室内定位系统安卓应用 基于WiFi信号强度的室内定位系统Android应用 由袁路基托 (c) 2015 创建 | |

m 文件完整描述了使用 Friis 方程和对数正态构建室内环境传感器网络的模拟

针对基于RSSI的无线传感器网络定位测距问题,在对数-常态分布模型下提出了一种混合滤波及最小二乘环境参数动态估计的测距算法。以锚节点作为参考节点,采用基于均值滤波、中值滤波和高斯滤波的混合滤波方法优化RSSI值,运用最小二乘法估计环境参数,再由盲节点与锚节点的RSSI混合滤波优化值计算二者之间的距离。仿真结果表明,混合滤波性能优于其它单一滤波方法,环境参数估计相对误差小于2.5%,空旷环境下100 m范围内测距相对误差小于10%,满足无线传感器网络定位测距要求。

C#版WIFI信号无线信号强度获取源码，程序用于获取电脑附近的AP的信号强度值，也可以将代码修改一下，变成无线管理器。 附件为VS2010工程文件，可以直接打开，BIN目录下有编译好的要执行文件。

针对WiFi、蓝牙等基于信号强度的室内定位技术易受遮挡、反射等影响，导致较大定位误差的问题进行研究。在室内信号传播模型的基础上，推导出基于信号传播模型的场强测距模型，根据该模型对现有定位解算中的牛顿迭代算法进行改进，对不同信号计算不同权值，采用加权最小二乘法求解，在不增加解算复杂度的情况下，提高定位精度。仿真表明，该算法抑制干扰能力强，有效提升了定位精度。

手把手视频详细讲解项目开发全过程，需要的小伙伴自行百度网盘下载，链接见附件，永久有效。 课程亮点： 1、系统的设计方法是采用面向对象的设计。本系统前端页面交互主要采用B/S的结构，采用MVC及流式数据的设计思路进行规划设计。 2、前端数展现使用Echarts技术。与地图相关的报表使用百度地图提供的API。 3、后端实时数据，实时接入mysql。为了不影响线上系统的正常使用，同时能够将数据发送到大数据平台，本项目使用Canal来解析实时数据，Flume收集数据并数据发送到实时计算业务流程和离线计算两个流程中。实时数据处理流程使用Canal+Flume+Kafka+SparkStreaming等技术。离线计算使用HDFS+Hive+Azkaban等技术。 4、设计过程中对系统的可靠性、可扩展性以及性能进行了充分考虑和研究分析，争取通过良好的设计，在实现系统功能的前提下，最大化的提高系统性能和扩展性，减少将来的维护代价和其他成本。 适用人群： 1、对大数据Spark感兴趣的在校生及应届毕业生。 2、对目前职业有进一步提升要求，希望从事大数据行业高薪工作的在职人员。 3、对大数据行业感兴趣的相关人员。 第一章 项目概述 1课程内容 1. 系统介绍 2. 模块介绍 3. 数据流程描述 4. 逻辑架构设计 5. 功能描述 6. 系统架构 第二章 离线数据入库 1. 数据上传 2. 创建数据表 3. 数据拆分 4. 数据表加载 第三章 离线数据整理 1. 业务SQL语句编写 2. 整理SQL语句生成结果表的结构及字段 3. 根据结果表所需的字段，在原始表中抽取该字段 4. 数据加工及入库 5. 创建索引 第四章 实时数据生成及计算 1. Mysql 数据写入 2. canal 解析mysql实时数据写入本地 3. Flume收集数据将数据上传至集群 4. SparkStreaming 实时计算

wifi频道 一个简单的 python 脚本，用于查看本地 wifi 信道使用情况与信号强度。 绘制了一个几乎漂亮的图形。 依靠 用法 ./wifi-channels.py 确实需要root访问权限，否则您只能看到您连接的ssid... 每 5 秒更新一次，直到您关闭图形窗口。 x 轴是通道。 y 轴表示信号强度（准确地说是 100 + dBm）。 截屏 几乎漂亮的图形看起来像这样。

该算法预测移动用户的接收信号强度，以避免在移动用户定位（寻找移动用户位置）过程中接收信号强度的波动

wifi无线信号强度RSSI的值获取，是RSSI定位的关键基础技术

WiFi映射器 WiFi信号强度映射工具（JavaFX） WiFi Mapper是一个小型的，基于JavaFX的实用程序，用于可视化wifi信号强度数据。 数据收集是使用的修改版进行的。