一种无线传感器网络环境自适应的定位算法*

针对基于接收信号强度指示(RSSI)的加权质心定位算法,研究了实际环境中节点的RSSI特性,利用加权多项式法在线拟合出信标节点间距离和接收信号功率的关系,从而不需要计算实际环境中信号衰减因子等参数而实现节点间测距,将估算的距离转换为合适的权值,再结合质心算法实现定位。MATLAB仿真结果表明,该算法具有更好的定位精度和更强的环境自适应性。     

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。     

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．     

改进的狭长空间中加权质心定位算法

针对目前狭长空间环境中信号多路径效应明显、传感器节点定位精度不足等情况,提出了一种基于信号接收强度(RSSI)的加权质心定位算法.该算法根据狭长带状区域环境特点部署信标节点,通过相邻信标节点的实际距离和信号接收强度,动态获取周围环境的路径衰落指数,提高RSSI测距算法的环境适应能力;根据当前环境改进加权质心算法的加权因子,引入修正因子,进一步提高算法的定位精度.理论分析和仿真结果表明,该算法设计优化,适应于狭长空间环境,宽度分别为3 m、5 m、8 m、10 m,信标节点的个数为10的巷道环境中,其定位计算精度比传统加权质心算法分别提高了22.1%、19.2%、16.1%、16.5%,稳定性分别提高了23.4%、21.5%、18.1%、15.4%.     

基于RSSI修正加权质心的定位算法

研究了适用于室外空间的修正加权质心定位算法,该算法对接收信号强度指示测距原理进行分析,可在未知路径衰落指数的情况下,将距离关系转化为接收功率关系,通过高斯滤波处理得到RSSI测量距离,将其倒数作为修正加权质心定位的加权因子;加权质心算法讨论了调整修正系数对算法定位精度的影响,通过比较分析得出室外环境时理想的修正系数.通过仿真实验表明,改进后算法动态调整系数为4时,定位精度最高为0.5190m,可以满足实际定位需求.     

基于ZigBee的修正加权质心定位算法研究与实现

通过研究无线传感器网络中RSSI(Received Signal Strength Indicator)测距误差与距离的关系,对加权质心算法存在的不合理因素进行改进,提出修正方法。改进后的算法使加权因子的选择更加合理,RSSI信号易受环境(障碍物,多径等)的影响,所以针对具体实验环境建立信号传播模型函数使测距更加准确,利用CC2430搭建实验平台验证算法的可行性。用Matlab对实验数据进行质心算法,加权质心算法和修正加权质心算法误差分析,数据仿真显示,修正后的加权质心算法算法提高了定位精度,能满足基本的定位要求。     

基于指纹量化的改进加权质心定位算法

针对室内人员定位信号存在干扰大、定位精度低的问题,提出一种基于指纹量化的改进加权质心定位算法。该算法在ZigBee通信环境下采集实际测量值建立指纹数据库,在量化域内根据未知节点接收到的RSSI值进行量化,获得量化距离及量化RSSI值,将量化距离以及产生的量化误差作为权值参数,进一步利用改进的交集三角形加权质心算法对未知节点进行定位。实验结果表明,该算法可以有效避免因信号衰减严重而造成的理论误差问题,提高了定位精度。     

基于PSO的测距模型参数估计三维定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一;针对粒子群优化(PSO)定位方法的定位精度依赖于测距模型参数与实际值的符合程度,在接收信号强度指示(RSSI)测距模型的基础上,提出一种测距模型参数估计的三维定位算法;该方法无需计算距离,将未知节点的位置和RSSI测距参数作为自变量,以信号强度误差为目标函数,采用粒子群优化算法估算未知节点坐标;仿真结果表明所提算法不依赖于测距模型参数的选取,并取得了理想的定位精度。     

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RSSI 和分步粒子群算法的无线传感器网络定位算法

为了更加合理地分配网络资源、采集性能优良的信息来更好地完成任务,提高事件的定位精确度,提出一种基于接收信号强度指示(RSSI)和分步粒子群算法的无线传感器网络定位算法(IPSO-IRSSI).该算法在分析RSSI无线传播损耗模型的基础上,结合优胜劣汰的选择思想以及目标函数最优的权重自适应方法,提出过滤锚节点机制和粒子群分步算法.仿真实验结果表明,该算法具有较高的定位精度,优于距离相关的传统定位算法.     

