基于RSSI的WSNs加权质心定位算法的改进

针对无线传感器网络(WSNs)定位算法定位精度不高的问题,提出了一种基于RSSI测距的质心(Centroid)算法和加权质心(W-Centroid)定位算法相结合的新的定位方法WR-Centroid.该算法主要通过RSSI测距得出4个参考节点到未知节点的距离,再任选3个距离为半径,以相应的参考节点为圆心画圆得到3个圆的交叠区域,构成一个三角形,求出这个三角形的质心.依照这种方法,求得4个质心坐标,利用加权质心定位算法求出未知节点的坐标.仿真结果表明:该算法比加权质心定位算法精度有很大的提高.     

无线传感器网络中基于RSSI的质心定位算法的改进

无线传感器网络关键问题是节点定位,通常将定位算法分为基于测距与无需测量的定位算法两大类,质心算法作为无需测量的经典算法因其算法实现简单而被普遍应用。本文针对无线传感网络节点分布不均匀的情况下,按照锚节点与未知节点的距离来对锚节点重新分组,求得多个质心点,通过加权质心,求出未知节点的估计坐标。     

RSSI辅助的三维空间坐标四面体质心定位算法

三维定位是无线传感器网络的重要技术之一.提出了一种RSSI辅助的三维空间坐标四面体质心定位算法.由于现实环境往往很复杂,存在锚节点组成的四面体不包含未知节点的情况,因此筛选优质的RSSI值,并将其转换为未知节点与锚节点的距离,进而计算和比较四面体体积来进行排除;对包含未知节点的四面体进行质心迭代求解,并且对不满足条件的情况运用RSSI均值加权质心定位算法.仿真结果表明,该算法的定位误差比坐标四面体质心算法的小,并且增加RSSI均值加权算法提高了定位覆盖率.     

基于RSSI修正加权质心的定位算法

研究了适用于室外空间的修正加权质心定位算法,该算法对接收信号强度指示测距原理进行分析,可在未知路径衰落指数的情况下,将距离关系转化为接收功率关系,通过高斯滤波处理得到RSSI测量距离,将其倒数作为修正加权质心定位的加权因子;加权质心算法讨论了调整修正系数对算法定位精度的影响,通过比较分析得出室外环境时理想的修正系数.通过仿真实验表明,改进后算法动态调整系数为4时,定位精度最高为0.5190m,可以满足实际定位需求.     

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.     

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.     

基于RSSI的三角形区域最小化的质心定位算法

为解决无线传感器网络中的节点自身定位问题,针对RSSI测距误差大、质心定位算法精度低的问题,提出一种改进质心算法。该算法将RSSI值作为模糊判据,对各个锚节点与移动节点之间的距离进行远近判断,并对锚节点所组成的图形进行更细致的区域划分。利用RSSI值对质心定位算法进行改进。仿真和实际测试都表明,该算法相对于质心算法和三边定位算法提高了定位精度,需要的通信开销小,计算简单,硬件要求低,可广泛应用于实际工程之中。     

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RSSI加权质心优化算法的研究

随着无线传感网络的应用在现代社会日益普及,业界对定位系统的要求越来越高。本文提出基于接收信号强度指示(Received Signal Strength Indicator,RSSI)的加权质心定位优化算法无线定位技术。研究利用ZigBee组网和移动载体电子标签定位技术,把采集的数据通过加权质心定位优化算法实现精准定位。本系统经过多次试验,定位误差缩小在0.5m以内,测量结果表明本设计具有资源占用少,可靠性、实时性和高精度等优点。     

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％.     

引入RSSI指纹抖动量的室内定位改进算法

为提高接收信号强度指示( RSSI)指纹进行室内定位的准确性,提出一种利用RSSI指纹抖动量的虚拟标签定位改进算法。给出RSSI指纹抖动量计算方法,将其应用于待定位标签与参考标签的距离以及虚拟标签RSSI指纹的计算。在实际测试中,将RSSI指纹抖动量用于虚拟标签定位算法射频指纹( RFFP)的改进。测试结果表明,与 RFFP 算法和 LANDMARC 算法相比,改进算法的平均定位精度分别提高约0.35 m ~0.88 m 和0.38 m~0.94 m,算法耗时仅分别增加约1%和12%。     

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%.     

椭圆定位的测距算法

针对无线传感器网络定位中传统的三边测距算法,为了降低算法中每个已知节点均具有发射和接收信号能力而造成的高额成本,提出了已知节点单发射多接收的定位模型,并基于该模型提出了椭圆定位算法.该算法通过刻画未知节点距已知节点可能的椭圆运动轨迹,进而运用牛顿迭代法求解所构造的二次轨迹方程组,实现对未知节点的定位.同时,对定位可能出现的错误进行了概率分析,得出错误概率与锚点个数之间的函数关系.实验定位与传统算法相比降低了实验成本,证明了锚点的线性增加会使错误概率指数趋势减少的特征,最后针对该定位错误问题提出了合理的解决方案.     

一种基于RSSI的贝叶斯室内定位算法

为提高室内定位系统中基于接收信号强度指示(RSSI)的定位精度,提出一种基于RSSI的贝叶斯室内定位算法。在对RSSI信号进行高斯滤波预处理后,利用三角形质心算法计算未知节点的初始坐标,对该初始坐标进行贝叶斯滤波处理,得到更加准确的坐标。实验结果表明,该算法能降低定位误差,定位精度可达98%。     

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的无线传感器网络节点定位算法

节点定位技术是无线传感器网络关键技术之一,介绍了节点定位技术的基本原理,提出了一种新的基于接收信号强度(RSSI)的无线传感器网络定位算法.该算法在第一阶段对节点初始位置进行初步估计,第二阶段对节点初始位置进行求精.仿真结果表明,在锚节点比例较低的情况下,该算法仍然可以实现较高的定位精度,并且与dv-distance定位算法比较,表明该算法在相同条件下精度更高.     

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。