基于锚节点和高斯函数的测距算法

针对高斯模型中含有路径散逸指数而产生较大测距误差的缺点,设计参考锚节点高斯校正算法(Reference-G)。运用高斯分布函数滤除小概率节点接收信号强度(RSSI)值,以锚节点对之间的已知距离和测量的RSSI值为参考,对被测RSSI值进行校正,从而消除环境因子。仿真结果证明,Reference-G的测距不受环境的影响,不同环境下定位误差基本相同,在相同误差的情况下,锚节点数是高斯模型的1/3以下。     

基于Unscented卡尔曼滤波的室内定位

基于RSSI值的测距技术中,通过对天线全向性问题的分析,提出基于Unscented卡尔曼滤波（UKF）的定位算法。利用基于RSSI值的测距模型进行距离测量,并使用Unscented卡尔曼滤波算法估计节点坐标。由于RSSI值的测量和测距模型参数受到环境的影响,采用高斯滤波对RSSI值进行优化,对环境参数使用线性回归算法进行优化并采用自适应机制更新。通过与最大似然估计法（ML）的比较实验表明,该算法能有效地减小定位误差,提高定位精度。     

改进的RSSI测距和定位算法

分析了RSSI(received signal strength indicator)测距的原理及环境对RSSI的影响。论述了高斯模型校正算法,该算法中因含有与环境相关的路径散逸指数而产生较大测距误差。针对这一问题,提出了基于锚节点的高斯校正算法,该算法以锚节点对之间的已知距离和测量的RSSI值为参考,对由被测RSSI值得到的距离进行校正,消除了路径散逸指数,并用网络连通信息和RSSI联合定位。仿真结果证明:采用锚节点的高斯校正算法进行定位不受环境影响,不同环境下最大定位波动为0.11%,定位误差显著减小,可应用到实际的无线传感器网络的定位系统中。     

基于RSSI混合滤波和最小二乘参数估计的测距算法

针对基于RSSI的无线传感器网络定位测距问题,在对数-常态分布模型下提出了一种混合滤波及最小二乘环境参数动态估计的测距算法。以锚节点作为参考节点,采用基于均值滤波、中值滤波和高斯滤波的混合滤波方法优化RSSI值,运用最小二乘法估计环境参数,再由盲节点与锚节点的RSSI混合滤波优化值计算二者之间的距离。仿真结果表明,混合滤波性能优于其它单一滤波方法,环境参数估计相对误差小于2.5%,空旷环境下100 m范围内测距相对误差小于10%,满足无线传感器网络定位测距要求。     

WSNS中基于箱线图的误差自校正定位算法

针对基于接收信号强度指示(RSSI)的无线传感器网络(WSNs)节点定位技术易受环境影响、算法运算量大等问题,提出一种基于箱线图的误差自校正定位算法.该算法采用箱线图法处理测距过程中的异常RSSI值,利用自校正最小二乘法消除测距误差进而实现节点定位.仿真和实验结果表明,该算法可以有效抑制异常RSSI值,显著提高节点定位的准确性和稳定性,而且无需建立复杂的数据传播模型或构造RSSI位置指纹分布图.     

基于ZigBee无线传感网络的人员定位系统设计与实现

针对现有无线传感器网络定位系统精度不高的问题,采用基于校正模型的三边测距质心定位算法实现人员定位。通过研究ZigBee无线通信技术,分析无线电传播路径损耗模型,结合实验测试得到RSSI测距模型。引入高斯滤波模型和自校正模型修正测距值,在三边测量法的基础上结合质心定位思想,以三圆相交部分的质心作为盲节点的估算位置。经试验测试,该系统的定位误差小于10%,有效地降低了环境引起的盲节点位置误差,提高了定位精度。     

基于高斯修正测距模型的节点改进加权质心定位算法设计

针对无线传感器网络中传统的质心定位算法具有定位精度不高的缺点,提出了一种基于RSSI测距的改进加权质心定位算法。首先,分析了无线电传播路径损耗模型,采用高斯模型对RSSI信号强度值进行了修正,从而可以根据修正后的RSSI均值更准确地进行测距;然后,使用改进的Eucliean定位法对节点位置进行初定位,在获得若干组定位锚节点集的基础上,采用改进的加权质心定位算法进行节点位置终定位;最后对基于RSSI测距修正的加权质心定位算法进行了定义和描述。仿真实验表明,文中方法在仅增加计算开销的情况下能实现节点的准确定位,且与其它方法相比,具有较小的测距误差和定位误差。     

基于RSSI高斯滤波的人工蜂群定位算法

基于接收信号强度指示(Received signal strength Index,RSSI)定位易受到环境影响.为此,提出基于RSSI高斯滤波的人工蜂群定位(RSSI Gaussian Filter-based Artificial Bee Colony Localization,RGBL)算法.采用高斯滤波对收集的RSSI值进行处理,剔除误差较大的RSSI值,保留精度较高的RSSI值,再利用这些RSSI值测距,降低测距误差;基于测距误差建立目标函数,再利用人工蜂群算法求解目标函数,实现节点的定位.仿真结果表明,提出的RGBL算法降低了归一化平均定位误差,提升了收敛速度.     

