基于RSSI的优化加权质心定位算法研究

节点定位技术是无线传感器网络的关键技术之一。质心定位算法是指节点依靠无线传感器网络的连通性进行定位,定位误差较大。为了提高定位精度,鉴于质心定位算法受环境影响较小,基于RSSI的定位技术使用方便的特点,文中提出了基于RSSI的一种优化加权质心定位算法。通过RSSI测距,结合优化后的加权质心定位算法,确定节点位置。仿真结果表明,该算法降低了定位的平均误差,可以提高定位精度。     

基于二次质心的无线传感器网络定位算法

节点的定位是无线传感器网络中的一种重要技术。提出了一种新的无线传感器网络定位算法——基于二次质心算法的定位算法,与以往的基于三边测量的加权质心方法不同,该算法改进了对未知节点位置的估算方法,一定程度上避免了因多次估算质心而产生的累积误差,提高了定位精度。仿真表明,该算法的定位精度较之前的三边测量方法提高了约19%。     

无线传感器网络用于监测系统中的定位算法

从硬件设计入手,介绍了自主设计的以片上系统(SOC)STM32W108为核心的WSN节点,在此基础上采用了一种基于RSSI的加权质心定位算法实现了节点的自定位。该算法将RSSI测距和质心定位算法相结合,用测得的RSSI值作为质心定位的加权因子,合理体现了不同锚节点对定位未知节点的约束力。通过测试证明,该定位方法在较少的通信开销情况下具有较高的定位精度,且易于实现。     

一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法

针对Distance Vector-Hop (DV-Hop) 定位算法存在较大定位误差的问题,该文提出了一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法,即WSGDV-Hop定位算法。改进算法用基于误差与距离的权值处理锚节点的平均每跳距离;根据判断的位置关系选择适合的跳段距离计算方法;用改进的遗传算法优化未知节点坐标。仿真结果表明,WSGDV-Hop定位算法的性能明显优于Distance Vector-Hop (DV-Hop) 定位算法,减小了节点定位误差、提高了算法定位精度。     

无线传感器网络RSSI自校正定位

无线传感器网络的许多应用都和节点的位置紧密相关,节点自定位成为当前研究的一个热点。针对信号强度受环境影响较大,提出了接收信号强度自校正定位算法。该算法利用信标节点实际测量信号确定无线信号传播损耗模型,采用组合3边测量获得节点坐标估计值集合,再用加权质心方法确定节点的最终坐标。仿真结果表明,该算法较传统的基于接收信号强度定位方法定位精度有了明显的改进。     

基于跳距修正粒子群优化的WSN定位算法

针对DV-Hop算法在节点随机分布的网络拓扑环境中存在较大误差的问题,提出了一种基于跳距修正粒子群优化的定位算法WPDV-Hop(weight PSO DV-Hop)。本算法通过对锚节点广播的数据分组结构进行了改进,对参考锚节点的平均每跳距离的误差进行加权处理以及用改进的粒子群(PSO)算法对定位中的迭代过程进行优化,实现WPDV-Hop定位算法的全面改进,以提高定位精度。仿真结果表明,改进的算法与原始算法相比,定位精度和算法的稳定性有明显提高。     

基于WiFi-BP的室内定位算法

针对设备差异性造成信号偏差从而影响定位精度的问题,提出了一种结合BP神经网络和加权质心定位算法的室内定位算法。文中通过离群点检测算法对不同手机的RSSI数据进行清洗,并以清洗后的数据作为BP神经网络的数据源进行模型训练,得到了一种稳定的非线性的BP模型。在此基础上,结合改进的室内定位算法进行室内定位。实验结果表明,文中所提定位算法的均值误差、最小误差和最大误差分别为为0.58 m、0.24 m和1.06 m,定位精度明显高于现有的同类算法。     

质心定位中的加权坐标误差修正方法

针对IoT中需求高精度节点定位的问题,提出了一种加权坐标误差修正的质心定位算法。首先对距离无关质心定位算法进行分析,然后使用RSSI测量标记节点与待定位节点的距离,并结合信号衰减度对坐标加权,最后对节点坐标误差修正,进一步精确节点坐标。实验仿真结果表明,本文提出的加权坐标误差修正方法相对于传统定位算法,有更强的抗干扰能力和鲁棒性。     

