基于RSSI测距的DV-Hop算法

由于DV-Hop算法在不均匀网络中节点定位精度不高,以及RSSI算法受环境因素影响较大,将RSSI算法与DV-Hop算法相结合,提出一种利用RSSI测距技术改进DV-Hop的算法-----BRDV-Hop算法.该算法应用RSSI测距技术,定义信标节点的平均跳距误差,并利用信标节点的平均跳距误差对未知节点与信标节点之间的距离进行修正,从而达到减小定位误差的目的.仿真结果表明,与标准的DV-Hop算法相比,在不增加传感器节点硬件的基础上,改进算法能有效降低定位误差.     

基于组合测距的无线传感器网络自定位算法

针对如何在锚节点密度较低的情况下提高无线传感器网络中节点自定位精度的问题,本文提出了一种基于RSSI和TDOA组合测距的加权质心定位算法.该算法分别对传统RSSI和TDOA测距模型增加了校验参数及温度补偿,将未知节点与锚节点间距离估计值的倒数作为权值参数,再利用加权质心算法计算出未知节点的位置坐标.硬件试验表明室内环境中基于改进RSSI测距模型的定位算法相比于传统RSSI质心定位算法的误差改进比率为56.2%,仿真结果显示基于组合测距的定位算法在锚节点密度较低时也能达到较高的定位精度.     

基于RSSI测距误差修正的改进型DV-distance差分定位算法

DV-distance是一种基于多跳机制的定位算法,其相邻节点间的距离通过RSSI测距技术实际测量得到。为了减少RSSI测距误差对定位精度的影响,首先对RSSI测距误差进行修正,再对已有的信标节点间计算距离误差修正值的方法作进一步改进,提出一种基于RSSI测距误差修正的改进型DV-distance差分定位算法。仿真结果表明,相比已有的定位算法,该改进算法不仅能提高节点的定位精度,还能减少网络通信开销及计算复杂度。     

一种路径损耗模型融合的WSN森林定位算法

由于森林环境的复杂性导致传感器网络接收信号强度指示(RSSI)的定位误差较大,而目前的RSSI路径损耗模型不能满足森林中传感器节点定位的需求。针对该问题,提出一种无线传感器网络(WSN)森林定位算法。根据RSSI在不同区域的离散系数划分定位区域,对不同区域分别建立RSSI路径损耗模型,并利用对数路径损耗模型与分段拟合模型进行融合,建立更符合实际环境的新模型,通过分区域测距定位和K-means聚类算法排除定位误差。实验结果表明,该算法能有效提高定位精度。     

无线传感器网络节点自定位算法仿真研究

研究无线传感器网络节点自定位问题,由于传感器节点固定能量有限,给识别定位一路带来困难.针对无线传感器中,节点定位误差较大,精确度不高等问题缺陷,提出了一种跳数和RSSI测距技术的DV - Hop定位算法,可有效利用每跳的统计信息并结合RSSI测距技术,在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围.仿真结果表明,改进算法在不同的节点比例和节点数的情况下,定位误差小和定位范围广等性能,与原始的DV - Hop定位算法相比定位误差明显减小,精度明显提高.表明算法是一种高效节能的定位算法.     

无线传感器网络节点定位综合算法

在具有小世界现象的无线传感器网络上集合RSSI算法、测距技术和遗传算法设计了一种新的节点定位综合算法。以超级节点为中心逐步向簇边缘递增式定位,再反向求解锚节点坐标,根据未知节点收到的信号强度以一定的权值进行未知节点校正。通过仿真实验验证,该算法具有较好的定位性能。     

基于跳数修正的DV-Hop改进算法

针对无线传感器网络DV-Hop定位算法在实际应用中定位误差较大的问题,提出一种基于跳数修正的改进算法。在引入限跳机制的条件下,按未知节点与信标节点间的跳数值分类估算,对1跳区域内的节点采用RSSI测距技术,对于节点间跳数值大于1跳的节点,则利用信标节点间实际距离与估计距离的误差值修正平均每跳距离。仿真实验表明,在相同的网络条件下,与原DV-Hop定位算法和其他改进算法相比,改进后的算法能更有效地减少跳距估算带来的定位误差,提高平均定位精度并保持较好的算法稳定性。     

