基于 RSSI 的无线传感器网络节点定位算法研究

节点位置信息是无线传感器网络应用的基础。基于RSSI（Receive Signal Strength Indicator）的测距技术因其低成本和低复杂度的优点而被广泛用于无线传感器网络的定位技术中。介绍了RSSI信号传输模型,在介绍无线传感器网络定位基本原理的基础上,分析了影响定位精度的因素。综述了近几年提出的无线传感器网络中基于RSSI的节点定位算法及其改进算法,现有基于RSSI定位算法的改进算法主要从测距精度改进、定位精度改进或误差修正改进等方面进行。最后,指出了基于RSSI的无线传感器网络节点定位算法的不足,并进行展望。     

一种基于RSSI的权重值选择及加权定位算法

提出了一种基于Wi-Fi网络的接收信号强度指示(RSSI)的权重值选择及加权定位算法。该算法在离线阶段为每个接入点(AP)在每个参考位置点的RSSI设定了变化区间;在定位阶段,将扫描到的每个AP的RSSI落在该区间的所有位置点的权重值加1,然后采用加权算法计算定位目标的估计位置。实验证明,该算法减少了RSSI随机变化引起的定位误差,能获得较好的定位精确度。     

基于t分布变异的飞蛾加权质心定位算法

针对现有无线传感器网络中基于RSSI定位算法受外部环境影响,在恶劣环境下定位精度低的问题,提出一种基于t分布混合变异飞蛾加权质心定位算法。首先对接收到的信号值进行RSSI测距,然后对RSSI测距的值利用改进后的四点加权质心定位算法得到预估计的坐标值,最后利用t分布混合变异的飞蛾扑火算法对预估计坐标的值和损耗模型参数进行优化并得到最终定位坐标。仿真结果表明,该算法比传统的RSSI定位算法、RR-WCL算法和PSO-GSA算法有更高的定位精度。     

基于RSSI的节点定位算法的研究

在无线传感器网络的节点定位中,原RSSI定位算法利用接收信号强度的对数正态模型,其存在计算量大、功耗大等问题。由于物体运动不会突变,可以利用以前的轨迹与速度,预测当前时刻的位置信息,采用改进的神经网络算法,对当前时刻的位置做了很好的预测。实验结果表明,该算法与传统的RSSI算法相比,减小了采样范围,提高了定位精度,降低了无线传感系统的功耗。     

利用信道状态信息的室内定位技术

多径效应导致基于信号接收强度（RSSI）的室内定位方法精度不高,采用更细粒度的物理层信道状态信息（CSI）可以区分不同路径,提高定位精度。在已有基于CSI室内定位方法的基础上,通过改进对数距离路径损耗模型,得到CSI与传输距离的关系,并结合目标位置所测得的CSI值回归出目标与发射端的距离,最后通过三边定位法预测出目标的位置坐标。实验表明,相比基于RSSI的定位方法以及已有的基于CSI的定位方法,所提方法2 m以内的误差概率提高了将近40%和20%,有效提高了定位精度。     

基于RSSI加权质心的光纤光栅传感网络冲击定位

针对材料结构损伤位置识别的精确定位问题,通过构建分布式光纤布拉格光栅(FBG)传感网络,利用光纤光栅传感器的传感特性,根据感知的冲击响应信号强度(RSSI)以及冲击点到传感器距离的关系,提出一种基于RSSI加权质心的光纤光栅传感网络冲击载荷定位方法。设计合理的传感器网络监测布局,通过分析不同位置传感器感知的冲击响应信号强度辨识冲击点所在的区域,采用加权质心定位算法对冲击载荷的位置识别定位。试验表明:分别构建基于碳纤维复合材料结构板、钢板、木板损伤识别模式的定位监测实验系统,在300mm×300mm的监测区域内随机选取24个冲击点进行位置识别,能准确辨识所有实验冲击点所在的区域,并根据RSSI来确定冲击点的位置坐标,坐标定位的平均误差在15mm以内,可实现对冲击点位置的识别,为准确识别材料结构的损伤位置提供了一种实用可行的方法。     

基于RSSI和LQI的分段距离估计改进算法

针对无线传感器网络（WSN）中单一通过RSSI估计距离的算法易受环境影响产生误差,提出了一种基于RSSI和LQI的分段距离估计改进算法。首先分析了RSSI算法特点,然后在距离估计过程中引入了链路质量,根据预设范围调整定位算法,从而降低RSSI距离估计算法的误差,提高了距离估计精度。实验结果表明,基于RSSI和LQI的分段距离估计改进算法的距离估计精度与原算法相比有了明显提高。     

