无线传感器网络中基于锚节点功率调节的加权质心定位算法

提出了一种基于锚节点功率调节的加权质心定位算法,通过锚节点的功率调节确定各个锚节点对于未知节点的影响力因子,并将其作为权重计算未知节点的位置,体现了不同锚节点为未知节点位置计算结果的影响.仿真表明,该算法减小了节点的平均定位误差,是一种适合于无线传感器网络的定位方法.     

一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法

针对Distance Vector-Hop (DV-Hop) 定位算法存在较大定位误差的问题,该文提出了一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法,即WSGDV-Hop定位算法。改进算法用基于误差与距离的权值处理锚节点的平均每跳距离;根据判断的位置关系选择适合的跳段距离计算方法;用改进的遗传算法优化未知节点坐标。仿真结果表明,WSGDV-Hop定位算法的性能明显优于Distance Vector-Hop (DV-Hop) 定位算法,减小了节点定位误差、提高了算法定位精度。     

基于静态无线传感器网络的APIT改进算法

在静态无线传感器网络中,传统的APIT算法认为未知节点是在由锚节点组成的三角形内部的,在这种前提下得到未知节点的位置判断结论的判断存在着很大的位置判别误差,从而影响了未知节点定位的精度,为了减少这种判别错误的出现,在传统APIT算法的基础上提出了一种基于三角形面积判别的方法,同时通过对能量值加权的质心算法估计出未知节点的坐标。同时通过Matlab对算法进行了仿真比较,该方法在一定程度上提高了定位精度,减少了估计误差。     

WSN节点定位算法改进研究

在无线传感网络(WSN)中,节点的定位是一个非常之关键的问题,而DV-Hop算法是节点定位诸多算法中最主要的一个算法,但它计算未知节点到锚节点的距离时存在些许问题,所以提出了一个新的计算节点间距离的方法,考虑到在未知节点到锚节点路径上三个连续的节点所形成的角度的影响,使得距离的计算更精确.通过仿真可以得知这个改进算法能有效地提高未知节点定位的覆盖率和精度.     

基于几何学的无线传感器网络定位算法

提出一种基于几何学的无线传感器网络(WSN)定位算法。把网络区域中的节点分为锚节点和未知节点,假设在定位空间中有n个锚节点,由于受到几何学的限制,实际可行的锚节点序列是有限的,因此利用一种几何方法判断锚节点间的位置关系,从而选取最优的锚节点序列,能够更精确地确定未知节点的位置,并且分析了待定位节点的邻居锚节点数量对定位精度的影响。仿真结果表明,与已有的APS(Ad-Hoc positioning system)定位算法相比,该算法可有效地降低平均定位误差和提高定位覆盖度。     

三维无线传感器网络节点的序列垂心定位

针对无线传感器网络的节点自定位技术提出了一种三维序列垂心算法,该算法利用锚节点两两之间的垂直平分面将定位空间分为边、面和体三类区域,缩小了未知节点可能存在的范围,并在所在范围内再次求出离未知节点最近三点组成的三角形的垂心作为未知点位置的估计。该算法改善了二维序列算法误差较大的问题,且不需要增加硬件设施来实现特殊的功能。仿真结果表明,该算法可以达到较高的定位精度,能够满足三维空间中未知节点定位的应用需要。     

一种基于虚拟锚节点策略改进的Bounding Box定位算法

针对Bounding Box算法定位误差大、覆盖率低的缺点,提出了一种采用虚拟锚节点策略的改进定位算法。首先未知节点利用其通信范围内的锚节点进行定位;其次,已定位的节点根据升级策略有选择性的升级为虚拟锚节点;最后,无法定位的节点利用虚拟锚节点实现定位。另外,在离散网络模型的基础上,通过建立双半径网络节点模型从而进一步约束了未知节点的位置。理论分析及仿真结果均表明,该算法在显著提高定位覆盖率的同时,有效地提高了定位精度。     

基于混合人工蜂群策略的改进DV-Hop定位算法

为了减小DV-Hop算法在无线传感器网络节点定位中的误差,提出了一种基于混合人工蜂群算法的改进算法。该算法结合了粒子群算法收敛速度快和蜂群算法搜索能力强的特性,首先通过DV-Hop算法估计锚节点与未知节点之间的距离,然后采用粒子群算法计算未知节点的初始位置,最后利用蜂群算法进行迭代求精,从而实现基于不同距离测量方法的总体优化。仿真结果表明,改进算法的定位精度较DV-Hop算法和基于粒子群的定位算法有明显改善。     

应用三维弹簧系统模型的锚节点部署优化

为使随机部署的三维无线传感器网络中锚节点的分布更加合理,提高未知节点定位精度,针对锚节点部署进行优化。通过构建弹簧系统模型,将锚节点抽象为通过弹簧相连接的点,使部分锚节点在合力作用下进行伸缩运动,达到提高网络性能的目的。当锚节点部署优化完成后,应用近似三角形内点测试( APIT)和DV-HOP( Distance Vector-hop)算法测试优化前后的节点定位精度。仿真结果表明,三维空间下的锚节点经过弹簧系统模型的部署优化后,锚节点网络覆盖率和定位覆盖率均得到了提高,网络平均连通度有所提升,且定位精度显著提高。     

一种基于拓扑形状分割的无线传感器网络定位算法

本文针对无线传感器网络不规则拓扑条件下提出了一种新的定位方法,拓扑分割定位法(Localization Algorithm Based on Topology Segmentation,LATS).首先,根据锚节点之间每跳数距离,采用动态阈值将不规则拓扑形状分割为规则区域.然后,采用计算几何的方法构建规则区域的凸边界,得到有效的锚节点信息用于未知节点定位.并在此基础上设计了一种锚节点选择策略,大大减少了节点位置估计的误差.最后进行了算法的性能评价和分析,结果表明算法计算复杂度较低,在不规则拓扑条件下具有较高的精度.     

