基于无线电相干的传感器网络节点定位

目前无线传感器网络节点定位算法中，能够兼顾高精度和远距离定位的算法只有RIPS方法，然而该方法利用汇聚节点进行集中定位。提出了一种基于无线电相干的角度估计算法，并分布式定位节点，在高精度、远距离定位节点的同时，可大规模应用该算法，且定位速度快。实验表明，该方法平均方位估计误差是3.20，90%的测量值误差在6.4度以内。     

无线传感器网络中一种协同源定位算法

针对无线传感器网络传统目标定位过程中,数据在大量传感器节点间传输使得节点能量迅速耗尽,同时远距离低信噪比节点对定位精度的影响等问题。基于分区域协同工作的思想,提出了一种协同源定位算法。对该算法进行仿真试验,结果显示,该算法明显降低了网络能耗,且具有较高的定位精度和稳健性。     

运动单站对运动目标的快速高精度测向定位研究

现有的单站定位算法大都是运动单站对固定目标辐射源或者固定单站对运动目标辐射源的定位,而运动单站对远距离的运动目标很难实现快速高精度的定位.针对平面直角导航坐标系下,运动单站对运动目标的高精度定位综合算法问题,分析了目标的可观测性,给出了不可观测原因,提出了基于多项式拟合的最小二乘定位算法,通过多次仿真实验发现,此算法得到的定位结果可以达到Cramer-Rao下界,说明算法是有效的.结论是侦察机在一定的机动条件下,可以实现对远距离目标的快速高精度定位.     

WSN节点随机运动下的二维测距解析定位

在无线传感器网络节点随机运动的情形下,为适应移动节点所处邻居信标节点数量随时的变化,解决在信标节点稀疏情况下,满足室内环境下高精度测距定位的问题,提出基于次声波和电磁波的非同步TDOA测距解析定位算法。仿真表明,该算法具有较好的鲁棒性,并可实现厘米级定位精度。     

一种高精度移动多站无源定位方法

提出了一种基于改进遗传算法的远距离固定目标高精度多站无源定位方法,在被测固定目标发射的信号中存在稳定载波情况下,本方法的定位精度可以达到载波波长级别.建立了移动多站观察固定目标的载波相位解算模型,在多移动站同时稳定跟踪目标载波情况下,利用改进遗传算法对多站多历元时刻的载波相位观测量进行迭代递推求解,获得高精度的目标定位信息.理论推导与仿真结果表明:该方法是一种高精度的移动多站无源定位算法.     

质心定位中的加权坐标误差修正方法

针对IoT中需求高精度节点定位的问题,提出了一种加权坐标误差修正的质心定位算法。首先对距离无关质心定位算法进行分析,然后使用RSSI测量标记节点与待定位节点的距离,并结合信号衰减度对坐标加权,最后对节点坐标误差修正,进一步精确节点坐标。实验仿真结果表明,本文提出的加权坐标误差修正方法相对于传统定位算法,有更强的抗干扰能力和鲁棒性。     

可见光重构指纹室内定位算法研究

提出一种可见光重构指纹室内定位算法(RFP),通过融合到达时间差(TDOA)算法和指纹算法可快速完成室内高精度定位。该算法首先利用TDOA算法多次估计得到的解集定义一个区域,然后在该区域中构建三维精细指纹库,再利用匹配算法定位未知节点。仿真结果表明,该算法的平均定位误差约为0.1719m,与传统的TDOA算法相比,提高了定位精度,与传统精细指纹算法相比,节省了定位时间。     

基于LS-Kalman的无线传感器算法研究

常用的定位算法用于无线传感器定位时的性能很不稳定且误差很大,为此提出一种更高精度的定位算法。该算法前期使用基于非测距的DV-HOP算法进行初始定位,后期用改进的最小二乘-卡尔曼滤波(LS-Kalman)对初始定位进行循环求精。本文采用MATLAB仿真软件分别对二维和三维无线传感器网络节点进行实验,实验结果表明该算法三维定位收敛更快,定位精度更高,且算法更简单。     

一种高精度低复杂度波达方向估计新方法

提出了一种应用于移动自主网中节点定位的波达方向(Direction of Arrival,DOA)估计新方法,以满足移动自主网对节点定位机制的高精度和低复杂度的要求。利用牛顿法将延迟相加法和求根多重信号分类算法(Root-MUSIC)进行联合估计,定位过程分为2个阶段:采用延迟相加法进行实时粗略DOA估计;采用Root-MUSIC进行精准定位。将该方法实现于软件无线电(SDR)系统,综合了延迟相加法低复杂度和Root-MUSIC高估计精度的优点。Matlab仿真实验结果证明了该方法以较低的复杂度获得近似于单独采用Root-MUSIC所达到的高精度,解决了现有方法难以同时达到高精度和低复杂度的问题。     

基于边框定界的WSN分布式全搜索定位算法

提出一种基于边框定界的WSN分布式全搜索定位算法。该算法通过节点测距得到邻居节点的坐标和距离信息,然后通过边框定界方法确定节点存在的位置区域,最后将位置区域网格化,并用全搜索方法在该区域搜索最佳估计点,最佳估计点的坐标即为节点的定位坐标。该算法应用到网络时需运行多轮,通过逐步求精得到节点的定位坐标。仿真实验表明该算法达到当前其他复杂定位算法的性能。     

一种降低定位误差的无线传感器网络节点定位改进算法

本文针对无线传感器网络节点的定位精度问题,提出了一种采用误差修正的方法来降低累积距离误差和定位误差的传感器网络节点定位改进算法,给出了该算法的基本原理与实现方法.该算法在不增加原算法通信量及计算复杂度的基础上提高了定位精度.仿真结果显示,在同等条件下,本文提出的算法定位精度提高了5～10%.     

