一种无线传感器网络四边测距定位算法

根据RSSI测距特性,在三边测距定位的基础上,提出了基于RSSI值测距的四边测距定位算法,突破了三边测距定位的局限性。为进一步提高精度,采用了求质心和加权质心的方法,并用C++实现仿真比较,仿真结果表明:加权质心算法具有较高的精度,整个定位过程中节点间无需额外的通信开销,具有广泛的实用性。     

基于RSSI的偏移误差修正的井下定位算法

针对基于RSSI的加权质心定位算法会出现三边测量区域选择错误、只是用节点之间的距离信息衡量信标节点的影响力,忽略了各条信号传输路径中误差的标准偏差也不同的问题,提出了一种基于RSSI的偏移误差修正的井下定位算法。该算法结合加权质心定位算法思想,采用RSSI测距模型测量节点之间的距离。在获得节点间的距离信息后,通过对测距误差中随机变量的标准偏差进行概率分布分析来衡量节点间的测距误差,并对随机变量进行偏移误差修正,最终获得较高精度的定位效果。仿真结果表明,与加权质心定位算法相比,该算法的定位精度提高了19%,定位结果的稳定性也有较大程度的改善。     

水声传感器网络节点自适应加权定位算法

对水声传感器网络节点定位进行研究,针对水声传感器网络节点间测距精度不高的问题,提出一种水声传感器网络节点自适应加权定位算法。考虑到水声传感器网络节点间的测距误差随着节点间距离的增大而增大,算法改进了锚节点选择机制,并且对不同锚节点在定位测度中的权重进行加权,改进定位测度,提高了测距信息的利用效率。仿真实验表明该算法提高了节点定位精度。     

一种基于UWB的三边定位改进算法

针对现有基于UWB的井下定位算法存在算法复杂且求解值不是全局最优的问题,提出了一种基于UWB测距的三边定位改进算法。该算法基于DW1000芯片和三边定位算法,采用双边双向测距方法测距,以求解二元二次方程最优解为目标,设定优化目标函数,将坐标二维化处理,降低了算法的复杂度;筛除测量过程中产生的无效数据,确定有效搜索区域并在该区域内进行全局遍历,找到最优定位坐标,解决了求解值不是全局最优的问题。同时,为了进一步提高定位精度,采取了适当增加参考节点数量的措施。实验结果表明,该算法平均误差小于加权三边定位算法、泰勒算法,定位精度提升明显;该算法还具有较强的实用性,通过增加参考节点数量可有效提高测量精度。     

基于RSSI的ZigBee定位技术研究

ZigBee定位技术常常采用基于RSSI测距的原理。在研究传统的定位算法基础上,提出一种三边-加权质心定位算法,改进的算法以减小定位面积为目的,采用三边法确定定位三角形,在三角形中再根据以测试距离按影响大小设置的权值变量计算出未知节点的估计值。在基于ZigBee的硬件平台之上,验证了该算法较传统算法的误差更小,在测量距离较大时,优势更加明显。同时采用终端计算机进行算法处理,使各节点硬件结构简单,适合通信开销小、硬件要求低的节点使用。     

一种改进的免测距节点定位算法研究

为了更好地解决无线传感器网络中节点定位精度和复杂测距技术之间的矛盾,在分析现有免测距定位算法的基础上,提出了一种免测距的节点定位改进算法。对传统DV-HOP算法进行了三方面的改进：利用未知节点到锚节点的距离及节点通信半径为约束条件构造似然函数,确定未知节点分布的可能区域;依据未知节点到各邻居锚点的跳数对它估计的平均每跳距离进行加权处理,然后用各邻居锚节点加权处理后的平均点的平均每跳距离,最后通过最小均方误差准则优化这一估计值;当未知节点获得与其3个或3个以上邻居锚节点的距离后,首先运用进行三边测量法进行自身定位,其后升级为锚节点,向网络中传播自己的位置信息。参与下一个未知节点的定位过程中,实现了传统DV—HOD算法的改进。仿真结果表明了该节点定位算法的有效性。     

