基于自适应RSSI的Bounding-Box轮回选择WSNs定位算法*

针对无线传感器网络(WSNs)定位精度不高和环境自适应性较差问题,提出一种基于自适应RSSI的Bounding-Box轮回选择WSNs定位算法。首先针对传统的RSSI测距模型中距离参考节点1m处信号强度值A和路径衰减指数n都为固定值,无法适应不同环境的需要问题,提出了一种测量A的新方法,并且通过引入一个虚拟锚节点动态实时获取n;然后采用三三交集Bounding-Box定位算法得到许多接近未知节点的估计值;最后对这些估计值利用轮回选择法得到最终定位结果。仿真结果表明,该算法与已有的相关Bounding-Box算法相比,具有较高定位精度和一定的实际应用价值。     

基于Pearson相关系数的快速虚拟网格匹配定位算法

针对室内环境下位置指纹匹配定位算法中离线数据库采集工作量较大的问题,提出了一种基于Pearson相关系数的快速虚拟网格匹配的定位算法。首先,将接收信号强度指示（RSSI）进行高斯滤波预处理得到接收信号强度向量;然后,利用Bounding-Box方法确定初始虚拟网格区域,将该网格区域快速迭代细分并计算网格中心点到各信标节点的距离对数向量,计算接收信号强度向量和距离对数向量之间的Pearson相关系数;最后,选取Pearson相关系数接近于-1的k个近邻坐标以相关系数加权估计确定待定位节点的最优估计位置。仿真实验结果表明,在1m虚拟网格且RSSI噪声标准差为3dBm的条件下,算法定位误差小于2m的概率大于94.2%,其定位精度优于位置指纹匹配算法,且无需建立RSSI指纹数据库,大大减少了定位工作量。     

极限分割估计矩形的Bounding-Box定位算法

针对无线传感器网络中Bounding-Box算法定位精度低的问题,在Bounding-Box算法的基础上提出一种极限分割估计矩形的方法来改进定位算法,分割后的估计矩形产生一个待选质心,当满足分割条件时,对估计矩形继续分割,并不断产生待选质心,当满足终止分割条件时,将上一次分割得到的待选质心坐标作为未知节点的最终位置,通过极限分割的方法可以修正未知节点的定位误差。仿真结果表明,在无需增加额外通信开销的情况下,改进的算法在一定程度上降低了算法的平均相对定位误差。     

煤矿井下Bounding-Box的二次定位算法研究

根据煤矿井下人员精确定位系统对实时性和定位精度的要求,提出了基于TOF(time of flight,飞行时间)的Bounding-Box二次定位算法,该算法综合了TOF测距不易受环境干扰和Bounding-Box计算实时性高的优点。利用待定位节点与参考节点测距获得距离,并利用Bounding-Box得到初始区域位置信息后,再将周围已定位的节点考虑进去,并再次利用Bounding-Box算法进行二次定位,缩小未知节点所在的区域,最终获得位置信息。实验结果表明,该算法实时性高,并且能够提高定位精度。