基于EKF算法的无线传感器网络定位求精研究

无线传感器网络中,基于RSSI测距技术的定位系统误差较大。本文对扩展卡尔曼滤波（EKF）算法在抑制测距误差和提高定位精度方面进行了深入的研究。同时本文根据EKF算法在WSN节点定位中的两种应用方式,以收敛概率和精度为指标,在各种拓扑条件下对节点定位求精过程进行了分类探讨。最后结合仿真阐述了EKF算法的适用范围,并分析了影响算法性能的因素。     

基于UKF滤波的WSN节点定位研究

无迹卡尔曼滤波(UKF)模拟系统的后验概率密度函数,避免了扩展卡尔曼滤波(EKF)中引入的较大线性化误差的缺陷.本文提出了一种基于加权最小二乘法(WLSE)和UKF的无线传感器网络(WSN)节点定位算法.算法采用TOF测距技术测量未知节点到信标节点的距离,利用加权最小二乘法估算未知节点的初始位置,并采用UKF滤波对节点进行精确定位,同时与EKF滤波结果进行比较.相关分析结果表明,算法在TOF测距基础上,将加权最小二乘法和UKF滤波结合,可以较大提高节点的定位精度.     

基于接收信号强度指示的误差自校正定位算法

节点定位是无线传感器网络应用的关键技术。为了有效抑制各种环境干扰因素对未知节点定位精度的影响,提出一种基于接收信号强度的误差自校正定位算法。该算法通过信标节点之间的测距找出校正节点,用校正节点和质心信标节点的实际位置求得测距距离和实际距离,利用校正节点的误差自校正因子替换未知节点的测距误差因子,对测距误差进行补偿,最后利用加权质心方法确定未知节点的最终位置。仿真结果表明,该算法降低了测距误差对定位的影响,提高了定位精度,具有普遍应用价值。     

无线传感器网络交点质心定位算法的优化

节点自身定位是无线传感器网络的重要应用之一。为提高定位精度,以求解精度优于传统最小二乘法的交点质心算法为基础,定义距未知节点最近的锚节点为参考节点,通过测量参考节点与锚节点之间的距离获得RSSI的测距误差,并对未知节点与锚节点间的测量距离进行误差修正,抑制了RSSI测距误差对定位精度的影响;再引入四边测距定位和优选锚节点的思想,对算法进行改进。MATLAB仿真结果表明：本算法在相同实验环境下相较于交点质心法又进一步提高了定位精度。     

基于空间锥体模型WSN节点定位算法研究

研究无线传感器网络节点在空间定位精度问题,针对无线传感器无法获取特定的节点的位置,传统的定位算法受到外界因素、测量距离误差和部署节点不合理性以及节点能量过快消耗,使定位和测距存在定位精度不高和计算量大等弊端。为解决上述问题,提出一种空间锥体模型下的WSN节点定位算法。通过仿真对目标参数测距量化和锚节点与求知节点空间几何关系的计算,对其求解结果进行迭代求解,从而降低了测距误差,提高了节点定位精度,避免了因距离误差和节点能量过早耗尽。仿真结果表明,算法有效地减少网络节点间通信开销,延长了网络生存周期,增强了定位精度的鲁棒性和稳定性。     

基于AIUKF的WSN节点定位算法

针对无线传感器网络节点定位精度不足的问题,在无迹卡尔曼滤波( UKF)的基础上,结合迭代约束条件和自适应因子,提出了一种自适应迭代无迹卡尔曼滤波( AIUKF)算法。根据基于测距的节点定位模型,采用RSSI进行测距,以极大似然估计法进行节点初步定位,利用AIUKF算法对节点进行精确定位,并且直接以RSSI作为系统的观测量。仿真结果表明,本文提出的基于AIUKF的定位算法相比EKF和UKF算法具有更高的定位精度。     

基于RSSI的无线传感器网络节点定位

研究基于Zigbee技术的无线传感器网络中未知节点的定位问题。针对传统的Two-phase positioning循环求精定位算法复杂,且在RSSI节点测距阶段存在某些点的测距误差较大,导致定位精度大大下降。为了解决测距误差大的节点对定位精度的影响,提高定位精度,首先采用RSSI测距法测出未知节点和锚节点距离,用最小二乘法粗略定位,其次通过距离关系算出每个粗略定位点的权值,引入权值阀,舍去在权值阀外的点,最后在求精阶段采用三角形加权重心算法。此方法可以最大限度的减少测量误差大的节点对定位精度的影响。经实验证明,改进算法也存在一定的误差,但比传统的算法更加精确,提高了定位精度。     

基于RSSI测距误差修正的改进型DV-distance差分定位算法

DV-distance是一种基于多跳机制的定位算法,其相邻节点间的距离通过RSSI测距技术实际测量得到。为了减少RSSI测距误差对定位精度的影响,首先对RSSI测距误差进行修正,再对已有的信标节点间计算距离误差修正值的方法作进一步改进,提出一种基于RSSI测距误差修正的改进型DV-distance差分定位算法。仿真结果表明,相比已有的定位算法,该改进算法不仅能提高节点的定位精度,还能减少网络通信开销及计算复杂度。     

无线定位系统中的异步测距算法研究

分析了无线定位系统中传统异步测距算法节点时钟漂移对定位精度的影响,为了减小测距误差,提出了一种改进的伪对称双边双向测距算法(PSDS-TWR).该算法采用多请求单确认的测距方法.仿真和分析结果表明,该方法减小了时钟漂移所带来的测距误差,提高了定位精度.     

