基于同心圆定位算法的改进算法研究

在分析了常用几种无线传感器节点定位算法的基础上,依据同心圆定位算法原理,提出环形定位算法。该算法的原理是利用锚节点通过一定规则做圆环,不断缩小未知节点的估算区域,直到得到包含未知节点的最小区域,取最小区域质心位置作为未知节点的估算坐标。对同心圆定位算法、环形定位算法及改进方案进行了对比仿真实验,结果表明,在锚节点比例达到5%,在20*20m2的仿真场景内部署1000个传感器节点、锚节点密度为5%时,同心圆定位算法误差为34.86%,环形定位算法定位误差为26.64%。在改进方案中,运用了多次划分圆环方法来提高定位精度。实验结果表明,改进后的算法在锚节点密度为5%时,定位误差降低到15.76%。     

无线传感器网络的分区域质心定位算法

针对无线传感器网络（WSNs）质心定位算法定位精度较低和一般的改进型质心算法计算复杂及数据通信量大的问题,提出一种新的质心定位算法——分区域质心定位（RPCL）算法.该算法将包围未知节点邻居锚节点组成的三角形划分为7个区域,每个区域的确定1个质心作为未知节点的估计位置.仿真结果表明：RPCL算法的平均定位误差比一般的质心定位算法减小20％以上;参数优化后,误差减少到49％左右.     

基于改进的质心定位的LSSVR算法的设计

针对无线传感中基于质心算法的节点定位存在误差比较大,算法效率低的缺点,提出了一种基于加权的LSSVR的节点定位算法;首先,对未知节点构建节点序列相关度,采用Kendall的Tau指标来估计未知节点的位置,提高了未知节点的定位精度,其次引入了LSSVR概念,构建改进质心算法的LSSVR定位模型,降低了噪声影响,大幅度提高定位精度;仿真实验表明该算法与基本的LSSVR算法在定位精度上有了明显的提高,在锚节点,未知节点所占比例不断增大的情况下该算法定位精度具有很大的提高,降低了算法的计算复杂度,具有较高的应用价值。     

基于RSSI加权质心和GASA优化的WSN定位算法

针对无线传感器网络节点在自身定位中广泛存在较大的定位误差的问题,提出一种基于RSSI加权质心和GASA优化的无线传感器网络定位算法。该算法假设无线传感器网络中存在一定比例的位置已知的锚节点,利用RSSI加权质心算法计算未知节点与锚节点间的距离,建立以未知节点位置为参数的数学模型,用GASA优化算法计算最优解从而获得未知节点的位置,实现未知节点自身的定位。仿真实验的结果表明,当锚节点个数为30,算法的平均定位误差在10%以内,比RSSI加权质心算法降低了10%~15.5%左右,并且随着节点个数的增加平均定位误差降低。     

一种基于DV-Hop的无线传感器网络节点定位算法

针对无线传感器网络节点的自身定位问题,提出一种基于分布式协作的DV-Hop改进算法.在距离计算的基础上,采用最大似然估计方法选取共线度较低的参考点作为锚节点.综合考虑所有锚节点,以可信度为准则,通过加权平均计算每一个未知节点的平均跳距.计算未知节点的定位误差,将误差低于预设阈值的未知节点转化为锚节点,扩大定位范围.仿真结果表明,在初始锚节点数和通信半径相同的情况下,该算法的定位误差比DV-Hop算法减少约20％,尤其当节点密度较小时,其定位误差可稳定在40％以下.当节点通信半径超过10 m时,该算法的剩余节点比例可降低约30％.     

基于阈值机制与距离校正的WSN改进DV-Hop定位算法

在无线传感器网络的DV-Hop定位算法中,未知节点定位只考虑离它最近的锚节点的平均跳距,用它乘以跳数代替真实距离去进行定位,会导致较大的定位误差。针对DV-Hop算法以上的不足,本文提出了一种精度较高的基于阈值机制与距离校正的DV-Hop改进算法TMCD-DV-Hop。改进算法首先计算跳数阈值,考虑最近锚节点之外的其他锚节点在局部范围和全局范围的影响,依据阈值选择最优的校正平均跳距来估计距离,并对参与定位的单跳通信半径内的锚节点进行组合优化后,采用质心算法得到一个估计坐标,同时利用加权最小二乘法得到另一个估计坐标,最后以两个估计坐标的算术平均值作为未知节点的定位坐标。仿真实验表明,在同等网络环境中,改进后的TMCD-DV-Hop算法较DV-Hop算法更能有效地降低定位误差,提高定位精度。     

RSSI辅助的三维空间坐标四面体质心定位算法

三维定位是无线传感器网络的重要技术之一.提出了一种RSSI辅助的三维空间坐标四面体质心定位算法.由于现实环境往往很复杂,存在锚节点组成的四面体不包含未知节点的情况,因此筛选优质的RSSI值,并将其转换为未知节点与锚节点的距离,进而计算和比较四面体体积来进行排除;对包含未知节点的四面体进行质心迭代求解,并且对不满足条件的情况运用RSSI均值加权质心定位算法.仿真结果表明,该算法的定位误差比坐标四面体质心算法的小,并且增加RSSI均值加权算法提高了定位覆盖率.     

