基于移动信标节点的无线传感器网络定位算法研究

研究了无线传感器网络中的节点定位算法问题,提出了一种新的基于移动信标节点的定位算法。该算法利用一个移动信标节点遍历整个网络,并周期性地广播包含其当前位置信息的分组,当未知节点接收到三个(或以上)与它的距离为通信半径的位置信息分组后,利用三边法计算自身位置。进而,考虑通信半径存在摄动的情况,利用极大似然法替代三边法提高算法的抗干扰能力。最后,通过仿真研究了该算法的特性,并与DV-Hop定位法进行了比较,仿真结果表明该定位方法在定位误差、通信量和网络结构适应性等方面均表现出良好的性能和优越性。     

基于RSSI的室外无线传感网络自定位算法

针对室外无线传感网络的节点自定位问题,对野外环境无线电传播路径损耗模型进行分析,提出加权质心定位算法,并结合优选信标节点的规则进一步提高了节点定位精度。加权质心定位算法计算简单,定位过程中节点间通信开销小,定位精度较极大似然估计法高,仿真结果表明其基本满足应用要求。     

基于RSSI的测距差分修正定位算法

为了抑制RSSI误差对无线传感器节点自身定位精度的影响,以三边定位算法为基础,定义了个体差异差分系数、距离差分系数和距离差分定位方程,把离目标节点最近的信标节点作为参考节点对基于RSSI的测距进行差分修正,并将差分法和质心法相结合提出了一种测距差分修正定位算法。该定位算法无需增加额外硬件开销,容易实现,定位误差可小于2.5m,适合于处理能力和能量有限的无线传感器网络节点。     

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RSSI的无线传感器网络节点自身定位算法

节点自身定位是无线传感器网络的基础性问题之一.提出了一种基于接收信号强度指示(RSSI)的节点自身定位算法.该算法利用RSSI值估算网络中所有可通信节点间距离的相对大小,得到网络中各节点位置之间的几何约束关系,并以此为约束条件,以锚节点质心和未知节点质心之间的距离最小为目标,将定位问题转化为非线性最优化问题.实验结果显示,当锚节点分布在网络边缘时,该算法可以达到较好的定位效果.     

基于RSSI测距分析

作为一种全新的信息获取和处理方式,无线传感器网络可以应用在广泛的领域内实现复杂的大规模监测和追踪任务,而网络自身的定位是大多数应用的基础.基于距离的定位是通过测量节点间距来实现的.利用RSSI测距只需较少的通信开销和较低的实现复杂度,这在能量有限的网络节点中是非常重要的.论文分析RSSI测距的原理,实验验证RSSI测试可重复性,在适度的动态环境中RSSI变化有规律性,采用加权和均值法消除环境因素对RSSI测量的影响.实验验证在15 m以内的测距精度可达到2 m.     

基于RSSI的无线传感器网络节点测距方法研究

基于RSSI的测距技术是无线传感器网络测量节点间距离的基础,RSSI测距具有通信开销小、实现复杂度低等优点,可广泛应用于无线传感器网络的定位、监测等领域.首先分析RSSI测距的原理,在此基础上采用用户自定义通信协议的CC1100芯片进行测距实验,取得了多组数据,通过对实验数据的分析,验证了在适度的环境下RSSI测量值的变化与距离的关系有一定的规律可循,提出采用加权和均值的方法降低外界环境对RSSI测距的影响,并用实验加以验证.     

基于ZigBee的RSSI测距研究

基于RSSI的测距技术是一项低成本和低复杂度的距离测量技术,被广泛的应用于无线传感器网络基于距离的定位技术中.本文在对RSSI测距的原理以及环境对RSSI的影响进行详细分析和研究的基础上,提出了三种实验数据处理方式,并在摹于ZigBee的硬件平台上进行实验,得到了三种数据处理方式的测距精度.实验结果表明,在消除环境因素的影响后,高斯模型数据处理方式的测距精度最高--在20 m的近距离测距时,精度在2 m以内.     

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.     