基于虚拟力移动锚节点的3D-DVHop-ACR定位算法

针对传统以及各种经改进的3D-DVHop算法对未知节点定位误差较大,且未对定位成本进行实质性降低的问题,提出一种基于虚拟力移动锚节点的3D-DVHop-ACR定位算法.该算法引入虚拟力移动锚节点,在降低定位成本的同时可使锚节点移动路径遍历整个网络空间且不会进入网络空洞区域;通过RSSI值辅助测距与三维跳距加权修正节点间跳数和跳距,利用所有锚节点定位误差修正各未知节点估计坐标;同时,结合最大似然估计法对邻居节点数不小于3的节点继续精化,以进一步降低定位误差.     

无线传感器网络DV-Distance定位算法

针对DV-Distance定位算法得到的距离值误差较大的问题,提出一种定位精度相对较高的改进型DV-Distance算法。DV-Distance定位算法通过求未知节点到参考节点之间跳段距离之和来确定未知节点坐标,改进算法在原算法的基础上,将参考节点间的真实距离与这些参考节点间的跳段距离之和的比值作为修正权值,用这个修正权值来提高定位所需距离值的精确度,并利用RSSI测距技术限定可较为精确测距的有效未知节点,从而更进一步提高定位的精度。通过计算机的仿真和实验验证,结果表明此改进算法相对于原算法,较为明显的降低了定位误差,提高了定位的精度。     

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。     

基于RSSI测距的信标节点自校正定位算法

节点定位是无线传感器网络中的重要应用之一.为了有效抑制各种因素对无线传感器节点定位精度的影响,以三边定位算法为基础,提出了一种基于误差校正的定位算法.该算法通过测量信标节点之间的距离,获得信标节点RSSI值测量误差和网络的定位误差,并对误差进行补偿,从而提高整个网络的定位精度.实验结果显示,该算法能明显提高定位精度和稳定性,具有普遍应用意义.     

无线传感器网络精度优选RSSI协作定位算法

针对目前无线传感器网络（WSN）定位算法中未知节点间接收信号强度指示（RSSI）冗余信息利用不足以及信息无筛选利用问题,提出一种新的精度优选RSSI协作定位算法。首先,利用RSSI阈值,从大量粗定位的未知节点中筛选出定位精度相对较高的节点;接着,利用subset子集判断方法从经过RSSI阈值筛选的节点中提取出受环境影响较小的节点,作为次选协作骨干节点;然后,使用锚节点置换准则,根据置换锚节点的定位误差,从次选协作节点中进一步提取出高精度的节点作为优选协作骨干节点;最后,以协作骨干节点为协作对象,根据精度优先级参与协作求精,对未知节点进行未知修正。仿真实验表明,该算法在100 m×100 m网格区域内的平均定位精度小于1.127 m。在定位精度方面,相同条件下,相较于改进的采用RSSI模型的无线传感器网络定位算法,该算法平均定位精度提高了15%;在时间效率方面,相同条件下,对比传统RSSI协作定位算法,该算法在时间效率上提高了20%。可见,所提算法可以有效提高节点定位精度,减小计算复杂度,提高时间效率。     

基于动态近邻反馈修正的室内定位算法

针对目前无线传感器网络（WSN）室内接收信号强度（RSSI）测距算法中RSSI易受到信道干扰和传播环境影响从而导致定位精度低的问题,提出一种动态近邻反馈修正的室内定位优化算法FC-DNN,以实现无线传感器室内节点精确定位。首先,通过对环境进行Voronoi图分割确定最小定位区域;然后计算每个区域的路径损耗模型参数得到节点间的精确距离;最后利用Spearman等级相关系数动态选择邻居锚节点,根据邻节点反馈修正进一步提高未知节点的定位精度。仿真结果表明,FC-DNN算法复杂度低、计算开销小、能耗较低,与典型的RSSI测距差分修正定位算法（DDLA）和受限三维空间传感器定位算法（CO-3D）相比,节点的平均定位误差降低了约15个百分点,能够很好地满足室内环境定位要求。     