基于RSSI测距修正的无线传感器网络四边形加权质心定位

针对无线传感器网络节点使用RSSI测距容易受外部环境影响以及考虑到实际应用中部分锚节点受环境影响出现本身精度差甚至无法定位的问题,提出了基于RSSI测距修正的四边形加权质心定位方法。首先采用高斯滤波器去除波动大的RSSI值,并使用中值加权方法对滤波后的RSSI值进行计算,得到最优的RSSI值;其次为了降低单个锚节点的权重使用四边形加权定位方法。最后对提出的方法进行仿真,实验结果表明本文提高了定位精度,且性能稳定。     

基于权重重心法的传感器网络节点定位

传感器网络是由大量廉价的、低功耗的、随机布置的、无人值守的、具有有限的无线通信能力的多功能微小传感器节点组成的.传感器网络的这些固有特性使得节点定位变得十分困难.为了减小传感器网络节点定位误差、提高定位算法对测距噪声的鲁棒性、降低算法的复杂性,提出了一种只需利用少量信标节点位置信息和未知节点与信标节点间的测距估算未知节点位置的分布式节点定位算法,这种算法使用角度权重函数、权重多边形和循环组合三边测量法等手段以避免使用奇异信标节点信息.仿真结果表明:与其它同类算法相比,这种算法具有定位精度高、对测距噪声鲁棒性好、低计算复杂性和低通信开销等优点.     

节点定位在湖泊监测中的优化研究

无线传感网湖泊监测中,节点位置在一定范围内随机漂移,导致定位精度需持续修正并提高精度。提出最小误差二次定位估计算法,初始时在网络中设定两组配置有GPS的3个信标节点,利用三边测量法对未知节点进行定位,通过分析RSSI测距误差求出中心点,建立两组测量坐标进行定位修正,再使用跳距对两组坐标测量结果进行加权估计,获得优化后的最小误差节点定位。对比常规的三边测量法和FTL算法,通过仿真验证,该算法在湖泊监测中能有效地减小定位误差。     

无线传感器网络加权质心相对定位算法

针对基于接收信号强度指示的无线传感器网络加权质心定位算法在实际应用中计算复杂的缺点,提出一种改进型传感器网络加权质心相对定位算法（WCL-RSSI）。该算法主要采用参考节点精选机制和定位组合精选策略选择定位自评误差小的节点进行三边测距定位,以此重建定位权值函数来减小坐标定位误差,最后采用加权质心法计算坐标,并计算该节点的定位自评估误差。仿真实验表明,在同等计算复杂度下,该算法较传统定位方法的定位精度有了明显的提高。     

基于Mamdani型模糊推理的加权质心定位算法

为了提高加权质心定位算法在室内环境中的定位精度,提出使用实际环境中的RSS数据通过蝙蝠算法拟合输入隶属度函数,通过Mamdani型模糊推理获得节点间精确的权值,以提高加权质心定位算法的定位精度。在Zigbee平台上实现了该算法,通过实验比较3种不同的质心定位算法,结果表明:Mamdani型模糊推理因采用经过蝙蝠算法优化的隶属度函数而具有更小的平均定位误差。     

基于RSSI的无线传感器网络圆环质心定位算法

针对无线传感器网络质心算法受节点分布均匀程度的影响, 少数锚节点增大定位误差, 提出了一种圆环质心算法. 该算法以未知节点为圆心, 将未知节点通信区域划分成半径由大到小的圆环, 通过圆环剔除容易增大定位误差的锚节点, 筛选出合适的锚节点, 并在圆环上寻找近似等边三角形来进一步减小定位误差. 同时提出了利用RSSI值来形成圆环的方法. 仿真结果表明, 在100m×100m的区域中, 随机投放100个节点, 通信半径为20m, 锚节点数为20时, 圆环质心算法与质心算法相比, 定位精度提高了11%.     

