RSSI信号滤波技术在机器人导航中的应用

针对RSSI方式对移动节点进行导航定位时会引入较大的模型误差的问题,提出了一种高效的硬件分组粒子滤波算法对节点间RSSI信号进行滤波预处理,确保RSSI值和节点间距离呈单调函数关系。直接利用RSSI信息和网络拓扑结构实现机器人定位,避免将RSSI值转换为几何距离时带来的模型误差。将滤波处理和导航计算分散到多个信标节点上执行以提高算法实时性,在导航实施之前无需精确已知各信标节点的几何坐标,免去了人工部署信标节点的步骤,可适合网络拓扑结构或环境参数频繁变化的场合,该方法在现场实验中导航控制精度可达到0.6 m。     

基于改进APIT算法WSNs节点定位在配电网研究

针对无线传感器网络节点在定位配电网故障时定位精度低、能耗大等问题,对近似三角形内点测试(APIT)算法进行节点定位改进。首先对RSSI测距权重值进行改进,在保持较高的精确度条件下来确定测量次数,达到最优测距能力;然后,对传统APIT定位容易受节点密度影响,采用三角形外接球的方法确定未知节点坐标;最后,使用细菌觅食算法(BFO)改进APIT锚节点在分布较少的边界区域进行确定,将每一个计算出坐标的传感器标记为已知锚节点。由仿真结果可知,改进的APIT算法定位误差降低,减少数据迭代次数,提高了节点定位精度。改进APIT算法在定位准确度、定位面积和能耗损耗优化于其他算法。     

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%。     

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RSSI测距的改进加权质心定位算法

基于RSSI(Received Signal Strength Indication)的三角形加权质心定位算法在测距和定位中存在较大误差,针对这一缺点提出一种改进的加权算法。在该算法中采用节点距离倒数之和代替距离和的倒数作为权值,并且根据节点距离给出加权因子作为修正,以充分利用节点信息。仿真结果验证了该算法的有效性,与原有定位算法比较其定位精度得到提升,最高可达50%。     

基于RSSI和LQI的动态距离估计算法

本文提出了一种基于RSSI和LQI的动态距离估计算法.其思想就是通过对无线电传播路径损耗模型以及大量实测数据的分析,用分段线性逼近的方法得到RSSI、LQI这2者与传播距离的衰落曲线.在距离估计时,分别对这2条衰落曲线计算出估计距离,并动态地进行优化处理得到最终的距离估计值.算法在基于ZigBee的硬件平台上进行,证明了该算法较普通的基于RSSI的测距方法有了明显的进步,提高了距离估计的精度,并且适合在通信开销小、硬件要求低的节点上应用,有利于提高基于RSSI测距的定位算法的精度.     

ZigBee技术在人员搜救系统中的应用

在CC2430芯片的基础上,提出了一种基于ZigBee的人员搜救系统方案。ZigBee节点获取遇难人员的生命体征并以广播方式周期性发送,搜救系统获取信号后利用无线电信号损耗模型和高斯模型,提取有效RSSI值,并用多圆覆面法实现定位。方案改进了多圆覆面的定位算法,达到了搜救系统的精度要求。此设计便于人员携带,体积小,能量消耗少,具有一定的价值。     

基于RSSI和辅助节点协作的Wi-Fi室内定位方法

随着Wi-Fi的广泛应用,基于RSSI的位置指纹信息的室内定位也越来越受到研究者的关注。针对传统的基于RSSI的指纹匹配定位中只利用单个节点信息的缺陷,提出了一种基于RSSI和辅助节点协作的Wi-Fi室内定位方法,该算法首先基于RSSI序列相似性选择合适的辅助节点,并测量节点间的距离作为辅助信息以提高定位精度,同时还采用了自适应有色噪声卡尔曼滤波减小室内复杂NLOS环境造成的TOF测距误差,最后通过建模搜索以得到节点的精确位置。实验表明,在复杂环境下该算法定位精度优于其他主流方法,适用于基于Wi-Fi的室内定位系统。     

基于RSSI的无线传感器网络节点定位技术研究

无线传感器网络节点定位技术是无线传感器网络应用研究的基础。采用传统的无线信号传输损耗模型的RSSI定位方法的精度不能够满足许多用途。为了提高定位精度,提出了一种分段线性拟合传输损耗模型,比较表明在复杂的环境下该模型对实际传播损耗曲线的逼近效果更好。文中利用该模型对节点进行RSSI定位,并且对该模型的定位效果进行了仿真,结果显示其较之传统模型可以明显提高在复杂环境下的定位精度。     

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。     

局部放电全站定位综合算法

提出了一种适用于变电站大范围监测的局部放电定位算法。该算法基于接收信号指示强度（RSSI）,结合传感器数据实际情况补充计算节点。与传统三边加权定位方式不同,引入不定量条定位中垂线与三边区域共同加权。该模型考虑现实情况下放电位置在高度轴上与传感器群不在一个平面的情况,通过中垂线的引入可以有效地抑制定位误差。实验结果表明,所提出的改进定位模型能有效地匹配现实放电监测硬件,定位误差小于传统三边加权定位,结果符合工程要求。     

基于RSSI测距的加权概率定位算法

针对无线传感网络中每条链路衰减因子的不同,提出了一种基于RSSI测距的加权概率定位算法。该算法先将可能存在的未知节点区域划分成栅格,运用高斯噪声模拟路径衰减指数误差以构建信号传播概率模型,根据信号强度确定信标节点的权值。然后由概率模型和相应的权值赋予栅格不同的置信度,将置信度最大栅格的位置作为未知节点的坐标。最后根据网络的连通信息消除翻转歧义。实验表明,在相同的条件下,与MLS算法相比,该算法更接近真实环境,具有更高的定位精度。     

基于动态贝叶斯 LS-SVM 的水下节点移动预测定位算法

针对水下无线传感器网络环境的复杂性和节点的动态性所导致的节点定位精度低的问题,提出了一种基于动态贝叶斯 LS-SVM 的水下无线传感器网络节点移动预测定位算法;该算法以信标节点到通信半径内所有信标节点的距离和跳数矩阵作 为训练集;利用贝叶斯证据框架构建贝叶斯 LS-SVM 模型,将未知节点与信标节点之间的跳数向量作为测试集;将测试集代入 到训练好的贝叶斯 LS-SVM 模型中来确定节点之间的距离,进而建立节点与信标节点距离矩阵的方程并利用最大似然估计法 对未知节点坐标进行估算;最后,通过循环迭代的方式对所有未知节点进行定位的同时使用自适应增减算法动态调整模型参数 和预测模型,以适应数据的动态变化;实验结果表明,该算法相同的节点密度下相较于 SLMP 算法、RTLC 算法、NDSMP 算法以 及 MPL 算法的平均定位误差分别降低了 24. 77%、22. 25%、3. 1%、6. 5%,有效地实现了水下未知节点的动态定位。     

基于ZigBee无线传感器网络的变电站人员定位的改进算法研究

为了对在数字化变电站中的人员进行精确、低成本的定位,将ZigBee无线传感器网络引入到变电站,并对其目前用于变电站中人员定位的直接测距算法进行了改进,提出了模糊推理算法。该算法将每个参考节点接收的信号强度和参考节点间的相对距离作为输入,经模糊化、模糊推理、去模糊化后得到每个参考节点接收信号强度的可信度,然后取三个可信度高的参考节点进行三边定位计算。仿真结果表明,所提出的算法可在使用较少节点且不添加任何硬件的条件下明显提高变电站中人员的定位精度。