传感器网络加权质心自定位算法

提出了基于跳距的加权质心定位算法,用信标节点和未知节点之间的跳距来确定质心算法中各信标节点的加权因子,以提高质心算法的定位精度。对普通质心算法和改进后的质心算法进行了模拟仿真,结果表明所提出的算法从总体上看具有较好的定位效果。     

多节点协作迭代求精的WSNs加权质心定位算法

为解决无线传感器网络中质心算法对锚节点密度要求较高和定位精度过度依赖锚节点分布的问题,提出了一种多节点协作迭代求精的WSNs加权质心定位算法.该算法采用加权质心估算初始坐标,以请求二跳锚节点的方式增加可用锚节点,由锚节点以多边测距方式估算待定位节点的实际坐标与估算坐标的差值,迭代调整估算坐标,提高定位精度.实验结果表明,与普通加权质心算法相比较,该算法具有更高的定位精度和定位覆盖度.     

基于动态损耗因子和权重的改进质心定位算法

针对无线传感器网络（WSN）节点的定位精度受环境和误差权重因子的影响问题,提出一种对路径损耗因子和误差权重因子动态修正的质心定位算法。前期根据实测和路径损耗模型,加权修正得出动态损耗因子;后期通过划分矩形区域,构造权重因子矩阵。首先,使用动态损耗因子,代入传统加权质心定位算法估算出未知节点的位置;然后,查询误差权重因子矩阵,确定最优权重因子,重新计算出未知节点坐标。实验结果表明,改进的算法降低了平均误差和最小误差,定位精度比普通质心算法提高了58%,比动态修正质心算法提高了21%,比动态加权质心算法提高了11%,定位精度有所提高。     

基于自组织竞争网络的井下人员定位融合算法

针对基于加权质心算法的井下人员定位方法误差大的问题,提出了一种基于自组织竞争网络的井下人员定位融合算法。该算法利用自组织竞争网络的学习筛选能力,通过分组训练筛选出接近理论值的实际RSSI值,找出用于加权质心算法的有效坐标,在加权质心算法的基础上计算未知节点位置。Matlab仿真结果表明,该算法的定位精度比原加权质心算法显著提高。     

WSN中移动信标辅助的加权质心定位算法

质心算法是一种简单易实现的节点定位方法,但是它的定位精度多依赖于网络中信标节点的密度和分布。针对质心算法这一缺陷,本文提出了一种移动信标节点辅助的加权质心定位算法(MBAWCL)。该算法采用一个飞行的移动信标节点在网络部署区域上空按照设定的路径移动并周期性的广播自己的位置信息;未知节点对所接收信标信号采取一定的筛选机制存储信标信号,然后利用加权质心(WCL)方法计算自己的位置。实验测试证明该算法可以提高节点的定位精度,降低定位成本,提高定位效率。     

基于加权质心和DV-Hop混合算法WSN定位方法研究

为了提高无线传感器网络中节点定位的精确度,分析了DV-Hop(distance vector-hop,距离向量-跳段)定位算法和质心算法的优缺点,提出基于加权质心和DV-Hop混合算法,并用MATLAB进行了仿真实验.实验结果表明,在基准节点密度相同的条件下,混合算法的定位精度比DV-Hop平均提高了20%,比质心算法平均提高了15%.该混合算法在提高无线传感器节点精确度上是有效的.     

基于ZigBee的加权质心定位算法的仿真与实现

为了研究节点定位算法的实现方法,提出了一种新的加权质心定位算法。这种算法首先通过对无线电传播路径损耗模型的分析,结合具体环境的实验,得到信号传播的经验模型,然后利用信标节点对未知节点的不同影响力来确定加权因子,进行加权质心算法定位。最后在对定位数据处理和分析的基础上,选取三个RSSI最大的信标节点进行定位计算,进一步改善了节点定位精度。仿真和实验结果表明,这种加权质心算法可应用于区域定位。     

基于虚拟静态锚节点的加权质心定位算法术

加权质心定位算法的实施需要布置较多的锚节点,较大的硬件成本限制了该算法在实际中的应用。本文结合余弦定理,利用原有的少量锚节点定位信息构造出虚拟静态锚节点VSAN（Virtual Static Anchor Node）参与定位,降低了该定位算法所需的硬件成本;此外,对加权质心算法进行数学推导和分析,从导数的角度阐述了权重系数和RSSI测距对加权质心算法的影响。仿真结果表明,基于VSAN的加权质心算法所需布置锚节点较少、定位精度较高;并通过实际环境下测试,验证了算法的有效性和可行性。     

一种用于无线传感器网络的质心定位算法

在建立定位算法求解数学模型和定位性能描述的基础上,提出了一种无线传感器网络定位算法——去中心化场强加权多跳质心定位算法。该算法对单跳质心算法进行多跳扩展以改善定位比率,并加入场强加权过程和去中心化过程以提高定位精度。通过仿真实验分析可以看到,与原始质心算法相比,此质心定位算法的平均定位误差可下降一半左右,并使节点密度较低情况下的定位比率提高至接近1。     

无线传感器网络增强的质心定位算法及性能分析

节点定位是无线传感器网络应用的关键技术,本文在研究距离无关(rang-free)质心算法的基础上,针对质心算法在随机布置锚节点时定位精度较差的缺陷,提出了一种新的算法,即增强的质心定位算法(简称为ACLA).ACLA计算简单,定位过程中节点间通信开销小,并具有一定的自适应性.仿真结果表明,ACLA算法的定位精度明显优于一般的质心定位算法.     

