基于RSSI的改进质心定位算法

为提高无线传感器网络三角形质心定位算法的精度,提出一种基于RSSI的改进质心定位算法.首先,分析传统基于RSSI的三角形质心定位模型,发现单个锚节点测距误差较大会导致盲节点的定位精度受到影响,因此采用4点进行定位来降低单个锚节点权重;其次,改进的质心定位算法选择根轴相交组成的区域作为定位参考区域,将该区域的质心位置作为待测盲节点位置;最后,采用仿真实验对比算法的精确度和稳定性,实验结果表明,相比于传统算法,改进算法定位精度更高,而且定位误差波动更小.     

基于RSSI的极大似然与加权质心混合定位算法

随着无线传感器网络的发展,日益需要更加精确的位置信息来支撑其相关的应用.通过分析待定位节点定位过程中产生的误差,对二阶段定位算法、接收信号强度指示（received signal strength indicator,RSSI）定位技术和质心算法进行深入的研究,提出了极大似然与加权质心混合定位算法：首先通过极大似然估计法对待定位节点进行粗略估计,然后利用加权质心算法对待定位节点坐标估计求精,进一步提高定位精度.仿真实验结果表明,该算法能够在定位精度方面有较大的提高.     

基于RSSI技术提高直流线路电场测量无线网络节点定位精度的算法

在基于无线传感器网络的直流线路合成电场测量系统中,传感器节点位置的自动获取可以有效地减少测量工作量,提高测试效率。传统的接收信号强度(received signal strength indicator,RSSI)定位方法利用经验值选取路径衰减指数,易导致定位误差较大。为提高传感器节点的定位精度,提出一种实时估计路径衰减指数的定位方法。该方法利用参考节点间距离和未知节点收到的RSSI值来实时估计路径衰减指数,并利用它来估算距离,从而减小定位误差,提高算法对不同环境的适应性。实验结果表明,在公园草坪、学校操场以及特高压直流试验基地直流试验线段电磁环境测试场3种典型的电场测量环境下,该算法的定位精度均较其他RSSI算法高。     

基于改进蝙蝠优化算法的无线传感器网络定位研究

为解决传统DV-Hop算法在无线传感器网络中存在的定位误差大的问题,提出了一种基于改进蝙蝠优化算法的无线传感器网络(WSN)定位方法。首先,构建WSN协同定位模型,并将传统蝙蝠算法与元胞自动机进行融合取代DV-Hop算法中的最小二乘法来计算网络中未知节点的位置,提高算法的搜索能力;其次,引入小生境技术和个体灾变机制,避免算法陷入局部最优,提高全局搜索能力;最后,通过仿真实验进行性能对比分析。实验结果表明,所提算法在节点呈随机分布、C型分布和O型分布的情况下均能够有效实现对未知节点的准确定位,且定位精度和收敛速度均优于对比算法;所提算法的定位精度随锚节点总数、锚节点比例以及通信半径的增加而增加,随传感器测距误差增加而减小。     

基于卡尔曼滤波的矿井移动节点定位算法研究

提出了一种基于无线传感器网络的矿井移动节点的定位算法.针对井下环境特征,巷道纵横交错,移动节点数量庞大以及无规律移动的特殊复杂情况,提出了一种卡尔曼滤波测距预估和弹性粒子模型相结合的定位算法.该算法采用卡尔曼滤波器对RSSI信号强度进行滤波和测距预估,建立弹性粒子网络模型对移动节点定位准确度进行校正,实现了矿井移动节点的实时精确定位.通过仿真实验表明,该算法误差小,精确度高,适合用于井下大规模的移动节点的定位.     

