一种基于未知发射功率的室内定位优化算法

在基于RSSI的室内定位中,未知的发射功率会降低节点的定位性能。针对实际应用中发射功率未知的问题,基于真实室内环境下RSSI的变化情况,提出了一种基于未知发射功率的室内定位优化算法。该算法将发射功率看成一个未知的变量,把一个定位问题转化为一个非线性优化问题,并通过将其中的非线性项进行线性逼近,最终采用最小二乘法求出了目标节点的坐标。仿真和实验结果表明,提出的算法在发射功率未知的情况下,要明显优于传统的定位算法,具有很好的定位性能。     

基于测距修正和位置校正的RSSI定位算法

在基于接收信号强度指示(RSSI)的无线传感器网络节点定位问题中,为了提高节点的定位精度,通过对无线电传播路径损耗模型的分析,提出了基于RSSI测距的改进距离估计公式。针对已有节点校正方法存在的不足,提出了将一次循环校正后所有校正坐标的质心作为新的节点位置的校正方法。实验结果表明,改进的距离估计公式有效地提高了节点间的距离精度,并在适当增加节点计算量前提下,节点位置校正使节点的定位精度更高,达到良好的定位效果。     

基于球面坐标的目标定位位置的封闭解算法

针对无线传感网络WSNs(Wireless Sensor Networks)的三维目标定位问题,提出基于接收信号强度RSS(Received Signal Strength)和到达角度AoA(Angle of Arrival)混合目标定位RATL(RSS and AoA-based Target Localization algorithm)算法.RATL算法融合了RSS和AoA观察值.通过将笛卡尔坐标转换球面坐标,并充分利用AoA测量值的优势,RATL算法建立测量值与未知目标位置间的关系,进而获取简单、封闭解.相比于现在算法,RATL算法并不要求更多松驰.实验数据表明,RATL算法比同类算法的复杂度低、定位精度高.     

一种针对未知发射功率的室内定位优化算法

在基于接收信号强度的室内定位中,未知的发射功率会降低网络的定位性能。为了解决这一问题,根据室内环境中接收信号强度的特性,提出了一种新的的室内定位优化算法。该算法将发射功率表示成一个未知变量,通过将公式中的非线性项进行线性逼近,将非线性的定位问题转化为一个线性优化问题,并采用最小二乘法求出目标节点的坐标。仿真和实验结果表明,在发射功率未知的情况下,提出算法要明显优于传统的定位算法,具有很好的定位性能。     

基于误码率的中继位置及功率分配联合优化

针对单中继AF协作通信系统,分析了不同中继位置和功率分配方式对系统误码率性能的影响。以最小化系统误码率为目标,研究了等功率分配（equal power allocation,EPA）和最优功率分配（optimum power allocation,OPA）两种方案下,中继按照线形拓扑轨迹运动时的最优位置。理论分析和仿真结果表明,中继位置及OPA的联合优化算法大大提高了传统的EPA方案下的系统性能。     

基于空间锥体模型WSN节点定位算法研究

研究无线传感器网络节点在空间定位精度问题,针对无线传感器无法获取特定的节点的位置,传统的定位算法受到外界因素、测量距离误差和部署节点不合理性以及节点能量过快消耗,使定位和测距存在定位精度不高和计算量大等弊端。为解决上述问题,提出一种空间锥体模型下的WSN节点定位算法。通过仿真对目标参数测距量化和锚节点与求知节点空间几何关系的计算,对其求解结果进行迭代求解,从而降低了测距误差,提高了节点定位精度,避免了因距离误差和节点能量过早耗尽。仿真结果表明,算法有效地减少网络节点间通信开销,延长了网络生存周期,增强了定位精度的鲁棒性和稳定性。     

狭长区域中无线传感网络节点定位技术

无线传感网络是应用相关性很强的网络,在各个领域都有广泛应用.节点定位是其关键技术之一.针对狭长监测区域节点沿边界均匀分布的特点,我们提出一种基于RSSI的距离无关定位算法（PB-RSSI）,该法选取目标节点周围信标节点中的任意两个,作它们的垂直平分线,从而把定位区域分割为更多的子区域,再比较接收信号强度值确定目标节点所在子区域,并将其质心作为目标节点的位置坐标.仿真结果显示,与近似三角形内点测试法（APIT）相比,PB-RSSI分割的子区域数量更多,计算复杂度更低,定位精度更高,鲁棒性更好,能量消耗更低.     