WSN节点定位算法改进研究

在无线传感网络(WSN)中,节点的定位是一个非常之关键的问题,而DV-Hop算法是节点定位诸多算法中最主要的一个算法,但它计算未知节点到锚节点的距离时存在些许问题,所以提出了一个新的计算节点间距离的方法,考虑到在未知节点到锚节点路径上三个连续的节点所形成的角度的影响,使得距离的计算更精确.通过仿真可以得知这个改进算法能有效地提高未知节点定位的覆盖率和精度.     

无线传感器网络中DV-Hop定位算法的改进

无线传感器网络中基于无需测距的节点定位算法定位精度不高,一般应用在粗精度定位中。为了提高基于无需测距的DV-Hop算法定位精度,利用最小均方差准则改进算法,通过修改指数值精化平均每一跳距离,提出不同通信半径、不同锚节点覆盖率下的最佳指数值概念,并应用在一种锚节点均匀分布环境中,进一步提高定位精度。MTLAB仿真结果表明,在最佳指数值下,改进的算法在不同锚节点覆盖率、不同通信半径下能提高定位精度,同时不会增加节点能量消耗与硬件成本。     

WSN中基于最佳指数的加权DV-Hop算法

DV-Hop算法是一种低成本、低定位精度的无需测距定位算法,在粗精度定位中应用广泛。为提高DV-Hop算法定位精度,从减小锚节点的平均每一跳距离误差和减小未知节点平均每一跳校正值误差两方面考虑。首先,用最佳指数值下的公式计算锚节点平均每一跳距离。然后,将未知节点的校正值加权处理,使所有的锚节点根据与未知节点距离的远近影响校正值的大小。MATLAB实验证明,改进的基于最佳指数值下的加权DV-Hop算法比DV-Hop算法、加权DV-Hop、最佳指数值下DV-Hop算法定位精度分别提高2%左右、1.65%左右、1.15%左右,同时不会增加网络硬件成本。     

超宽带定位的AGV定位跟踪算法研究

为了对室内运行的AGV定位跟踪,本文提出一种基于超宽带定位的AGV定位跟踪算法。首先针对3基站TDOA定位方法存在基站附近及其遮挡区域定位错误概率高的问题,本文算法利用目标运动信息辅助降低定位错误概率;其次针对室内环境制约造成机动AGV的跟踪困难问题,本文算法首先对室内环境信息进行描述,采用目标预测位置到障碍物区域的张角作为辅助信息对多模型跟踪算法中模型集进行更新,最后进行状态估计。本文算法将运动先验信息引入到定位方法中,具有定位准确概率高的优点;将环境先验信息引入到跟踪算法,具有错误估计概率低的优点。通过仿真实验证明,本文算法具有较低的跟踪错误概率和较高的定位正确概率,能够有效实现3基站条件下室内运动AGV的定位和跟踪。      

基于改进DV-Hop的无线传感器网络节点定位算法

针对DV-Hop距算法定位误差大的难题,提出一种改进离估计误差,并利用DV-Hop的传感器节点定位算法。首先修正知节点与信标节DV-Hop算法对节点进行定位;然后对进V-Hop算法定位误差行校正,最后在Matlab 2012平台上对算法性能进行仿真分析。仿真结果表明,本文算法可以较好地克服DV-Hop算法存在的不足,提高了传感器节点的定位精度。     

改进的无线传感器网络DV-Hop 节点定位算法

DV-Hop 算法是解决无线传感器网络节点定位问题的一种经典算法。文中根据经典的DV-Hop 算法提出了一种改进算法,通过引入更优的误差矫正和双曲线定位算法,减少了经典算法中多跳过程中积累的定位误差。比较和分析了经典DV-Hop 算法和改进后算法的仿真结果可以看出,改进后的DV-Hop 算法定位精度提高显著,在给定条件下的定位误差下降了约50%。     

基于区域划分和余弦定理的DV-Hop算法改进

针对传统距离向量-跳段定位算法(Distance Vector-Hop,DV-HOP)存在的节点密度分布不均引起误差比较大的问题,根据DV-Hop算法特性,采用余弦定理,证明节点密度越大所得定位坐标越准确,使用余弦定理减少在节点密度过大时因空间角度导致节点路径曲折过多而引起的误差,同时提出一种区域划分的改进算法,减少在节点密度较小区域的误差;利用接收信号强度指示(Received Signal Strength Indicator,RSSI)对跳数进行量化分级处理,改善实际距离与计算出的距离相差过大的情况;最后采用最小二乘法估计未知节点坐标。仿真表明,所提出的算法与传统的DV-Hop算法相比,误差有一定的减少。     

基于限定域-蜂群的光纤物联网节点定位算法研究

为了实现物联网光纤感知层中待测节点的快速精确定位,提出了基于限定域-蜂群的节点定位算法,建立了针对光纤传感网络数据特点的节点定位模型,采用矩形限定域简化约束条件,从而提高定位精度。实验结果显示,当参考节点数大于3时,对定位平均误差的影响基本不变;当种群数取18时,定位平均误差趋于稳定,3种算法的平均定位精度分别是2.3 m、3.1 m和3.4 m;而达到定位精度需要的迭代次数分别是12次、15次和41次。由此可见,本算法在稳定性、定位精度及收敛速度方面均具有更好的定位性能,其在大范围物联网光纤感知层节点定位领域具有一定的实际应用价值。