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。     

Dynamic localization based on spatial reasoning with RSSI in wireless sensor networks for transport logistics

In this paper we present a novel indoor localization approach in Wireless Sensor Networks (WSN) which is based on spatial reasoning by observing the relationship between RSSI (Received Signal Strength Indication) values from spatially distributed data sources. In this work a WSN is applied as the environmental supervision system in containers during the transport processes. The proposed positioning approach exploits the simple straightforward movement of the “palette-accompanying” sensor nodes, which are arbitrarily distributed in palettes during the loading process. The target sensor nodes are capable of reasoning their loading route and end position by collecting and comparing the RSSI readings from the distributed anchor nodes. Since no numeric distance determination with RSSI is required, the typical ranging error due to the instability of the signal strength is avoided and the calculation complexity is reduced. The test results show that the localization accuracy fulfils the requirements of the sample applications.     

无线传感器网络分布式的移动节点定位研究

针对WSN野外二维特定应用环境,提出了一种到主信标节点信号强度差定位算法（SSDLB）与运动预测定位算法（MPL）相结合的基于分布式的高覆盖率移动WSN节点定位算法,解决了在定位过程中未知节点在某定位时刻其邻居信标节点的个数小于3个的定位问题,并且避免了传统RSSI定位算法把信号强度值转化成距离再进行定位所带来的计算误差与计算开销,一定程度上提高了节点定位精度和覆盖率。仿真实验表明：此算法在较低的信标节点密度的条件下,能够达到较高的定位精度和定位覆盖率,与传统的RSSI算法相比定位性能有显著的提高。     

基于RSSI的WSN二维对数搜索定位算法

定位技术是无线传感器网络(WSN)应用的关键技术之一。针对WSN中的定位问题,提出一种基于接收信号强度指示(RSSI)测距的二维对数分布式搜索定位算法。采用改进的RSSI测距模型测量节点之间的距离,利用质心定位算法结果作为搜索起点,设计一种基于最小加权距离误差和的目标函数,对于每个节点通过二维对数搜索的方法,搜索具有最小加权距离误差和的点作为定位位置。仿真实验比较了质心定位算法、不带权值的二维对数搜索定位算法、基于RSSI的二维对数搜索定位算法在不同条件下的定位性能,结果表明基于RSSI的二维对数搜索定位算法的定位精度远优于质心定位算法,相比不带权值的二维对数搜索定位算法约提高了0.02R。     

基于最小二乘法的RSSI 测距环境参数修正方案

节点定位是无线传感器网络中的重要应用之一。为了抑制RSSI测距技术的误差对无线传感器节点定位精度的影响,通过对RSSI测距模型进行分析,提出了一种基于最小二乘法的RSSI测距环境参数修正方案。该方法使用最小二乘法拟合方法对环境参数进行修正,以消除各种干扰对测量数据的影响,以提高RSSI测距的精度,为高精确定位打下基础。实验和仿真结果表明,采用环境参数修正方案后,明显提高了测距的精度。     

基于支持向量机分类的WSN节点定位算法

在研究接收信号强度指示(RSSI)定位和支持向量机分类(SVC)的基础上,提出无线传感器网络(WSN)节点定位算法。将WSN室内定位问题看作以节点RSSI值为特征量的多分类问题,将节点RSSI值转化为节点位置,利用SVC良好的泛化能力,实现符号定位和物理定位,达到较高的定位精度。实验结果表明,该算法的符号定位效果较好,当锚节点密度为20%时,可使98.19%的节点正确定位。