分步定位法在ZigBee定位系统中的应用

在几种常规定位算法分析基础上,提出一种新型分步定位法。通过利用待测移动节点最近的3个参考节点可快速计算出移动节点的坐标值,从而使定位算法更容易实现。实验结果表明,该方法在不增加任何硬件成本的前提下可显著提高定位精度并增强系统稳定性,同时降低环境噪声带来的测量误差。与常规定位算法相比,该算法可广泛应用于各种基于距离的定位场合。     

基于RSSI权值的环境适应型室内定位算法研究

定位节点接收的信号强度指示（Received Signal Strength Indication,RSSI）值是室内指纹定位技术重要的元素之一。通过对定位节点接收到的信号强度值特性分析,提出了基于RSSI权值的室内定位算法。改进型RSSI权值计算公式以及权值指数[α]的提出,使得定位算法具有一定的环境适应性,能更灵活地运用于实际定位场景。经过一般实验场景验证,算法在定位精度上有较大的提升。     

基于优化RSSI精度的WSN加权质心定位算法

为消弱接收信号强度指示误差对无线传感器网络节点定位精度的影响,提出基于优化接收信号强度指示测距精度的加权质心定位算法。该算法根据接收信号强度指示（RSSI）和链路质量指示（LQI）在不同距离段的衰落曲线起伏的波动状况,采用分段测距的方法优化RSSI的测距精度,接着将优化后的距离值作为加权质心算法的权值因子对节点进行定位,进而提高定位精度。实验结果验证了该优化算法的有效性。     

全景图像拼接的网络化感知节点自主定位系统

分析网络化感知系统节点定位问题的特殊性,针对深空探测环境未知的问题,提出利用全景图像重合度来修正信号衰减模型,提高测距精度;提出一种修正的高精度节点自主定位算法来解决多移动节点协同定位问题,该算法是把切圆法引入到基于全景图片重合度的RSSI修正定位方法中。当多个感知节点定位时,根据视距近似原则选择定位锚节点来进行H-CM算法,仿真结果表明该定位方案可以有效提高感知节点的定位精度。     

室内三维空间定位系统的RSSI特性分析

实验分析了参考节点倒置在天花板时室内三维空间无线传感器网络定位系统RSSI的性质。实验结果表明：相比于参考节点固定在水平面,将参考节点固定在天花板,RSSI有更好的集中性;根据室内三维空间的大小调整传感节点的发射功率,可以进一步提高RSSI的集中性;人员在发射节点附近会对RSSI产生影响,通过标准差大小可以判断节点附近是否有人或障碍物;在室内三维空间定位系统中采用基于RSSI的测距技术是可行的。     

基于RSSI加权质心和GASA优化的WSN定位算法

针对无线传感器网络节点在自身定位中广泛存在较大的定位误差的问题,提出一种基于RSSI加权质心和GASA优化的无线传感器网络定位算法。该算法假设无线传感器网络中存在一定比例的位置已知的锚节点,利用RSSI加权质心算法计算未知节点与锚节点间的距离,建立以未知节点位置为参数的数学模型,用GASA优化算法计算最优解从而获得未知节点的位置,实现未知节点自身的定位。仿真实验的结果表明,当锚节点个数为30,算法的平均定位误差在10%以内,比RSSI加权质心算法降低了10%~15.5%左右,并且随着节点个数的增加平均定位误差降低。     

WSN中改进的MCB移动节点定位算法

考虑到蒙特卡洛盒移动节点定位算法中存在的定位精度低的缺陷,提出一种改进的基于RSSI的MCB定位算法。该算法依据节点接收的RSSI值缩小锚盒子区域;利用二次牛顿插值法预测节点运动轨迹,估算移动速度,进一步获取有效采样区域;然后依据采样盒大小自适应确定采样个数,避免多余样本的采集;最后借鉴遗传算法中交叉和变异思想优化采集过程。实验仿真结果表明在不同锚节点密度情况下,改进后的移动节点算法的定位精度始终优于传统MCB算法。     

基于RSSI方法的井下人员定位系统原理与设计

提出了一种基于RSSI方法的井下人员定位系统的设计方案,阐述了井下巷道数学建模方法和人员定位基本原理,重点介绍了该井下人员定位系统的硬件和软件实现方案。该系统通过在井下关键点布置无线传感器测点获取井下工作人员的RSSI信息,实现了实时追踪定位功能。     

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。     

DR/RSSI组合室内定位系统设计与实现

针对缺少全球定位系统情况下的室内定位需求,提出了一种航位推算/接收信号强度指示组合的室内定位算法。基于搭载多传感器的智能移动终端,采用方位传感器监测航向,通过监测Z轴加速度判定步数,利用接收信号强度指示的绝对定位在线更新步长和修正航位推算产生的积累误差,充分发挥了两种定位方法的优势。对采用航位推算/接收信号强度指示组合算法的室内定位系统在安卓平台上进行了实现及有效性验证。     