无线传感器网络网格定位算法

根据未知节点必定处于周围一跳锚节点通信半径范围内重叠区域内的基本事实,提出了基于非测距定位的分布式Intersection-Grid-Sector（IGS）定位算法。IGS算法以锚节点通信半径的10%作为网格大小来获取重叠区域,并把重叠区域的每个网格坐标求质心作为未知节点估计坐标的方法。仿真结果表明比Bounding Box精度明显提高,比经典质心提高近20%。     

无线传感器网络交点质心定位算法的优化

节点自身定位是无线传感器网络的重要应用之一。为提高定位精度,以求解精度优于传统最小二乘法的交点质心算法为基础,定义距未知节点最近的锚节点为参考节点,通过测量参考节点与锚节点之间的距离获得RSSI的测距误差,并对未知节点与锚节点间的测量距离进行误差修正,抑制了RSSI测距误差对定位精度的影响;再引入四边测距定位和优选锚节点的思想,对算法进行改进。MATLAB仿真结果表明：本算法在相同实验环境下相较于交点质心法又进一步提高了定位精度。     

一种改进的加权质心自定位算法

针对加权质心算法无法改善所需锚节点比例较高的缺点,本文提出了一种将已定位节点升级为锚节点以及利用多跳距离外的锚节点进行定位的改进算法。为克服定位误差随着迭代次数的增加而不断累加问题,根据具体情况设计门限值ξ_(th)和改变已知节点的权值来对已定位的节点进行约束。仿真结果表明:与加权质心算法相比,本算法在锚节点比例很低的情况下就能实现较低的平均定位误差和较高的网络覆盖率,仅需较少的通信和简单的计算即可实现较高的定位精度,因此改进后的算法非常适用于功耗小,锚节点比例比较低的场合。     

基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

基于RSSI距离修正的WSNs定位算法

针对无线传感器网络(WSNs)易受外界因素影响,导致三边定位的锚圆不能相交的情况,提出了一种接收信号强度指示(RSSI)距离修正定位算法。通过对锚圆半径进行修正,形成3个锚圆相交的区域,然后用加权定位法对未知节点进行准确定位。仿真和实验结果表明:在6 m×10 m的区域范围内,该算法的平均定位误差为0.62 m,和其他定位方法相比,有更好的定位精度。     

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.     

二次栅格扫描与三角形质心迭代的定位算法

为了提高无线传感器网络的定位精度,在Grid-Scan算法的基础上提出一种改进的二次栅格扫描定位算法,再利用三角形质心迭代法进一步提升定位精度。首先通过比较未知节点的所有邻居锚节点到该未知节点的信号强度,找到最近邻居锚节点,利用最近邻居锚节点对可再定位的未知节点所在的估计区域进行二次栅格扫描,再利用PIT法则对定位区域进一步缩减,最后对质心三角形质心进行迭代计算得到最终定位点。仿真结果表明,在相同的网络环境下,与传统算法相比,改进算法明显提高了平均相对定位精度。     

一种用于无线传感器网络的质心定位算法

在建立定位算法求解数学模型和定位性能描述的基础上,提出了一种无线传感器网络定位算法——去中心化场强加权多跳质心定位算法。该算法对单跳质心算法进行多跳扩展以改善定位比率,并加入场强加权过程和去中心化过程以提高定位精度。通过仿真实验分析可以看到,与原始质心算法相比,此质心定位算法的平均定位误差可下降一半左右,并使节点密度较低情况下的定位比率提高至接近1。     

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．     

基于接收信号强度指示加权融合的质心定位算法

针对当前无线传感器网络质心定位算法在参考节点分布不均匀时定位误差较大,提出了一种基于RSSI加权融合的质心定位算法.通过将离未知节点距离由近到远的每三个参考节点组成三角形定位单元,运用传统质心算法产生质心,这样确保了质心的有效性.分析了影响定位精度的因素,通过加权因子来体现不同参考节点对质心坐标决定权的大小,并确定了各因素的权值.最后进行加权融合处理,使得整个定位精度得到了很大的提高.仿真结果表明,所提算法较之前的加权质心算法定位精度有了明显提高,最高可达38.41％.