基于RSSI的极大似然与加权质心混合定位算法

随着无线传感器网络的发展,日益需要更加精确的位置信息来支撑其相关的应用.通过分析待定位节点定位过程中产生的误差,对二阶段定位算法、接收信号强度指示（received signal strength indicator,RSSI）定位技术和质心算法进行深入的研究,提出了极大似然与加权质心混合定位算法：首先通过极大似然估计法对待定位节点进行粗略估计,然后利用加权质心算法对待定位节点坐标估计求精,进一步提高定位精度.仿真实验结果表明,该算法能够在定位精度方面有较大的提高.     

在基于ZigBee标准的消防报警网络中进行无线定位的方法

为了在基于ZigBee标准的消防报警网络中实现对无线节点的定位,研究设计了一种使用接收信号强度指示(RSSI)值来估算目标位置的定位方法。采用一个目标节点确认周围存在的参考节点的数据采集机制,通过对适当数目的参考节点测得的RSSI值进行处理,从而实现对目标节点的定位。通过实验,验证了该数据采集和位置估算方法的有效性。结果表明,当节点密度设为0.32个/m2时,可将位置估计误差控制在2m以内。     

采用RSSI模型的无线传感器网络协作定位算法

由于无线传感器网络定位成本较高,精度不能满足要求以及通信和计算开销过大等问题,提出一种针对定位各阶段实施误差抑制措施的接收信号强度指示(RSSI)测距的协作定位算法。测距阶段通过周期性测量获得模型动态参数,采用相对误差系数对RSSI测距进行校正,定位阶段则基于泰勒级数扩展线性最小二乘方法实现位置估计,采取残差加权法优化位置坐标,减小非视距(NLOS)的不利影响。引入协作定位,将符合要求的节点升级为参考节点参与定位计算,进一步提高定位覆盖率和精度。实验结果表明,所提算法精度接近基于真实坐标的泰勒级数扩展LS算法,相同条件下的精度远高于传统估计算法。节点最大定位误差为0.15,最小定位误差为0.08,网络节点平均定位误差为0.109,能够满足大规模无线传感器网络(WSN)的定位需求。     

基于RSSI技术提高直流线路电场测量无线网络节点定位精度的算法

在基于无线传感器网络的直流线路合成电场测量系统中,传感器节点位置的自动获取可以有效地减少测量工作量,提高测试效率。传统的接收信号强度(received signal strength indicator,RSSI)定位方法利用经验值选取路径衰减指数,易导致定位误差较大。为提高传感器节点的定位精度,提出一种实时估计路径衰减指数的定位方法。该方法利用参考节点间距离和未知节点收到的RSSI值来实时估计路径衰减指数,并利用它来估算距离,从而减小定位误差,提高算法对不同环境的适应性。实验结果表明,在公园草坪、学校操场以及特高压直流试验基地直流试验线段电磁环境测试场3种典型的电场测量环境下,该算法的定位精度均较其他RSSI算法高。     

基于无线传感网的变电站人员定位跟踪系统

为了加强对变电站工作人员的监督,设计了基于无线传感器网络技术的变电站人员定位跟踪系统。该系统通过微波感应模块对危险区域进行布防,采用区域重叠定位算法进行人员定位跟踪,对非法人员进行声光告警,利用WSN通信节点进行数据传输,通过后台监控中心显示相关信息,有利于对相关人员进行实时、有效的监控,确保变电站作业的安全性与规范性。     

基于修正 RSSI 值的四边形加权质心定位算法

在利用接收信号强度指示(RSSI)对无线传感器网络中的未知节点进行定位时,RSSI 值易受环境的影响导致定位误差, 为此提出基于 RSSI 测距修正的四边形加权质心定位算法(QWCRC)。 先对来自同一锚节点的多个 RSSI 值进行卡尔曼滤波,得 到修正的 RSSI 值,致使测距尽可能的接近真实距离;再采用四边形加权定位对未知节点进行定位,同时利用最小二乘法进行辅 助定位,此算法对于相邻锚节点圆不相交的情况给出新的解决方案。 实验结果对比表明,改进的算法相比较于四边形加权质心 算法(QWC)和 RSSI 测距修正的三角形加权算法(TWCRC),在锚节点数目 5×5 和噪声强度为 0 dbm 时,定位精度可分别提升 87. 14%和 35. 51%。     

基于RBF神经网络的室内定位算法研究

在无线传感器网络室内定位中,由于遮挡、多径效应等因素的影响,传统基于RSSI（Received Signal Strength Indicator）的定位算法存在测距不准、定位精度不高的问题。针对此问题,本文提出一种改进的基于RBF（Radial Basis Function）神经网络的室内定位算法,算法在离线阶段直接建立各参考节点接收到的RSSI值与其位置坐标的映射关系;在线阶段采集待定位节点的 RSSI值,利用学习好的神经网络对待定位节点进行定位。实验结果表明,与传统RSSI定位算法相比,本文提出的定位算法具备更高的定位精度。     

用于变电站运维人员定位的时间同步算法研究

在无线传感器网络(WSN)中,时间同步是测距定位的前提条件,直接影响着测距的精度。以变电站室内操作人员定位为特殊应用背景,研究具有微秒级同步精度、低功耗的时间同步方法。通过对RBS、TPSN、DMTS及FTSP等各种典型时间同步算法的比较,提出一种针对参考节点和目标节点采用不同时间同步算法,基站与目标节点采用双向通信,参考节点采用侦听方式来实现时间同步。在保证全网的高时间同步精度的同时,也大大降低了传感节点的能耗。实物测试结果表明,所提方法与经典同步方法RBS具有相同的时间同步精度,并且大幅降低了同步开销,可以满足仅携带少量有限能量传感节点的需求。     

