改进的RFID室内定位算法

针对射频识别定位系统中RSSI线性定位算法的边界标签定位精度低问题,提出了一种改进的算法.该算法在边缘区域布置参考标签,并在这些布置参考标签的区域采用LANDMARC算法,而其它区域仍采用RSSI线性定位算法.使用MATLAB软件对算法进行仿真,结果表明:针对边界区域的定位标签,改进的算法比RSSI线性定位算法具有更好的定位精度,提高了整体定位区域的定位准确性;与LANDMARC算法相比,改进的算法由于使用较少的参考标签,所以降低了成本并且减少了算法的运行时间,从而提高了定位系统的实时性.     

加入虚拟标签的射频识别室内定位算法

在路标(LANDMARC)定位算法的基础上,提出把多个参考标签作为一个整体来与待定位标签比较RSSI值,先找出待定位标签所在的区域范围,并在此区域范围内线性添加一些虚拟参考标签,最后通过加权估计来确定待定位标签的位置坐标。仿真实验和硬件测试结果表明:改进后的算法在没有增加任何硬件成本的同时,具有更好的稳定性和抗干扰性,并且定位精度也有显著提高,更适用于室内定位。     

基于iBeacon的环形定位优化算法研究

针对常规环形定位算法在室内无线传感网络中定位精度不高、收敛慢的情况,结合某高校课堂云考勤系统的近场感知需求,提出利用iBeacon锚节点进行环形定位的优化算法(IAWC).利用拟合得到的iBeacon信号传播模型,确定与待测节点最近邻的四个锚节点,然后对其中任意三个节点结合平均定位误差构造圆环,探讨并简化了三环叠加的各种情况时的定位思路.通过增强近邻锚节点在定位过程中的作用,提出权重系数优化思路,并将其用于三环叠加加权质心的计算以及最终确定待测节点坐标时的二次加权定位.表明在仿真环境中通过合理设置锚节点的功率、通信半径、部署密度和测量时间,该算法的定位精度可控制在0.5m以内,能够满足多数室内定位场景的精度和速度要求.     

一种改进的LANDMARC室内定位算法

针对射频定位LANDMARC算法精度差的问题,提出了一种改进算法,依据最邻近参考标签到阅读器的距离及其接收的信号强度指示RSSI(received signal strength indicator),通过拉格朗日插值法,得到阅读器到待定位标签的距离,并通过三边定位求得待定位标签的坐标.通过软件仿真分析改进后的算法比原算法的定位精确度提高了65%左右,最小误差由原算法的0.39 m降低为0.015 3 m.实验数据表明,该改进算法在室内定位系统中具有较高的应用价值和广阔的应用前景.     

基于煤矿井下WSN的RSSI加权质心定位算法研究

针对井下传统无线网络RSSI加权质心定位算法精度不高的问题,首先提出了一种基于接收信号强度值作为加权因子的加权质心定位算法。算法以动态获取未知节点当前区域的路径衰减系数为基础,通过挑选出未知节点当前活动区域最优参考节点,计算出彼此之间的距离,确定当前未知节点的最优通信半径范围。算法中还选取参考节点和未知节点之间的信号强度RSSI值作为加权因子,一定程度上又减少了传统上通过计算得到节点间距离作为加权因子算法带来的误差。仿真结果表明,改进的定位算法更加适合煤矿井下未知节点具有移动性的特点,在相同测试条件下,比传统加权质心算法精度有了很大的提升。     

基于核的k最近邻算法

将核学习的方法应用到k最近邻算法中,提出了1种基于核的k最近邻算法.该算法通过引入核函数,将原空间中的样本映射到1个高维核空间中,突出了不同类别样本之间的特征差异,使样本变得线性可分,从而提高分类性能.并利用UCI数据库中的数据分别验证了k最近邻分类和核k最近邻分类算法的有效性.     

