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。     

基于RSSI测距的传感器网络定位算法研究

基于RSSI(Received Signal Strength Indicator)的测距技术根据理论或经验信号传播模型将传播损耗转化为距离.在实际应用环境中,由于多径、绕射、障碍物等因素,无线电传播路径损耗使得定位过程中产生距离误差.通过对二维空间定位过程中产生距离误差区域进行分析,提出了基于RSSI的新的定位算法ERSS.该算法计算简单,定位过程中节点间不增加通信开销,无需硬件扩展.仿真实验表明,该算法较普通的基于RSSI的测距方法有了明显的改进,提高了距离估计的精度,适合在通信开销小、硬件要求低的传感器网络节点上应用.     

基于RSSI优化的模型参数实时估计定位算法

基于RSSI的测距是一种低成本的距离测量技术.为了有效地降低RSSI因环境影响而产生的测量误差,以及解决传统算法中因使用固定信号传播模型而造成较大测距误差的问题,提出一种RSSI经过优化处理的模型参数实时估计定位算法.该算法运用高斯模型对节点接收到的所有RSSI测量值进行处理,根据RSSI值确定待定位节点所在的最小区域,再通过该区域内选定信标节点间的相互合作估算出当时的环境参数,根据实际情况动态调整传播模型的参数,使测距更准确,从而减少定位误差.将该算法与其它算法进行仿真比较,结果表明了该算法可以有效地提高定位精度.     

基于高斯修正测距模型的节点改进加权质心定位算法设计

针对无线传感器网络中传统的质心定位算法具有定位精度不高的缺点,提出了一种基于RSSI测距的改进加权质心定位算法。首先,分析了无线电传播路径损耗模型,采用高斯模型对RSSI信号强度值进行了修正,从而可以根据修正后的RSSI均值更准确地进行测距;然后,使用改进的Eucliean定位法对节点位置进行初定位,在获得若干组定位锚节点集的基础上,采用改进的加权质心定位算法进行节点位置终定位;最后对基于RSSI测距修正的加权质心定位算法进行了定义和描述。仿真实验表明,文中方法在仅增加计算开销的情况下能实现节点的准确定位,且与其它方法相比,具有较小的测距误差和定位误差。     

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参数动态修正的ZigBee室内定位算法

ZigBee室内定位技术近年来发展迅速,但使用固定路径损耗模型的传统算法环境适应能力较差,会引起较大定位误差,影响定位精度。本文提出一种基于ZigBee平台的对数路径损耗模型参数动态修正的室内定位算法。首先经过高斯滤波对所得RSSI值进行筛选优化,然后根据锚节点之间的距离以及RSSI值来动态修正对数路径损耗模型参数,包括路径损耗因子以及距待测节点处的信号强度值,从而得到当下环境中具体的对数路径损耗模型;再利用卡尔曼滤波对现有的定位参数进行二次修正,以更正上述算法中因时刻变动引起的环境变化导致的定位偏差。实验结果表明,该定位算法比基于ZigBee的固定路径损耗模型定位性能提升了46.8%,可以改善因环境变化产生的定位误差问题。     

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的偏移误差修正的井下定位算法

针对基于RSSI的加权质心定位算法会出现三边测量区域选择错误、只是用节点之间的距离信息衡量信标节点的影响力,忽略了各条信号传输路径中误差的标准偏差也不同的问题,提出了一种基于RSSI的偏移误差修正的井下定位算法。该算法结合加权质心定位算法思想,采用RSSI测距模型测量节点之间的距离。在获得节点间的距离信息后,通过对测距误差中随机变量的标准偏差进行概率分布分析来衡量节点间的测距误差,并对随机变量进行偏移误差修正,最终获得较高精度的定位效果。仿真结果表明,与加权质心定位算法相比,该算法的定位精度提高了19%,定位结果的稳定性也有较大程度的改善。     

基于BP神经网络的实时动态参数定位方法

为减小测距技术中的非视距误差并解决定位模型中存在的问题,提出一种实时动态参数定位方法。基于人工神经网络算法,利用多个参考节点获取的测量值的非视距（NLOS）误差,使测量值 RSSI接近视距（LOS）环境下的测量值;通过该区域内选定的参考节点之间的相互通信实时动态地估算出环境参数值。实验结果表明,该算法缩减了在RSSI测距技术中的非视距误差,并能根据实际环境条件实时动态地调整定位模型的参数,有效提高定位精度。     

基于PSO的测距模型参数估计三维定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一;针对粒子群优化(PSO)定位方法的定位精度依赖于测距模型参数与实际值的符合程度,在接收信号强度指示(RSSI)测距模型的基础上,提出一种测距模型参数估计的三维定位算法;该方法无需计算距离,将未知节点的位置和RSSI测距参数作为自变量,以信号强度误差为目标函数,采用粒子群优化算法估算未知节点坐标;仿真结果表明所提算法不依赖于测距模型参数的选取,并取得了理想的定位精度。     

基于Unscented卡尔曼滤波的室内定位

基于RSSI值的测距技术中,通过对天线全向性问题的分析,提出基于Unscented卡尔曼滤波（UKF）的定位算法。利用基于RSSI值的测距模型进行距离测量,并使用Unscented卡尔曼滤波算法估计节点坐标。由于RSSI值的测量和测距模型参数受到环境的影响,采用高斯滤波对RSSI值进行优化,对环境参数使用线性回归算法进行优化并采用自适应机制更新。通过与最大似然估计法（ML）的比较实验表明,该算法能有效地减小定位误差,提高定位精度。     

