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。     

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。     

无线传感器网络定位算法研究进展

无线传感器网络作为一种全新的信息获取和处理技术,可以在广泛的领域内实现目标监测、信息采集和目标追踪等任务,节点定位问题则是许多应用的基础,是无线传感器网络的支撑技术之一。对基于测距定位算法和免于测距定位算法进行了分析对比,并对无锚节点这一新的节点定位技术做了介绍。最后对节点定位算法的优缺点作了总结,并对节点定位技术未来趋势进行展望。     

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。     

WSN节点超声波测距技术研究

节点间测距是无线传感器网络中基于距离的定位算法的关键技术之一,为了降低节点成本,提高测距精度,提出了采用超声波非反射式测距技术实现WSN节点的测距。采用实验室自制的超声波收发模块与JN5148开发板作为硬件平台,在实验室与教学楼走廊进行了测距实验。实验结果表明,该测距系统可以达到较高的测距精度,能够为无线传感器网络的定位提供可靠的距离信息。     

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。     

WSN节点随机运动下的二维测距解析定位

在无线传感器网络节点随机运动的情形下,为适应移动节点所处邻居信标节点数量随时的变化,解决在信标节点稀疏情况下,满足室内环境下高精度测距定位的问题,提出基于次声波和电磁波的非同步TDOA测距解析定位算法。仿真表明,该算法具有较好的鲁棒性,并可实现厘米级定位精度。     

改进的无线传感器节点定位算法

由于无线传感器网络具有其它网络不可比拟的各种优势,使得它在很多领域都有广泛的应用。对于无线传感器网络中的未知节点本身的定位工作是网络的各项应用的基础。本文主要分析无线传感器网络的节点定位技术,研究已有的定位算法,并根据现有算法提出一种改进的分布式的节点定位算法。该算法使用RSSI方法测距,无需增加新的硬件设备,通过分布式的算法来提高效率降低能耗,利用多次定位的平均值提高定位精度,降低了网络中的能量消耗,延长网络寿命。     

基于RSSI无线传感器网络空间定位算法

RSSI测距技术在实际应用环境中,由于多径、绕射、障碍物等因素,无线电传播路径损耗使得定位过程中产生距离误差.通过对三维空间定位过程中产生距离误差区域进行分析,提出了基于RSSI新的空间定位算法ERSS,该定位算法计算简单,定位过程中节点间不增加通信开销,无需硬件扩展.仿真实验表明该算法较普通的基于RSSI的测距方法定位精度和响应时间有了明显的改进,适合在通信开销小、硬件要求低的传感器网络节点上应用.     

Improvement of Positioning Technology Based on RSSI in ZigBee Networks

In this paper, the node localization methods of ZigBee wireless sensor networks were studied. There are two key issues affecting the positioning accuracy: accuracy of RSSI value and optimization of localization algorithm. For the first issue, the effects of two kinds of environmental disturbance on RSSI values were analyzed, and then RSSI values were pretreated using Kalman filter. For the second, the RSSI-based localization algorithm were introduced in detail, and a new algorithm-triangle centroid localization algorithm based on weighted feature points-was proposed. MATLAB simulation and actual network tests were carried out. The simulation and experimental results all showed that our pretreatment strategy of RSSI and optimization of localization algorithm had great effects on positioning accuracy.     

An Improved Hybrid RSS/TDOA Wireless Sensors Localization Technique Utilizing Wi-Fi Networks

This paper presents a hybrid localization algorithm for wireless sensor networks (WSNs) that simultaneously exploits received signal strength (RSS) and time difference of arrival (TDOA) measurements. The accuracy and convergence reliability of the proposed hybrid scheme are also enhanced by incorporating RSS measurements from Wi-Fi networks via cooperative communications between Wi-Fi and sensor networks. To this end, two different types of estimators based on Taylor-series (TS) expansion and maximum-likelihood (ML) estimation are first proposed to solve the set of nonlinear RSS/TDOA equations taking into account measurement errors. The corresponding Cramér-Rao lower bound (CRLB) for the established scheme is then derived and utilized as a performance measure for the two estimators. Simulation results show that the proposed hybrid positioning approach significantly outperforms the previously considered localization solutions in WSNs, thanks to the joint process of the received signals’ power and time difference of arrival. The advantages of the proposed scheme in providing high location accuracy, fast convergence, low complexity implementation, and low power consumption make it an attractive localization solution via WSNs.     