改进的RSSI质心定位算法

近年来,随着物联网技术的不断发展和基于位置的服务快速增长,室内定位技术已经得到了越来越广泛的关注。然而由于室内环境复杂多变,受反射,折射,衍射及多径衰减影响,使得无线信号波动较大,定位结果容易产生偏差。针对该问题,本文提出了改进的RSSI质心定位算法。本方法经过卡尔曼滤波器对原始信号去噪处理,由信号加权求出位置坐标,根据速度对位置来进行优化。通过仿真和实际测试结果表明,在实际室内环境中,改进的RSSI质心定位算法具有较高的定位精度。     

基于接收信号强度指示加权融合的质心定位算法

针对当前无线传感器网络质心定位算法在参考节点分布不均匀时定位误差较大,提出了一种基于RSSI加权融合的质心定位算法.通过将离未知节点距离由近到远的每三个参考节点组成三角形定位单元,运用传统质心算法产生质心,这样确保了质心的有效性.分析了影响定位精度的因素,通过加权因子来体现不同参考节点对质心坐标决定权的大小,并确定了各因素的权值.最后进行加权融合处理,使得整个定位精度得到了很大的提高.仿真结果表明,所提算法较之前的加权质心算法定位精度有了明显提高,最高可达38.41％.     

一种基于正交定向天线的节点定位算法

为了解决定向天线定位方法的定位范围较小的问题,提出了一种基于正交定向天线的室内无线定位方法.将一个带有4个定向天线且相邻之间相互垂直的节点作为锚节点,并将被测范围分成4个象限;利用未知节点信号强度确定所在象限;根据目标节点所获得的对应象限两垂直天线信号强度值确定信号强差;根据距离不变时方位角与信号强差近似满足线性关系和子集筛选方法以及最大密度方法,确定最终的匹配集合,最后通过曼哈顿匹配出未知节点的实际位置.实验结果表明,该方法在保证定位速度的情况下,将定位范围扩大了3倍左右,定位误差降至0.7886 m.     

基于RSSI的无线传感器网络圆环质心定位算法

针对无线传感器网络质心算法受节点分布均匀程度的影响, 少数锚节点增大定位误差, 提出了一种圆环质心算法. 该算法以未知节点为圆心, 将未知节点通信区域划分成半径由大到小的圆环, 通过圆环剔除容易增大定位误差的锚节点, 筛选出合适的锚节点, 并在圆环上寻找近似等边三角形来进一步减小定位误差. 同时提出了利用RSSI值来形成圆环的方法. 仿真结果表明, 在100m×100m的区域中, 随机投放100个节点, 通信半径为20m, 锚节点数为20时, 圆环质心算法与质心算法相比, 定位精度提高了11%.     

RSSI辅助的蒙特卡罗盒定位算法

针对以蒙特卡罗为基础的几种无线传感器网络定位算法普遍存在定位精度和采样效率低的问题,文中提出了一种RSSI辅助的蒙特卡罗盒定位算法（RAMCB）。通过实验构造出符合实际环境的RSSI和距离区间的映射关系数据库;在定位阶段,未知节点利用来自一跳和两跳锚节点的RSSI值查询数据库,得到与一跳和两跳锚节点的距离区间,利用距离区间建立更为精确的采样箱,以提高采样效率;未知节点根据样本到一跳、两跳锚节点的估计距离和实际距离的差值来动态赋予样本的权值。仿真结果表明：RAMCB算法能有效提高定位精度和采样效率。     

一种基于区域划分的RSSI定位方法

随着无线局域网应用和广泛部署,基于RSSI信号强度指纹匹配定位方法,以其不需添加额外硬件设备成为室内定位技术研究热点,但信号波动会引起较大的定位误差.本文提出一种区域划分的RSSI定位方法,先利用信号强度对区域进行划分,再对信号指纹数据库匹配移动设备位置.最后通过实验证明,该方法在百分之25th、50th和70th距离误差值分别是1.25米、2.25米和4.75米,能很好地减小由信号波动引起的定位误差,满足工程应用要求.     

基于RSSI与移动锚节点运动轨迹的定位算法

无线传感器网络获取消息节点的位置需进行实时定位,但由于传感器节点存在能量有限、可靠性差等不足,考虑到能耗和硬件的限制,提出一种基于接收信号强度指示(RSSI)的定位算法。利用未知节点从锚节点处接收到的RSSI值序列估计未知节点的位置,锚节点在监测区域中按照特定的轨迹运动,以覆盖区域内所有的点。仿真结果表明,该算法是可行的,且具有较高的定位精度。     

基于LQI和RSSI改进的DV-Hop定位算法

首先介绍了无线传感器网络DV-Hop定位算法,针对该算法存在的一些不足进行了改进.然后引入LQI(Link Quality)和RSSI(Receive Single Strength)两种技术.接着,根据LQI与PRR(Packet Receive Rate)近似成线性变化的理论,对DV-Hop定位算法中获取的跳数信息进行重新确定,并且对6-4锚节点单跳通信的节点,利用RSSI模型修正节点到锚节点的距离.实验证明,改进后的定位算法提高了定位精度.