基于组合测距的无线传感器网络自定位算法

针对如何在锚节点密度较低的情况下提高无线传感器网络中节点自定位精度的问题,本文提出了一种基于RSSI和TDOA组合测距的加权质心定位算法.该算法分别对传统RSSI和TDOA测距模型增加了校验参数及温度补偿,将未知节点与锚节点间距离估计值的倒数作为权值参数,再利用加权质心算法计算出未知节点的位置坐标.硬件试验表明室内环境中基于改进RSSI测距模型的定位算法相比于传统RSSI质心定位算法的误差改进比率为56.2%,仿真结果显示基于组合测距的定位算法在锚节点密度较低时也能达到较高的定位精度.     

基于接收信号强度指示的改进质心定位算法

传统质心定位算法虽然简单易行、成本低,但仅为粗略的定位估计方法,定位精度亟需改善.针对该问题,通过优选信标节点,提出了一种基于接收信号强度指示(RSSI)数据的改进质心定位算法,有效克服了传统质心定位算法"通信半径越大,定位精度反而下降"的缺点.通过MATLAB仿真验证算法的有效性和可靠性.     

基于动态损耗因子和权重的改进质心定位算法

针对无线传感器网络（WSN）节点的定位精度受环境和误差权重因子的影响问题,提出一种对路径损耗因子和误差权重因子动态修正的质心定位算法。前期根据实测和路径损耗模型,加权修正得出动态损耗因子;后期通过划分矩形区域,构造权重因子矩阵。首先,使用动态损耗因子,代入传统加权质心定位算法估算出未知节点的位置;然后,查询误差权重因子矩阵,确定最优权重因子,重新计算出未知节点坐标。实验结果表明,改进的算法降低了平均误差和最小误差,定位精度比普通质心算法提高了58%,比动态修正质心算法提高了21%,比动态加权质心算法提高了11%,定位精度有所提高。     

基于质心理论的多Sink节点重选址算法

针对无线传感器网络WSNs(Wireless Sensor Networks)中Sink节点静止不动附近邻居节点易出现"能量空洞"、缩短网络生命周期等问题,提出一种基于质心的多Sink节点重选址算法.将网络中某段时间内向Sink节点发送过数据包的全部一跳邻居节点视为质点系,所发送的数据量作为质点质量,使Sink节点向着传感器节点密度大的方向移动,实现多个Sink节点相互协作,逐步逼近到该质点系的质心位置.将质心重选址算法与多Sink节点位置固定的重选址算法和COST函数多Sink节点重选址算法进行仿真对比,结果表明质心重选址算法可以有效的均衡网络负载,降低网络能耗,延长网络生命周期,提高网络性能.     

极限分割估计矩形的Bounding-Box定位算法

针对无线传感器网络中Bounding-Box算法定位精度低的问题,在Bounding-Box算法的基础上提出一种极限分割估计矩形的方法来改进定位算法,分割后的估计矩形产生一个待选质心,当满足分割条件时,对估计矩形继续分割,并不断产生待选质心,当满足终止分割条件时,将上一次分割得到的待选质心坐标作为未知节点的最终位置,通过极限分割的方法可以修正未知节点的定位误差。仿真结果表明,在无需增加额外通信开销的情况下,改进的算法在一定程度上降低了算法的平均相对定位误差。     

基于质点弹簧模型的无线传感器网络非测距定位算法

在无线传感器网络定位中,非测距定位因功耗低、成本低而备受关注,但其较低的定位精度限制了其应用范围。提出了一种精度较高的基于质点弹簧模型的非测距定位算法L-MSM( Localization based on Mass Spring Model)。该算法首先使用复杂度低、通信开销小的质心算法进行粗定位,然后利用改进的质点弹簧模型进行优化,使质心算法定位后成簇聚集的节点分散开来并趋近实际位置,从而实现精确定位。仿真结果表明,在通信半径较小时,L-MSM算法的定位精度相对于质心算法有显著的提高。