基于信号强度测距的最小均方误差定位算法

针对室内视距（LOS）和非视距（NLOS）混合环境下的定位精度不高的问题,提出基于信号强度测距的最小均方误差定位（Strength Ranging-based Minimum Mean Square Error localization,SRMSL）算法。SRMSL算法先建立基于超宽带（ultra wide band,UWB）的测距模型,并分别构建在LOS和NLOS环境下的最小均方误差函数,再估计未知节点位置。利用中值函数滤除异常的抽样值,有效辨识NLOS环境下的测距信息。仿真和实验结果表明,提出的SRMSL算法在定位精度方面优于M估计和最小中值平方估计。     

基于T-RL衰减多墙模型的室内定位技术

在基于接收信号强度指示(RSSI)的室内无线传感器网络定位系统中,无线信号的传播方向由于墙壁的遮挡发生变化使得RSSI测量值不准确,导致信道模型建立困难,无法实现较高的定位精度。因此,提出了一种新的环境自适应路径衰减模型,在传统对数路径模型的基础上,该模型考虑了无线信号遇到墙体时产生的反射损耗和透射损耗并推导出相应的路径衰减,在定位实验中,选取3.5 m作为最佳通信距离,采用三边测量定位算法计算得到未知节点的位置坐标。实验结果表明,所提出的基于T-RL衰减多墙模型的定位精度比传统路径损耗模型提高了26.9%,室内定位效果有所提升,且有更好的环境适应性。     

锚节点静止的无线传感网定位算法

节点定位是无线传感网应用中的一个基础问题。针对锚节点静止而定位节点移动的无线传感网,改进MCB(Monte Carlo localization Boxed)定位算法。由于MCB算法只利用了当前时刻的一跳锚节点信息建立信标盒子,所以不能利用前一时刻锚节点的信息。在许多传感网中锚节点是静止的,所以可以利用前一时刻的锚节点信息。该算法以蒙特卡洛方法为基础,利用前一时刻的一跳锚节点信息和最大速度建立信标盒子,缩小了MCB算法的采样空间。实验结果表明,所提出的算法能够有效减小MCB算法的采样次数和提高定位精度。     

基于虚拟信息库的粒子滤波指纹库定位算法

指纹库定位算法的关键在于根据不同参考节点的接受信号强度指示RSSI(Receive signal strength indication)建立有效指纹信息数据库。传统的方法是在定位区域内标定多个信息采样点,而大量样本数据的采集会导致算法离线训练阶段工作量增大。Zigbee传感器网络平台下,综合考虑了目标自身对信号的干扰以及节点数对函数逼近能力的影响,利用信号强度的非线性特性,提出了一种基于多项式分区插值的虚拟指纹库生成方法;同时使用粒子滤波对预估计的结果进行处理,以解决RSSI不规则分布问题。实验结果表明该方式可以快速、简捷地生成细粒度的定位信息数据库,提高了定位精度。     

基于TDOA的无线传感器网络四面体质心定位算法研究

在无线传感器网络中,确定节点位置或事件发生的位置对其监测活动至关重要。针对部署在二维空间的无线传感器网络质心定位算法性能问题,结合TDOA测距模型,引入定位近点的概念,并推广到三维空间,提出一种改进的四面体质心定位算法ICLA。并从不同节点密度、不同锚节点密度以及不同通信半径等方面比较两种算法的性能。仿真实验结果表明,改进之后的ICLA定位算法在定位误差和定位精度方面达到了更好的效果。     

