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.     

无线传感器网络节点定位技术应用

通过应用无线传感器网络定位技术，构建了一个人员监控系统。系统可以对人员位置进行实时定位，避免了因事故发生却不能确定事故地点造成的问题，减少了许多不必要的损失。目前，该系统已经处于运行和维护阶段，运行效果良好。     

基于RSSI 和分步粒子群算法的无线传感器网络定位算法

为了更加合理地分配网络资源、采集性能优良的信息来更好地完成任务,提高事件的定位精确度,提出一种基于接收信号强度指示(RSSI)和分步粒子群算法的无线传感器网络定位算法(IPSO-IRSSI).该算法在分析RSSI无线传播损耗模型的基础上,结合优胜劣汰的选择思想以及目标函数最优的权重自适应方法,提出过滤锚节点机制和粒子群分步算法.仿真实验结果表明,该算法具有较高的定位精度,优于距离相关的传统定位算法.     

一种基于无线传感器网络的RF定位算法研究

提出了一种全新的RF定位估测方法。测量了在锚节点中的未知节点收到的信号强度,然后转换信号强度的信息为距离的估测。使用这些估测得到了一种未知节点的概率分配模型并终于找到了概率最大时候的位置,由此作为结果。实验中采用了Matlab作为仿真工具,而所得到的结果相比先前的定位方法有一定的优势。     

无线传感器网络质心定位算法研究

节点定位是无线传感器网络中的关键技术之一.质心定位算法完全依赖于锚节点的密度大小及分布情况,锚节点的密度较小且随机分布,所以质心定位算法的定位精度比较低.为了提高节点定位的精度,提出了一种改进的无线传感器网络质心定位算法.在质心定位算法中引人接收信号强度(RSSI)信息,利用RSSI计算节点间点到点的信号强度,并把信息强度值转换成距离值,取倒数作为质心算法权重值,通过质心定位算法对未知节点坐标进行计算,得到节点的具体位置.通过仿真对算法进行测试与分析,仿真结果表明,算法定位的误差减小,提高了节点定位精度,是一种有效的定位算法,为网络设计提供了依据.     

基于RSSI的无线传感器网络定位系统设计与实现

基于窄带无线信号的路径损耗和阴影衰落,直接建立多个锚节点值与待定位节点未知坐标估计量的解析关系,避免传统RSSI定位方法中常用的对两节点距离量的直接求解,减少信息丢失,提高定位精度;仿真分析了锚节点数量、遮挡因子、路径损耗指数等对定位精度的影响;采用CC2530无线传感芯片实现基于RSSI的无线传感器网络定位系统;系统采用8个锚节点分别在边长4m和10m的两个正方形区域内展开定位实际测试,结果显示其平均定位误差可分别降到0.175m和0.824m。     

基于RSSI的无线传感器网络节点定位算法

节点定位技术是无线传感器网络关键技术之一,介绍了节点定位技术的基本原理,提出了一种新的基于接收信号强度(RSSI)的无线传感器网络定位算法.该算法在第一阶段对节点初始位置进行初步估计,第二阶段对节点初始位置进行求精.仿真结果表明,在锚节点比例较低的情况下,该算法仍然可以实现较高的定位精度,并且与dv-distance定位算法比较,表明该算法在相同条件下精度更高.     

基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

基于RSSI的无线传感器网络迭代安全定位算法

分析了无线传感器网络节点定位过程中的安全性问题,针对接收信号强度指示(RSSI)测距技术,提出了一种结合梯度下降法和离群检测技术的安全定位算法.仿真和实验结果表明:使用该算法的无线传感器节点在存在攻击的环境下依然能够正常定位,当平均测距误差为0.7m时,定位误差为1m.     

