WSN中基于RSSI的加权质心定位算法的改进

自身节点定位是无线传感器网络的关键技术之一。本文对距离无关定位算法中的质心定位算法进行了分析,在基于RSSI的质心定位算法的基础上提出了一种新的校正RSSI测距值的加权定位算法。测距阶段将信标节点之间的距离和信号强度信息同时考虑在内进行RSSI值校正,权值选择阶段采用了修正传统权重的计算方法,权值取距离倒数之和。通过仿真证明,本文提出的算法相对于传统的加权质心定位算法有明显改进,获得较好的定位精度。     

SENMA网络加权质心定位算法

移动代理传感器网络(SENMA)由移动代理节点负责数据处理、接入、转发、传输和路由等工作,更加节能。通过分析指出SENMA网络进行节点定位最适于采用基于距离定位算法,依据网络特点基于接收信号强度指示(RSSI)测距技术较为可行。依据信道RSSI特点,提出了一种加权质心定位算法,并利用Matlab编程进行了仿真验证,证明了其性能优于极大似然估计定位算法,更为适用于SENMA网络。     

基于RSSI多边定位误差的加权质心定位算法

为了优化无线传感器网络(Wireless Sensor Networks, WSN)中的定位算法, 提高节点定位精度, 提出一种基于多边定位误差的加权质心算法。分析了无线电的路径损耗模型, 建立基于信号接收强度(Received Signal Strength Indicator, RSSI)和距离关系的对数拟合测距公式, 给出了求解未知节点坐标的多边定位法和位置估算模型。多组数据定位后, 以定位误差值的倒数作为权值, 改进传统的质心算法, 并讨论了参考点个数的选取与误差的关系。实验表明: 改进后的加权质心比传统质心定位精度进一步提高, 选择4~5个参考节点具有良好的定位效果。     

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的无线传感器网络三角形质心定位算法

节点定位是无线传感器网络中的关键技术之一.基于RSSI的定位技术是现阶段研究的热点,为解决RSSI测量方法定位误差较大的问题,提出一种将RSSI测量方法与三角形质心算法相结合的新型定位算法,该算法用三角形质心算法减小RSSI的测量误差.仿真表明该算法比基于RSSI的三边测量法定位算法的定位精度有较大提高.     

无线传感器网络中基于RSSI的质心定位算法研究

无线传感器网络中,由于传统质心算法普遍存在信标节点分布不均与中心化问题,导致定位误差相对较大。针对这些问题,提出了基于RSSI的改进算法。在APIT的基础上,改进算法依靠未知节点接收到不同信标节点的RSSI数值,判断其周围是否存在最佳三角形,若存在则利用最佳三角形进行定位;若不存在则选出一个距其较近的三角形,利用移动信标节点的办法来缩小此三角形的范围进行定位。Matlab平台仿真结果表明,与传统质心算法相比,改进算法减少了定位误差,节点定位精度有所提高。     

一种基于RSSI的区域重叠质心室内定位算法

为提高基于无线传感网络的室内定位精度,分析基于测距和非测距室内定位算法的优缺点,以常规RSSI算法和质心定位算法为基础,提出了一种基于RSSI的区域重叠质心定位算法.算法通过建立信号传输模型,在未知节点接收信标节点位置信息的重叠区域运用质心算法进行定位.仿真结果表明,与普通质心算法相比,该算法定位效果更加精确.     

基于RSSI的三角形质心定位算法的优化策略

为了解决基于RSSI(接收信号强度)的三角形质心定位算法在减小定位误差上效率较低、定位稳定性不高的问题,提出了一种改进的定位算法.仿真结果表明:改进的三角形质心定位算法在减小定位误差上具有更高的效率和性能,同时也保证了定位的稳定性.     

基于RSSI的预滤波定位算法研究

针对接收信号强度(Received Signal Strength Indication,RSSI)稳定性差导致目标定位误差大的问题,提出了一种基于RSSI预滤波的序贯车辆定位跟踪技术.通过对RSSI进行预滤波,结合运动模型估计出的轨迹信息,进行目标的精确定位.仿真结果表明,与传统算法相比,所提方法极大地提升了复杂无限...     

基于RSSI自适应三维加权质心定位算法

针对无线传感网络RSSI加权质心定位算法精度较低的问题,提出了一种采用RSSI值作为加权因子的三维加权质心定位算法。依据RSSI值自适应缩小定位区域,并根据筛选出的最优参考节点构建三维球体定位模型。仿真结果表明,改进的定位算法在相同测试条件下,在精度与稳定性上相较传统加权质心算法有了大幅提高。     

基于改进加权质心和遗传算法的气体源定位研究

为了提高室内危险气体泄漏点的定位精度,通过对现有气体扩散模型的研究,给出一种无风无边界连续泄漏点源浓度的扩散模型。首先应用改进加权质心定位算法通过第一次粗定位和第二次的精细定位获得定位结果。另外,利用遗传算法对室内气体泄漏源进行全局最优的精细定位,通过Matlab仿真实验进行定位误差分析,得到采用改进加权质心定位算法和遗传算法的定位相对误差分别低于5%和3.5%。最后搭建了测试系统用乙醇气体源进行泄漏点定位实验,验证了两种定位算法的准确性。     

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。     

基于RSSI的WSN定位算法的研究

为了加强对基于RSSI的WSN定位算法的研究,采用基本的RSSI算法和自由传播模型,建立RSSI分析系统,实现WSN节点的RSSI值的捕获、节点RSSI值的分类存储、RSSI的实时查看、对存储的节点RSSI元数据的处理和分析、绘制不同节点RSSI值和距离的统计分布图.系统综合运用RSSI定位算法、TOA定位算法和三边定位算法,将待测节点的理论坐标与实际坐标进行对比分析,改进待测参数,从而将定位精度提高12％.     

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。     

概率加权质心跟踪算法研究

针对目前图像跟踪器跟踪不稳定、跟踪精度不高及不能满足实时性要求等问题,提出了一种概率加权的质心跟踪算法.该算法首先对波门内的像素进行阈值分割,摒弃灰度低于阈值的背景像素,保留目标像素的灰度值,然后计算波门内目标区域的质心.实验结果表明:基于概率加权的质心跟踪方法能够有效降低复杂背景和噪声干扰,增强跟踪系统的抗干扰能力,减少传统跟踪系统中使用大量灰度梯度值带来的巨大计算量,从而提高跟踪器的精度和稳定性.创新点在于通过引入概率加权的方法,在计算初始时刻的目标质心时使用贝叶斯概率作为权重,而没有设置离散的阈值来分辨目标,减少了传统跟踪系统中使用大量灰度梯度值产生的计算复杂度.