网登不上去是什么原因
光纤猫亮红灯，说明光纤断了，端口被关闭，或者光纤头和光纤猫接触不良。
5. 日本的:toa无线话筒接收模块的插脚(6个为)分别:af ' sq ' sq adj ' ant ' e.
调制输入端，电源正输入，电源地输入，天线输出端，功率选择端；锁定检测输出端
6. 如何将toa与rssi进行结合
在基于测距技术的定位方法中，TOA和TDOA的精；测量方法RSSI、TOA、AOA、TDOA各有利；近几年随着制造技术和工艺的改进，RSSI技术在抗；3基于WSN的煤矿井下人员定位算法；在煤矿井下人员定位算法的相关研究领域，许多的节点；在这此定位算法中质心算法和DV-Hop算法属于非；
在基于测距技术的定位方法中，TOA和TDOA的精度较高，而AOA能提供方位信息，但是他们都对硬件和功耗提出了较高的要求。基于RSSI的定位相比较而言具有硬件成本低、易于实现、功耗小等优点，这很好的符合了WSN(wireless sensor network)的需求。目前，在通用的射频芯片中大部分中都集成了计算RSSI的模块，这使得利用RSSI进行定位可以避免了额外的硬件和通信开销，同时利用RSSI进行定位不需要网络的同步，最大限度的降低了功耗。
测量方法RSSI 、TOA、 AOA、 TDOA各有利弊。RSSI功耗低、成本低、实用性高，但有可能产生50%的测距误差, TOA、TDOA需要节点间精确的时间同步，硬件要有高精度的电波到达检测电路；AOA需要高精度的天线阵列，因此成本较高。
近几年随着制造技术和工艺的改进，RSSI技术在抗干扰和稳定性方面大大提高，是目前能够大规模应用的技术，特别是Chipcon推出的含有定位引擎模块的CC2431芯片更是推动RSSI在无线定位领域的应用。CC2431能达到3m的准确度和0.25 m的精度。节点距离测量在数据传送过程中自动完成，并加入到数据包中，非常易于定位的实现。
7. 请问 无线定位中 TOA 误差分析如何 Matlab 仿真啊
http://wenku..com/view/0e4e192a4b73f242336c5f30.html
希望对你有帮助
8. 无线传感器网络体系结构包括哪些部分，各部分的
结构
传感器网络系统通常包括传感器节点EndDevice、汇聚节点Router和管理节点Coordinator。
大量传感器节点随机部署在监测区域内部或附近，能够通过自组织方式构成网络。传感器节点监测的数据沿着其他传感器节点逐跳地进行传输，在传输过程中监测数据可能被多个节点处理，经过多跳后路由到汇聚节点，最后通过互联网或卫星到达管理节点。用户通过管理节点对传感器网络进行配置和管理，发布监测任务以及收集监测数据。
传感器节点
处理能力、存储能力和通信能力相对较弱，通过小容量电池供电。从网络功能上看，每个传感器节点除了进行本地信息收集和数据处理外，还要对其他节点转发来的数据进行存储、管理和融合，并与其他节点协作完成一些特定任务。
汇聚节点
汇聚节点的处理能力、存储能力和通信能力相对较强，它是连接传感器网络与Internet 等外部网络的网关，实现两种协议间的转换，同时向传感器节点发布来自管理节点的监测任务，并把WSN收集到的数据转发到外部网络上。汇聚节点既可以是一个具有增强功能的传感器节点，有足够的能量供给和更多的、Flash和SRAM中的所有信息传输到计算机中，通过汇编软件，可很方便地把获取的信息转换成汇编文件格式，从而分析出传感节点所存储的程序代码、路由协议及密钥等机密信息，同时还可以修改程序代码，并加载到传感节点中。
管理节点
管理节点用于动态地管理整个无线传感器网络。传感器网络的所有者通过管理节点访问无线传感器网络的资源。
无线传感器测距
在无线传感器网络中，常用的测量节点间距离的方法主要有TOA（Time of Arrival），TDOA（Time Difference of Arrival）、超声波、RSSI（Received Sig nalStrength Indicator）和TOF（Time of Light）等。