基于模糊控制的无线传感器网络室内定位算法

提出了一种通过无线传感器网络组网,利用基于模糊算法的改进接收信号强度指示(RSSI)测距技术来进行室内定位的系统设计方案。通过模糊状态分类建立环境气候和障碍物的模糊分布参数,对“距离-损耗”模型进行改进,算出其隶属函数,从而得到较准确的测距公式,计算出移动节点的位置信息。实验结果表明：提出的定位算法在对移动节点定位的实时性和准确性上能满足实际需要,具有应用价值。     

无线传感器网络节点定位加权校正模型

为了降低定位算法本身和接收信号强度指示(RSSI)所产生的误差对定位精度的影响,在以往的定位算法(如利用高斯—马尔可夫模型定位)中加入校正机制,并将移动锚节点和固定锚节点定位技术相结合,提出了一种基于加权的校正模型和算法。仿真结果表明,采用加权校正模型有效地提高了节点定位精度,与采用高斯—马尔可夫模型定位相比较,定位精度提高了36.2%。     

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。     

基于RSSI均值的无线传感器网络拓扑控制算法

针对采用接收信号强度指示(RSSI)值构建拓扑存在误差的不足,提出一种分布式拓扑控制算法RTC。该算法基于RSSI均值计算节点间双向路径损耗,从而判断两节点间是否存在每跳通信链路代价都小于直接通信链路代价的两跳路径,以构建局部优化拓扑。理论分析了算法的通信复杂度和网络连通性,仿真分析了其节能特性,结果表明RTC在降低网络能量消耗的同时延长了网络生命周期。     

滑坡监测的无线传感器网络定位系统设计

为解决目前滑坡监测系统普遍存在的工程造价高、自动化程度低、施工不便等问题,研究设计了一种无线远程滑坡监测系统。该系统使用ZigBee无线电定位技术取代各种滑坡传感器来获取滑坡地表位移信息,通过通用无线分组服务(GPRS)进行数据远程传输,可实现滑坡状况的远程自动监测。在改进现有接收信号场强指示(RSSI)定位算法基础上,进行了系统架构和软硬件的研究设计,并利用OPNET及Matlab对系统方案进行了模拟实验,在10m×15m测试区域内,该系统平均定位误差为1.39m,误差波动小于0.5m。研究与实验结果表明：所研发的系统在监测现场无需任何一次检测仪表,显著降低了滑坡监测系统成本,具有工程造价低、施工难度小和自动化程度高的特点。     

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。     

一种分布式无线传感器网络节点定位算法

基于接收信号强度(RSSl)的无线传感器网络节点定位算法由于无需额外测距硬件的支持而受到广泛的应用.但无线信号传输受到环境的影响,使得基于RSSI的定位算法存在较大的定位误差.针对上述不足提出了一种基于概率的无线传感器网络节点定位方法.首先根据信标节点发送信号强度与未知节点接收信号强度差来计算未知节点到其一跳范围内所有信标节点的估计距离,然后根据这些估计距离,通过计算未知节点在某个位置概率密度函数的最大值来确定未知节点自身的位置坐标.通过仿真表明,该方法在较低的信标节点密度和节点通信半径条件下,具有较高的节点定位精度和定位覆盖率.     

引入RSSI指纹抖动量的室内定位改进算法

为提高接收信号强度指示( RSSI)指纹进行室内定位的准确性,提出一种利用RSSI指纹抖动量的虚拟标签定位改进算法。给出RSSI指纹抖动量计算方法,将其应用于待定位标签与参考标签的距离以及虚拟标签RSSI指纹的计算。在实际测试中,将RSSI指纹抖动量用于虚拟标签定位算法射频指纹( RFFP)的改进。测试结果表明,与 RFFP 算法和 LANDMARC 算法相比,改进算法的平均定位精度分别提高约0.35 m ~0.88 m 和0.38 m~0.94 m,算法耗时仅分别增加约1%和12%。     

无线传感器网络中基于RSSI的加权DV-HOP定位方法

节点位置是无线传感器网络应用不可缺少的信息。DV-HOP算法是一种常见的无线传感器网络节点自定位算法。标准DV-HOP算法在计算跳数时并未根据邻居节点间距离对跳数进行加权处理,导致当邻居节点间距离差别较大时算法定位精度低的问题。从RSSI的耗散模型可看出,RRSI可以作为距离的比征,提出一种基于RSSI的DV-HOP加权算法。该算法基于节点接收信标节点位置元组时的信号强度（RSSI）对邻居节点间跳数进行加权处理,将节点间的跳数与距离相关联。仿真实验结果证明该加权算法可大大提高定位精度。