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。     

一种基于RSSI的区域重叠质心室内定位算法

为提高基于无线传感网络的室内定位精度,分析基于测距和非测距室内定位算法的优缺点,以常规RSSI算法和质心定位算法为基础,提出了一种基于RSSI的区域重叠质心定位算法.算法通过建立信号传输模型,在未知节点接收信标节点位置信息的重叠区域运用质心算法进行定位.仿真结果表明,与普通质心算法相比,该算法定位效果更加精确.     

基于改进RSSI测距的LSSVR三维WSN定位算法

针对基于RSSI测距的定位算法定位误差较大的问题,通过加入多组已知节点之间的距离和接收功率作为参考,提出了一种改进的RSSI测距算法,并将改进的RSSI测距作为最小二乘支持向量回归机LSSVR的输入向量,获得基于改进RSSI测距的LSSVR三维定位算法模型。MATLAB仿真结果表明,在节点随机分布的三维环境中,基于改进RSSI测距的LSSVR定位算法的定位误差比传统LSSVR定位算法减小了13.6%~21.2%,另外,可以通过增加已知节点数量等方法,进一步提高目标定位的准确性。     

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RSSI高斯滤波的LSSVR无线传感网络定位算法

为了降低基于接收信号强度指示(RSSI)测距误差对节点定位的影响,解决RSSI测距定位误差较大的问题,提出基于RSSI高斯滤波的最小二乘支持向量回归机LSSVR定位算法(LSSVR-GF-RSSI)。LSSVR-GF-RSSI算法先利用高斯函数滤除误差较大的RSSI值,筛选出较准确的RSSI值,再依据这些值计算未知节点离锚节点间的距离。将这些距离作为LSSVR的输入,建立基于RSSI测距的LSSVR定位算法模型,最终,估计未知节点的位置。仿真结果表明,提出的LSSVR-GF-RSSI算法能够有效地降低均方定位误差,比传统的基于RSSI的LSSVR定位算法减少了约12%~20%。     

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.     

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 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。     

WSN中基于稀疏观测和异步传输的分布式实时定位算法

针对无线传感器网络（WSN）中现有集中式多维标度（MDS-MAP）节点定位算法在定位精度和分布式方面的不足,提出一种基于稀疏观测和异步传输的分布式实时定位算法。首先在传统MDS-MAP算法中融入稀疏观测机制,使其能够更好地符合实际观测场景;然后提出一种异步传输序列,使节点能够分布式计算距离观测,并通过分布式计算结果给出位置估计;最后通过提出的位置估计精化操作减小估计误差,最终实现节点的精确定位。实验结果表明,该算法具有较高的定位精度。     

基于可见光通信的BP神经网络室内定位算法

提出一种基于可见光通信的BP神经网络室内定位算法,首先通过MDS-MAP算法和最小二乘法获得全网节点的相对坐标,再利用信源节点的坐标信息得到网络内所有节点的绝对坐标,最后通过单隐层BP神经网络优化定位结果。仿真结果表明,该算法比MDS-MAP算法和MDS-MAP(P)算法的相对定位误差小,应用于室内定位可以得到更高的定位精度。     

Positioning using local maps

It is often useful to know the positions of nodes in a network. However, in a large network it is impractical to build a single global map. In this paper, we present a new approach for distributed localization called Positioning using Local Maps (PLM). Given a path between a starting node and a remote node we wish to localize, the nodes along the path each compute a map of their local neighborhood. Adjacent nodes then align their maps, and the relative position of the remote node can then be determined in the coordinate system of the starting node. Nodes with known positions can easily be incorporated to determine absolute coordinates. We instantiate the PLM framework using the previously proposed MDS-MAP(P) algorithm to generate the local maps. Through simulation experiments, we compare the resulting algorithm, which we call MDS-MAP(D), with existing distributed methods and show improved performance on both uniform and irregular topologies.     

一种基于传感器网络的战场感知定位技术

基于传感器网络技术,探讨了其在战场感知定位技术上的应用,即完成节点的自身定位。文中引用分布式MDS定位算法。通过第三方目标感知测定距离的方法,得到距离矩阵D,从而实现节点定位的分布式计算,弥补经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足。通过理论分析和仿真实验表明,该方法实现简单,可满足战场环境下传感器节点自身定位需求。     

一种改进的分布式多维定标算法的研究

无线传感器网络中节点间通信容易受到环境因素和传输衰减因素等的影响,从而造成节点的定位不准确.为减小节点定位误差,在分布式多维定标算法基础上提出了改进的WMDS-MAP(P)算法.采用加权算法求出每个锚节点的环境影响参数和传输衰减参数对,并在构建局部空间的节点矩阵时考虑这两个因素;采用最小二乘算法选出锚节点中最优的环境影响参数和传输衰减参数对,从而使节点间的一跳距离估计值更逼近真实值.仿真结果显示改进的算法相对于经典的MDS-MAP(P)算法节点平均定位误差减少了17％左右,可以有效提高节点的定位精度.     