基于RSSI自适应三维加权质心定位算法

针对无线传感网络RSSI加权质心定位算法精度较低的问题,提出了一种采用RSSI值作为加权因子的三维加权质心定位算法。依据RSSI值自适应缩小定位区域,并根据筛选出的最优参考节点构建三维球体定位模型。仿真结果表明,改进的定位算法在相同测试条件下,在精度与稳定性上相较传统加权质心算法有了大幅提高。     

无线传感器网络用于监测系统中的定位算法

从硬件设计入手,介绍了自主设计的以片上系统（SOC）STM32W108为核心的WSN节点,在此基础上采用了一种基于RSSI的加权质心定位算法实现了节点的自定位。该算法将RSSI测距和质心定位算法相结合,用测得的RSSI值作为质心定位的加权因子,合理体现了不同锚节点对定位未知节点的约束力。通过测试证明,该定位方法在较少的通信开销情况下具有较高的定位精度,且易于实现。     

基于RSSI多边定位误差的加权质心定位算法

为了优化无线传感器网络(Wireless Sensor Networks, WSN)中的定位算法, 提高节点定位精度, 提出一种基于多边定位误差的加权质心算法。分析了无线电的路径损耗模型, 建立基于信号接收强度(Received Signal Strength Indicator, RSSI)和距离关系的对数拟合测距公式, 给出了求解未知节点坐标的多边定位法和位置估算模型。多组数据定位后, 以定位误差值的倒数作为权值, 改进传统的质心算法, 并讨论了参考点个数的选取与误差的关系。实验表明: 改进后的加权质心比传统质心定位精度进一步提高, 选择4~5个参考节点具有良好的定位效果。     

质心定位中的加权坐标误差修正方法

针对IoT中需求高精度节点定位的问题,提出了一种加权坐标误差修正的质心定位算法。首先对距离无关质心定位算法进行分析,然后使用RSSI测量标记节点与待定位节点的距离,并结合信号衰减度对坐标加权,最后对节点坐标误差修正,进一步精确节点坐标。实验仿真结果表明,本文提出的加权坐标误差修正方法相对于传统定位算法,有更强的抗干扰能力和鲁棒性。     

WSN中基于最佳指数的加权DV-Hop算法

DV-Hop算法是一种低成本、低定位精度的无需测距定位算法,在粗精度定位中应用广泛。为提高DV-Hop算法定位精度,从减小锚节点的平均每一跳距离误差和减小未知节点平均每一跳校正值误差两方面考虑。首先,用最佳指数值下的公式计算锚节点平均每一跳距离。然后,将未知节点的校正值加权处理,使所有的锚节点根据与未知节点距离的远近影响校正值的大小。MATLAB实验证明,改进的基于最佳指数值下的加权DV-Hop算法比DV-Hop算法、加权DV-Hop、最佳指数值下DV-Hop算法定位精度分别提高2%左右、1.65%左右、1.15%左右,同时不会增加网络硬件成本。     

基于ZigBee的矿井定位系统设计及精度分析

为了解决矿井人员定位不精确的问题,提出了一种基于ZigBee的矿井定位系统的应用方案。该系统采用基于RSSI的加权质心定位算法确定井下人员精确位置,并通过实验研究了ZigBee定位精度的影响因素,建立了最佳系统参数预测模型。实验研究表明,该预测模型给出的系统参数可显著提高系统的定位精度。     

基于改进RSSI测距的LSSVR三维WSN定位算法

针对基于RSSI测距的定位算法定位误差较大的问题,通过加入多组已知节点之间的距离和接收功率作为参考,提出了一种改进的RSSI测距算法,并将改进的RSSI测距作为最小二乘支持向量回归机LSSVR的输入向量,获得基于改进RSSI测距的LSSVR三维定位算法模型。MATLAB仿真结果表明,在节点随机分布的三维环境中,基于改进RSSI测距的LSSVR定位算法的定位误差比传统LSSVR定位算法减小了13.6%~21.2%,另外,可以通过增加已知节点数量等方法,进一步提高目标定位的准确性。     

Improvement of Positioning Technology Based on RSSI in ZigBee Networks

In this paper, the node localization methods of ZigBee wireless sensor networks were studied. There are two key issues affecting the positioning accuracy: accuracy of RSSI value and optimization of localization algorithm. For the first issue, the effects of two kinds of environmental disturbance on RSSI values were analyzed, and then RSSI values were pretreated using Kalman filter. For the second, the RSSI-based localization algorithm were introduced in detail, and a new algorithm-triangle centroid localization algorithm based on weighted feature points-was proposed. MATLAB simulation and actual network tests were carried out. The simulation and experimental results all showed that our pretreatment strategy of RSSI and optimization of localization algorithm had great effects on positioning accuracy.     

基于修正RSSI值的加权质心定位算法

针对利用接收信号强度指示（RSSI）进行节点定位时,RSSI值易受到环境因素的影响导致定位误差。为减小定位误差,在修正加权质心定位算法的基础上,使用卡尔曼滤波对连续采集到的RSSI值进行最优化处理,实现实时状态的预测和估计,使测距结果尽可能接近实际距离,为后续的定位提供更准确的数据。仿真结果显示,相比于之前的算法,改进算法减小了定位误差,提高了定位准确度。