基于RSSI测距和距离几何约束的节点定位算法

节点定位是无线传感器网络的基础问题之一,基于RSSI测距技术被广泛应用到节点定位中。由于RSSI测距受到环境影响而产生测距误差,进而影响节点定位的精度。本文利用距离几何约束来减小RSSI测距误差,并结合三角形质心定位算法。仿真结果表明该算法比基于RSSI三角质心定位算法的定位精度有较大提高。     

一种基于RSSI的几何位置定位新算法

RSSI(接收信号强度指示)测距技术在室内应用环境中,由于多径、绕射、障碍物等因素,无线电传播路径损耗在定位过程中产生的距离误差影响了定位求精的功效,为提高定位精度,通过引入圆的几何力量线--根轴的概念,采用RSSI室内信道模型,提出了一种改进的三边定位算法:根轴定位算法.该算法无需增加额外的硬件开销,容易实现.计算机仿真结果表明,在25 m以内的环境中定位误差可小于3 cm,适合于处理能力和能量有限的无线传感器网络节点.     

基于支持向量回归的无线传感器网络定位算法

针对一些增量定位中误差容易累积和集中式算法通信开销较大问题,提出了一种基于支持向量回归的半集中式定位算法,中心节点收集锚节点位置和网络连通信息作为训练样本,使用支持向量回归技术得到连通信息到节点位置的映射函数,分发到普通节点后即可使用此函数完成自身定位.为增加训练样本,对邻居锚节点达到3个的普通节点,使用基于RSSI测距的最小二乘法进行定位,升级为锚节点.分析和仿真表明,算法减少了通信开销,减轻了测距误差影响,并获取了较高的定位精度.     

基于RSSI的无线传感器网络距离修正定位算法

节点自身定位是无线传感器网络目标定位的基础。无线传感器网络节点定位算法包括基于距离和距离无关两类。其中基于RSSI的定位算法由于实现简单而被广泛使用,但RSSI方法的测距误差较大,从而影响了节点定位精度。提出了一种基于RSSI的无线传感器网络距离修正定位算法。该算法通过RSSI测距,计算近似质心的位置,以此为参考点进行距离修正,然后确定节点的位置。仿真结果表明该算法可以提高节点定位精度。     

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。     

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。     

基于RSSI高斯滤波的LSSVR无线传感网络定位算法

为了降低基于接收信号强度指示(RSSI)测距误差对节点定位的影响,解决RSSI测距定位误差较大的问题,提出基于RSSI高斯滤波的最小二乘支持向量回归机LSSVR定位算法(LSSVR-GF-RSSI)。LSSVR-GF-RSSI算法先利用高斯函数滤除误差较大的RSSI值,筛选出较准确的RSSI值,再依据这些值计算未知节点离锚节点间的距离。将这些距离作为LSSVR的输入,建立基于RSSI测距的LSSVR定位算法模型,最终,估计未知节点的位置。仿真结果表明,提出的LSSVR-GF-RSSI算法能够有效地降低均方定位误差,比传统的基于RSSI的LSSVR定位算法减少了约12%~20%。     

基于改进RSSI测距的LSSVR三维WSN定位算法

针对基于RSSI测距的定位算法定位误差较大的问题,通过加入多组已知节点之间的距离和接收功率作为参考,提出了一种改进的RSSI测距算法,并将改进的RSSI测距作为最小二乘支持向量回归机LSSVR的输入向量,获得基于改进RSSI测距的LSSVR三维定位算法模型。MATLAB仿真结果表明,在节点随机分布的三维环境中,基于改进RSSI测距的LSSVR定位算法的定位误差比传统LSSVR定位算法减小了13.6%~21.2%,另外,可以通过增加已知节点数量等方法,进一步提高目标定位的准确性。     

无线传感器网络中多边定位的聚类分析改进算法

针对距离偏差对多边定位算法的影响,提出了一种改进的KC-Multilateration算法.将K-means聚类方法引入到无线传感器网络的定位问题中,通过聚类分析对误差较大的距离信息进行筛选.对剩余距离信息使用多边定位法进行定位求解,作为最终结果.仿真实验表明,KC-Multilateration与原多边定位法相比在各种误差环境下均能有效降低定位误差,且定位结果稳定.在由实际节点构成的实验环境中使用RSSI值进行测距的进一步实验表明,在不增加任何通信开销的前提下,改进算法定位误差更小,容错性更高,验证了KC-Multilateration的有效性和实用性.     

无线传感器网络基于APIT的混合定位算法

为了克服定位算法近似三角形内点测试法(approximate point-in-triangulation teat,APIT)的误差影响,将接收信号强度指示器(received signal strength indicator,RSSI)测距与APIT相结合,提出了APIT算法的改进算法-RAPIT(RSSI and APIT)定位算法.该算法引入限定距离的概念,将引起误差的节点的位置限定在以锚节点为圆心,以限定距离为半径的圆的重叠区域内.实验证明,该算法有效减少了误差,提高了定位覆盖度.