基于RSSI测距的传感器节点质心定位修正算法

针对传感器网络节点定位精度问题,研究基于RSSI测距的定位算法,提出多信标节点质心定位修正算法,通过该算法计算得到多组未知节点估计坐标,并在此基础上利用质心定位修正算法计算节点坐标修正值;利用仿真实验,证明基于RSSI测距的传感器节点质心定位算法定位精度比传统质心定位算法定位精度提高13.8%,比RSSI加权质心定位算法提高6.3%。     

基于RSSI与移动锚节点运动轨迹的定位算法

无线传感器网络获取消息节点的位置需进行实时定位,但由于传感器节点存在能量有限、可靠性差等不足,考虑到能耗和硬件的限制,提出一种基于接收信号强度指示(RSSI)的定位算法。利用未知节点从锚节点处接收到的RSSI值序列估计未知节点的位置,锚节点在监测区域中按照特定的轨迹运动,以覆盖区域内所有的点。仿真结果表明,该算法是可行的,且具有较高的定位精度。     

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RSSI距离修正的WSNs定位算法

针对无线传感器网络(WSNs)易受外界因素影响,导致三边定位的锚圆不能相交的情况,提出了一种接收信号强度指示(RSSI)距离修正定位算法。通过对锚圆半径进行修正,形成3个锚圆相交的区域,然后用加权定位法对未知节点进行准确定位。仿真和实验结果表明:在6 m×10 m的区域范围内,该算法的平均定位误差为0.62 m,和其他定位方法相比,有更好的定位精度。     

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。     

基于粒子群优化的RSSI等弧三边定位算法

通过分析不同通信距离与接收信号强度指示(RSSI)的变化关系来选择满足定位要求的最佳通信距离.采用基于RSSI的等弧三边形布局,使待测节点运动轨迹始终位于信标节点的最佳通信距离内,以提高定位算法的测量精度.实验结果表明:相比传统的方形布局和三角形布局及改进三角形布局,等弧三边形布局平均定位精度分别提高81％,54％和48％;相对于传统三角形布局,等弧三边形布局面积覆盖率提升23％.提出的定位算法计算简单,无硬件扩展,成本相对较低.     

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。     

一种基于RSSI校正的三角形质心定位算法

节点自定位一直是无线传感器网络中的关键,基于接收信号强度指示(RSSI)的定位技术是目前的研究热点,但由于多径、绕射、非视距的影响,产生的距离误差较大.提出了基于RSSI校正的三角形质心定位算法,该算法简单,不增加通信开销,无需硬件扩展.仿真实验表明:该算法较其他算法大大提高精度,适合通信开销小、硬件要求低的无线传感器网络节点.     

基于测距修正和位置校正的RSSI定位算法

在基于接收信号强度指示(RSSI)的无线传感器网络节点定位问题中,为了提高节点的定位精度,通过对无线电传播路径损耗模型的分析,提出了基于RSSI测距的改进距离估计公式。针对已有节点校正方法存在的不足,提出了将一次循环校正后所有校正坐标的质心作为新的节点位置的校正方法。实验结果表明,改进的距离估计公式有效地提高了节点间的距离精度,并在适当增加节点计算量前提下,节点位置校正使节点的定位精度更高,达到良好的定位效果。     

基于RSSI权值的环境适应型室内定位算法研究

定位节点接收的信号强度指示（Received Signal Strength Indication,RSSI）值是室内指纹定位技术重要的元素之一。通过对定位节点接收到的信号强度值特性分析,提出了基于RSSI权值的室内定位算法。改进型RSSI权值计算公式以及权值指数[α]的提出,使得定位算法具有一定的环境适应性,能更灵活地运用于实际定位场景。经过一般实验场景验证,算法在定位精度上有较大的提升。     

基于RSSI定位模型的非视距关系识别方法

RSSI 定位具有无需额外的硬件、成本低等特点,在无线传感器定位领域得到了广泛的应用。为精确定位目标节点坐标,本文介绍了RSSI对数衰减模型下实现目标节点定位的最大可能性(ML)估计方法。以建立的ML估计方法的目标函数为基础,本文同时论证了节点残差和平方残差和的统计分布规律,并提出了相应的非视距（NLOS）关系识别方法。仿真结果表明当信标节点存在误差时,所设计的迭代ML估计方法能快速、准确地实现目标定位。仿真实验测试了节点残差法、平方残差和法的NLOS识别率,表明随着单个节点NLOS误差的增大,NLOS识别率逐渐提高。比较两种不同方法下NLOS的正确识别率,节点残差法的识别率稍优于平方残差和法。     

