基于节点映射的井下无线传感器网络定位算法

针对目前井下定位算法对未知节点不在锚节点组成区域内的情况考虑不全面,从而导致定位误差较大的问题,提出了一种基于节点映射的改进加权质心定位算法。该算法对未知节点不在锚节点组成区域内的情况进行节点映射处理,并通过改进加权质心定位算法求锚节点的多个质心,通过质心节点对未知节点进行定位。仿真结果证明,该算法可以提高节点的定位精度。     

基于区域分割的二次质心定位算法

为了解决锚节点分布不均匀时质心定位算法会产生较大误差这一问题,提出一种改进的质心定位算法。用初次质心定位结果来取代未知节点通信半径内距未知节点最远的信标节点,再进行二次定位来减小由于信标节点分布不均匀而导致未知节点的估计位置偏向距离较远的信标节点的现象。仿真结果表明,相比传统的一次质心定位算法,二次质心定位算法在定位精度方面有较大的提高。     

一种无线传感器网络质心定位改进算法

提出一种改进型的质心定位算法.该算法利用RSSI计算影响因子θ对质心算法进行加权,提高初次定位的准确性,并通过一种校正机制对初次定位位置进行校正.该算法运算复杂度较低,通信开销与传统的质心算法相仿.仿真表明改进算法的定位精度较传统的质心定位算法有了极大的提高.     

无线传感器网络加权质心定位算法研究

针对距离权重的改进质心定位精度受所选反演模型影响,并且正确距离反演模型不容易确定的问题,提出了采用接收信号强度的改进质心定位算法,可将接收信号强度(RSS)作为质心定位算法的权重,直接将权重代入到质心定位算法从而估算出未知节点坐标,取消了距离反演过程,避免了反演误差的引入,提高了算法的定位精度、鲁棒性和实用性,同时还降低了计算复杂度.通过MATLAB平台进行仿真分析得出,改进算法定位性能优于距离权重的改进质心定位算法,符合无线传感器网络定位需求,具有较好的应用价值.     

基于统计参数优化的质心定位算法探讨

针对传统接收信号强度指示(RSSI)算法对于复杂环境的适应能力弱的问题,对基于RSSI的质心定位算法进行统计参数改良优化,提高定位精度。在充分分析传统基于RSSI的质心定位算法的基础上,运用最小二乘法改进模型参数,用平均权重优化质心算法极大似然估计过程,对传统质心定位算法进行优化改进。实验结果表明,改进后的定位算法精度有较大提高,在增加参考节点情况下,定位精度增加更为明显,具有良好的定位效果。基于统计参数优化的质心定位算法有效提高了RSSI定位算法的定位精度。     

无线传感器网络质心定位算法研究

节点定位是无线传感器网络中的关键技术之一.质心定位算法完全依赖于锚节点的密度大小及分布情况,锚节点的密度较小且随机分布,所以质心定位算法的定位精度比较低.为了提高节点定位的精度,提出了一种改进的无线传感器网络质心定位算法.在质心定位算法中引人接收信号强度(RSSI)信息,利用RSSI计算节点间点到点的信号强度,并把信息强度值转换成距离值,取倒数作为质心算法权重值,通过质心定位算法对未知节点坐标进行计算,得到节点的具体位置.通过仿真对算法进行测试与分析,仿真结果表明,算法定位的误差减小,提高了节点定位精度,是一种有效的定位算法,为网络设计提供了依据.     

基于粒子群优化的改进加权质心定位算法

针对无线传感器网络低成本、高精度的要求,在采用接收信号强度测距的基础上,提出一种基于粒子群优化的改进加权质心定位算法。该算法易于实现,可调参数少,通过多次选代寻优提高定位精度。采用锚节点之间相互测距和定位补偿测距误差和定位误差。仿真结果表明,该算法与质心算法和加权质心定位算法相比,节点定位精度得到显著提高。     

一种改进的质心定位算法

在无线传感器网络中,确定传感器节点的位置至关重要.通过对传统的质心定位算法进行分析,考虑到接收信号强度直接影响到未知节点的定位精度,提出了一种基于RSSI的改进的质心定位算法.该算法将每个未知节点的通信区域划分为6个部分,通过比较RSSI,找到对未知节点更为精确的估计区域,从而对未知节点作出更为精确的位置估计.仿真结果表明,相比于原始的质心定位算法,改进后的质心定位算法大大提高了无线传感器网络节点的定位精度.     

基于人工鱼群算法的无线室内定位优化

针对基于BP神经网络室内定位算法收敛速度慢和定位精度低的问题,提出了改进的人工鱼群算法( AFSA)和距离加权质心法。通过改进人工鱼觅食和寻优方式来提高人工鱼全局寻优的能力和速度,并用该算法来选取室内定位神经网络参数;通过改进的加权质心法计算距离,以减小室内复杂环境干扰造成的定位的误差。实验证明该改进方法使室内定位的平均精度比BP神经网络模型提高8%左右,并提高了室内定位的可靠性。     

基于接收功率电平的三角质心近距离定位算法

针对无线传感器网络中近距离定位精度较低的问题,提出了一种基于接收功率电平(RPL)的免标定三角质心定位算法.该算法使用无线信号参数RPL代替传统接收信号强度指示(RSSI),应用于测距模型中,与传统三角质心定位模型相结合,从而达到降低测距误差、提高定位精度的目的.通过仿真实验,将基于RPL的三角质心定位算法与基于RSSI的三角质心定位算法进行对比,结果表明:在实验环境下,基于RPL的三角质心定位算法比基于RSSI的三角质心定位算法精度提高了59.02％,定位精度有明显提升.     