基于CPS的建筑内环境三维质心定位算法

目的 将低成本的RFID标签应用于建筑内环境定位中,解决建筑内环境中定位精度低,成本高的问题.方法 采用LANDMARC算法和质心算法在三维空间相结合的方法,并且将参考标签对称分布于空间上下层,进而提高建筑内环境的定位精度.结果 仿真结果表明,该算法的平均误差为0.41 m,并且以概率60％地分布在0.6m的范围内.结论 三位质心定位算法可以较好地实现待定位标签的空间定位,突破了以往二维平面定位的局限性.     

一种基于RSSI向量的传感器网络定位算法

为了降低待定位节点在定位单元的边缘定位误差,设计了一种四边形区域定位算法。首先根据待定位节点在定位单元的不同位置,分别采用定位单元内部定位机制和定位单元外部定位机制,然后引入向量相近度来辅助寻找距离未知节点最近的参考样本点。试验结果表明,该算法可降低50%的定位误差,随着锚节点数的增加,定位精度逐渐增加且最终趋于稳定,解决了待定位节点的定位误差问题。     

基于节点间覆盖关系的改进DV-Hop算法

针对经典DV-hop算法在估计跳数时所引起的定位误差,提出了基于覆盖比例的定位算法. 根据两节点间的通信覆盖率引入跳数系数,降低了每跳距离产生的误差,精确未知节点距参考节点的位置. 仿真结果表明,改进的算法能使节点的定位精确度提高,使误差比原始算法降低10%左右.     

基于双通信半径的传感器网络DV-Hop定位算法

为了减少传统的DV-Hop算法对未知节点定位时产生的较大误差,分析了影响传统DV-Hop算法定位精度的两个因素,继而提出了一种改进算法。改进算法在进行未知节点定位时,信标节点先后使用两个通信半径广播自身位置信息,从而获得未知节点与信标节点间更精确的跳数,并计算出它们之间更精确的距离,得到未知节点更精确的坐标。仿真结果显示,改进算法相比于传统DV-Hop算法相对定位误差减少了13%~15%,并且减少了由于网络拓扑结构不同带来的定位误差的差异性。     

基于到达时间差的无线传感器网络质心定位算法

通过将到达时间差(TDOA)方法与质心定位算法相结合,提出一种基于加权处理的质心混合定位算法。该算法利用TDOA和几种经典的求解双曲线方程组解的定位算法,得到了网络中待求节点的位置,作为质心算法的坐标,并用锚节点与未知节点间的距离作为约束来调整节点的位置,从而减小定位结果与真实值之间的误差。最后通过数值仿真证明了本文算法的有效性。     

一种适于无源LANDMARC算法的定位性能评价方法

针对现有基于无源LANDMARC算法的改进研究主要以提高定位精度为目标,并没有考虑无源半双工通信机制引起的标签读取耗时较长的问题,引入路径损耗公式推导出基于辐射半径的功率能级映射模型.通过分析阅读器最大功率能级、参考标签布设密度对定位精度及系统耗时的影响,结合多目标优化的联合控制机制,提出一种适用于无源LANDMARC算法的定位性能评价方法.多种环境下的仿真结果表明,所提评价方法具有良好的稳定性和实用性,对于无源RFID定位系统的参数选择及性能评定具有一定的实际意义.     

DV-HOP三重定位算法

针对传统DV-Hop定位算法在计算未知节点到锚节点的距离存在较大误差,提出了一种DV-Hop三重定位算法(TDV-Hop).首先,使用DV-Hop算法得到未知节点的估计坐标.然后,根据未知节点的估计坐标运用DV-HOP算法来估计信标节点的参考位置,同时将信标节点的估计位置和实际位置之间的差值以及权重进行误差修正,然后将它们的差异广播发送给未知节点,未知节点再重新估算其位置.MATLAB仿真实验结果表明,在相同网络环境下,TDV-HOP定位算法能有效减小定位误差并有一定的稳定性.     