Bessel函数测距模型的RSSI测距方法

针对现有RSSI测距方法中,影响测距精度的RSSI测量值难以准确估计和RSSI值与距离对应衰减关系不明确的问题,给出一种基于Bessel函数测距模型的RSSI测距方法。首先对RSSI原始测量数据进行异常值剔除,滤波和凸优化提取趋势项的预处理,然后建立基于Bessel函数的测距模型,基于预处理所得光滑数据,利用最小二乘法辨识测距模型中未知参数,从而得到具体测距模型表达式。基于实测数据对所提方法进行实验验证,与Shadowing模型、分段函数测距模型对比,结果表明,Bessel函数测距模型的RSSI误差均值在1.8dBm范围以内,能更有效反映RSSI值衰减关系,提高了测距精度且计算开销不大。     

基于RSSI模型的无线传感器网络定位算法

传统无线传感器网络定位算法受到节点定位偏移量的影响,导致定位结果存在较大误差,针对上述问题提出基于RSSI模型的无线传感器网络定位算法.依据RSSI模型计算原理建立RSSI信号传输模型,并采用高斯滤波算法对RSSI值完成滤波处理.对节点位置距离加权,采用路径损耗模型采集RSSI中剩余信息,并将其转化为距离信息,得到每个...     

基于AIUKF的WSN节点定位算法

针对无线传感器网络节点定位精度不足的问题,在无迹卡尔曼滤波( UKF)的基础上,结合迭代约束条件和自适应因子,提出了一种自适应迭代无迹卡尔曼滤波( AIUKF)算法。根据基于测距的节点定位模型,采用RSSI进行测距,以极大似然估计法进行节点初步定位,利用AIUKF算法对节点进行精确定位,并且直接以RSSI作为系统的观测量。仿真结果表明,本文提出的基于AIUKF的定位算法相比EKF和UKF算法具有更高的定位精度。     

基于RSSI校正的无线传感器网络定位算法

为了使接收信号强度指示（RSSI）的测量误差对节点定位精度的影响程度达到最小化,提出一种基于RSSI高斯加权校正的质心定位算法.首先通过高斯函数滤去偏差较大的RSSI值,然后再对余下的RSSI值加权计算得到优化的RSSI测量值,并利用测量到的RSSI值计算出锚节点与未知节点之间的距离,然后根据计算出的距离对锚节点坐标加权,并通过质心定位算法求出未知节点的位置坐标.仿真实验表明：该算法相比基于RSSI的质心定位算法,定位覆盖率提升3％～6％,平均定位误差至少减少4％,是一种定位精度更高的算法.     

基于接收信号强度指示的误差自校正定位算法

节点定位是无线传感器网络应用的关键技术。为了有效抑制各种环境干扰因素对未知节点定位精度的影响,提出一种基于接收信号强度的误差自校正定位算法。该算法通过信标节点之间的测距找出校正节点,用校正节点和质心信标节点的实际位置求得测距距离和实际距离,利用校正节点的误差自校正因子替换未知节点的测距误差因子,对测距误差进行补偿,最后利用加权质心方法确定未知节点的最终位置。仿真结果表明,该算法降低了测距误差对定位的影响,提高了定位精度,具有普遍应用价值。     

基于权重动态离散模型的WSNs定位算法

针对测距误差和距离权重对定位误差的影响,提出一种离散距离权重动态修正的定位算法。算法首先分区域获取动态路径损耗指数,建立接收信号强度测距简化数学模型,抑制接收信号强度测距误差。然后将静态距离权重因子离散化,为离散距离权重匹配动态权重系数,并在划定的动态取值范围内寻找最优权重系数,权重系数与接收信号强度正相关。基于MATLAB平台仿真结果表明,与其他算法相比,该算法能够较好地抑制接收信号强度测距的误差影响,显著降低平均定位误差,提高定位精度。     

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。     

基于节点RSSI值与临界RSSI比例的跳数修正和跳距重估的DV-HOP算法

为了减少传统DV-Hop定位算法对未知节点定位时产生的较大误差,提出了一种基于节点RSSI值与临界RSSI比例跳数修正和跳距重估的DV-HOP算法。首先,采取节点RSSI值与临界RSSI比例来修正跳数,得到修正后的跳数;然后利用修正后的跳数求解跳距均衡系数对平均跳距进行穷尽三角组合加权修正,得到修正后的跳距;最后,将修正后跳距与通信半径进行比较,偏差最大和最小的跳距不参与计算,再求剩余跳距值的均值得到平均每跳距离。仿真结果表明：在相同的网络环境下,与经典的DV-Hop算法相比,文中算法仅需要节点通信芯片具有RSSI指示功能,并不需要其它额外的硬件,有效降低了定位误差;与其他DV-Hop修正算法相比,该算法同样也具有降低定位误差的优势。     

基于RSSI的室内信号衰减模型的研究

根据无线传感器网络中RSSI的信号传播的特性,给出了基于RSSI的室内节点的测距模型.随着距离的增加,信号衰减越来越不明显,对测距造成的误差也越来越大,给出了室内空间附加因子路径传播模型,并与常用的阴影模型做了对比,实验结果表明,该模型有较高的精度.