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。     

基于聚类分析优化的距离修正室内定位算法

基于接收信号强度RSSI的定位系统易受环境影响,提出一种基于聚类算法分析的高斯混合滤波的RSSI信号处理优化策略,通过优化接收信号强度及距离修正的四边质心定位算法对未知节点进行精确室内定位,使用蓝牙4.0信标节点进行实地实验。实验结果表明,该算法可以有效提高测距精度,改善系统的定位精度,比传统加权质心算法的定位精度提高了34.6%,且定位平均误差不超过0.5m,可满足室内定位精度要求。     

一种新的基于ZigBee技术定位算法

经典定位算法计算过程复杂需占用大量系统资源,当需要定位大量节点时,系统将会丢失部分人员定位信息,大大影响了定位的实效性;针对上述问题,提出了一种基于ZigBee的权值算法,该算法通过基站获得的接收信号强度指示值(RSSI),与人员节点发射功率的函数关系得出一个接收信号强度值(RSS),根据RSS值与距离的关系实现人员的定位;新算法阐述了如何利用几个已知节点的位置来计算未知节点的位置;经过130个节点的测试,其定位误差为2～6m,测试结果表明该算法与经典定位算法相比,具有系统资源占用少,可靠性、实时性和精度高等优点。     

一维环境下的无线传感器网络节点定位算法

针对无线传感器网络在道路监控、管道传输等一维环境中的应用,提出了基于接收信号强度比值的一维定位算法1-DIM-RSSR（1 Dimension Received Signal Strength Ratio）。该算法基于一维线性定位的思想,利用接收信号强度比值来确定未知节点的位置,只需要一次建立接收信号强度比值的数据库。实验结果表明,当环境改变时,与RSSI算法相比,1-DIM-RSSR算法定位精度高,在一维线性应用领域表现出了良好的灵活性和实用性。     

线性最小二乘法的RSSI定位精确计算方法

基于接收信号强度指示(RSSI)定位模型,提出了一种目标节点位置的精确计算方法。将RSSI定位问题所描述的非线性优化函数转化为线性最小二乘法估计问题,将定位结果直接用代数解表示。分别提出了目标节点信号发射强度已知和未知下的非约束线性最小二乘(ULLS)定位方法。同时对非约束线性最小二乘法下的参数进一步优化,提出了约束线性最小二乘法以提高定位精度。仿真验证了该定位计算方法的有效性,测试了不同信号强度噪声对定位误差的影响。结果同时表明,约束线性最小二乘法比非约束线性最小二乘法的定位误差更小,非常接近于定位结果的克拉美罗下界值(CRLB)。     

基于不同发射功率的室内定位算法优化

在无线传感网络室内定位中,节点的发射功率不同会降低基于对数-正态模型的定位算法的定位精度。针对这一问题,基于真实室内环境下RSSI值的变化,提出了一种基于不同发射功率的室内定位优化算法。该算法通过确定最小动态区域,对RSSI测距方法进行优化,降低不同发射功率带来影响。仿真和实验结果证明,提出的新算法在参与定位的信标节点发射功率不一致的情况下,达到了信标节点发射功率一致情况下的定位精度。     

基于RSSI的自适应权重定位算法

在室内环境中,由于存在多径、反射的影响,采用传统的静态权重质心定位(SWCL)方法无法得到准确的定位精度.针对这一问题,提出了一种新的基于接收信号强度指示(RSSI)的动态自适应静态权重质心定位(RSSI—DA—SWCL)算法.对RSSI测距算法优化,消除不同发射功率和其它突发干扰对测距的影响;利用锚节点和未知节点距离等信息,让锚节点自适应地获得最优的权重系数,从而提高定位精度;将RSSI—DA—SWCL算法在ZigBee平台中实现,并通过Maltab仿真和实测实验对算法进行验证.结果表明:和传统的定位算法相比,提出算法具有更优的定位精度.     

基于最大似然估计的加权质心定位算法

为解决无线传感器网络中节点自身定位问题,针对接收信号强度指示（received signal strength indication,RSSI）测距误差大和质心定位算法精度低的问题,提出一种基于最大似然估计的加权质心定位算法．首先通过计算将估计距离与实际距离之间的最大似然估计值作为权值,然后在权值模型中,引进一个参数k优化未知节点周围锚节点分布,最后计算出未知节点的位置并加以修正．仿真结果表明,基于最大似然估计的加权质心算法具有定位精度高和成本低的特点,优于基于距离倒数的质心加权和基于RSSI倒数的质心加权算法,适用于大面积的室内定位．     

基于压缩感知的多目标定位与功率估计

因传感器网络中定位问题具有的天然稀疏性,压缩感知理论被广泛应用于其中以减少数据采样量。然而,现有的基于压缩感知的定位技术往往需要目标的发射功率作为先验条件,这并不符合实际中目标完全未知的情况。基于此,提出了一种多目标定位和发射功率估计的方法,该方法将目标位置和功率信息建模成一个稀疏向量,从而将定位和功率估计问题转化为稀疏向量估计问题。该方法包括离线和在线两个阶段:离线阶段主要是部署一些射频发射器并测量接收信号强度值,从而构建感知矩阵;在线阶段中,通过部署少量传感器测量接收信号强度值,求解一个₁范数最优化问题便可精确地重构出稀疏向量。仿真结果验证了该多目标定位和功率估计方法的有效性和鲁棒性。     

