无线传感器网络TDOA定位系统的设计与实现

分析现有的基于TDOA的无线传感器网络定位系统与算法,使用基于超声波传感器和无线射频模块的到达时间差(TDOA)测距技术,完成了该定位系统、机制和算法的设计和实现;针对传感器网络在实际应用中的不均匀性布撒和不良节点定位等问题,在TDOA测距技术和多边测量定位算法的基础上,提出一种改进的定位算法,以提高网络定位性能;实验表明,改进后的定位系统有效的减小了网络的定位误差,解决了不良定位问题,可应用到无线传感器网络中。     

基于RSSI与TDOA的混合测距加权定位算法

对RSSI和TDOA测距技术优缺点进行分析,提出了基于（接收信号强度指示（RSSI）和信号到达时间差（TDOA）的混合测距加权定位算法,解决无线传感器网络定位系统中单纯依靠TDOA测距造成信标节点数量不足的问题。该算法根据测距方式的精度差异对测距结果进行加权校正处理,仿真实验表明,通过选择合适的加权值可以大大降低采用RSSI测距方式对定位精度产生的不利影响。     

基于在线校正的无线传感器网络定位算法

准确度和精确度是无线传感器网络定位系统重要的指标。分析现有的校正技术,在基于超声波传感器和无线射频模块的到达时间差（TDOA）测距技术和多边测量定位算法的基础上,结合校正技术,提出一种基于在线校正的定位算法。改进的算法针对传感器网络在实际应用中的不均匀性布撒,充分利用密集布撒下节点定位的冗余信息,以提高密集型网络的定位精度,从而提高整个网络的定位性能。实验表明,改进的定位算法有效地减小了网络的定位误差。     

基于超声波六元阵列TDOA测距的WSN定位系统设计与实现

基于超声波测距的定位技术以其精度高、范围广和性能稳定等优点,在无线传感器网络中广泛应用。为了实现较大范围的高精度定位,采用TDOA的测距技术设计了满足远距离测量和二维全向测距的六元超声波传感器阵列系统,实现了无锚节点的无线传感器网络中节点的高精度定位和实时监控。测距实验结果表明,该系统的测量距离最远为16 m,平均测距误差为0.14%;定位实验结果表明,10个节点可以在3 min内完成全部组网和定位,平均定位误差约为23.74 cm。     

基于超声波六元阵列测距的WSN节点定位技术研究

基于超声波测距的定位技术以其精度高、范围广和性能稳定等优点,在无线传感器网络中广泛应用。为了实现较大范围的高精度定位,利用自主实现的超声波六元传感器阵列进行TDOA测距,并进行测距误差分析,然后采用基于测地距离的多维定标算法(Geodesic Distance MDS)进行无线传感器网络节点定位。在MATLAB平台下与Cricket采用的迭代式三边定位和AHLoS采用的多点定位算法进行对比仿真实验,结果表明Geodesic Distance MDS算法在不同网络规模和测距误差条件下均能够获得更高的定位精度和较小的定位误差。     

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LQI测距定位算法及其误差研究

无线传感器定位算法对无线传感器的工程应用具有重要的意义.针对基于LQ I测距的无线传感器网络,研究了测距模型的建立并对比分析了最小二乘定位算法和质心定位算法,相关仿真研究结果表明:该两种定位算法的精度与测距误差的性质具有鲜明的规律性,当测距误差正向分布时,最小二乘定位比质心算法精度高;当测距误差正负双向分布时,质心算法比最小二乘定位精度高.最后,文中通过搭建的Z igBee硬件平台实验验证了仿真的结果.本文从测距误差模型入手对无线传感器定位算法进行研究,仿真结果与实验验证相一致,有利于W SN的推广应用.     

基于自适应粒子群算法的改进DV-Hop定位算法

针对无线传感器网络节点定位中DV-Hop算法定位精度较低的问题,提出了一种改进DV-Hop算法,该算法引入跳距误差加权策略,改进平均每跳距离计算方法,使其更好地反映网络的平均每跳距离的实际情况,有效地降低了无线传感器网络中无需测距算法的定位误差。同时引入自适应粒子群优化算法来校正改进DV-Hop的估计位置的方法。仿真结果表明,本算法在定位精度和节点覆盖率上明显优于基于PSO校正的DV--Hop算法和传统的DV-Hop算法,证明该算法在一定程度上提高了DV-Hop算法对无线传感器网络的容错性,具有更好的适用性。     

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.     

基于目标定位的低功耗无线传感器网络节点设计

介绍了一种具有目标定位功能的新型无线传感器网络节点,通过该节点可以确定目标节点(以下简称为目标)的方位和距离,对目标方位的确定基于四元十字阵列的时延估计法,对目标距离的确定采用TDOA的射频+音频信号的测距机理;硬件电路以Micro-chip公司的dsPIC微处理器芯片和Altera公司的MAXⅡ系列CPLD为核心,包括4路音频信号采集调理单元、一个外部SRAM存储器、一个2.4G频段的无线收发单元和一个电源管理单元,实验数据表明,该节点测距误差小于2.5%,角度误差小于±3°。     

基于内三角形质心算法的超宽带室内定位

针对工业现场自动导引运输车（AGV）定位方式灵活性差的问题,应用DW1000射频（RF）芯片,设计实现了一种超宽带（UWB）室内定位系统。首先,提出了高效的多基站测距和多标签调度机制,解决标签冲突和组网问题。其次,针对三角形质心算法实际应用中测距极大误差引起的定位精度低、稳定差的问题,引入可信度概念,提出了内三角形质心算法,通过可信度算子削弱测距极大误差的影响,提高算法性能。最后,将该系统应用于工业车间,当系统容纳20个标签时,单个标签的坐标平均更新频率达到24 Hz,标准差为3 Hz;静态平均定位误差为11.7 cm,标准差为2.5 cm;动态最大误差小于30 cm。实验结果表明,该系统具有高实时性、高精度和高稳定性的特点。     

