基于RSSI的WSN定位算法的研究

为了加强对基于RSSI的WSN定位算法的研究,采用基本的RSSI算法和自由传播模型,建立RSSI分析系统,实现WSN节点的RSSI值的捕获、节点RSSI值的分类存储、RSSI的实时查看、对存储的节点RSSI元数据的处理和分析、绘制不同节点RSSI值和距离的统计分布图.系统综合运用RSSI定位算法、TOA定位算法和三边定位算法,将待测节点的理论坐标与实际坐标进行对比分析,改进待测参数,从而将定位精度提高12％.     

基于自适应分簇的改进RSSI定位算法

针对RSSI定位中RSSI值容易受外界环境干扰的数据源精度问题,提出一种自适应分簇策略,从锚节点中优选节点形成一个工作簇为定位算法提供可靠观测数据;针对传统的RSSI最小二乘定位算法的不足,提出一种改进的加权最小二乘法.实验结果表明,此算法的准确率和定位精度都有较大提高,具有良好的定位效果.     

基于局部线性嵌入优化的节点定位的研究

接收信号强度指标可以低成本条件获取节点间距离的粗糙测量值。从噪声的RSSI测距值中获取节点的精确位置是必要的。为此,提出基于局部线性嵌入优化的定位算法(ILLE)。ILLE算法将锚节点周围的一跳邻居节点构成一个参考结构,然后迭代方式将此结构扩展,进而估计其他节点的位置。实验数据表明,与集中LLE算法相比,提出的ILLE算法的定位精度提高了约12.36%。     

锚节点水面部署的三维水下传感网定位算法

受应用条件制约,水下三维传感网的锚节点很多时候只能水面部署,这对于多跳定位算法而言是一种挑战.由此提出一种从水面向下逐级迭代求精的定位策略,防止了下级的定位误差向上扩散,并利用水下节点易测的深度信息对定位中的多边迭代进行约束,进一步补偿锚节点部署不均带来的各向异性.     

基于RSSI和惯性导航的融合室内定位算法

针对目前对高精度室内定位算法的需求,提出一种基于接收信号强度识别（RSSI）和惯性导航的融合室内定位算法。基于无线传感网中ZigBee节点的RSSI值,采用位置指纹识别算法,对网络中的未知节点进行定位。结合惯性传感单元（IMU）提供的惯性数据,对RSSI定位结果进行融合修正。利用Kalman滤波器,采用状态方程描述待定位节点位置坐标的动态变化规律,从而实现一种以无线传感网络定位为主、IMU为辅的融合定位方法。仿真结果表明,提出的融合定位算法既能改善单独使用RSSI定位受环境干扰较大的问题,又能避免单独使用惯性导航带来的累积误差,极大地提高了定位精度。     

基于RSSI和LQI的分段距离估计改进算法

针对无线传感器网络（WSN）中单一通过RSSI估计距离的算法易受环境影响产生误差,提出了一种基于RSSI和LQI的分段距离估计改进算法。首先分析了RSSI算法特点,然后在距离估计过程中引入了链路质量,根据预设范围调整定位算法,从而降低RSSI距离估计算法的误差,提高了距离估计精度。实验结果表明,基于RSSI和LQI的分段距离估计改进算法的距离估计精度与原算法相比有了明显提高。     

一种新的无线传感网络三维定位方法

定位是无线传感器网络的基础问题之一,文章提出利用均值法对接收信号强度指示(RSSI)数据进行处理,筛选出RSSI值较优的锚节点,以解决RSSI易受干扰的问题,减小RSSI的测距误差。在此基础上,提出动态修正三维三边测量方法。该方法利用筛选出的RSSI值较优的3个锚节点进行测距,在一个移动锚节点辅助下进行三维三边定位,提高定位精确度。仿真结果表明,与传统三边测量定位算法相比,此方法可明显减少定位误差。     

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。     

基于平均跳距修正的无线传感器网络节点迭代定位算法

针对无需测距DV-Hop定位算法存在较大定位误差的问题,从3个方面对其进行了改进:采用最小二乘法准则校正了信标节点间的平均每跳距离;基于对多信标节点平均每跳距离的加权处理修正了用于位置估计的平均每跳距离;通过设定定位精度门限,给出了对估计的定位节点坐标进行迭代求精的数值方法.给出了改进定位算法的实现流程,并对算法的性能进行了仿真研究.仿真结果表明,在适当增加节点计算量和通信开销的条件下,改进算法的定位精度和精度稳定性有明显改善,是一种可行的无线传感器网络节点定位的解决方案.     