基于接收信号强度指示的改进质心定位算法

传统质心定位算法虽然简单易行、成本低,但仅为粗略的定位估计方法,定位精度亟需改善.针对该问题,通过优选信标节点,提出了一种基于接收信号强度指示(RSSI)数据的改进质心定位算法,有效克服了传统质心定位算法"通信半径越大,定位精度反而下降"的缺点.通过MATLAB仿真验证算法的有效性和可靠性.     

无线传感器网络加权质心相对定位算法

针对基于接收信号强度指示的无线传感器网络加权质心定位算法在实际应用中计算复杂的缺点,提出一种改进型传感器网络加权质心相对定位算法（WCL-RSSI）。该算法主要采用参考节点精选机制和定位组合精选策略选择定位自评误差小的节点进行三边测距定位,以此重建定位权值函数来减小坐标定位误差,最后采用加权质心法计算坐标,并计算该节点的定位自评估误差。仿真实验表明,在同等计算复杂度下,该算法较传统定位方法的定位精度有了明显的提高。     

一种基于TOA测距的室内三维质心定位算法研究

针对现有的室内三维定位技术定位精度较低的问题,提出了一种基于到达时间(TOA,time of arrival)测距的室内三维质心定位方法.在COMSOL软件中,建立真实的物理场仿真环境,将筛选出的4个基站坐标分别作为球心,基站与终端间的距离分别作为半径,构建出三维球体定位模型,对质心定位算法进行仿真.通过在相同实验条件下仿真实验表明,相比于传统质心定位的算法和基于RSSI的质心定位算法,改进的定位算法在精度上得到了提高,对环境也具有良好的适应性.     

基于次锚节点的无线传感器网络改进加权质心定位算法

针对加权质心定位算法（ WCLA）对锚节点数量要求较高和定位精度较低的缺陷,提出一种基于次锚节点的改进加权质心定位算法（ IWCLA-SAN）。该算法在加权因子中引入修正系数,以提高定位精度;同时,将基于粒子群优化（ PSO）的定位算法的未知节点升级为次锚节点,在锚节点数量有限的情况下,以提高定位精度和定位覆盖率。仿真结果表明：该算法能有效提高定位精度和定位覆盖率。     

基于PSO-GSA优化的井下加权质心人员定位算法

针对煤矿复杂环境中,接收信号强度指示的人员定位精度较低,难以动态跟踪参数变化的问题,提出一种利用改进的引力搜索算法应用于加权质心定位中进行井下人员定位的方法。先采用对数距离路径损耗模型得到信标节点到未知节点的距离,然后通过加权质心定位算法对未知节点定位;最后利用粒子群万有引力混合算法对相关参数和估计的位置信息进行优化。实验结果表明,该方法能够增强对环境变化的自适应能力,更有效地提高定位精度。     

基于动态损耗因子和权重的改进质心定位算法

针对无线传感器网络（WSN）节点的定位精度受环境和误差权重因子的影响问题,提出一种对路径损耗因子和误差权重因子动态修正的质心定位算法。前期根据实测和路径损耗模型,加权修正得出动态损耗因子;后期通过划分矩形区域,构造权重因子矩阵。首先,使用动态损耗因子,代入传统加权质心定位算法估算出未知节点的位置;然后,查询误差权重因子矩阵,确定最优权重因子,重新计算出未知节点坐标。实验结果表明,改进的算法降低了平均误差和最小误差,定位精度比普通质心算法提高了58%,比动态修正质心算法提高了21%,比动态加权质心算法提高了11%,定位精度有所提高。     

二次栅格扫描与三角形质心迭代的定位算法

为了提高无线传感器网络的定位精度,在Grid-Scan算法的基础上提出一种改进的二次栅格扫描定位算法,再利用三角形质心迭代法进一步提升定位精度。首先通过比较未知节点的所有邻居锚节点到该未知节点的信号强度,找到最近邻居锚节点,利用最近邻居锚节点对可再定位的未知节点所在的估计区域进行二次栅格扫描,再利用PIT法则对定位区域进一步缩减,最后对质心三角形质心进行迭代计算得到最终定位点。仿真结果表明,在相同的网络环境下,与传统算法相比,改进算法明显提高了平均相对定位精度。     

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.     

基于全质心-Taylor的UWB室内定位算法

针对室内环境下的非视距(NLOS)传播给定位精度造成较大误差的问题,通过对超宽带(UWB)定位模型进行分析,提出了一种基于全质心-Taylor的混合定位算法.采用对测距误差不敏感的全质心算法将锚点测距数据分组运算,获得目标节点的初始粗定位信息,采用质心修正算法对粗定位节点进行优化运算,从而确定Taylor级数展开初值,再进行迭代求解,进行第二次精细定位.实验结果表明:与Chan-Taylor算法、最小二乘估计(LSE)-Taylor算法相比,本文算法定位精度有明显提高.     

极限分割估计矩形的Bounding-Box定位算法

针对无线传感器网络中Bounding-Box算法定位精度低的问题,在Bounding-Box算法的基础上提出一种极限分割估计矩形的方法来改进定位算法,分割后的估计矩形产生一个待选质心,当满足分割条件时,对估计矩形继续分割,并不断产生待选质心,当满足终止分割条件时,将上一次分割得到的待选质心坐标作为未知节点的最终位置,通过极限分割的方法可以修正未知节点的定位误差。仿真结果表明,在无需增加额外通信开销的情况下,改进的算法在一定程度上降低了算法的平均相对定位误差。