基于全质心-Taylor的UWB室内定位算法

针对室内环境下的非视距(NLOS)传播给定位精度造成较大误差的问题,通过对超宽带(UWB)定位模型进行分析,提出了一种基于全质心-Taylor的混合定位算法.采用对测距误差不敏感的全质心算法将锚点测距数据分组运算,获得目标节点的初始粗定位信息,采用质心修正算法对粗定位节点进行优化运算,从而确定Taylor级数展开初值,再进行迭代求解,进行第二次精细定位.实验结果表明:与Chan-Taylor算法、最小二乘估计(LSE)-Taylor算法相比,本文算法定位精度有明显提高.     

一种非视距环境下的目标定位算法

针对机器人、无人机和其他智能系统的位置信息,研究了非视距(non line of sight, NLOS)环境中基于到达时间(time of arrival,TOA)测距的目标定位问题。在建模过程中,通过引入平衡参数来抑制NLOS误差对定位精度的影响,并成功将定位问题的形式与一个广义信赖域子问题(generalized trust region subproblem,GTRS)框架进行耦合。与其他凸优化算法不同的是,本文没有联合估计目标节点的位置和平衡参数,而是采用了一种迭代求精的思想,算法可以用二分法高速有效地进行求解。 所提算法与已有的算法相比,不需要任何关于NLOS路径的信息。此外,与大多数现有算法不同,所提算法的计算复杂度低,能够满足实时定位的需求。仿真结果表明:该算法具有稳定的NLOS误差抑制能力,在定位性能和算法复杂度之间有着很好的权衡。     

利用核局部保持映射分析到达时间定位问题

为降低测距误差对定位精度的影响,提出了一种基于核局部保持映射(KLPP)的定位算法。该算法以节点间的传输时间向量为输入,借助能够体现网络拓扑结构局部信息的核局部保持映射进行建模。仿真结果表明:基于KLPP的定位算法与传统基于核函数主成分分析(KPCA)的定位算法相比,在解决TOA定位问题时具有较高的定位精度,在复杂环境下能更有效地降低测量误差对TOA定位精度的影响。     

区域生长辅助的地图配准在室内定位中的应用

地图匹配（ MM）算法通过粒子滤波（ PF）利用室内地图信息来抑制基于惯性传感器的室内定位系统的误差累计。利用区域生长（ RG）算法结合当前步长和方向信息在地图上找到合理的落脚范围,并以此来判断粒子的有效性。这种方法能有效改善地图配准算法的实用性和计算复杂度。提出一种改进的零速度（ ZV）检测算法能准确提取步伐信息,间接提升了零速度更新（ ZUPT）算法和地图配准算法的精度。实验结果表明：该算法的定位误差小于1.0%,定位精度比单纯的航位推算（ DR）算法平均提高了5.97%。     

一种基于卡尔曼滤波的超宽带室内定位算法

为了减小室内环境中障碍物对超宽带(UWB)传感器测距结果的影响,提出了一种基于卡尔曼滤波(KF)的超宽带室内定位算法.利用超宽带接收信号的信噪比区分视距和非视距环境,给出了超宽带传感器测距性能最小二乘标定模型,减小测距系统误差;判断相邻测距差分是否在阈值范围内,否则用卡尔曼滤波先验估计替代后验估计处理测距结果,由此减弱多径效应和非视距误差对测距的影响;用扩展卡尔曼滤波器(EKF)实现室内定位.实验结果表明:算法在复杂室内环境中可达到亚米级的动态实时定位精度.     

一种基于APIT的无线传感器网络混合型定位算法

针对现有近似三角形内点测试（ APIT）算法在信标节点密集环境下定位精度不高、稀疏环境下覆盖率较低的问题,提出了一种混合型定位算法。该算法通过减小三角形内点测试（ PIT）时的三角形误判、选择优良的三角形,提高了信标节点密集环境下的定位精度。同时,该算法结合DV-Hop算法与两点定位法在稀疏环境下能计算出未知节点坐标的优点,提高了信标节点稀疏环境下的定位覆盖率。仿真分析表明：混合型算法有效地提高了信标节点密集环境下的定位精度和信标节点稀疏环境下的定位覆盖率。     

改进的无线传感器网络节点定位算法

为了减小无线传感器网络(WSN)节点定位中非视距传播误差产生的影响,提高节点定位精度,提出一种基于残差加权的牛顿迭代定位算法。先利用残差加权算法定位,得到未知节点的初步位置,再将该节点位置作为牛顿迭代定位算法的初始值进行迭代计算,最终得到更为精确的节点位置。仿真实验结果表明,该算法能有效地抑制非视距传播误差的影响,提高传感器网络节点定位的精度,且性能稳定。     

基于WSNs中距离函数和指数函数的三维质心定位算法

将无线传感器网络中二维定位扩展到三维定位,并针对三维空间定位精度低的问题,分别提出了基于距离函数和指数函数的三维加权质心定位算法.仿真结果表明:基于这两种函数的加权定位算法的精度较传统三维质心算法有了显著提高,平均定位误差均降低了8%.同时,在锚节点比例为15%时其网络覆盖率可达92%以上.