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RSSI与TDOA的混合测距加权定位算法

对RSSI和TDOA测距技术优缺点进行分析,提出了基于（接收信号强度指示（RSSI）和信号到达时间差（TDOA）的混合测距加权定位算法,解决无线传感器网络定位系统中单纯依靠TDOA测距造成信标节点数量不足的问题。该算法根据测距方式的精度差异对测距结果进行加权校正处理,仿真实验表明,通过选择合适的加权值可以大大降低采用RSSI测距方式对定位精度产生的不利影响。     

无线Zigbee传感网RSSI定位技术研究

基于Zigbee通信技术的无线传感网是最具应用前景的一种网络模式,定位信息对网络数据有重要的辅助作用。文中提出了一种基于接收信号强度指示（ RSSI）值的无线Zigbee传感网测距定位技术,从理论上提出了基于RSSI的节点测距定位处理算法,并从实践上提出了CC2530测距定位模块实现方式。最后通过在实验室环境的实际距离与RSSI值的测试,得到了RSSI值与无线通信距离之间的实验结果,通过最小二乘法进行曲线拟合,得到了RSSI测距的实测公式。     

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高斯滤波的人工蜂群定位算法

基于接收信号强度指示(Received signal strength Index,RSSI)定位易受到环境影响.为此,提出基于RSSI高斯滤波的人工蜂群定位(RSSI Gaussian Filter-based Artificial Bee Colony Localization,RGBL)算法.采用高斯滤波对收集的RSSI值进行处理,剔除误差较大的RSSI值,保留精度较高的RSSI值,再利用这些RSSI值测距,降低测距误差;基于测距误差建立目标函数,再利用人工蜂群算法求解目标函数,实现节点的定位.仿真结果表明,提出的RGBL算法降低了归一化平均定位误差,提升了收敛速度.     

基于RSSI测距的交点质心定位算法研究与室内应用修正

目前的传感器网络节点定位的技术主要有基于测距的定位技术和无需测距的定位技术。本文重点研究了基于RSSI测距的交点质心定位算法。主要研究工作包括RSSI测距模型与模型参数优化方法的分析与研究、交点质心定位算法的实现、交点质心算法在室内环境应用的修正等。应用结果表明,修正后的定位算法可在一定程度提高定位精度。     

基于RSSI测距误差修正的改进型DV-distance差分定位算法

DV-distance是一种基于多跳机制的定位算法,其相邻节点间的距离通过RSSI测距技术实际测量得到。为了减少RSSI测距误差对定位精度的影响,首先对RSSI测距误差进行修正,再对已有的信标节点间计算距离误差修正值的方法作进一步改进,提出一种基于RSSI测距误差修正的改进型DV-distance差分定位算法。仿真结果表明,相比已有的定位算法,该改进算法不仅能提高节点的定位精度,还能减少网络通信开销及计算复杂度。     

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。     

基于RSSI和TOA融合的矿井人员精确定位方法

提出了一种基于RSSI和TOA融合的矿井人员精确定位方法.分析了RSSI技术和TOA技术测距精度特性,提出了近端基于RSSI测距、较远端基于TOA测距的矿井人员定位方法,在此基础上提出了改进卡尔曼滤波误差抑制算法,保证高精度矿井人员定位.实验结果表明,在基站与定位识别卡距离不超过40 m的范围内,本文定位方法的定位误差为3 m以内.     

无线传感器网络AMRSSI加密调制定位算法研究

RSSI定位技术在无线传感器网络实际应用中,由于环境的开放性,信号很容易受到敌方的攻击,从而使系统的定位产生错误;通过对RSSI测距定位模型进行分析,提出了基于RSSI新的加密调制定位算法AMRSSI,该定位算法计算简单、保密性强、受外界干扰小;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上有了明显的改进,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RSSI差分似然估计的WSN节点定位算法

为了克服接收信号强度测量误差对无线传感嚣网络(WSN)节点自身定位精度的影响.在对极大似然估计定位算法和接收信号强度指示(RSSI)模型分析的基础上,定义了个体差异差分系数、距离差分系数和距离差分定位方程,把离目标节点最近的信标节点作为参考节点对基于RSSI的测距进行差分修正,并将测距差分修正和极大似然估计相结合提出了一种测距差分修正极大似然估计定位算法.算法通过RSSI进行测距,无需增加额外硬件开销,容易实现.定位精度可达2.5 m以下,适合于处理能力和能量有限的WSN节点定位.     

