狄克逊检验法滤波RSSI的室内定位算法

针对接收信号强度指示(Received Signal Strength Indication,RSSI)测距定位算法存在定位结果不稳定且精度低的问题,本文分析了一种基于狄克逊检验法滤波RSSI的高斯牛顿定位(Dixon test filter RSSI Gauss-Newton,DF-RSSI-GN)算法。采用狄克逊(Dixon)检验法滤波剔除观测信号异常值使得观测数据偏度降低,根据偏态程度对观测信号进行高斯均值滤波并通过非线性回归模型拟合RSSI衰减模型参数,在目标点坐标求解阶段利用滤波后的观测信号确定不同方向上的权值进行高斯牛顿(Gauss-Newton)迭代定位。实验结果表明,DF-RSSI-GN算法定位平均精度在1.5 m左右,相比RSSI定位算法和最小二乘定位算法,精度提高1倍以上。     

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。     

WSNs中基于RSSI优化的节点定位算法研究

为了提高基于接收信号强度(RSSI)定位算法的定位精度,提出基于RSSI改进的混合蛙跳的定位算法(MRSSI-SFL)。MRSSI-SFL算法用正态分布优化RSSI值,降低测距精度。再利用加权质心定位算法进行粗略定位,并依此估计设置搜索区域,随后利用蛙跳算法进行迭代求精。实验结果表明,相比基于RSSI测距的加权质心定位算法,提出的MRSSI-SFL定位算法有效地提高了定位精度。     

基于RSSI优化的模型参数实时估计定位算法

基于RSSI的测距是一种低成本的距离测量技术.为了有效地降低RSSI因环境影响而产生的测量误差,以及解决传统算法中因使用固定信号传播模型而造成较大测距误差的问题,提出一种RSSI经过优化处理的模型参数实时估计定位算法.该算法运用高斯模型对节点接收到的所有RSSI测量值进行处理,根据RSSI值确定待定位节点所在的最小区域,再通过该区域内选定信标节点间的相互合作估算出当时的环境参数,根据实际情况动态调整传播模型的参数,使测距更准确,从而减少定位误差.将该算法与其它算法进行仿真比较,结果表明了该算法可以有效地提高定位精度.     

基于高斯校正模型的MDS-MAP定位算法

在无线传感器网络中,节点位置信息是很多应用的基础.对于基于RSSI测距的定位算法,其算法性能很大程度上依赖于RSSI的精度.文章提出一种基于高斯校正模型的改进MDS-MAP定位算法.改进算法在测距阶段利用高斯校正模型过滤掉受干扰的RSSI信号值,提高了RSSI测量值的精度.仿真实验结果表明,该算法定位精度比原始MDS-MAP算法有明显的提高.     

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.     

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。     

基于复合滤波的RSSI无线网络测距算法

定位技术是Zigbee无线蜂窝网络最为重要的应用之一,其定位原理主要是基于接收信号强度指示(Received Signal Strength Index,RSSI)的测距算法,RSSI值的精度直接影响到定位精度。为抑制RSSI值中的复杂干扰噪声,本文提出了一种复合滤波算法,融合了中值滤波、均值滤波、高斯滤波、狄克逊法滤波等多种滤波器的特性,实验结果表明,与单一滤波器相比较,复合滤波后的RSSI值波动更小,平均误差更低,鲁棒性与自适应性更强。