基于卡尔曼滤波的矿井移动节点定位算法研究

提出了一种基于无线传感器网络的矿井移动节点的定位算法.针对井下环境特征,巷道纵横交错,移动节点数量庞大以及无规律移动的特殊复杂情况,提出了一种卡尔曼滤波测距预估和弹性粒子模型相结合的定位算法.该算法采用卡尔曼滤波器对RSSI信号强度进行滤波和测距预估,建立弹性粒子网络模型对移动节点定位准确度进行校正,实现了矿井移动节点的实时精确定位.通过仿真实验表明,该算法误差小,精确度高,适合用于井下大规模的移动节点的定位.     

局部放电全站定位综合算法

提出了一种适用于变电站大范围监测的局部放电定位算法。该算法基于接收信号指示强度（RSSI）,结合传感器数据实际情况补充计算节点。与传统三边加权定位方式不同,引入不定量条定位中垂线与三边区域共同加权。该模型考虑现实情况下放电位置在高度轴上与传感器群不在一个平面的情况,通过中垂线的引入可以有效地抑制定位误差。实验结果表明,所提出的改进定位模型能有效地匹配现实放电监测硬件,定位误差小于传统三边加权定位,结果符合工程要求。     

基于RSSI的改进质心定位算法

为提高无线传感器网络三角形质心定位算法的精度,提出一种基于RSSI的改进质心定位算法.首先,分析传统基于RSSI的三角形质心定位模型,发现单个锚节点测距误差较大会导致盲节点的定位精度受到影响,因此采用4点进行定位来降低单个锚节点权重;其次,改进的质心定位算法选择根轴相交组成的区域作为定位参考区域,将该区域的质心位置作为待测盲节点位置;最后,采用仿真实验对比算法的精确度和稳定性,实验结果表明,相比于传统算法,改进算法定位精度更高,而且定位误差波动更小.     

基于移动信标的水下无线传感器网络定位算法

针对现有水下无线传感器网络定位算法定位精度不足且无法适应水下多变的网络拓扑的问题，提出一种基于移动信标的水下无线传感器网络定位算法。首先通过RSSI测距定位和DV-Hop算法获取未知节点的大致分布情况，其次以未知节点定位覆盖率作为目标函数，采用经过自适应惯性权重和柯西-t扰动策略优化的改进秃鹰搜索算法迭代求解信标节点移动的最优位置，最后信标节点移动到最优位置再对未知节点进行重新定位。仿真结果表明,与对比算法相比，移动信标节点定位算法能有效提高未知节点定位精度，在网络拓扑变化时也能保持较高的定位精度且定位效果稳定。     

基于RSSI测距的加权概率定位算法

针对无线传感网络中每条链路衰减因子的不同,提出了一种基于RSSI测距的加权概率定位算法。该算法先将可能存在的未知节点区域划分成栅格,运用高斯噪声模拟路径衰减指数误差以构建信号传播概率模型,根据信号强度确定信标节点的权值。然后由概率模型和相应的权值赋予栅格不同的置信度,将置信度最大栅格的位置作为未知节点的坐标。最后根据网络的连通信息消除翻转歧义。实验表明,在相同的条件下,与MLS算法相比,该算法更接近真实环境,具有更高的定位精度。     

基于RSSI测距技术的三角形面积和定位算法

为了提高无线传感器网络的定位精度,从提高测量精度、改善信标节点分布的角度提出了一种基于RSSI测距的三角形面积和定位算法。该算法利用高斯模型对非敏感区的RSSI数据进行处理,筛选出RSSI较优值,解决了RSSI易受干扰的问题。研究表明,通过高斯模型筛选出的RSSI值可以较好的预测环境参数;三角形面积和算法可以动态调整环境参数,使未知节点和信标节点达到合理距离,该算法计算简单,无需硬件扩展。     

基于RSSI和辅助节点协作的Wi-Fi室内定位方法

随着Wi-Fi的广泛应用,基于RSSI的位置指纹信息的室内定位也越来越受到研究者的关注。针对传统的基于RSSI的指纹匹配定位中只利用单个节点信息的缺陷,提出了一种基于RSSI和辅助节点协作的Wi-Fi室内定位方法,该算法首先基于RSSI序列相似性选择合适的辅助节点,并测量节点间的距离作为辅助信息以提高定位精度,同时还采用了自适应有色噪声卡尔曼滤波减小室内复杂NLOS环境造成的TOF测距误差,最后通过建模搜索以得到节点的精确位置。实验表明,在复杂环境下该算法定位精度优于其他主流方法,适用于基于Wi-Fi的室内定位系统。     

基于RSSI障碍势能矫正的定位算法

针对因障碍物较多而导致基于RSSI测距的室内定位算法精度较低的问题,提出采用基于RSSI测距与非测距结合定位算法的思想,在基于RSSI测距的原定位算法计算结果的基础上,引入室内障碍物对信号传播干扰的特征信息作参考,修正原定位算法中测得的阅读器到信号源的距离矢量;同时考虑到障碍物与信号源的相对位置关系,采用基于障碍势能的加权质心定位算法,迭代矫正定位结果。相较原定位算法结果而言其定位精度提高了近50%。