基于 RSSI 的无线传感器网络节点定位算法研究

节点位置信息是无线传感器网络应用的基础。基于RSSI（Receive Signal Strength Indicator）的测距技术因其低成本和低复杂度的优点而被广泛用于无线传感器网络的定位技术中。介绍了RSSI信号传输模型,在介绍无线传感器网络定位基本原理的基础上,分析了影响定位精度的因素。综述了近几年提出的无线传感器网络中基于RSSI的节点定位算法及其改进算法,现有基于RSSI定位算法的改进算法主要从测距精度改进、定位精度改进或误差修正改进等方面进行。最后,指出了基于RSSI的无线传感器网络节点定位算法的不足,并进行展望。     

基于RSSI的室内无线网络定位技术研究

基于信号强度（RSSI）的测距是一项低成本和低复杂度的距离测量技术,被广泛应用于无线传感器网络基于距离的定位技术中。基于RSSI测距的定位技术,通过线性回归分析对参数进行优化,引入高斯滤波模型,对RSSI值进行修正,提高了测距精度。采用泰勒级数展开对位置进行迭代计算,最后在TI的ZigBee平台上进行实验验证,通过仿真和实验验证了算法的可行性和优越性。与CC2431算法相比,该算法减小了定位误差,提高了定位精度。     

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。     

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。     

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。     

基于RSSI的井下人员定位算法改进

在无线传感器网络中，针对接收信号强度指示(Received Signal Strength Indication, RSSI)在煤矿井下长距离巷道内信号衰减快、测距精度偏差大等问题，提出了一种基于RSSI的高斯滤波加权质心定位算法。采用高斯滤波对采集的RSSI值进行修正，一定程度上减轻环境造成的影响。将RSSI测距算法与改进加权质心算法相结合，得出待测节点坐标位置。仿真试验表明，该改进算法与原有定位算法相比，定位误差明显降低，可基本满足煤矿井下人员的安全生产和定位需求。     

基于RSSI测距信号衰减因子的WSN定位算法研究

在无线传感器网络中定位技术是运用广泛的重要技术,在基于距离的定位技术中,测距精度在很大程度上决定了定位精度.传统的RSSI测距法存在路径损失模型复杂、环境变化引起信号严重震荡而产生测距误差等不足.针对以上问题,本文提出利用锚节点测距信号衰减因子的RSSI测距法,该测距法无需建立路径损失模型,同时,信号衰减因子与RSSI测距有很强的关联性,减少了因其他因素引起的信号强度值震荡而带来的测距误差,具有很好的环境适应能力.     

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。     

基于无线电相干的传感器网络节点定位

目前无线传感器网络节点定位算法中,能够兼顾高精度和远距离定位的算法只有RIPS方法,然而该方法利用汇聚节点进行集中定位。提出了一种基于无线电相干的角度估计算法,并分布式定位节点,在高精度、远距离定位节点的同时,可大规模应用该算法,且定位速度快。实验表明,该方法平均方位估计误差是3.20,90%的测量值误差在6.4度以内。     

无线传感器网络传输错误统计的测距算法

无线传感器网络的拓扑结构是动态变化的,因此网络中节点的定位至关重要。提出了一种以传输错误统计方式实现节点间距离计算的方法。通过计算不同功率下节点间传输数据包的PLR(包损率)值,得到统计PLR值,对节点间距离进行计算。在Matlab环境下对此算法仿真,仿真结果表明,此算法呈近似线性函数特性,算法机制简单明了。     

基于卡尔曼滤波的无线传感网时空数据融合算法

无线传感网络节点采集的信息具有较大的相似性,数据结果存在误差。针对该问题,文中提出了一种基于卡尔曼滤波的无线传感网数据融合算法,通过过滤无效数据和缩紧数据包,提高上传数据的有效性和精度。该算法采用实时性较高的卡尔曼滤波算法对无线传感网络中的数据根据时间序列进行数据融合。在时间数据融合的基础上,根据空间分布特点,进一步对多传感器在网关层依据权重进行数据融合。针对不同位置误差实时变化的特点,网关层以空间数据为基础,使用自适应加权算法动态调整各节点权重。仿真实验表明,该算法易于实现,可有效去除冗余信息,提高数据准确度和可靠性。相较于改进的分批估计与自适应加权方法,采用该方法后均方根误差减少约7.9%,精度提高了2.1%。     

Mobile Target Positioning Using Refining Distance Measurements with Inaccurate Anchor Nodes in Chain-Type Wireless Sensor Networks