无线传感器网络用于监测系统中的定位算法

从硬件设计入手,介绍了自主设计的以片上系统（SOC）STM32W108为核心的WSN节点,在此基础上采用了一种基于RSSI的加权质心定位算法实现了节点的自定位。该算法将RSSI测距和质心定位算法相结合,用测得的RSSI值作为质心定位的加权因子,合理体现了不同锚节点对定位未知节点的约束力。通过测试证明,该定位方法在较少的通信开销情况下具有较高的定位精度,且易于实现。     

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。     

基于临近锚节点修正的DBSCAN聚类加权定位算法

为了提高无线传感器网络节点的定位精确度,给出一种基于临近锚节点修正(CAAN)的具有噪声的基于密度的聚类(DBSCAN)加权定位算法.首先,在未知节点通信范围内的锚节点中选择三个构成三角形,证明当未知节点处在此三角形外接圆圆心位置时定位误差最小,然后据此选择合适的锚节点,结合滤波后的接收信号强度指示(RSSI)值进行定...     

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。     

基于修正RSSI值的加权质心定位算法

针对利用接收信号强度指示（RSSI）进行节点定位时,RSSI值易受到环境因素的影响导致定位误差。为减小定位误差,在修正加权质心定位算法的基础上,使用卡尔曼滤波对连续采集到的RSSI值进行最优化处理,实现实时状态的预测和估计,使测距结果尽可能接近实际距离,为后续的定位提供更准确的数据。仿真结果显示,相比于之前的算法,改进算法减小了定位误差,提高了定位准确度。     

Analysis of weighted centroid-based localization scheme for wireless sensor networks

Weighted centroid-based schemes provide a cost-effective alternative to locate sensors in a Wireless Sensor Network (WSN). In this paper, we describe mathematical characteristics of weighted centroid localization in a WSN. We provide an expression to compute the distance between the weighted and unweighted centroids of a set of points. We present algorithms to compute the weighted centroid in an iterative and non-iterative manner. We provide expressions for the distance between weighted centroids during successive iterations. The analytical framework presented in this paper is general and may incorporate any criterion for assigning weights to locations of anchors involved in the computation of location of a sensor using the weighted centroid. Simulations are carried out to evaluate the performance of weighted centroid localization where weights are assigned using proximities based on the distance and the received signal power. We observed that the normalized error for weights assigned using the received signal power based proximity is less than the weights assigned using distance based proximity.

     

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。     

改进指纹强度下的WiFi室内定位算法

目前的室内定位算法利用信号传播模型求出信号强度后直接进行求解定位,使得定位误差较大.为提高定位精度,提出利用信号能量的欧氏距离方法进行加权,然后对改进后的信号强度进行阈值滤波加均值滤波双重处理.定位阶段,在K最近邻算法基础上利用距离的倒数作为加权函数的算法进行定位.经仿真结果表明,改进后的算法相比于一些典型的定位算法,定位精度有较大提高.     

Weighted centroid localization based on compressive sensing

To solve the problem of estimating the locations of sensor nodes in wireless sensor networks where most nodes are without an effective positioning device, a novel range-free localization algorithm—weighted centroid localization based on compressive sensing (WCLCS) is proposed. WCLCS makes use of compressive sensing to get decomposition coefficients between each nonbeacon node and beacon nodes. According to these coefficients, WCLCS algorithm decides the weighted value of each beacon node for Centroid and estimates the locations of nonbeacon nodes. The simulation results show that WCLCS has better localization performance than LSVM.     

基于ZigBee的矿井定位系统设计及精度分析

为了解决矿井人员定位不精确的问题,提出了一种基于ZigBee的矿井定位系统的应用方案。该系统采用基于RSSI的加权质心定位算法确定井下人员精确位置,并通过实验研究了ZigBee定位精度的影响因素,建立了最佳系统参数预测模型。实验研究表明,该预测模型给出的系统参数可显著提高系统的定位精度。