基于RSSI差分似然估计的WSN节点定位算法

为了克服接收信号强度测量误差对无线传感嚣网络(WSN)节点自身定位精度的影响.在对极大似然估计定位算法和接收信号强度指示(RSSI)模型分析的基础上,定义了个体差异差分系数、距离差分系数和距离差分定位方程,把离目标节点最近的信标节点作为参考节点对基于RSSI的测距进行差分修正,并将测距差分修正和极大似然估计相结合提出了一种测距差分修正极大似然估计定位算法.算法通过RSSI进行测距,无需增加额外硬件开销,容易实现.定位精度可达2.5 m以下,适合于处理能力和能量有限的WSN节点定位.     

无线传感器网络中改进的DV-Hop算法

针对传统DV-Hop算法中定位精度低的问题,该算法从三个方面进行改进,（1）设置距离发射端标准一跳时节点所接收的接收信号强度指示（RSSI）值,利用节点接收信号的RSSI值与设置的RSSI值之间的比来修正跳数。（2）将未知节点的平均跳距分两段考虑,使未知节点到锚节点的估计距离更精确。（3）构造校正向量,对未知节点的估计坐标进行校正。仿真实验表明改进算法的定位精度明显高于传统DV-Hop算法和文献[6]基于RSSI比值修正的算法,稳定性也有一定的提升。     

基于RSSI比值修正的无线传感器网络DV-Hop定位算法

针对传统原DV-Hop算法未考虑因邻居节点间分布不均直接使用跳数来估计每跳距离而导致对未知节点到信标节点的距离估算造成较大的误差,提出一种基于接收信号强度指示(RSSI)比值修正距离估计定位算法,把RSSI作为节点间欧氏距离的比征来修正每一跳的距离.仿真实验表明:该改进算法在几乎没有增加通信开销的前提下有效地提高了DV-Hop定位精度,同时增强了算法的环境适应性.     

基于无线传感器网络的低功耗室内定位系统

提出一种实现室内定位的无线传感器节点架构,定位节点的设计采用低功耗微控制器MSP430F1611和符合ZigBee协议的无线收发芯片CC2420.通过测量参考节点和移动节点之间的接收信号强度(RSSI),利用射频衰减模型,在三边测量法的基础上采用质心定位算法,计算出移动节点的位置信息.初步实验结果表明:提出的定位算法在...     

基于优化RSSI精度的WSN加权质心定位算法

为消弱接收信号强度指示误差对无线传感器网络节点定位精度的影响,提出基于优化接收信号强度指示测距精度的加权质心定位算法。该算法根据接收信号强度指示（RSSI）和链路质量指示（LQI）在不同距离段的衰落曲线起伏的波动状况,采用分段测距的方法优化RSSI的测距精度,接着将优化后的距离值作为加权质心算法的权值因子对节点进行定位,进而提高定位精度。实验结果验证了该优化算法的有效性。     

基于RSSI的无源信号定位算法研究

在无源信号的定位过程中,由于现实环境的复杂性和易变性,直接使用接收信号强度指示(RSSI)定位会受到环境中障碍物的干扰,导致整个系统中的已知参考节点接收到存在误差的定位参数信息,造成定位失准。为了滤除干扰因素、提高定位精度,提出了一种针对无源信号RSSI定位的最大似然估计(MLE)优化算法。该算法在参考节点接收信号强度与传输距离模型的基础上,求取无源信号在实际环境中传播时,接收信号强度RSSI的累计概率分布函数,并利用概率模型对未知节点进行位置坐标估计。与传统三边定位算法的仿真比较结果表明,该算法稳定性更高,并有效减小了定位误差。     

一种分布式无线传感器网络节点定位算法

基于接收信号强度(RSSl)的无线传感器网络节点定位算法由于无需额外测距硬件的支持而受到广泛的应用.但无线信号传输受到环境的影响,使得基于RSSI的定位算法存在较大的定位误差.针对上述不足提出了一种基于概率的无线传感器网络节点定位方法.首先根据信标节点发送信号强度与未知节点接收信号强度差来计算未知节点到其一跳范围内所有信标节点的估计距离,然后根据这些估计距离,通过计算未知节点在某个位置概率密度函数的最大值来确定未知节点自身的位置坐标.通过仿真表明,该方法在较低的信标节点密度和节点通信半径条件下,具有较高的节点定位精度和定位覆盖率.     

基于最大似然估计的加权质心定位算法

为解决无线传感器网络中节点自身定位问题,针对接收信号强度指示（received signal strength indication,RSSI）测距误差大和质心定位算法精度低的问题,提出一种基于最大似然估计的加权质心定位算法．首先通过计算将估计距离与实际距离之间的最大似然估计值作为权值,然后在权值模型中,引进一个参数k优化未知节点周围锚节点分布,最后计算出未知节点的位置并加以修正．仿真结果表明,基于最大似然估计的加权质心算法具有定位精度高和成本低的特点,优于基于距离倒数的质心加权和基于RSSI倒数的质心加权算法,适用于大面积的室内定位．     

无线传感器网络的RSSI定位技术研究

在许多无线传感器网络应用中,定位已经成为一个基本的服务需求.分析了基于接收信号强度(RSS)测量模型的位置估计,详细地推导了单个盲节点位置的概率密度函数并分析两个盲节点位置的概率分布的关系,通过该模型的极大似然估计可以得出盲节点位置,而且在此基础上修正了该定位估计算法,使得系统中盲节点越多其估计位置的精度越高,最后通过有效的仿真验证了算法.     