As a class of long and narrow structures widely exist such as the river, road, mine tunnel, pipe, chain-type wireless sensor networks (CWSN) can be applied to monitor these environments. The accurate position estimation is a key technology for the mobile target in CWSN. This paper proposes an innovative positioning method to estimate the position of mobile target. Firstly, wireless signals can be affected by measurement noises, coordinate errors of anchor nodes, and chain scene structure. Kernel canonical correlation analysis is applied to analyze the correlation coefficients of these nonlinear wireless signal sets. Secondly, we search out two maximum correlative sets of wireless signals and integrate them into a set of optimal wireless signals. Thirdly, the uncertainty coordinate of anchor node is modeled and the position of mobile target is estimated under measurement and geometry constraints. Furthermore, we simulate the proposed method for mobile target, in comparison with the weighted least squares (WLS) and CHAN methods. Estimation results indicate that the proposed method can refine distance measurement accuracy and perform better positioning performance than WLS and CHAN methods, when we vary the conditions of TDOA/AOA measurement errors, anchor nodes coordinate errors, and anchor nodes spacing distance. Finally, the actual positioning experiments are implemented in a corridor, which show that the practical estimation results are similar to the simulation results.     

Reliable Anchor-Based Sensor Localization in Irregular Areas

Localization is a fundamental problem in wireless sensor networks and its accuracy impacts the efficiency of location-aware protocols and applications, such as routing and storage. Most previous localization algorithms assume that sensors are distributed in regular areas without holes or obstacles, which often does not reflect real-world conditions, especially for outdoor deployment of wireless sensor networks. In this paper, we propose a novel scheme called Reliable Anchor-based Localization (RAL), which can greatly reduce the localization error due to the irregular deployment areas. We first provide theoretical analysis of the minimum hop length for uniformly distributed networks and then show its close approximation to empirical results, which can assist in the construction of a reliable minimal hop-length table offline. Using this table, we are able to tell whether a path is severely detoured and compute a more accurate average hop length as the basis for distance estimation. At runtime, the RAL scheme 1) utilizes the reliable minimal hop length from the table as the threshold to differentiate between reliable anchors and unreliable ones, and 2) allows each sensor to determine its position utilizing only distance constraints obtained from reliable anchors. The simulation results show that RAL can effectively filter out unreliable anchors and therefore improve the localization accuracy.     

Ranging error‐tolerable localization in wireless sensor networks with inaccurately positioned anchor nodes

Localization is essential for wireless sensor networks (WSNs). It is to determine the positions of sensor nodes based on incomplete mutual distance measurements. In this paper, to measure the accuracy of localization algorithms, a ranging error model for time of arrival (TOA) estimation is given, and the Cramer—Rao Bound (CRB) for the model is derived. Then an algorithm is proposed to deal with the case where (1) ranging error accumulation exists, and (2) some anchor nodes broadcast inaccurate/wrong location information. Specifically, we first present a ranging error‐tolerable topology reconstruction method without knowledge of anchor node locations. Then we propose a method to detect anchor nodes whose location information is inaccurate/wrong. Simulations demonstrate the effectiveness of our algorithm. Copyright © 2008 John Wiley & Sons, Ltd.     

基于二次质心的无线传感器网络定位算法

节点的定位是无线传感器网络中的一种重要技术。提出了一种新的无线传感器网络定位算法——基于二次质心算法的定位算法,与以往的基于三边测量的加权质心方法不同,该算法改进了对未知节点位置的估算方法,一定程度上避免了因多次估算质心而产生的累积误差,提高了定位精度。仿真表明,该算法的定位精度较之前的三边测量方法提高了约19%。     

星敏感器地面标定设备的设计

为了实现星敏感器的地面标定试验,设计一套视场大且星间角距模拟精度高的星敏感器地面标定系统,对标定系统的组成、光学系统设计和模拟仿真精度等进行研究。根据星敏感器的地面标定要求介绍系统组成,提出实现星间角距模拟精度优于20的方法;采用新型显示器件LCOS 作为星图显示器,通过像面拼接的方法扩大视场,并据此利用Zemax 软件设计光学系统。在原有测量方法的基础上,给出地面标定设备的精度评价方法。并提出一种能够提高星间角距模拟精度的星点修正方法。实验结果表明:星敏感器地面标定设备的星间角距模拟精度小于20,满足对星敏感器进行地面标定试验的要求。     

基于改进DV-Hop的无线传感器网络节点定位算法

针对DV-Hop距算法定位误差大的难题,提出一种改进离估计误差,并利用DV-Hop的传感器节点定位算法。首先修正知节点与信标节DV-Hop算法对节点进行定位;然后对进V-Hop算法定位误差行校正,最后在Matlab 2012平台上对算法性能进行仿真分析。仿真结果表明,本文算法可以较好地克服DV-Hop算法存在的不足,提高了传感器节点的定位精度。