基于RSSI测距的DV-Hop算法

由于DV-Hop算法在不均匀网络中节点定位精度不高,以及RSSI算法受环境因素影响较大,将RSSI算法与DV-Hop算法相结合,提出一种利用RSSI测距技术改进DV-Hop的算法-----BRDV-Hop算法.该算法应用RSSI测距技术,定义信标节点的平均跳距误差,并利用信标节点的平均跳距误差对未知节点与信标节点之间的距离进行修正,从而达到减小定位误差的目的.仿真结果表明,与标准的DV-Hop算法相比,在不增加传感器节点硬件的基础上,改进算法能有效降低定位误差.     

基于WiFi的四边测距修正加权质心定位算法

针对现阶段无线信号传播过程易受周围环境干扰、运动载体定位算法精度低的问题,提出一种基于WiFi技术的四边测距修正加权质心定位算法.该算法首先运用近高斯拟合算法和卡尔曼滤波剔除RSSI数据中的突变数据和差异较大的数据,选出最优的RSSI值;然后根据无线信号传播路径损耗模型,运用RSSI值对移动终端和AP的距离进行模型计算;最后采用改进加权因子的加权质心定位算法并结合四边测距法对待定位点坐标进行计算.仿真实验表明:基于WiFi技术的四边测距修正加权质心定位算法相对提高了定位的精度.     

基于PSO的测距模型参数估计三维定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一;针对粒子群优化(PSO)定位方法的定位精度依赖于测距模型参数与实际值的符合程度,在接收信号强度指示(RSSI)测距模型的基础上,提出一种测距模型参数估计的三维定位算法;该方法无需计算距离,将未知节点的位置和RSSI测距参数作为自变量,以信号强度误差为目标函数,采用粒子群优化算法估算未知节点坐标;仿真结果表明所提算法不依赖于测距模型参数的选取,并取得了理想的定位精度。     

室内定位技术的多源数据融合算法研究

RSSI与TOF是当前处理室内定位问题的两种应用较为广泛的技术,但是其适用性受到限制且精度不高。针对室内复杂环境跟踪定位问题,采用基于RSSI和TOF两种节点测距算法进行融合计算以提高测距精度。对两种测距算法分别进行分析,建立系统运动模型,通过卡尔曼滤波对采集数据进行有效的噪音过滤;在统一的实验平台实现3种融合算法,分别为平均法,加权法和神经网络法,对仿真图形进行分析对比。实验结果表明,神经网络法收敛速度快,拟合程度高,优化结果非常理想,有利于室内定位技术精度的提高。     

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的室内测距模型优化技术

由于室内环境下基于接收信号强度指示(RSSI)的测距技术存在非视距和多径传输的影响,测距误差比较大.为了降低信号传播过程中受到干扰的程度,通过调节节点功率、将节点放置在较高位置以减少人流对信号的影响,并采用多重滤波算法对采集的RSSI进行数据滤波处理,得到RSSI值的准确、平滑输出,采用最小二乘法多次对信号衰减模型的参数进行拟合,得到满足具体环境的参数值,通过测距模型进行实时测距.通过低功耗、远距离的蓝牙4.0模块组建收发节点进行验证分析.实验结果表明:该改进方案不仅明显提高了室内测距模型的准确度,且在实际应用的推广具有很高的参考价值.     

无线传感器网络节点定位研究

该文提出了一种基于RSSI测距技术的DV-Hop定位算法。该算法有效利用每跳的统计信息并结合RSSI测距技术,在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围。实验表明了提出的方法在不同的节点比例和节点数的情况下,定位误差和定位范围等性能与传统的定位算法相比有明显的提高,是一种有效的方法。     

基于组合测距的无线传感器网络自定位算法

针对如何在锚节点密度较低的情况下提高无线传感器网络中节点自定位精度的问题,本文提出了一种基于RSSI和TDOA组合测距的加权质心定位算法.该算法分别对传统RSSI和TDOA测距模型增加了校验参数及温度补偿,将未知节点与锚节点间距离估计值的倒数作为权值参数,再利用加权质心算法计算出未知节点的位置坐标.硬件试验表明室内环境中基于改进RSSI测距模型的定位算法相比于传统RSSI质心定位算法的误差改进比率为56.2%,仿真结果显示基于组合测距的定位算法在锚节点密度较低时也能达到较高的定位精度.     

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。