基于聚类分析优化的距离修正室内定位算法

基于接收信号强度RSSI的定位系统易受环境影响,提出一种基于聚类算法分析的高斯混合滤波的RSSI信号处理优化策略,通过优化接收信号强度及距离修正的四边质心定位算法对未知节点进行精确室内定位,使用蓝牙4.0信标节点进行实地实验。实验结果表明,该算法可以有效提高测距精度,改善系统的定位精度,比传统加权质心算法的定位精度提高了34.6%,且定位平均误差不超过0.5m,可满足室内定位精度要求。     

一种新的基于ZigBee技术定位算法

经典定位算法计算过程复杂需占用大量系统资源,当需要定位大量节点时,系统将会丢失部分人员定位信息,大大影响了定位的实效性;针对上述问题,提出了一种基于ZigBee的权值算法,该算法通过基站获得的接收信号强度指示值(RSSI),与人员节点发射功率的函数关系得出一个接收信号强度值(RSS),根据RSS值与距离的关系实现人员的定位;新算法阐述了如何利用几个已知节点的位置来计算未知节点的位置;经过130个节点的测试,其定位误差为2～6m,测试结果表明该算法与经典定位算法相比,具有系统资源占用少,可靠性、实时性和精度高等优点。     

无线传感器网络煤矿井下RSSI自适应定位算法

通过对无线信号传播模型进行有效分析,发现路径衰减指数取值的固定性是导致测距误差的主要原因之一。在传统接收信号强度指示(RSSI)定位算法基础上,结合煤矿井下巷道环境特征,提出一种自适应RSSI三角质心定位算法,算法通过动态计算信标节点到盲节点的路径损耗指数,从而提高了测距算法对环境的适应性,算法结合巷道环境特征和信标节点到盲节点的距离公式,对两圆相交的情况进行讨论,最终计算出盲节点的有效坐标。仿真实验表明:巷道宽度在一定范围内(5~15 m),定位误差平均值均小于0.5 m,定位误差小于1 m的概率均高达90%以上,具有较高的定位精度。     

矿井巷道ZigBee无线传输特性研究

在地下平直巷道内模拟井下环境,对矿井ZigBee无线传输特性进行了实验研究。首先选用路径损耗系数模型作为矿井巷道无线传输模型,然后采用两个GAINZ节点分别测试了不同距离下接收信号强度指示的波动性及其受障碍物的影响特性、节点间距不同时的收包率、节点间距不同时的接收信号强度指示值。由测试结果分析得,在平直巷道内,所选取的路径损耗系数模型是可行、准确的,即可用接收信号强度指示来进行测距及定位;平直巷道内的节点间距为30~40 m时,通信是可靠的;路径损耗系数模型在实际矿井巷道内应用时需重新设置参数。     

Wireless sensor network positioning based on the unilateral side of two reference nodes

We propose a new theory and method for unilateral positioning based on two reference nodes to reduce the number of reference nodes used in unilateral node deployment. In the method, a blind node obtains the location and distance of two reference nodes by establishing equations intended to derive two sets of solutions. The positioning solution of the blind node is then determined on the basis of one side of the line that connects the two reference nodes. To verify the accuracy of the new method, the proposed positioning theory is interpreted and simulated in a MATLAB environment. Results show that the highly accurate positioning generated by the proposed method is attributed to its basic principle and right method, thereby reducing the number of reference nodes needed for positioning in wireless sensor networks.     

基于K-邻居节点覆盖的物联网定位模型

针对传统基于接收信号强度的定位缺陷,提出一种新型的基于K-邻居节点覆盖的物联网定位模型.该模型分为选取邻居节点与定位两个阶段,未知节点先通过调整发射功率等级来选择最近的K个邻居节点,尽量减少远距离节点对定位的影响.定位阶段,未知节点通过与K个信标节点的接收信号强度来计算权重,通过加权求和算出未知节点的坐标.采用K-邻居节点误差的自校正方法对坐标进行补偿.该定位模型可有效的避免环境因素对定位的影响,且定位算法简单,避免复杂的计算.实验表明,该定位模型定位精度较高.     

基于移动锚节点的加权质心定位算法研究

针对加权质心定位(WSL)算法所需锚节点数目较多,定位精度低,定位成本高等问题,采用单个移动锚节点沿着既定的轨迹在监测区域移动,并在规定位置广播数据包;未知节点根据接收的信号强度(RSSI)比值以及邻居节点间的最小跳数确定权值,进而估算未知节点自身的坐标位置.仿真结果表明:算法有效地提高了定位精度和稳定性,降低了定位成本.     

基于ZigBee的温室环境无线测控系统

为了实现温室大棚环境的无线、远程实时监控,提出了一种以CC2430芯片为核心的ZigBee温室环境无线测控系统。描述了终端节点、路由节点和协调器节点的硬件组成和软件流程,并应用改进的Cluster-Tree路由算法组成ZigBee无线传感网络,实现数据的无线传输。利用串口通信技术实现无线传感网络与Yeelink物联网平台的通信,管理者可远程登陆Yeelink平台和手机APP查看温室环境信息以及控制节点状态。经实验测试,大棚内无线节点间的通信距离约80米,并且实现了光强、空气温湿度及土壤湿度的监控。测试表明系统构建简单,稳定可靠,为智能农业的设计提供了参考。     

基于多维高斯的无线传感器网络定位算法

目前无线传感器网络定位算法在定位精度、运算复杂度之间往往顾此失彼,针对该问题提出一种多维高斯近似指纹定位算法。该算法根据信号接收强度地图建立参考点与未知节点间的模糊属性矩阵,然后构造理想点并计算其属性坐标,基于多维高斯模型估测理想点与不同参考点间的距离关系,引入调节函数修正理想点和未知节点在位置上的偏差,进而计算不同参考点与未知节点的相似度进行定位。该算法的运算简单,且实验结果表明定位结果的准确性高,误差波动范围小。