移动网络中MCL-MDS定位算法

在深入了解移动网络中蒙特卡洛(MCL)算法的基础上,针对MCL算法在锚节点率较少时定位精度较差的缺点提出了一种结合MCL算法与分布式MDS-MAP(Distribute MDS-MAP,DMDS-MAP)算法的自适应算法MCL-MDS定位算法。算法首先使用所设计的DMDS-MAP算法对节点进行定位,随后利用MCL算法中的过滤原理对定位结果进行验证,若通过验证,则采用该定位结果,否则采用MCL算法的定位结果。仿真显示,MCL-MDS定位算法能在各种环境下获得较好的定位效果。     

A fast handover protocol for 6LoWPAN wireless mobile sensor networks

Node localization is one of the most critical issues for wireless sensor networks, as many applications depend on the precise location of the sensor nodes. To attain precise location of nodes, an improved distance vector hop (IDV-Hop) algorithm using teaching learning based optimization (TLBO) has been proposed in this paper. In the proposed algorithm, hop sizes of the anchor nodes are modified by adding correction factor. The concept of collinearity is introduced to reduce location errors caused by anchor nodes which are collinear. For better positioning coverage, up-gradation of target nodes to assistant anchor nodes has been used in such a way that those target nodes are upgraded to assistant anchor nodes which have been localized in the first round of localization. For further improvement in localization accuracy, location of target nodes has been formulated as optimization problem and an efficient parameter free optimization technique viz. TLBO has been used. Simulation results show that the proposed algorithm is overall 47, 30 and 22% more accurate than DV-Hop, DV-Hop based on genetic algorithm (GADV-Hop) and IDV-Hop using particle swarm optimization algorithms respectively and achieves high positioning coverage with fast convergence.     

The Performance Evaluation of Hybrid Localization Algorithm in Wireless Sensor Networks

As one of the key techniques in wireless sensor networks (WSN), localization algorithm has been a research hot topic and indispensable function in most wireless applications. In order to promote localization accuracy and efficiency, a lot of localization algorithms with different performances and computation complexities have been proposed. The paper discusses the drawbacks of some typical works on localization, and proposes a hybrid localization algorithm integrated with approximate point in triangle (APIT) and distance vector-hop (DV-HOP). To address the positioning accuracy and coverage rate, the objectives of this paper are three folds: firstly, adopting angle detection to determine the exact direction of unknown nodes. Then, the APIT algorithm is adopted over all unknown nodes within the triangle and its localization error is reduced from 14.7215 m in conventional APIT to 3.2348 m in the considered scenario. Finally, the DV-HOP algorithm is adopted with different weights for the nodes within the minimum hops, and localizes the rest unknown nodes in WSN with localization accuracy increased by 49%.     

仅依赖连通度的压缩感知多目标定位方法

提出仅依赖连通度的多目标定位方法,将多目标定位问题转化为基于压缩感知的稀疏向量重构,解决室内参照物高密度分布的目标定位问题。定位方法仅以连通度为观测值,运用最小化l1-范数法求解目标位置。当观测数据压缩为1 bit时,提出半正定松弛和不动点迭代法结合的目标求解算法。根据仿真实验结果,与MDS-MAP、DV-Hop和RSS-CS方法进行比较得出,仅连通度的非1-bit和1-bit量化的CS定位方法的平均定位误差小于1个网格,且2种方法占用的比特数只相当于RSS定位方法占用比特数的 和 。     

一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法

针对Distance Vector-Hop (DV-Hop) 定位算法存在较大定位误差的问题,该文提出了一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法,即WSGDV-Hop定位算法。改进算法用基于误差与距离的权值处理锚节点的平均每跳距离;根据判断的位置关系选择适合的跳段距离计算方法;用改进的遗传算法优化未知节点坐标。仿真结果表明,WSGDV-Hop定位算法的性能明显优于Distance Vector-Hop (DV-Hop) 定位算法,减小了节点定位误差、提高了算法定位精度。