基于CC2431实现的无线传感器网络定位

无线传感器网络（WSN）中的定位技术是目前该领域研究的热点。对无线传感器网络中常用的定位技术进行了概述,着重分析了基于接收的信号强度指示（RSSI）定位技术的误差来源及减小误差的办法。重点讨论了利用CC2431内嵌的定位引擎实现的无线传感器网络定位功能及其原理,并通过实际测试验证了其定位准确度满足本应用需求,最后对该定位系统的各项性能指标进行了全面的分析总结。     

基于RSSI的无线传感器网络距离修正定位算法

节点自身定位是无线传感器网络目标定位的基础。无线传感器网络节点定位算法包括基于距离和距离无关两类。其中基于RSSI的定位算法由于实现简单而被广泛使用,但RSSI方法的测距误差较大,从而影响了节点定位精度。提出了一种基于RSSI的无线传感器网络距离修正定位算法。该算法通过RSSI测距,计算近似质心的位置,以此为参考点进行距离修正,然后确定节点的位置。仿真结果表明该算法可以提高节点定位精度。     

基于RSSI和惯性导航的融合室内定位算法

针对目前对高精度室内定位算法的需求,提出一种基于接收信号强度识别（RSSI）和惯性导航的融合室内定位算法。基于无线传感网中ZigBee节点的RSSI值,采用位置指纹识别算法,对网络中的未知节点进行定位。结合惯性传感单元（IMU）提供的惯性数据,对RSSI定位结果进行融合修正。利用Kalman滤波器,采用状态方程描述待定位节点位置坐标的动态变化规律,从而实现一种以无线传感网络定位为主、IMU为辅的融合定位方法。仿真结果表明,提出的融合定位算法既能改善单独使用RSSI定位受环境干扰较大的问题,又能避免单独使用惯性导航带来的累积误差,极大地提高了定位精度。     

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。     

一种新的无线传感网络三维定位方法

定位是无线传感器网络的基础问题之一,文章提出利用均值法对接收信号强度指示(RSSI)数据进行处理,筛选出RSSI值较优的锚节点,以解决RSSI易受干扰的问题,减小RSSI的测距误差。在此基础上,提出动态修正三维三边测量方法。该方法利用筛选出的RSSI值较优的3个锚节点进行测距,在一个移动锚节点辅助下进行三维三边定位,提高定位精确度。仿真结果表明,与传统三边测量定位算法相比,此方法可明显减少定位误差。     

一种基于AP ID过滤的WLAN位置指纹定位算法

非视距传播是影响定位精度的主要因素,深入研究信号强度的统计特性有利于定位精度的提高。基于RSSI的位置指纹定位技术因其设备简单,定位精度高而成为近年来定位技术研究的焦点。在对信号强度的统计特性深入分析的基础上,结合AP ID与移动台位置之间的关系提出一种改进的基于AP ID过滤的无线局域网位置指纹定位算法。并借助MATLAB仿真对比了改进前后的算法性能,证明了改进算法的不仅降低了计算复杂度,且提高了定位精度。     

位置指纹室内无源定位技术

随着手机的普及,室内定位成为研究的热点。在反窃听或者地震、火灾的救援中,需要定位设备对目标设备进行无源定位。而由于室内复杂的电磁环境,多数无源定位算法定位误差较大。根据接收的信号强度指示（RSSI）设备和位置指纹定位的优点,采用虚拟坐标与实际坐标映射的方式,实现了位置指纹的室内无源定位技术。该技术具有较高的定位准确度和精确度,并且可以用户依据对定位精度高低来建立数据库。     