基于WSN改进RSSI井下定位算法设计与实现

为了更好地解决井下定位监测系统存在着节点定位精度不高以及传输数据可能发生冲突等缺点,提出了一种基于无线传感器网络改进RSSI井下定位算法;该算法对接收信号强度指示器测距原理进行分析并加以改进,通过对计算数值进行多次迭代求精运算后,进一步提高了定位精确度,有效地降低了节点位置的定位误差,确保了各节点之间数据通信准确性和稳定性,实现了对井下人员的实时定位监测,进而确保了高效救援和井下作业的安全系数;仿真实验表明,该算法能够用较少参数变量完成较为复杂的计算过程,有效地减少网络节点间通信开销,延长了网络生存周期,增强了整个网络系统的鲁棒性和稳定性。     

一种基于N-最优阶次序列的无线传感器网络节点定位方法

基于阶次序列的无线传感器网络(Wireless sensor networks, WSN)定位方法是一种新颖的高精度定位方法, 该方法将定位空间划分为不同的子区域, 每个子区域用一条阶次序列唯一标识. 但该方法存在区域边界节点定位误差较大且不能保证平均定位误差最优. 提出了一种基于N-最优阶次序列的节点定位方法. 首先基于无线信号衰减模型产生虚拟测试点, 以参考点为样本, 通过随机采样确定最优N值,然后选择阶次位于前N位的序列所表示的子区域, 对目标进行加权定位. 文中完成了100个节点的仿真实验、15个ZigBee网络硬件节点的室外实验以及10个ZigBee硬件节点的防空洞模拟矿井应用实验. 结果表明, 本文方法有效地降低了平均定位误差, 并改善了边界节点的定位精度.     

基于RSSI的无线传感器网络质心定位算法优化

为了提高无线传感器网络定位精度的准确性, 对质心定位算法进行优化. 在测距阶段, 采用均值滤波和中值滤波相结合的方式对RSSI值进行预处理; 在定位阶段, 使用距离倒数的指数幂对质心加权; 同时引入迭代的思想, 解决了定位中锚节点密度不高的情况下, 节点无法定位的问题. 实验结果表明, 本文改进的算法与质心定位算法和距离加权的质心定位算法相比, 能够有效地提高无线传感器网络的定位精度.     

基于RSSI跳数修正的DV-Hop改进算法

针对原始DV-Hop算法中跳数值不能反应出节点间实际距离大小而导致拓扑不规则网络中节点定位误差较大的问题,提出了一种基于接收信号强度指示RSSI(Rceived Sgnal Srength Idicator)的改进算法。首先根据直接邻居节点接收到的RSSI值对第1跳进行分级,细化跳数;同时把节点间的距离比值作为权值,并将其转化为相应RSSI的关系对跳数进行加权修正,使获得的跳数值更准确。仿真结果表明在相同的网络环境下,与传统算法相比改进算法在不增加额外硬件的前提下有效地提高了定位精度。     

基于时间序列启发式信息的室内轨迹跟踪算法

现有的无线传感器网络室内轨迹跟踪算法是通过定位形成轨迹的,没有利用一定空间范围内相邻信标节点RSSI定位信息在一段时间内的启发式信息.提出了基于RSSI时间序列启发式信息的轨迹跟踪算法,该算法构建基于定位信息时空关联特性的轨迹跟踪模型,对定位信息进行一维重构边界时间序列、二维重构区域统计量、移动最小二乘法检测分别得到动态时间窗口及与之匹配的区域信息及边界信息,在此基础上完成受启发式信息约束的动态时间弯曲轨迹跟踪,并对时空关联模型轨迹跟踪算法中定位信息融合处理的原理进行了严谨的数学论证.通过现场实验与仿真实验表明:该算法轨迹光滑、误差不累积、环境适应性好,相比现有方法基于启发式信息有效克服噪声的影响、减小搜索范围,提高轨迹跟踪的准确性.