基于RSSI的改进差分修正加权质心定位算法

通过信标节点广播信号强度计算未知节点与信标节点的距离,按升序排序后,逐次取三个距离构建相交圆求质心,并将第一个质心作为参考节点计算差分修正因子修正质心,最后,通过加权质心计算实现未知节点的定位.仿真结果表明,该算法能够减少质心计算误差,有效提高定位精度.     

无线传感器网络中一种基于三边测量法和质心算法的节点定位算法

针对无线传感器网络在节点均匀分布的情况下节点定位精度较差的问题,提出了三边质心定位算法.该算法利用节点均匀分布的先验信息将质心定位思想引入到三边测量法中,通过计算相交圆的公共区域的质心来提高对未知节点位置估算的精度.仿真结果表明,三边质心定位算法与三边测量法相比有效地降低了未知节点的位置误差,提高定位精度.     

无线传感器节点均匀性估计算法及其应用

无线传感器网络中锚节点的分布情况是一个重要指标,在很大程度上影响未知节点定位的精度,但目前对均匀性的分析却很少. 通过比较邻居节点的接收信号强度(RSS)确定未知节点移动后远离和靠近的锚节点个数,以此研究未知节点周围锚节点的分布情况. 提出了一种对锚节点均匀性进行定量估计的算法,给出了均匀性评价指标——归一化均匀性偏差的概念及公式. 将该算法应用到节点定位过程中,提出混合定位算法. 仿真结果表明,基于均匀性估计的混合定位算法能提高原有算法的定位精度.     

基于LMAP算法的改进算法——ELMAP

在LMAP(Localization with mobile anchor points in wireless sensor networks)算法的基础上提出了一种改进算法:ELMAP算法。ELMAP算法改进了原算法的参考信息分组的选取机制,以达到摆脱对节点传输模型假设的依赖和提高实际应用中定位性能的目的。该算法选取具有相同接收信号强度(RSS)值的信息分组作为参考信息分组来对未知节点进行定位计算。仿真结果表明ELMAP算法比原算法具有更强的环境适应能力,并且可以通过调节接收到的信息分组数量和限定用于定位计算的参考信息分组的RSS值的范围来达到最佳状态。     

基于多元变量泰勒级数展开模型的定位算法

传统Taylor级数展开模型只考虑未知节点和锚节点之间的距离,没有考虑未知节点之间的距离,定位信息不够全面,从而导致定位精度不高。为了进一步提高定位精度,该文提出了一种新的基于多元变量Taylor级数展开模型的定位算法。首先考虑未知节点之间的距离信息,建立新的基于多元变量Taylor级数展开的定位模型。然后,在对新的定位模型求解过程中,采用粒子群算法对未知节点进行定位,获得其位置的初始值。再根据加权最小二乘法求出新模型的解,作为未知节点的估计位置。最后,为评价该算法的性能,对定位结果的克拉美罗界（CRLB）进行推导。仿真结果表明基于多元变量Taylor级数展开模型的定位精度更高,定位误差接近CRLB。     

基于最近邻居的区域定位改进算法

在分析基于RSSI的LANDMARC定位系统及算法的基础上,提出了一种改进三角区域定位方法,消除了远距离不良参考标签对定位精度的影响。同时,在布置有大量阅读器的场合,该法可有效减少计算量。Matlab仿真结果表明,该算法具有更高的定位精度。     

无线传感器网络的定位改进算法

DV-Hop定位算法利用最近一个信标节点估计的平均跳距来计算未知节点坐标,降低了定位精度.提出了改进算法,对每个信标节点的平均跳距误差进行mandist和dist跳距修正加权,然后用加权处理后的平均跳距误差修正全网平均每跳距离,使其更逼近实际距离,最后得到未知节点的坐标.通过仿真,证明该改进算法可以有效地降低节点分布不均引起的测距误差,提高算法的定位精度.