无线传感器网络加权质心相对定位算法

针对基于接收信号强度指示的无线传感器网络加权质心定位算法在实际应用中计算复杂的缺点,提出一种改进型传感器网络加权质心相对定位算法（WCL-RSSI）。该算法主要采用参考节点精选机制和定位组合精选策略选择定位自评误差小的节点进行三边测距定位,以此重建定位权值函数来减小坐标定位误差,最后采用加权质心法计算坐标,并计算该节点的定位自评估误差。仿真实验表明,在同等计算复杂度下,该算法较传统定位方法的定位精度有了明显的提高。     

基于组合测距的无线传感器网络自定位算法

针对如何在锚节点密度较低的情况下提高无线传感器网络中节点自定位精度的问题,本文提出了一种基于RSSI和TDOA组合测距的加权质心定位算法.该算法分别对传统RSSI和TDOA测距模型增加了校验参数及温度补偿,将未知节点与锚节点间距离估计值的倒数作为权值参数,再利用加权质心算法计算出未知节点的位置坐标.硬件试验表明室内环境中基于改进RSSI测距模型的定位算法相比于传统RSSI质心定位算法的误差改进比率为56.2%,仿真结果显示基于组合测距的定位算法在锚节点密度较低时也能达到较高的定位精度.     

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。     

基于RSSI的ZigBee动态加权质心四点定位算法*

摘 要：针对传统的基于RSSI的加权质心定位算法中使用静态权重因子指数只能使部分区域的误差得到明显改善而其他区域的误差相对较大的现象,本文提出了一种基于动态权重指数的四点定位算法。在矩形区域中,通过构造权重因子指数矩阵,使不同区域拥有相对最优权重因子指数,在实际运算时,首先通过传统加权质心算法判断未知节点大致位置,然后通过查询指数矩阵确定相对最优权重因子指数并重新计算未知节点坐标,并作为未知节点实际坐标。通过仿真实验,其结果表明,该算法较传统的加权质心定位算法明显的降低了定位中的平均误差及最小误差,提高了精度,并且运算量小,硬件要求简单,有很广泛的应用价值。     

三维无线传感器网络节点的序列重心定位算法

节点自定位技术是无线传感器网络的关键技术之一。三维序列重心算法利用锚节点两两之间的垂直平分面将定位空间分为边、面和体三类区域,缩小了未知节点可能存在的范围,并在所在范围内再次求出离未知节点最近三点组成的三角形的重心作为未知点位置的估计。该算法改善了二维序列算法误差较大的问题,且不需要增加硬件设施来实现特殊的功能。仿真结果表明,该算法可以达到较高的定位精度,能够满足三维空间中未知节点定位的应用需要。     

基于WiFi的四边测距修正加权质心定位算法

针对现阶段无线信号传播过程易受周围环境干扰、运动载体定位算法精度低的问题,提出一种基于WiFi技术的四边测距修正加权质心定位算法.该算法首先运用近高斯拟合算法和卡尔曼滤波剔除RSSI数据中的突变数据和差异较大的数据,选出最优的RSSI值;然后根据无线信号传播路径损耗模型,运用RSSI值对移动终端和AP的距离进行模型计算;最后采用改进加权因子的加权质心定位算法并结合四边测距法对待定位点坐标进行计算.仿真实验表明:基于WiFi技术的四边测距修正加权质心定位算法相对提高了定位的精度.     

基于射频识别和无线传感网融合技术的仓储定位方法研究

针对射频识别在大规模仓储定位环境下节点数量要求过高,有效覆盖面积较小问题,提出一种基于移动锚节点的二次定位方法。传统质心算法必须在节点的3度覆盖下才能有效定位,造成节点浪费。综合射频识别和无线传感网融合技术,构造一种新的锚节点,将传统定位过程中的节点划分为固定锚和移动锚,首先利用固定锚进行初步定位获得未知标签位置范围,然后利用定位向量判定移动锚的停止位置。最后,采用基于信号强度的加权质心定位算法,进行二次精确定位。仿真结果表明,该方法能有效减少锚节点数量,弥补射频信号覆盖不完全区域的定位,提高定位精度和覆盖范围,具有一定的实际应用价值。     

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.     

一种高精度估计的基础矩阵的线性算法

通过引入与余差有关的代价函数,给出了一种高精度估计基础矩阵的线性算法--加权平移算法.首先将原始输入数据加权,计算加权后数据的重心坐标,将坐标原点平移到该重心坐标,再作归一化处理.然后用8点算法求出基础矩阵F阵的8个参数,实现了F阵的高精度估计.实验结果表明,此算法具有良好的鲁棒性,且余差和对极距离都小于其他线性算法,提高了基础矩阵的精度.