基于测距修正和位置校正的RSSI定位算法

在基于接收信号强度指示(RSSI)的无线传感器网络节点定位问题中,为了提高节点的定位精度,通过对无线电传播路径损耗模型的分析,提出了基于RSSI测距的改进距离估计公式。针对已有节点校正方法存在的不足,提出了将一次循环校正后所有校正坐标的质心作为新的节点位置的校正方法。实验结果表明,改进的距离估计公式有效地提高了节点间的距离精度,并在适当增加节点计算量前提下,节点位置校正使节点的定位精度更高,达到良好的定位效果。     

基于RSSI混合滤波和最小二乘参数估计的测距算法

针对基于RSSI的无线传感器网络定位测距问题,在对数-常态分布模型下提出了一种混合滤波及最小二乘环境参数动态估计的测距算法。以锚节点作为参考节点,采用基于均值滤波、中值滤波和高斯滤波的混合滤波方法优化RSSI值,运用最小二乘法估计环境参数,再由盲节点与锚节点的RSSI混合滤波优化值计算二者之间的距离。仿真结果表明,混合滤波性能优于其它单一滤波方法,环境参数估计相对误差小于2.5%,空旷环境下100 m范围内测距相对误差小于10%,满足无线传感器网络定位测距要求。     

基于RSSI的自适应权重定位算法

在室内环境中,由于存在多径、反射的影响,采用传统的静态权重质心定位(SWCL)方法无法得到准确的定位精度.针对这一问题,提出了一种新的基于接收信号强度指示(RSSI)的动态自适应静态权重质心定位(RSSI—DA—SWCL)算法.对RSSI测距算法优化,消除不同发射功率和其它突发干扰对测距的影响;利用锚节点和未知节点距离等信息,让锚节点自适应地获得最优的权重系数,从而提高定位精度;将RSSI—DA—SWCL算法在ZigBee平台中实现,并通过Maltab仿真和实测实验对算法进行验证.结果表明:和传统的定位算法相比,提出算法具有更优的定位精度.     

基于RSSI差分似然估计的WSN节点定位算法

为了克服接收信号强度测量误差对无线传感嚣网络(WSN)节点自身定位精度的影响.在对极大似然估计定位算法和接收信号强度指示(RSSI)模型分析的基础上,定义了个体差异差分系数、距离差分系数和距离差分定位方程,把离目标节点最近的信标节点作为参考节点对基于RSSI的测距进行差分修正,并将测距差分修正和极大似然估计相结合提出了一种测距差分修正极大似然估计定位算法.算法通过RSSI进行测距,无需增加额外硬件开销,容易实现.定位精度可达2.5 m以下,适合于处理能力和能量有限的WSN节点定位.     

基于改进花授粉算法的RSSI定位方法

针对接收信号强度指示(RSSI)定位算法中采用最小二乘法计算未知节点位置时其定位精度受测距误差影响较大、花授粉算法易陷入局部最优等问题,提出了一种基于改进花授粉算法的RSSI定位方法。从花粉步长权重、局部变异方面对花授粉算法进行改进,采用改进花授粉算法进行未知节点位置估算。仿真结果表明:本文算法的定位精度高,稳定性好,适用于定位精度和稳定性要求较高的场景。     

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。     

基于RSSI校正的无线传感器网络定位算法

为了使接收信号强度指示（RSSI）的测量误差对节点定位精度的影响程度达到最小化,提出一种基于RSSI高斯加权校正的质心定位算法.首先通过高斯函数滤去偏差较大的RSSI值,然后再对余下的RSSI值加权计算得到优化的RSSI测量值,并利用测量到的RSSI值计算出锚节点与未知节点之间的距离,然后根据计算出的距离对锚节点坐标加权,并通过质心定位算法求出未知节点的位置坐标.仿真实验表明：该算法相比基于RSSI的质心定位算法,定位覆盖率提升3％～6％,平均定位误差至少减少4％,是一种定位精度更高的算法.     

一种基于RSSI测距的室内自适应智能定位算法

为进一步提高定位精度,提出一种改进的三边定位算法:根轴定位算法,并将路径损耗指数(PLE)的实时值运用在根轴定位算法中,形成自适应智能定位系统.计算机仿真结果表明:该算法具有更小的定位误差,改善了系统的稳定性.     