基于移动节点的三维水下传感器网络定位

为有效解决传感器节点在水中的移动性问题,而节点移动主要是因为水流和随机干扰,提出了一种基于移动节点的定位算法—MNLS（移动节点定位算法）．移动节点定位算法是在分析现有相关定位算法的基础之上,提出了首先预测节点的运动轨迹,然后进行节点的测距与定位的算法思路．利用MATLAB对算法进行了仿真,实验结果表明MNLS与chan算法相比较,单个节点的定位精度以及不同速度下节点的定位精度都得到了提高,因此,该算法对水下传感器网络定位有着实际的应用价值．     

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。     

基于RSSI的移动权值定位算法

为了减少传统基于RSSI（received signal strength indication）定位算法对室内传播模型的依赖,以及简化这类算法的复杂程度,提出一种基于RSSI的移动权值定位算法。算法通过场境建模,设定三类基准点并平均分布在建模场景中;获取设定场境内不同定位标签的RSSI向量,根据判定规则确定基准点,再运用室内传播模型计算移动权值,估算待测终端的位置信息。通过真实场景实验对比分析,该算法较对比算法具有更好的定位精度以及稳定性。     

基于RSSI测距的信标节点自校正定位算法

节点定位是无线传感器网络中的重要应用之一.为了有效抑制各种因素对无线传感器节点定位精度的影响,以三边定位算法为基础,提出了一种基于误差校正的定位算法.该算法通过测量信标节点之间的距离,获得信标节点RSSI值测量误差和网络的定位误差,并对误差进行补偿,从而提高整个网络的定位精度.实验结果显示,该算法能明显提高定位精度和稳定性,具有普遍应用意义.     

基于接收信号强度指示加权融合的质心定位算法

针对当前无线传感器网络质心定位算法在参考节点分布不均匀时定位误差较大,提出了一种基于RSSI加权融合的质心定位算法.通过将离未知节点距离由近到远的每三个参考节点组成三角形定位单元,运用传统质心算法产生质心,这样确保了质心的有效性.分析了影响定位精度的因素,通过加权因子来体现不同参考节点对质心坐标决定权的大小,并确定了各因素的权值.最后进行加权融合处理,使得整个定位精度得到了很大的提高.仿真结果表明,所提算法较之前的加权质心算法定位精度有了明显提高,最高可达38.41％.     

一种基于RSSI的无线网络接口低功耗方法

通过对Wi-Fi无线网络接口卡(Wi-Fi NIC,Wi-Fi network interface card)功耗特性的研究与分析发现,Wi-Fi接口活动功耗与上行/下行传输速率成线性关系.接收信号强度指示器(RSSI,received signalstrength indicator)是影响数据传输率的重要因素.智能移动终端在高信号强度环境下具有更高的数据传输速率、更低的丢包率与错误率,为节省Wi-Fi数据传输功耗并减小数据延时,提出一种基于RSSI的Wi-Fi NIC低功耗管理方法,通过检查RSSI值,选择性发送或推迟发送延时容忍(delay tolerant)的非实时数据,保证数据在高信号强度下传输,使得数据传输总时间缩短的同时获得功耗节省.     

基于RSSI的测距差分修正定位算法

为了抑制RSSI误差对无线传感器节点自身定位精度的影响,以三边定位算法为基础,定义了个体差异差分系数、距离差分系数和距离差分定位方程,把离目标节点最近的信标节点作为参考节点对基于RSSI的测距进行差分修正,并将差分法和质心法相结合提出了一种测距差分修正定位算法。该定位算法无需增加额外硬件开销,容易实现,定位误差可小于2.5m,适合于处理能力和能量有限的无线传感器网络节点。     

基于RSSI的无线传感器网络圆环质心定位算法

针对无线传感器网络质心算法受节点分布均匀程度的影响, 少数锚节点增大定位误差, 提出了一种圆环质心算法. 该算法以未知节点为圆心, 将未知节点通信区域划分成半径由大到小的圆环, 通过圆环剔除容易增大定位误差的锚节点, 筛选出合适的锚节点, 并在圆环上寻找近似等边三角形来进一步减小定位误差. 同时提出了利用RSSI值来形成圆环的方法. 仿真结果表明, 在100m×100m的区域中, 随机投放100个节点, 通信半径为20m, 锚节点数为20时, 圆环质心算法与质心算法相比, 定位精度提高了11%.