基于RSSI的无线传感器网络距离修正定位算法

节点自身定位是无线传感器网络目标定位的基础。无线传感器网络节点定位算法包括基于距离和距离无关两类。其中基于RSSI的定位算法由于实现简单而被广泛使用,但RSSI方法的测距误差较大,从而影响了节点定位精度。提出了一种基于RSSI的无线传感器网络距离修正定位算法。该算法通过RSSI测距,计算近似质心的位置,以此为参考点进行距离修正,然后确定节点的位置。仿真结果表明该算法可以提高节点定位精度。     

基于RSSI的优化加权质心定位算法研究

节点定位技术是无线传感器网络的关键技术之一。质心定位算法是指节点依靠无线传感器网络的连通性进行定位,定位误差较大。为了提高定位精度,鉴于质心定位算法受环境影响较小,基于RSSI的定位技术使用方便的特点,文中提出了基于RSSI的一种优化加权质心定位算法。通过RSSI测距,结合优化后的加权质心定位算法,确定节点位置。仿真结果表明,该算法降低了定位的平均误差,可以提高定位精度。     

基于RSSI测距和距离几何约束的节点定位算法

节点定位是无线传感器网络的基础问题之一,基于RSSI测距技术被广泛应用到节点定位中。由于RSSI测距受到环境影响而产生测距误差,进而影响节点定位的精度。本文利用距离几何约束来减小RSSI测距误差,并结合三角形质心定位算法。仿真结果表明该算法比基于RSSI三角质心定位算法的定位精度有较大提高。     

无线传感器网络混合定位技术研究

在大规模复杂无线传感器网络中往往采用多种节点定位技术,在此结合现有无线传感器定位技术的现状,提出了一种混合定位技术以实现不同定位方法之间的互补。一方面利用RSSI定位弥补TDOA定位覆盖范围小的缺点;另一方面将测距信息引入到非测距定位DV—Hop算法中,用RSSI测距模型来提高DV-Hop算法中定位节点与信标节点间有效距离的精度。实验结果表明,该混合定位技术实现了TDOA,RSSI以及DV-HOP等定位技术的融合,有效地提高了复杂大规模无线传感器网络的节点定位精度。     

WSN中基于RSSI的加权质心定位算法的改进

自身节点定位是无线传感器网络的关键技术之一。本文对距离无关定位算法中的质心定位算法进行了分析,在基于RSSI的质心定位算法的基础上提出了一种新的校正RSSI测距值的加权定位算法。测距阶段将信标节点之间的距离和信号强度信息同时考虑在内进行RSSI值校正,权值选择阶段采用了修正传统权重的计算方法,权值取距离倒数之和。通过仿真证明,本文提出的算法相对于传统的加权质心定位算法有明显改进,获得较好的定位精度。     

基于RSSI和遗传算法的无线定位方法及其实现

随着无线电技术的发展,无线传感器网络在目标跟踪、环境监测、空间探索等领域得到广泛应用,节点定位技术在无线传感器网络中具有重要地位。文章提出了基于遗传算法的无线定位算法,解决了基于RSSI信号强度的无线定位方法定位精度较低的问题。该算法采用考虑参考节点RSSI信号波动误差的质心算法进行种群初始化,使用基于记忆搜索方向的交叉机制和自适应调整搜索半径的策略,为下一代种群的搜索方向及搜索半径提供有效的指导信息。实验结果表明,该算法的定位精度明显高于典型及改进的极大似然估计定位算法,有效地提高了定位精度。     

基于无线传感网络的灾区伤员定位算法

自然灾害发生后,需要对灾区伤员快速定位抢救,这就对定位技术的精确度提出了很高的要求。无线传感器网络中节点定位技术是重要技术之一,在多种定位技术中RSSI测距的定位技术便捷、精确度高,因此广泛使用。传统的三边定位算法受外界因素干扰大,导致测量结果不准确。因此文章将RSSI测距技术和质心定位算法相结合设计了一个灾后伤员定位系统。该系统利用无线传感器网络进行定位请求,RSSI测距技术对未知节点进行测距,最后基于质心定位技术编写算法。该算法经过仿真实验精度完全符合要求。     

改进的无线传感器节点定位算法

由于无线传感器网络具有其它网络不可比拟的各种优势,使得它在很多领域都有广泛的应用。对于无线传感器网络中的未知节点本身的定位工作是网络的各项应用的基础。本文主要分析无线传感器网络的节点定位技术,研究已有的定位算法,并根据现有算法提出一种改进的分布式的节点定位算法。该算法使用RSSI方法测距,无需增加新的硬件设备,通过分布式的算法来提高效率降低能耗,利用多次定位的平均值提高定位精度,降低了网络中的能量消耗,延长网络寿命。     

基于t分布变异的飞蛾加权质心定位算法

针对现有无线传感器网络中基于RSSI定位算法受外部环境影响,在恶劣环境下定位精度低的问题,提出一种基于t分布混合变异飞蛾加权质心定位算法。首先对接收到的信号值进行RSSI测距,然后对RSSI测距的值利用改进后的四点加权质心定位算法得到预估计的坐标值,最后利用t分布混合变异的飞蛾扑火算法对预估计坐标的值和损耗模型参数进行优化并得到最终定位坐标。仿真结果表明,该算法比传统的RSSI定位算法、RR-WCL算法和PSO-GSA算法有更高的定位精度。     

RSSI理论下无线传感器网络节点定位算法探究

节点定位作为无线传感器网络的一个基础性问题,同时随着微处理技术、网络通信技术、嵌入式计算技术以及传感技术的快速发展和日臻完善,具有超强感知能力、通信和计算能力的无线传感器网络节点的定位技术开始越来越多地受到人们的关注.本文在这一背景下提出了一种基于接收信号强度指示的无线传感器网络节点的自身定位算法即RSSI算法.全文从RSSI算法的介绍谈起,然后对RSSI算法的误差进行了细致的分析,最后就改进的RSSI算法作了详细的说明.     