DV-Hop测距修正的定位算法研究

针对DV-Hop测距定位精度不准问题，提出基于DV-Hop测距修正的对数搜索（improved DV-Hop Ranging-based Logarithmic Search，DH-RLS）定位算法。DH-RLS算法利用锚节点间的真实距离信息估计跳距误差，修正跳距值，提高测距精度。利用质心定位算法估计未知节点的位置，并将此位置作为搜索起点，再利用搜索目标函数进行搜索，直至搜索到具有最小距离误差和的点。仿真数据表明，DH-RLS定位算法的归一化平均误差低于同类算法。通过对测距修正，降低了测距误差，同时利用搜索目标算法提高了定位精度。     

基于无线传感器网络的同时定位与跟踪

研究无线传感器网络在位置信息不确定时,同时定位无线传感器网络节点并跟踪移动目标。利用RSSI测量节点对之间的距离,多维定标技术根据距离矩阵完成传感器网络的初始定位。估计与更新阶段提出了压缩EKF滤波确定传感器节点位置和目标位置。仿真结果显示:算法在较低的网络覆盖率下有较高的定位和跟踪准确度,在初始定位误差为5m时,节点和跟踪误差均小于3m,特别是在长距离的跟踪任务中有很好的精度和实时性。     

WSNs环境下基于高斯混合容积卡尔曼滤波的移动机器人定位算法

针对移动机器人的定位问题,提出一种面向无线传感器网络WSNs( Wireless Sensor Networks)环境下,结合高斯混合容积卡尔曼滤波( GM￣CKF)优化的定位算法。将WSNs对移动机器人的观测、机器人自身对环境特征的观测以及机器人自身运动控制量进行数据融合,并利用带有门限判别和选择性高斯分割的GM￣CKF算法,对机器人的预估位置实施预测修正,降低计算求解的空间维数,提高定位精度。仿真实验结果表明,所提出的方法比传统机器人自定位法定位精度有所提高,算法精度较标准的CKF算法提高了39.11％,比EKF算法提高了65.81％。     

基于RSSI差分修正的加权质心定位算法

为了抑制接收信号强度指示(RSSI)误差对无线传感器网络节点定位精度的影响,从消除RSSI误差的角度,提出了一种基于对RSSI距离值差分修正的加权质心定位算法。该算法计算简单,无需硬件扩展,仿真结果表明:该算法比传统算法有更好的定位性能。     

基于加强学习与联想记忆粒子群优化算法的节点定位

提出了加强学习与联想记忆的粒子群优化算法,并将该算法应用到无线传感器网络的节点定位中。在RSSI模型测距产生的不同误差情况下,分别比较极大似然估计法和加强学习与联想记忆的粒子群优化算法产生的定位误差、定位方差,证明了加强学习与联想记忆的粒子群优化算法是一种收敛快、精度高、稳定性好的优化算法,适合应用在无线传感器网络节点定位中。     

天基光学传感器姿态实时校正算法

卫星在轨运行过程中,载荷姿态不可避免受到平台抖动、传感器热形变等安装误差因素一定程度的影响,导致图像定位精度下降。针对该问题,通过建立相应的安装误差状态转移模型和基于特征点的观测模型、采用扩展卡尔曼滤波（ EKF）,实现对安装误差的实时估计。采用基于特征点的天基传感器姿态实时校正方法,数学仿真表明：该方法能够实现姿态实时校正,且性能稳定,可有效提高图像定位精度。     

WSNs中基于粒子群优化的节点定位算法

节点定位是无线传感器网络(WSNs)的关键技术之一.接收信号强度指示(RSSI)测距技术以其不需增加任何额外的硬件设备的特点在节点定位中得到广泛应用.为了提高定位精度,在RSSI测距的基础上,提出将粒子群优化算法( PSO)引入节点定位中.首先由RSSI测得未知节点与锚节点的距离,然后应用PSO算法计算出未知节点的估计...     

纯方位目标定位观测器轨迹的 快速优化算法

在移动传感器网络中,观测器与目标的相对位置对目标的定位性能有重要的影响.为了提高目标的定位精度,提出了一种观测器运动轨迹的优化算法.算法把目标均方位置误差作为优化对象,使用扩展卡尔曼滤波器估计目标的位置.算法以目标和观测器的方位分布关系为基础,减小了观测器最优位置的搜索范围.仿真结果表明,使用多个观测器进行目标定位,滤波收敛速度快,定位误差小.最后给出了单个和多个观测器的"最优"运动规则.     

基于BADV-Hop的无线传感器网络节点定位方法

针对无线传感器网络（WSNs）节点的定位误差较大的问题,提出一种蝙蝠算法（BA）和DV-Hop算法融合（BADV-Hop）的定位算法.首先测量未知节点与锚节点之间的距离,然后采用DV-Hop算法初步确定未知节点的坐标,再采用BA校正DV-Hop算法的定位误差,最后在Matlab 2012平台上对算法性能进行仿真分析.实验结果表明：相对于DV-Hop算法,BADV-Hop算法提高了传感器的节点定位精度.     

基于DV-Hop测距修正的遗传模拟退火定位算法

为了提升传统DV-Hop算法对无线传感网络WSNs(Wireless Sensor Networks)中未知节点的定位精度,提出基于DV-Hop测距修正的遗传模拟退火定位算法IDV-Hop-GSAL(Improved DV-Hop Ranging-based Genetic-Simulated Annealing Localizatio).IDV-Hop-GSAL算法引入节点相近度概念,进而修正DV-Hop测距值,再利用最小二乘法求解未知节点的初始解.然后,建立基于未知节点位置为参数的数学模型,再利用遗传模拟退火算法优化初始解,从而得到获取未知节点的最优位置.仿真结果表明,与传统的DV-Hop+LS算法相比,提出的IDV-Hop-GSAL算法降低了平均定位误差.