Bessel函数测距模型的RSSI测距方法

针对现有RSSI测距方法中,影响测距精度的RSSI测量值难以准确估计和RSSI值与距离对应衰减关系不明确的问题,给出一种基于Bessel函数测距模型的RSSI测距方法。首先对RSSI原始测量数据进行异常值剔除,滤波和凸优化提取趋势项的预处理,然后建立基于Bessel函数的测距模型,基于预处理所得光滑数据,利用最小二乘法辨识测距模型中未知参数,从而得到具体测距模型表达式。基于实测数据对所提方法进行实验验证,与Shadowing模型、分段函数测距模型对比,结果表明,Bessel函数测距模型的RSSI误差均值在1.8dBm范围以内,能更有效反映RSSI值衰减关系,提高了测距精度且计算开销不大。     

Detecting vegetation structure using a kernel-based BRDF model

The magnitude of the anisotropy of vegetation is mainly determined by its spectral and structural features. It can be described by the bidirectional reflectance distribution function (BRDF). The parameters of physical BRDF models are related to the biophysical structural information. However, for a semiempirical kernel-based BRDF model, the relationship between BRDF parameters and vegetation structure is no longer as clear as with a physical BRDF model. To reveal this relationship, a structural scattering index (SSI) and a relative structural scattering index (RSSI) are derived based on the BRDF parameters in this paper. The investigation of SSI and RSSI show that they have both theoretical and practical meaning and can be used to distinguish different land cover types or to detect structural changes.     

狄克逊检验法滤波RSSI的室内定位算法

针对接收信号强度指示(Received Signal Strength Indication,RSSI)测距定位算法存在定位结果不稳定且精度低的问题,本文分析了一种基于狄克逊检验法滤波RSSI的高斯牛顿定位(Dixon test filter RSSI Gauss-Newton,DF-RSSI-GN)算法。采用狄克逊(Dixon)检验法滤波剔除观测信号异常值使得观测数据偏度降低,根据偏态程度对观测信号进行高斯均值滤波并通过非线性回归模型拟合RSSI衰减模型参数,在目标点坐标求解阶段利用滤波后的观测信号确定不同方向上的权值进行高斯牛顿(Gauss-Newton)迭代定位。实验结果表明,DF-RSSI-GN算法定位平均精度在1.5 m左右,相比RSSI定位算法和最小二乘定位算法,精度提高1倍以上。     

基于RSSI的室内测距模型优化技术

由于室内环境下基于接收信号强度指示(RSSI)的测距技术存在非视距和多径传输的影响,测距误差比较大.为了降低信号传播过程中受到干扰的程度,通过调节节点功率、将节点放置在较高位置以减少人流对信号的影响,并采用多重滤波算法对采集的RSSI进行数据滤波处理,得到RSSI值的准确、平滑输出,采用最小二乘法多次对信号衰减模型的参数进行拟合,得到满足具体环境的参数值,通过测距模型进行实时测距.通过低功耗、远距离的蓝牙4.0模块组建收发节点进行验证分析.实验结果表明:该改进方案不仅明显提高了室内测距模型的准确度,且在实际应用的推广具有很高的参考价值.     

基于RSSI的WSN吞吐量自适应优化策略

基于MicaZ型节点参数分别建立了ARQ技术和FEC技术的吞吐量模型,分析并仿真了各参数对吞吐量的影响,得出ARQ技术的最优数据帧长和FEC技术的最优BCH码,进而提出了一种基于RSSI测距技术的吞吐量自适应优化策略,以适应无线传感器网络(WSN)中动态变化的网络拓扑。该策略依据RSSI测距技术测量节点间的通信距离,自适应地为数据包选择最优的差错控制策略来提高WSN的吞吐量。仿真结果表明,在吞吐量和动态范围方面,该策略整体上优于单纯的ARQ或者FEC方案。     

基于ZigBee室内定位算法

鉴于ZigBee技术适用于数据采集系统的特点,提出了一种基于ZigBee的室内无线定位系统解决方法.传统的基于ZigBee定位采用无线信号损耗模型,受周围环境的影响比较大,现实模型根据经验值设置参数,定位精度不高;在此基础上采用曲线拟合方法拟合RSSI与距离之间的关系,采用RSSI三角形质心算法计算待测节点坐标.实验结果表明该算法提高了定位精度.     

一种基于测距的无线传感器网络智能定位算法

提出了一种基于测距的无线传感器网的智能定位算法.建立了RSSI的理论计算模型;通过引入加权因子改进了DV-Distance定位算法(IDV-Distance).实验结果表明:改进后的定位算法提高了定位精度,改善了系统的稳定性.     

基于RSSI的移动权值定位算法

为了减少传统基于RSSI（received signal strength indication）定位算法对室内传播模型的依赖,以及简化这类算法的复杂程度,提出一种基于RSSI的移动权值定位算法。算法通过场境建模,设定三类基准点并平均分布在建模场景中;获取设定场境内不同定位标签的RSSI向量,根据判定规则确定基准点,再运用室内传播模型计算移动权值,估算待测终端的位置信息。通过真实场景实验对比分析,该算法较对比算法具有更好的定位精度以及稳定性。