基于WSN改进RSSI井下定位算法设计与实现

为了更好地解决井下定位监测系统存在着节点定位精度不高以及传输数据可能发生冲突等缺点,提出了一种基于无线传感器网络改进RSSI井下定位算法;该算法对接收信号强度指示器测距原理进行分析并加以改进,通过对计算数值进行多次迭代求精运算后,进一步提高了定位精确度,有效地降低了节点位置的定位误差,确保了各节点之间数据通信准确性和稳定性,实现了对井下人员的实时定位监测,进而确保了高效救援和井下作业的安全系数;仿真实验表明,该算法能够用较少参数变量完成较为复杂的计算过程,有效地减少网络节点间通信开销,延长了网络生存周期,增强了整个网络系统的鲁棒性和稳定性。     

基于RSSI优化的模型参数实时估计定位算法

基于RSSI的测距是一种低成本的距离测量技术.为了有效地降低RSSI因环境影响而产生的测量误差,以及解决传统算法中因使用固定信号传播模型而造成较大测距误差的问题,提出一种RSSI经过优化处理的模型参数实时估计定位算法.该算法运用高斯模型对节点接收到的所有RSSI测量值进行处理,根据RSSI值确定待定位节点所在的最小区域,再通过该区域内选定信标节点间的相互合作估算出当时的环境参数,根据实际情况动态调整传播模型的参数,使测距更准确,从而减少定位误差.将该算法与其它算法进行仿真比较,结果表明了该算法可以有效地提高定位精度.     

改进的局部保持典型相关分析的无线传感器网络节点定位方法

利用接收信号强度（RSSI）进行无线传感器网络（WSN）定位是一类低成本定位方法。局部保持典型相关分析定位（LE-LPCCA）算法能通过节点间RSSI数据的相似度信息近似拟合WSN结构,取得了较高定位精度。但该算法只使用节点间相似性信息未保留信号空间和物理空间的相关性信息,且求解未知节点坐标时使用粗糙的质心法。针对以上问题,提出改进的局部保持典型相关分析定位（LE-ILPCCA）算法,该算法在样本训练阶段用平衡参数将数据的相似性和相关性信息进行融合,求取RSSI内在低维坐标表示的投影变换;在定位阶段,求解已知节点位置坐标和RSSI内在低维坐标之间存在的线性转换关系,获得未知节点的坐标。实验结果表明,本文算法与LE-LPCCA和LE-CCA相比定位精度高、稳定性强。     

RSSI测距技术探索

为探索RSSI（Received Signal Strength Indicator）技术的应用,了解其测距原理及验证其准确性,经过多次实地测量,在不同距离下搜集多组接收信号的强度指示,通过数学软件,采用线性回归及多项式回归两种回归分析,研究其相关性,再比较、验证其精准性,选择出更符合原始数据的分析方法,得到RSSI和距离的关系。     

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。     

基于无线传感器网络的室内精确定位算法

提出了一种基于无线传感器网络的用于室内的高精度定位算法。采用最小二乘法对测量地区的环境参数进行拟合,获得适用的损耗模型。并根据室内的实际情况提出了筛选可靠节点和使用高斯模型处理数据的方法,从而挑选出更为合适的接收信号强度指示器（RSSI）值进行定位计算。最后,对计算结果进行优化,进一步提高定位精度。实验表明：和现有的改进Euclidean算法相比,该算法定位精度高,且设备要求低,对于室内定位具有一定实用价值。     

WSNs中基于RSSI优化的节点定位算法研究

为了提高基于接收信号强度(RSSI)定位算法的定位精度,提出基于RSSI改进的混合蛙跳的定位算法(MRSSI-SFL)。MRSSI-SFL算法用正态分布优化RSSI值,降低测距精度。再利用加权质心定位算法进行粗略定位,并依此估计设置搜索区域,随后利用蛙跳算法进行迭代求精。实验结果表明,相比基于RSSI测距的加权质心定位算法,提出的MRSSI-SFL定位算法有效地提高了定位精度。     

Neural network-based indoor localization system with enhanced virtual access points

The Journal of Supercomputing - Wi-Fi indoor positioning systems are based on received signal strength indicator (RSSI) measurements and fingerprinting, by matching measured data with the database....