基于谱回归核判别分析的候机楼室内快速定位算法

针对机场候机楼客流量大、室内环境复杂多变的特点，提出了一种基于谱回归核判别分析（SRKDA）的室内定位算法。在离线阶段，采集已知位置的接收信号强度（RSS）数据，使用SRKDA算法提取原始位置指纹（OLF）的非线性特征生成新的特征指纹库；在线阶段，先使用SRKDA对待定位点的RSS数据进行处理，进而使用加权K最近邻（WKNN）算法进行位置估计。定位仿真实验中，在两个不同的定位场景中，所提算法在1.5 m定位精度下的误差累积分布函数（CDF）和定位准确率分别达到91.2%和88.25%，相对于核主成分分析法（KPCA）+WKNN模型分别提高了16.7个百分点和18.64个百分点，相对于KDA+WKNN模型分别提高了3.5个百分点和9.07个百分点；在大量离线样本（大于1100条）的情况下，该算法数据处理时间远小于KPCA和KDA。实验结果表明，所提算法能够提高室内定位精度，同时节省了数据处理时间，提高了定位效率。     

一种基于无线传感器网络的RF定位算法研究

提出了一种全新的RF定位估测方法。测量了在锚节点中的未知节点收到的信号强度,然后转换信号强度的信息为距离的估测。使用这些估测得到了一种未知节点的概率分配模型并终于找到了概率最大时候的位置,由此作为结果。实验中采用了Matlab作为仿真工具,而所得到的结果相比先前的定位方法有一定的优势。     

基于核岭回归的自适应蓝牙定位方法*

针对室内高精度定位需求和蓝牙信号强度动态变化特征,提出了一种基于核岭回归（KRR）的定位方法,只需利用蓝牙锚节点之间的信号强度及其物理坐标信息,学习蓝牙信号强度与物理坐标的回归模型,并能在线动态更新模型参数,实现自适应免标定定位。实验结果表明,KRR方法对信号强度的动态变化具有较好的适应性和鲁棒性,平均定位误差为1.25 m,相比信号—距离映射方法（SDM）能取得更高的定位精度;实验也验证了有效的滤波处理能进一步改善定位效果。     

基于CC2510的DV-Hop定位算法的改进

DV-Hop算法是无线传感器网络中常用的定位算法,利用CC2510芯片结合接收信号强度指示(RSSI)算法和DV-Hop算法提出了一种改进的算法。此算法在DV-Hop的执行中利用测得的RSSI来改进算法。仿真结果表明:该定位算法能够更加精确地测量未知节点和信标节点之间的距离,提高了未知节点定位精度。     

基于测距修正和位置校正的RSSI定位算法

在基于接收信号强度指示(RSSI)的无线传感器网络节点定位问题中,为了提高节点的定位精度,通过对无线电传播路径损耗模型的分析,提出了基于RSSI测距的改进距离估计公式。针对已有节点校正方法存在的不足,提出了将一次循环校正后所有校正坐标的质心作为新的节点位置的校正方法。实验结果表明,改进的距离估计公式有效地提高了节点间的距离精度,并在适当增加节点计算量前提下,节点位置校正使节点的定位精度更高,达到良好的定位效果。     

基于空间锥体模型WSN节点定位算法研究

研究无线传感器网络节点在空间定位精度问题,针对无线传感器无法获取特定的节点的位置,传统的定位算法受到外界因素、测量距离误差和部署节点不合理性以及节点能量过快消耗,使定位和测距存在定位精度不高和计算量大等弊端。为解决上述问题,提出一种空间锥体模型下的WSN节点定位算法。通过仿真对目标参数测距量化和锚节点与求知节点空间几何关系的计算,对其求解结果进行迭代求解,从而降低了测距误差,提高了节点定位精度,避免了因距离误差和节点能量过早耗尽。仿真结果表明,算法有效地减少网络节点间通信开销,延长了网络生存周期,增强了定位精度的鲁棒性和稳定性。     

基于模糊控制的无线传感器网络室内定位算法

提出了一种通过无线传感器网络组网,利用基于模糊算法的改进接收信号强度指示(RSSI)测距技术来进行室内定位的系统设计方案。通过模糊状态分类建立环境气候和障碍物的模糊分布参数,对“距离-损耗”模型进行改进,算出其隶属函数,从而得到较准确的测距公式,计算出移动节点的位置信息。实验结果表明：提出的定位算法在对移动节点定位的实时性和准确性上能满足实际需要,具有应用价值。     

无线传感器网络节点定位技术应用

通过应用无线传感器网络定位技术，构建了一个人员监控系统。系统可以对人员位置进行实时定位，避免了因事故发生却不能确定事故地点造成的问题，减少了许多不必要的损失。目前，该系统已经处于运行和维护阶段，运行效果良好。     

基于核的RSSI定位

定位在无线传感网络的应用中有非常重要的作用,但是目前定位技术的准确度不够理想,RSSI是一种能实际使用确定传感网络中节点间距离的技术。在无线传感网络中引进了核,核是一个拥有三个或更多有着固定位置关系传感节点的物体。核能定位其他核或节点,同时核也能被传感网络定位。通过模拟发现使用核能有效提高定位的准确度。     

一种基于RSSI测距的室内自适应智能定位算法

为进一步提高定位精度,提出一种改进的三边定位算法:根轴定位算法,并将路径损耗指数(PLE)的实时值运用在根轴定位算法中,形成自适应智能定位系统.计算机仿真结果表明:该算法具有更小的定位误差,改善了系统的稳定性.     