基于测距修正和蜜獾优化的改进DV_Hop定位算法

针对传统DV_Hop算法在无线传感器网络中定位精度不足的问题,提出一种基于测距修正和蜜獾优化的改进DV_Hop定位算法。首先,通过多通信半径细化节点间最小跳数;其次,利用最小均方差准则与修正因子减少跳距误差;最后引入全局寻优性能优异的改进蜜獾算法代替最小二乘法计算未知节点坐标,进一步降低计算误差。经网络仿真验证,在不同条件下,优化算法较传统DV_Hop算法和改进算法（PDDV_Hop）定位误差平均下降16.62%、3.92%,能够有效地提高定位精度,且优化算法定位精度受锚节点数量影响较小,可在保证定位精度的前提下降低锚节点部署成本。     

采用RSSI模型的无线传感器网络协作定位算法

由于无线传感器网络定位成本较高,精度不能满足要求以及通信和计算开销过大等问题,提出一种针对定位各阶段实施误差抑制措施的接收信号强度指示(RSSI)测距的协作定位算法。测距阶段通过周期性测量获得模型动态参数,采用相对误差系数对RSSI测距进行校正,定位阶段则基于泰勒级数扩展线性最小二乘方法实现位置估计,采取残差加权法优化位置坐标,减小非视距(NLOS)的不利影响。引入协作定位,将符合要求的节点升级为参考节点参与定位计算,进一步提高定位覆盖率和精度。实验结果表明,所提算法精度接近基于真实坐标的泰勒级数扩展LS算法,相同条件下的精度远高于传统估计算法。节点最大定位误差为0.15,最小定位误差为0.08,网络节点平均定位误差为0.109,能够满足大规模无线传感器网络(WSN)的定位需求。     

电力传感器网络失调节点定位方法

传统的电力失调节点定位控制随着迭代次数的增加,定位准确度下降。提出基于数据融合滤波预处理的电力传感器网络失调节点定位算法。进行电力网络失调节点定位测度信息模型构建,设计无线传感器数据融合滤波结构模型,计算电力传感器网络覆盖子载波区间正交性偏转相量,得到电力传感器网络节点数据融合与滤波调制结果,使用时间更新-误差更新方程来预测下一节点定位误差,通过误差最小化迭代实现定位自动控制算法改进。仿真实验结果表明,该算法定位时间较快,优化网络部署。     

伪随机码相关检测的MDS MAP定位算法

针对当前无线传感器网络超声波设备定位精度不高的问题,改进了伪随机码相关的MDS-MAP定位算法。首先利用伪随机码相关检测技术,对节点发射出的超声信号进行编码,有效地增加了节点的测距距离和测量精度。然后对于未能测量到距离的节点使用Euclidean和最短路径融合算法进行处理,然后使用MDS-MAP算法生成节点的相对坐标,最后利用平面转换模型获取节点的最终坐标位置。仿真实验结果表明改进算法在不同网络规模和测距误差条件下均能够获得更高的定位精度和较小的定位误差。     

基于果蝇算法优化蒙特卡罗锚盒移动算法的无线传感器网络节点定位

为了提高无线传感器网络定位精度，应用果蝇算法(fruit fly optimization algorithm, FOA)-蒙特卡罗锚盒(Monte Carlo anchor box, MCB)算法对无线传感器网络(wireless sensor network, WSN)系统中移动节点进行定位建模，分析了移动速度、锚节点密度和样本数对定位精度的影响。研究结果表明：FOA优化MCB算法具有比MCB算法更优的定位精度，当节点移动速度变大后可以获得更小的定位误差，在10 m/s的速度下获得了最低误差值情况下锚节点数量和移动节点定位误差之间的变化曲线；当锚节点较少时，MCB与FOA优化MCB形成了较大的定位误差；随样本数增大，定位误差逐渐减小，在样本数达到150时获得一个稳定的定位误差。研究对无线传感器网络定位精度具有很好的应用价值，易于实现推广。     

基于移动信标的水下无线传感器网络定位算法

针对现有水下无线传感器网络定位算法定位精度不足且无法适应水下多变的网络拓扑的问题，提出一种基于移动信标的水下无线传感器网络定位算法。首先通过RSSI测距定位和DV-Hop算法获取未知节点的大致分布情况，其次以未知节点定位覆盖率作为目标函数，采用经过自适应惯性权重和柯西-t扰动策略优化的改进秃鹰搜索算法迭代求解信标节点移动的最优位置，最后信标节点移动到最优位置再对未知节点进行重新定位。仿真结果表明,与对比算法相比，移动信标节点定位算法能有效提高未知节点定位精度，在网络拓扑变化时也能保持较高的定位精度且定位效果稳定。     