RFID Indoor positioning based on Semi-supervised Actor-Critic Co-training

For large-scale radio frequency identification ( RFID) indoor positioning system, the positioning scale isrelatively large, with less labeled data and more unlabeled data, and it is easily affected by multipath and whitenoise. An RFID positioning algorithm based on semi-supervised actor-critic co-training (SACC) was proposed tosolve this problem. In this research, the positioning is regarded as Markov decision-making process. Firstly, theactor-critic was combined with random actions and selects the unlabeled best received signal arrival intensity(RSSI) data by co-training of the semi-supervised. Secondly, the actor and the critic were updated by employingKronecker-factored approximation calculate (K-FAC) natural gradient. Finally, the target position was obtained byco-locating with labeled RSSI data and the selected unlabeled RSSI data. The proposed method reduced the cost ofindoor positioning significantly by decreasing the number of labeled data. Meanwhile, with the increase of thepositioning targets, the actor could quickly select unlabeled RSSI data and updates the location model. Experimentshows that, compared with other RFID indoor positioning algorithms, such as twin delayed deep deterministic policygradient (TD3), deep deterministic policy gradient (DDPG), and actor-critic using Kronecker-factored trustregion ( ACKTR), the proposed method decreased the average positioning error respectively by 50.226%,41.916%, and 25.004%. Meanwhile, the positioning stability was improved by 23.430%, 28.518%, and38.631%.     

无线传感器网络混合定位技术研究

在大规模复杂无线传感器网络中往往采用多种节点定位技术,在此结合现有无线传感器定位技术的现状,提出了一种混合定位技术以实现不同定位方法之间的互补。一方面利用RSSI定位弥补TDOA定位覆盖范围小的缺点;另一方面将测距信息引入到非测距定位DV—Hop算法中,用RSSI测距模型来提高DV-Hop算法中定位节点与信标节点间有效距离的精度。实验结果表明,该混合定位技术实现了TDOA,RSSI以及DV-HOP等定位技术的融合,有效地提高了复杂大规模无线传感器网络的节点定位精度。     

CRAMStrack: Enhanced Nonlinear RSSI Tracking by Using Circular Multi-Sectors

Indoor localization using a Received Signal Strength Indicator (namely, RSSI localization) has been considered a poor measurement for target tracking. The main cause of this inaccurate measurement is that RSSI’s behaviors heavily depend on environmental factors. That is, one significant challenge to localization using RSSI is that the strength of a signal varies with the environment confounding wireless communications power and signal control. In this paper, we propose Circular RSSI And Multi-Sector tracking (CRAMStrack), a novel approach to reducing the uncertainty of RSSI localization by modifying the relationship of RSSI-to-Distance (RtD), based on the sectors of a circle and the position of the tracked target. Traditional RSSI tracking uses one uniform RtD relationship to locate a target whereas CRAMStrack utilizes multiple RtD responses for each wireless sensor. The paper examines CRAMStrack’s tracking ability in a Euclidean space with estimation techniques. Real-world experiments demonstrate CRAMStrack in a testbed environment to locate targets in both stationary, linear, and non-linear movement patterns with single and group-based formations. The track accuracy was about 1.46m for moving targets, while CRAMStrack had a 40% reduction in Root Mean Square Error (RMSE) over Uni-RtD using neighboring sensor information.

     

相关性匹配蓝牙信标位置指纹库的室内定位

针对K近邻算法(KNN)在对偏向于某个样本点的未知点进行三角质心定位时定位精度变差的情况,提出了应用相关系数去匹配蓝牙信标iBeacon位置指纹库的室内定位算法.通过比较待定位点和位置指纹库中参考样点的相似程度,并进行数据差异显著性检验,来检验采集的待定位点数据与指纹库数据是否显著相关,然后取相关性较高的样本点进行加权平均匹配定位.实验结果显示,相关系数匹配位置指纹库算法可将2 m以内的定位精度从65%提高到92%,相较于传统的KNN匹配定位算法有着定位精度高、计算量小、定位时间短等优势.     

基于分簇结构无线传感器网络的高效无源定位方法

针对基于节点通信能力和能量受限的无线传感器网络实现高精度无源定位的问题,首先,在分簇结构网络中,通过折中单个簇的TDOA定位精度和运算复杂度,确定了簇规模;其次,基于直达波环境中TDOA定位误差是按布站GDOP对测量误差放大的原理,提出第一轮定位先使用网内所有节点以RSSI定位方法粗估计目标辐射源位置,并根据各簇在该粗估计位置处的布站GDOP和测量误差估算TDOA定位标准差,第二轮定位选择具有较低TDOA定位估计标准差的部分簇参与TDOA定位,最后将这些簇的TDOA定位结果按估算的定位估计标准差加权平均,求得最终定位解。仿真结果证明该方法有效的去除了冗余节点,实现以半数节点接近使用全部节点的定位精度。