三点定位估计算法在WSN定位中的优化研究

在WSN中通常使用RSSI进行节点定位,在大部分研究中存在所假设的锚节点的移动轨迹相对理想化等问题。为了提高定位精度,文中提出了三点定位估计算法,设定初始时锚节点以随机角度做直线运动,任意未知节点在锚节点转向之前,随机选取两组RSSI值进行一次坐标计算,转向之后,每收到一组RSSI值就对坐标计算结果进行一次确定,最后对每次的确定结果进行加权估计,最新的确定结果所占权重最大。对比常见的PI算法和DuRT算法进行仿真分析,在锚节点以随机角度作直线运动轨迹情况下,三点定位估计算法在收敛速度表现较好的情况下,能够得出相对更高的定位精度。     

Neural-based approach for localization of sensors in indoor environment

Location of wireless sensor nodes is an important piece of information for many applications. There are many algorithms present in literature based on Received Signal Strength (RSSI) to estimate the location. However the radio signal propagation is easily influenced by diffraction, reflection and scattering. Therefore algorithms purely based on RSSI may not accurately predict the position of the node. In the present work, an algorithm for estimating the position of mobile nodes is proposed which is based on a combination of Received Signal Strength (RSSI) and Link Quality Indicator (LQI). Artificial Neural Networks are used to establish the relationship between the location of the mobile node and the experimentally obtained values of RSSI and LQI. Two different algorithms namely, Bayesian Regularization and Gradient Descent are used to develop the neural network model. Proposed algorithms improve the localization accuracy and perform better than other state-of-the-art algorithms.     

无线传感器网络链路通信质量测量研究

首先分析了传统链路测量方法所存在的问题,提出了均值RSSI(接收信号强度显示)、均值LQI(链路质量显示)测量法,通过测量及计算RSSI、LQI的均值,可以较为准确地获得链路通信质量信息;其次构建了发送功率改变、硬件校准改变、周围环境改变和并发干扰等实验案例,分析了均值RSSI、均值LQI在上述案例下的测量性能,定义了链路测量灵敏度,计算了均值RSSI、均值LQI的灵敏度值,对RSSI及LQI用于链路通信质量测量和性能评估做出了全面的权衡。     

基于链路质量的WSN跨层功率控制研究

设计了基于森林监测的传感网功能结构和基于ZigBee/802.15.4标准的森林监测传感网体系结构。根据森林监测的特点,设计了基于CC2520和低功耗的MSP430F5437处理器的节点以及结合ARM处理器和协调器的控制节点,从物理层上实现了能量控制。利用基于ZigBee/802.15.4标准无线传感器网络节点,对无线电传播路径损耗模型以及CC2520的分析,用分段线性逼近的方法得到发送功率与RSSI、LQI及节点间距离的关系。通过进一步优化得到发送功率与片码错误率、节点间距离的关系,建立了一种适合在通信开销小、硬件要求低的场合下使用的基于节点间距离、接收信号强度指示和链路质量指示的跨层功率控制算法。     

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。     

基于修正RSSI值的加权质心定位算法

针对利用接收信号强度指示（RSSI）进行节点定位时,RSSI值易受到环境因素的影响导致定位误差。为减小定位误差,在修正加权质心定位算法的基础上,使用卡尔曼滤波对连续采集到的RSSI值进行最优化处理,实现实时状态的预测和估计,使测距结果尽可能接近实际距离,为后续的定位提供更准确的数据。仿真结果显示,相比于之前的算法,改进算法减小了定位误差,提高了定位准确度。     

一种基于RSSI的权重值选择及加权定位算法

提出了一种基于Wi-Fi网络的接收信号强度指示(RSSI)的权重值选择及加权定位算法。该算法在离线阶段为每个接入点(AP)在每个参考位置点的RSSI设定了变化区间;在定位阶段,将扫描到的每个AP的RSSI落在该区间的所有位置点的权重值加1,然后采用加权算法计算定位目标的估计位置。实验证明,该算法减少了RSSI随机变化引起的定位误差,能获得较好的定位精确度。     

无线传感器网络用于监测系统中的定位算法

从硬件设计入手,介绍了自主设计的以片上系统（SOC）STM32W108为核心的WSN节点,在此基础上采用了一种基于RSSI的加权质心定位算法实现了节点的自定位。该算法将RSSI测距和质心定位算法相结合,用测得的RSSI值作为质心定位的加权因子,合理体现了不同锚节点对定位未知节点的约束力。通过测试证明,该定位方法在较少的通信开销情况下具有较高的定位精度,且易于实现。