基于TinyOS平台的RSSI改进定位系统设计与实现

RSSI改进定位算法是无线传感网络节点定位中一种有效的定位算法,可以提高定位精度。文中以Crossbow公司提供的iris节点及MIB520接口板为硬件平台,以TinyOS操作系统支持的NesC语言为软件操作平台,设计了RSSI改进定位系统。分别在室内和室外两种环境下对已有的RSSI改进算法进行实验验证,证明了系统的有效性。     

基于DV-Hop的RSSI-Hop算法

在无线传感器网络中,监测到时间之后关心的一个重要问题就是该事件发生的位置。传感器节点能量有限、可靠性差、节点规模大且随机布放、无线模块通信距离有限,对定位算法和定位技术提出了很高的要求。针对随机布放、节点配置低的无线传感器网络,提出一种新的RSSI-Hop定位方法,该方法可以在不增加硬件开销的基础上,有效降低节点能量消耗,较准确地估算未知节点到参考节点之间的距离,减少累积误差,提高定位的准确性。其主要思想是,节点信息根据RSSI强弱,估算各节点到信标节点之间的距离。实验表明,新算法比以前的算法定位更准确。     

非视距误差的TDOA/AOA混合定位算法

在非视距（NLOS）误差时,无线网络的目标定位性能急剧下降。提出一种针对NLOS误差的TDOA/AOA混合定位算法,首先利用量测值多项式拟合的Wylie鉴别算法辨别出具有NLOS误差的基站,根据NLOS附加时延的统计特性估计出附加时延的均值和方差,并重构到达时间差（TDOA）测量值;然后采用基于泰勒级数展开的TDOA/AOA混合定位算法,得出无线网络联合目标定位的位置估计值。仿真结果证实,该方法在存在NLOS误差下能有效提高无线网络的目标定位精度。     

一种新的无线传感器网络定位算法研究

针对传统无线传感器网络定位算法平均误差大、节点能耗过高、定位精度不够理想等缺陷,提出了一种新的无线传感器网络定位算法IMDV-Hop.该算法引进了局部跳数Si和修正因子δ-i,用修正因子-δi对局部跳数进行修正,使待定位节点到锚节点的平均跳数更加符合实际情况;通过权衡定位精度和能耗,分三种情况计算了平均每跳间距,使得平均每跳间距更接近于真实值.仿真实验结果表明IMDV-Hop算法平均定位误差低,具有较小的通信开销,在非规则网络中可达到较好的定位精度.     

基于RSSI自适应三维加权质心定位算法

针对无线传感网络RSSI加权质心定位算法精度较低的问题,提出了一种采用RSSI值作为加权因子的三维加权质心定位算法。依据RSSI值自适应缩小定位区域,并根据筛选出的最优参考节点构建三维球体定位模型。仿真结果表明,改进的定位算法在相同测试条件下,在精度与稳定性上相较传统加权质心算法有了大幅提高。     

改进的无线传感器网络DV-Hop 节点定位算法

DV-Hop 算法是解决无线传感器网络节点定位问题的一种经典算法。文中根据经典的DV-Hop 算法提出了一种改进算法,通过引入更优的误差矫正和双曲线定位算法,减少了经典算法中多跳过程中积累的定位误差。比较和分析了经典DV-Hop 算法和改进后算法的仿真结果可以看出,改进后的DV-Hop 算法定位精度提高显著,在给定条件下的定位误差下降了约50%。     

无线传感器网络节点定位算法研究

作为一种全新的信息获取和处理技术,拥有十分广泛的应用前景,其中,节点定位是重要的核心技术之一,同时也是无线传感器网络技术及应用的最核心的技术基础。目前已有的定位方法主要是按照基于测距和非基于测距进行分类总结。在研究大量相关文献的基础上,用一种全新的视角对目前现有的定位方法进行重新分类,介绍了WSN无线信号衰减模型,提出一种基于RSSI校验的加权质心节点定位算法,且与相关定位算法进行了比较分析和仿真实验得出结论。     

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。