基于核岭回归和粒子滤波的室内移动目标追踪算法研究

本文提出了一种基于核岭回归和粒子滤波的室内移动目标追踪算法,该算法在离线阶段采用核岭回归方法提取传感器之间的距离与RSSI(Received Signal Strength Indicator)信号值之间的非线性关系,从而训练出一种非线性回归距离模型;在线追踪阶段,利用非线性回归模型和粒子滤波算法实现室内移动目标的定位和追踪。本文在典型的室内办公环境下进行实验,并通过MATLAB对实测数据进行仿真。实验结果表明,相比WKNN算法和KF算法,本文所提出的算法能到达更好的定位精度,误差均值为1.2743 m。     

基于WSN改进RSSI井下定位算法设计与实现

为了更好地解决井下定位监测系统存在着节点定位精度不高以及传输数据可能发生冲突等缺点,提出了一种基于无线传感器网络改进RSSI井下定位算法;该算法对接收信号强度指示器测距原理进行分析并加以改进,通过对计算数值进行多次迭代求精运算后,进一步提高了定位精确度,有效地降低了节点位置的定位误差,确保了各节点之间数据通信准确性和稳定性,实现了对井下人员的实时定位监测,进而确保了高效救援和井下作业的安全系数;仿真实验表明,该算法能够用较少参数变量完成较为复杂的计算过程,有效地减少网络节点间通信开销,延长了网络生存周期,增强了整个网络系统的鲁棒性和稳定性。     

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.     

基于无线传感器网络的低功耗室内定位系统

提出一种实现室内定位的无线传感器节点架构,定位节点的设计采用低功耗微控制器MSP430F1611和符合ZigBee协议的无线收发芯片CC2420.通过测量参考节点和移动节点之间的接收信号强度(RSSI),利用射频衰减模型,在三边测量法的基础上采用质心定位算法,计算出移动节点的位置信息.初步实验结果表明:提出的定位算法在...     

基于时间序列启发式信息的室内轨迹跟踪算法

现有的无线传感器网络室内轨迹跟踪算法是通过定位形成轨迹的,没有利用一定空间范围内相邻信标节点RSSI定位信息在一段时间内的启发式信息.提出了基于RSSI时间序列启发式信息的轨迹跟踪算法,该算法构建基于定位信息时空关联特性的轨迹跟踪模型,对定位信息进行一维重构边界时间序列、二维重构区域统计量、移动最小二乘法检测分别得到动态时间窗口及与之匹配的区域信息及边界信息,在此基础上完成受启发式信息约束的动态时间弯曲轨迹跟踪,并对时空关联模型轨迹跟踪算法中定位信息融合处理的原理进行了严谨的数学论证.通过现场实验与仿真实验表明:该算法轨迹光滑、误差不累积、环境适应性好,相比现有方法基于启发式信息有效克服噪声的影响、减小搜索范围,提高轨迹跟踪的准确性.     

基于引力搜索的室内自适应RSSI定位算法

针对室内接收信号强度指示(received signal strength indication,RSSI)定位精度较低,无法实现动态跟踪参数变化的问题,将改进的引力搜索算法(GSA)应用于RSSI定位中.先利用极大似然估计得出定位模型的参数,再使用最小二乘法计算估计结果,最后利用引力搜索算法对估计结果和参数进行优化.该算法具有收敛速度快,精度高等优点.实验结果表明,该算法不仅能够提高定位的精度,而且能够实现动态跟踪RSSI定位数学模型中的参数变化,从而提高了其对环境变化的自适应能力.     

狭长区域中无线传感网络节点定位技术

无线传感网络是应用相关性很强的网络,在各个领域都有广泛应用.节点定位是其关键技术之一.针对狭长监测区域节点沿边界均匀分布的特点,我们提出一种基于RSSI的距离无关定位算法（PB-RSSI）,该法选取目标节点周围信标节点中的任意两个,作它们的垂直平分线,从而把定位区域分割为更多的子区域,再比较接收信号强度值确定目标节点所在子区域,并将其质心作为目标节点的位置坐标.仿真结果显示,与近似三角形内点测试法（APIT）相比,PB-RSSI分割的子区域数量更多,计算复杂度更低,定位精度更高,鲁棒性更好,能量消耗更低.     

岭参数优化的ELM岭回归学习算法

针对ELM(extreme learning machine,极限学习机)学习算法可能存在的解的奇异问题,提出了岭参数优化的ELM岭回归学习算法(ELMRR).该算法利用岭回归方法代替原有的线性回归算法,以均方根误差为性能指标,采用粒子群优化算法确定最佳岭参数.为了验证该方法的有效性,对函数回归和分类问题进行仿真实验分析,结果表明该方法改善了ELM的预测性能且克服了传统岭回归算法岭参数难以确定的缺点.     

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.     

分步定位法在ZigBee定位系统中的应用

在几种常规定位算法分析基础上,提出一种新型分步定位法.通过利用待测移动节点最近的3个参考节点可快速计算出移动节点的坐标值,从而使定位算法更容易实现.实验结果表明,该方法在不增加任何硬件成本的前提下可显著提高定位精度并增强系统稳定性,同时降低环境噪声带来的测量误差.与常规定位算法相比,该算法可广泛应用于各种基于距离的定位场合.