融合测距修正和哈里斯鹰优化的DV-Hop定位算法

针对传统DV-Hop定位算法在无线传感器网络节点定位时精度偏低的问题，本文提出了一种基于测距修正和哈里斯鹰优化算法的DV Hop改进算法。该算法采用多通信半径调整网络节点最小跳数，利用最小均方差和权重因子优化网络节点平均跳距，采用改进的哈里斯鹰算法替代最小二乘法进行位置计算，引入Tent混沌映射、精英群体制度和正余弦优化策略以避免算法过早陷入局部优化，通过最优解求解得到网络节点近似坐标值。仿真结果表明，在不同条件下，改进算法与传统DV-Hop算法和ABCDV-Hop算法相比能够具有更好的定位能力，节点定位误差平均下降20.13%和7.74%，定位精度较高。     

变电站非视距环境移动目标实时精准定位方法

在基于无线传感器网络的变电站移动目标定位系统中,测量信号的传播路径容易受到变电站内各种设备的遮挡,导致测量误差增大,影响最终定位精度。针对现有实时定位算法受测量误差影响较大这一现状,本文提出了一种受测量误差影响较小的新型高精度定位方法,实现在变电站内对移动目标的精准定位。根据定位锚点提供的测量信息,采用两步线性最小二乘法初定位。引入误差概率算法,对初定位结果进行二次处理,求解出的概率最大点即为待定位目标的最优位置估计。进行仿真分析与实验验证,与现有算法进行比较。文中提出的算法在变电站环境下,将每一单一坐标误差控制在30cm以内,相较于现有实时定位方法,定位精度提升了50%以上。结果表明该定位方法能够有效提升在变电站环境下定位结果的准确性。     

无线传感器网络中节点的自身定位算法分析

无线传感器网络中节点的自身定位是其大多数应用的基础,文章利用网络中存在的冗余信息,针对客观存在的不良节点,对现有分布式无需测距技术的Amorphous定位算法进行改进,以提高整个网络的平均定位精度。仿真结果表明,改进后的算法有效地降低了节点位置的平均估计误差。该算法无需任何附加的硬件支持和良好的拓展性,对实际的应用具有积极的意义。     

基于智能空间的变电站机器人复合全局定位系统设计

变电站机器人对于坚强智能电网的建设具有重要意义,针对室外大范围环境下巡检机器人在没有任何初始位姿先验知识情况下通过传感器观测全局定位的问题,结合智能空间技术,本文提出了一种智能空间下基于ZigBee指纹定位与改进粒子滤波的复合全局定位系统。该方法首先利用变电站环境下已有的无线网络,通过UPnP技术将机器人接入智能空间,在智能空间中采用BP神经网络进行ZigBee指纹初步定位,然后在初定位基础上利用粒子群优化的粒子滤波算法完成精确定位。实验结果表明,本文设计的算法实现了变电站机器人与智能空间的零配置与松耦合,可有效提高初始全局定位精度并改善算法性能,缩短迭代时间。     

基于修正 RSSI 值的四边形加权质心定位算法

在利用接收信号强度指示(RSSI)对无线传感器网络中的未知节点进行定位时,RSSI 值易受环境的影响导致定位误差, 为此提出基于 RSSI 测距修正的四边形加权质心定位算法(QWCRC)。 先对来自同一锚节点的多个 RSSI 值进行卡尔曼滤波,得 到修正的 RSSI 值,致使测距尽可能的接近真实距离;再采用四边形加权定位对未知节点进行定位,同时利用最小二乘法进行辅 助定位,此算法对于相邻锚节点圆不相交的情况给出新的解决方案。 实验结果对比表明,改进的算法相比较于四边形加权质心 算法(QWC)和 RSSI 测距修正的三角形加权算法(TWCRC),在锚节点数目 5×5 和噪声强度为 0 dbm 时,定位精度可分别提升 87. 14%和 35. 51%。