基于接收信号强度（RSSI）的室内二次定位方法

提出一种用于室内定位的基于接收信号强度( RSSI)的二次定位方法。首先利用全网中已有节点的信息,建立已知节点的初始路径传播损耗指数,采用统计中值滤波来减少RSSI的粗大误差和干扰,然后利用RSSI初次定位的位置结果对传播损耗指数进行再次修正,最后进行二次定位解算,显著提高了未知节点的定位精度。通过仿真和搭建实验平台验证了该算法的有效性。     

基于RSSI距离修正的WSNs定位算法

针对无线传感器网络(WSNs)易受外界因素影响,导致三边定位的锚圆不能相交的情况,提出了一种接收信号强度指示(RSSI)距离修正定位算法。通过对锚圆半径进行修正,形成3个锚圆相交的区域,然后用加权定位法对未知节点进行准确定位。仿真和实验结果表明:在6 m×10 m的区域范围内,该算法的平均定位误差为0.62 m,和其他定位方法相比,有更好的定位精度。     

基于统计不相关矢量集的集中式定位算法

为降低接收信号强度指示所产生的测距误差对定位精度的影响,提出一种基于统计不相关矢量集的集中式定位算法。通过坐标变换简化双重中心化矩阵的求解过程,使用统计不相关矢量集构造双重中心化矩阵,从而计算出节点坐标。仿真结果表明,在测距误差比较大的情况下,该算法仍能有效降低测距噪声干扰、提高定位精度,适用于低成本硬件的无线传感器网络。     

基于核的RSSI定位

定位在无线传感网络的应用中有非常重要的作用,但是目前定位技术的准确度不够理想,RSSI是一种能实际使用确定传感网络中节点间距离的技术。在无线传感网络中引进了核,核是一个拥有三个或更多有着固定位置关系传感节点的物体。核能定位其他核或节点,同时核也能被传感网络定位。通过模拟发现使用核能有效提高定位的准确度。     

基于粒子群优化的改进加权质心定位算法

针对无线传感器网络低成本、高精度的要求,在采用接收信号强度测距的基础上,提出一种基于粒子群优化的改进加权质心定位算法。该算法易于实现,可调参数少,通过多次选代寻优提高定位精度。采用锚节点之间相互测距和定位补偿测距误差和定位误差。仿真结果表明,该算法与质心算法和加权质心定位算法相比,节点定位精度得到显著提高。     

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。     

基于RSSI的无线传感网络梯度分簇算法

无线传感器网络(WSN)通常采用分簇结构以减少通信量,降低网络的能量消耗。针对无线传感网在数据收集模式下节点的负载不均衡问题,提出一种基于可接收信号强度指示（RSSI）的WSN梯度分簇(RGC)算法,以节点RSSI值为基础建立梯度,形成层次性结构。从具有不同梯度与相同梯度的相邻簇首节点两方面着手,设计了负载均衡的分簇算法,有效降低其复杂度和能耗,延长网络生命周期。实验证明了该算法的正确性和有效性。     

移动WSN节点不相交多路径路由算法

针对移动无线传感器网络不相交多路径路由中的路径断裂问题,提出基于HSV色彩空间的节点不相交多路径路由算法。采用HSV色彩空间模型为每条链路建立数值化的（h,s,v）三元组,使其属于不同的色彩平面,以寻找从源节点到目标节点的多条节点不相交路径。针对节点移动问题,设计基于可变时间间隔链路接收信号强度指示值探测的不相交多路径维护机制,该机制无需借助地理位置信息。实验结果表明,当使用3条路径传输时,该算法的数据传输成功率可达到80％以上,而对比的经典算法均低于70％。此外,其在网络吞吐量、能量消耗等方面也具有较好的性能。     

基于RSSI的测距差分修正定位算法

为了抑制RSSI误差对无线传感器节点自身定位精度的影响,以三边定位算法为基础,定义了个体差异差分系数、距离差分系数和距离差分定位方程,把离目标节点最近的信标节点作为参考节点对基于RSSI的测距进行差分修正,并将差分法和质心法相结合提出了一种测距差分修正定位算法。该定位算法无需增加额外硬件开销,容易实现,定位误差可小于2.5m,适合于处理能力和能量有限的无线传感器网络节点。     

基于四面体模型的三维加权质心定位算法

针对三维空间中未知节点的定位问题,提出基于四面体模型的三维加权质心定位算法。利用锚节点组成四面体,依据未知节点与锚节点间的距离大小,采取加权求和定位未知节点,利用接收信号强度指示器的数据信息对加权系数进行修正。仿真结果表明,该算法的定位精度较高。     

基于锚节点和高斯函数的测距算法

针对高斯模型中含有路径散逸指数而产生较大测距误差的缺点,设计参考锚节点高斯校正算法(Reference-G)。运用高斯分布函数滤除小概率节点接收信号强度(RSSI)值,以锚节点对之间的已知距离和测量的RSSI值为参考,对被测RSSI值进行校正,从而消除环境因子。仿真结果证明,Reference-G的测距不受环境的影响,不同环境下定位误差基本相同,在相同误差的情况下,锚节点数是高斯模型的1/3以下。