利用信道状态信息的室内定位方法

室内定位是基于位置服务研究的关键问题,WIFI作为一种廉价易得的信号源被广泛应用在室内定位系统中。但是室内复杂环境造成同一点处的WIFI接收信号强度随时间变化范围较大,影响了基于WIFI接收信号强度的室内定位系统的性能。为了克服这个问题,提出了基于信道状态信息的室内定位方法。利用信道状态信息有效值非线性回归得出测量点与信号接入点之间的距离。利用测量点与多个不同信号接入点之间的距离回归出最后的定位结果。实验结果表明,相比典型的基于WIFI信号接收强度对数衰减模型的定位方法,方法有效提高了定位结果的准确度。     

一种改进的基于定向天线的移动传感器网络定位算法

针对在无线传感器网络定位中,由于全向天线信号受环境影响而造成定位误差较大的问题,提出了一种改进的基于定向天线的移动无线传感器网络定位算法(DADLP),使用一个带有定向天线的移动锚节点广播位置信息,未知节点接收到信号后,将接收功率平均分为若干等级,缩小定位估计区域.仿真结果表明DADLP算法相对于Ssu、BLI、GGDI和RROI移动锚节点算法提高了定位精度,并且在非规则环境下有更低的平均定位误差.     

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.     

基于接收信号强度指示的改进质心定位算法

传统质心定位算法虽然简单易行、成本低,但仅为粗略的定位估计方法,定位精度亟需改善.针对该问题,通过优选信标节点,提出了一种基于接收信号强度指示(RSSI)数据的改进质心定位算法,有效克服了传统质心定位算法"通信半径越大,定位精度反而下降"的缺点.通过MATLAB仿真验证算法的有效性和可靠性.     

改进的RSSI质心定位算法

近年来,随着物联网技术的不断发展和基于位置的服务快速增长,室内定位技术已经得到了越来越广泛的关注。然而由于室内环境复杂多变,受反射,折射,衍射及多径衰减影响,使得无线信号波动较大,定位结果容易产生偏差。针对该问题,本文提出了改进的RSSI质心定位算法。本方法经过卡尔曼滤波器对原始信号去噪处理,由信号加权求出位置坐标,根据速度对位置来进行优化。通过仿真和实际测试结果表明,在实际室内环境中,改进的RSSI质心定位算法具有较高的定位精度。     

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.     

Multidimensional scaling approach for node localization using received signal strength measurements

Node localization has played an important role in wireless sensor networks. In this paper, cooperative localization using received signal strength (RSS) measurements is addressed. The technique of weighted multidimensional scaling (WMDS) which relies on pairwise distance information between nodes is utilized in our algorithm development. Assuming that the transmit power is available, we first convert the original nonlinear localization problem to a system of linear equations, leading to computational attractiveness. It is also proved that the positioning accuracy of the WMDS solution attains the Cramér–Rao lower bound at sufficiently small noise conditions. Furthermore, the proposed method is extended to the unknown transmit power case by exploiting the ratio of squared distance estimates extracted from the RSS information. The effectiveness of the WMDS approach is demonstrated via comparison with several conventional RSS-based positioning methods.     

基于虚拟力的无线传感器与执行器网络测距定位算法

针对无线传感器与执行器网络(WSAN)的传感器节点定位问题,提出了一种基于虚拟力的无线传感器与执行器网络测距定位算法,使用移动的执行器节点替代传统无线传感器网络(WSN)定位算法中的锚节点,并将虚拟力模型引入基于信号到达时间(TOA)的定位算法。该算法在利用虚拟力驱动执行器节点逼近提出定位请求的传感器节点的同时,根据信号传输时间计算节点间的距离完成节点定位。仿真结果表明,提出的定位算法使得节点定位成功率提高20%左右,平均定位时间以及定位开销均小于传统TOA算法,适用于实时性要求高、执行器节点数量较少的场合。     

能效最优准则下的无人机中继系统的功率分配算法

由于无人机（Unmanned aerial vehicle,UAV）机动性好且部署简单,基于无人机中继的传输技术受到了广泛关注。功率作为通信系统的重要资源,其分配问题直接影响各条链路的性能和整个通信系统的能量效率。本文以莱斯衰落信道为背景,提出了一种在系统能效准则下的无人机中继通信系统的功率分配算法。首先在双跳放大转发（Amplify-and-forward,AF）中继传输模型的基础上建立功率分配的优化模型,将功率分配问题转化为求解最大系统能效的优化问题。在最优功率分配的求解过程中,先固定发射信号功率,获得波束形成优化方案;然后通过大信噪比区间近似,将非凸优化问题转化为凸优化问题;最后利用KKT（Karush-Kuhn-Tucker）条件,计算得出功率分配方案的闭式解。仿真实验表明,本文算法相对于迭代算法降低了算法复杂度。     

基于节点选取的RSSD两轮协同定位算法

针对无线传感器网络能量有限、节点密集、能适应动态变化的特点,对于非配合式无源定位问题,提出一种关于节点选取的接收信号强度差（ RSSD）两轮协同定位算法。在首轮初步定位结果的基础上,提出正多边形匹配因子,在空间域上选择最优节点参与定位,得到最终定位结果,从而提高了定位精度。仿真结果表明：此方法融合了无线传感器网络的特点,充分利用空间位置对定位的影响,通过对比仿真,证明了本文方法的有效性。