基于RSSI概率统计分布的室内定位方法

针对接收信号强度指示（Received Signal Strength Indication,RSSI）时变现象影响WLAN室内定位精度问题进行了研究,提出了一种基于RSSI概率统计分布（Statistical Probability Distribution,SPD）的加权K最近邻（Weighted K-Nearest Neighbor,WKNN）方法--SPD-WKNN方法。该方法首先利用SPD方法得到指纹点RSSI向量区间;然后运用SVM算法选取测试点K个近邻指纹点,计算测试点RSSI向量到每个近邻指纹点的最小欧氏距离;最后结合WKNN算法获取定位结果。实验结果表明,SPD-WKNN方法与NN、KNN、WKNN、SVR和LSSVM方法相比定位误差分别降低了47.3%、41.6%、31.9%、27.1%和16.3%,呈现了良好的定位效果;利用SVM算法的稀疏性明显减小了运算时间。     

基于动态环境衰减的粒子滤波室内定位算法

针对精确的室内定位中节点受复杂环境的干扰带来因距离相同而位置不同的环境差异,造成定位精度不足和定位稳定性较差的问题,提出了一种新的动态环境衰减因子(DEAF)模型的算法。算法构造DEAF模型,且重新定义了其取值方式。在算法中,首先利用粒子滤波算法对接收到的信号强度(RSSI)进行平滑处理;然后利用DEAF模型计算目标节点的估计距离;最后用三边测量法求出目标节点的坐标。通过与几种常用的滤波模型进行对比实验,得出这种动态环境衰减模型结合粒子滤波的算法能很好地调和不同位置带来的环境噪声差异,算法使定位平均误差降到0.68 m左右,且在室内定位中有较高的定位精度和较好的稳定性。     

无线传感器网络中基于RSSI的加权DV-HOP定位方法

节点位置是无线传感器网络应用不可缺少的信息。DV-HOP算法是一种常见的无线传感器网络节点自定位算法。标准DV-HOP算法在计算跳数时并未根据邻居节点间距离对跳数进行加权处理,导致当邻居节点间距离差别较大时算法定位精度低的问题。从RSSI的耗散模型可看出,RRSI可以作为距离的比征,提出一种基于RSSI的DV-HOP加权算法。该算法基于节点接收信标节点位置元组时的信号强度（RSSI）对邻居节点间跳数进行加权处理,将节点间的跳数与距离相关联。仿真实验结果证明该加权算法可大大提高定位精度。     

无线传感器网络节点近点加权质心定位方法

节点定位技术是无线传感器网络（WSNs）的基础技术,具有重要的研究意义。质心算法与基于RSSI的质心算法是目前常用的定位方法,但前者定位误差大,后者对每个信标节点进行加权定位,这在提高精度的同时也增加计算量和干扰因素（如路径衰减因子等）。基于此,提出一种利用距未知节点最近的若干个信标节点的位置修正其他信标节点的位置的近点加权质心算法,以提高初次定位的精度。进而,可以通过改变最近点、次近点、所有点位置之和三者的权值对初次定位进行校正。仿真结果表明了所提算法的有效性。     

基于Zigbee室内定位系统的指纹库优化算法

Zigbee无线传感器网络的接收信号强度指示(RSSI)可以用来提供位置服务,使用RSSI建立指纹数据库设计定位算法能够得到良好的定位效果,但指纹数据库的采集和建立精度会直接影响到最终的定位精度,而一般方法建立的指纹数据库误差较大。为此,通过对Zigbee网络指纹数据库采集和建立过程进行研究,提出一种Zigbee网络中指纹数据库采集、建立及优化的算法。在定位区域将各采样点采集到的指纹数据库源数据进行滤波处理,建立高精度的指纹数据库。利用Zigbee平台组建无线网络进行实验,分别使用针对该定位系统提出的限定区域最邻近算法、限定区域加权最邻近算法、限定区域贝叶斯算法进行定位计算。实验结果表明,运用优化后的指纹数据库在短距离范围内定位平均误差可限制在1.5 m以内。     

基于RSSI误差分析的无线传感器网络定位研究

提出了一种新的无线传感器网络定位算法,该定位算法主要用来有效处理无线传感器网络在实际应用地理环境中遇到的一些问题,使得算法更适应于实际应用环境。研究分析了在实际应用环境中,导致RSSI测距产生误差的两大因素,基于此提出了RSSI信号理论模型在线修正方法及使用三个网络节点来实现定位的方案,以减小RSSI误差对定位精度的影响。仿真实验结果表明,算法是有效可行的。