基于三点定位与加权坐标的三角定位算法

针对传统的基于接收信号强度指示（Received Signal Strength Indication,RSSI）的三角定位算法产生的定位误差大和定位结果波动性大的问题,提出一种基于三点定位与加权坐标的三角定位算法。该算法对RSSI数据进行卡尔曼滤波操作,降低RSSI数据的波动性;将滤波后数据经过基于RSSI选取的三点定位算法,获取粗定位坐标;将获取的三个粗定位坐标基于加权坐标的三角定位算法得到待定位点坐标。实验结果表明,在RSSI-距离衰减模型拟合度为96%的条件下,提出的算法的最大误差为1.602 m,平均误差为0.880 m。     

基于核岭回归方法的定位算法研究

针对无线传感器网络环境下的定位问题,提出了一种基于核岭回归(Kernel ridge regression,KRR)的定位算法。核岭回归算法是在岭回归算法的基础上加入了核函数,该算法在离线阶段采用核岭回归方法提取所有位置指纹数据间的非线性关系,训练出非线性回归定位模型;在线阶段采集目标点的接收信号强度指示（Received signal strength indicator,RSSI）值,利用非线性定位模型估计目标点的物理位置。仿真分析了影响算法性能的各个因素,并在室内典型办公环境下进行了定位实验。实验结果表明,该算法在不同因素的影响下,相比传统加权K近邻算法(Weight K-nearest neighbor,WKNN)算法能达到更好的定位精度,在位置网格间距1.8 m时,WKNN算法平均定位误差为2.53 m,而该算法误差为1.58 m。     

无线视觉传感器网络的节点设计

无线视觉传感器网络将监测的环境信息拓展到视觉层面,实现更精细化的监测,引发国内外研究人员的诸多关注.针对无线视觉传感器网络的特殊性,以高性能嵌入式处理器为核心设计了无线视觉传感器节点硬件,包括微处理器模块、无线收发模块、视觉信息采集模块、电源管理模块等;软件程序支持采集环境视频并进行压缩处理,获取节点间距离和节点剩余电量参数,支持自组建Ad-hoc网络进行节点间无线通信、视频传输和节点参数交换等.实验验证表明,所设计的无线视觉传感器节点运行正常,节点间距离测算以及剩余电量获取满足传感器网络应用需求.     

基于RSSI测距的WiFi室内定位算法研究

考虑AP(接入点)部署高度对定位精度的影响,提出了一种消除高度影响的加权质心定位算法.首先对采集的RSSI(接收信号强度指示)进行高斯拟合和Kalman滤波,根据室内信号传播模型得出终端与AP的距离;然后用几何方法对垂直距离做了消除,得出AP和终端的平面距离;最后用消除高度影响的加权质心定位算法计算位置.对于多层建筑物,还提出了一种楼层识别方法,结合二维平面定位构成近三维室内定位算法.在实验楼内用以上方法进行楼层识别,识别率可这100％.在大型教室进行定位实验,结果表明:改进后的算法相比传统定位算法在精度和稳定性上都有一定的提高.     

基于PSO-GSA优化的井下加权质心人员定位算法

针对煤矿复杂环境中,接收信号强度指示的人员定位精度较低,难以动态跟踪参数变化的问题,提出一种利用改进的引力搜索算法应用于加权质心定位中进行井下人员定位的方法。先采用对数距离路径损耗模型得到信标节点到未知节点的距离,然后通过加权质心定位算法对未知节点定位;最后利用粒子群万有引力混合算法对相关参数和估计的位置信息进行优化。实验结果表明,该方法能够增强对环境变化的自适应能力,更有效地提高定位精度。     

基于路由半径自适应的长链状无线传感网络协议

长链状无线传感网络的节点呈长链状分布。这种特殊的拓扑结构将导致数据碰撞概率增大、传输时延增加,且越靠近Sink节点的地方该现象越明显,这将影响Sink节点的数据接收,甚至导致整个网络的崩溃。针对长链状无线传感网络的链路特征,提出了基于最大传输距离的路由半径自适应调节策略RAMD(Route-radius Adaptive with Max Transmission Distance)。该协议通过以PRR(Packet Receive Rate)及RSSI(Received Signal Strength Indication)相结合的链路质量评估方法自适应调节路由半径,设计基于分级同步的冲突避免机制及基于最优传输距离的自适应路由调整策略。通过与典型的分层路由和顺序传输路由的性能对比的仿真,以及对200个节点的长链状无线网络的物理平台的搭建及测试表明,RAMD协议对简化路由选择、降低时延和减少数据冲突有显著的作用。     

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PSO-BP神经网络的无线传感器网络定位算法

针对无线传感器网络定位的基本功能问题。提出一种将PSO算法和BP神经网络相结合对RSSI在测距阶段测得的距离数据进行优化的算法。该算法将PSO算法作为BP神经网络的学习算法,缩短了BP神经网络的训练时间,并加快算法的收敛速度。通过仿真,定位精度较其他算法得到了明显提高,最高可达27.3%。     

Novel fingerprinting mechanisms for indoor positioning

As wireless communications and microelectronic technology rapidly develop, diverse applications and services based on smart handheld devices have drawn the attention of researchers. The popularity of Indoor Location Based services and applications has also gradually increased. Therefore, how to improve indoor positioning accuracy becomes a very important issue. Although indoor positioning has been performed using various techniques in recent years, the computational complexity of ensuring positioning accuracy and positioning is an unsolved problem. Current indoor positioning systems typically use only the receiver or the transmitter to obtain the reference point data, and only the K‐Nearest Neighbors (KNN) or Trilateration algorithm is used to perform positioning. Therefore, positioning accuracy is limited by the use of reference point data from a single source and by the positioning algorithm used. The Novel Fingerprinting Mechanisms (NFM) indoor positioning system proposed in this study, however, uses both the receiver and transmitter to obtain positioning data and employs six positioning mechanisms to improve the current positioning accuracy. The experimental results show that the average error distance is 1.18 m in the NFM indoor positioning system. That is the system outperforms both KNN and Trilateration systems, which have average error distances of 1.35 m and 2.23 m, respectively. This study proves that the positioning accuracy is actually improved. Copyright © 2015 John Wiley & Sons, Ltd.     

煤矿安全监测无线传感器网络节点定位技术

利用无线信号强度实现了煤矿安全监测无线传感器网络节点间的自定位，提出了提高定位精度的改进方案，并分析了不同因素对定位精度的影响．仿真结果表明，所提出的算法可以有效地提高无线传感器节点的定位精度，如在路径损耗标准偏差分别为4和6，滚动平均次数为10时，定位精度的相对误差分别从0.21和0.35左右下降到0.18和0.29左右.