基于RSSI的无线传感器网络环境参数分析与修正方案

定位技术是无线传感器网络数据采集的基础服务,而定位精度的高低在很大程度上取决于距离测量的精度。基于RSSI（接收信号强度）测距技术无须添加任何硬件设施、用较少的通信开销和较低的实现复杂度,十分适应于能量受限的无线传感器网络。通过对RSSI测距模型进行分析,并提出一种针对室内环境的参数修正方案。通过自行研发的传感器节点Ubicell上进行验证分析,实验表明,采用环境参数修正方案后,明显提高了测距的精度。     

基于RSSI的精确室内定位算法

无线传感器网络的关键问题是实现节点的精确定位。为了解决基于RSSI的无线传感器网络三角形质心定位算法在有些情况不适用的问题,本文提出一种新型的基于RSSI的精确室内定位算法,此算法提出了虚拟信标节点的概念并用此来修正未知节点位置。实验表明,该算法具有较高的定位精度,能满足大多数的应用场合,具有一定的实用价值。     

基于自适应采样的移动WSN定位算法

节点自定位是无线传感器网络的关键技术之一。当前对无线传感器网络定位的研究主要集中静态节点定位,移动无线传感器网络定位研究相对较少。研究了基于序列蒙特卡罗方法的移动无线传感器网络定位。针对蒙特卡罗定位采用固定样本数,计算量大的缺点,根据蒙特卡罗定位盒（MCB）算法的锚盒子大小动态设置样本数,提出一种自适应采样蒙特卡罗盒定位算法。仿真表明,该算法在保持定位精度的同时有效地减小了采样次数,节约了计算量。     

Improvement of Positioning Technology Based on RSSI in ZigBee Networks

In this paper, the node localization methods of ZigBee wireless sensor networks were studied. There are two key issues affecting the positioning accuracy: accuracy of RSSI value and optimization of localization algorithm. For the first issue, the effects of two kinds of environmental disturbance on RSSI values were analyzed, and then RSSI values were pretreated using Kalman filter. For the second, the RSSI-based localization algorithm were introduced in detail, and a new algorithm-triangle centroid localization algorithm based on weighted feature points-was proposed. MATLAB simulation and actual network tests were carried out. The simulation and experimental results all showed that our pretreatment strategy of RSSI and optimization of localization algorithm had great effects on positioning accuracy.     

一种新的无线传感器网络DV-Hop算法

无线传感器网络[1]能够实时监测和采集网络分布区域内的各种检测对象信息,有着广泛的应用前景。节点自身定位是无线传感器网络的基础性问题之一。节点定位算法大致可分为两类:基于测距的算法和无需测距的算法。基于测距的算法对硬件的要求较高,无需测距的对硬件的要求不高。针对这种情况,为了提高算法精度,文中介绍了一种名叫RDV-hop算法的新的节点定位算法,这种算法结合RSSI与DV-hop两种算法的优点来进行节点定位。与老的DV-hop算法相比,这种新的算法极大的提高了定位的精确度。     

WSN中基于稀疏观测和异步传输的分布式实时定位算法

针对无线传感器网络（WSN）中现有集中式多维标度（MDS-MAP）节点定位算法在定位精度和分布式方面的不足,提出一种基于稀疏观测和异步传输的分布式实时定位算法。首先在传统MDS-MAP算法中融入稀疏观测机制,使其能够更好地符合实际观测场景;然后提出一种异步传输序列,使节点能够分布式计算距离观测,并通过分布式计算结果给出位置估计;最后通过提出的位置估计精化操作减小估计误差,最终实现节点的精确定位。实验结果表明,该算法具有较高的定位精度。     

传感器网络的粒子群优化定位算法

无线传感器网络定位问题是一个基于不同距离或路径测量值的优化问题。由于传统的节点定位算法采用最小二乘法求解非线性方程组时很容易受到测距误差的影响,为了提高节点的定位精度,将粒子群优化算法引入到传感器网络定位中,提出了一种传感器网络的粒子群优化定位算法。该算法利用未知节点接收到的锚节点的距离信息,通过迭代方法搜索未知节点位置。仿真结果表明,该算法有效地抑制了测距误差累积对定位精度的影响,提高了节点的定位精度。     

Cross-layer optimization using two-level dual decomposition in multi-flow ad-hoc networks

Localization is one of the most important issues in wireless sensor networks and designing accurate localization algorithms is a common challenge in recent researches. Among all localization algorithms, DV-Hop attracts more attention due to its simplicity; so, we use it as a basis for our localization algorithm in order to improve accuracy. The various evolutionary algorithms such as Genetic, Shuffled Frog Leaping and Particle Swarm Optimization are employed in different phases of the main DV-Hop localization algorithm. Simulation results prove that our proposed method decreases the localization error efficiently without additional hardware.     

研究片内多径分离技术在基于RSSI定位中的应用

无线传感器网络中基于接收信号强度指示(RSSI)的定位易受多径干扰。传统的基于RSSI定位方法主要通过增加测距样本来抵抗多径干扰,而在物理层研究抗多径干扰的较少。该文将片内多径分离技术应用于基于RSSI的定位中,通过抽取每个码片的第1个采样点进行相关解扩得到分离多径后的直达径,并求其功率得到抗多径干扰的RSSI值。理论分析其多径的分离能力,信噪比损失情况。最后通过仿真比较了传统方法与该文方法求得的RSSI值方差,该文方法在多径信道下的方差更小。