一种利用统计中值的加权RSSI定位算法

RSSI是无线传感器网络定位中最为常用的测距技术之一.传感器节点一般部署在复杂的环境中,故在获取的RSSI信号序列中可能同时存在随机误差和粗差,利用常用的算法难以消除混合误差对RSSI统计数据的影响.在分析误差特征的基础上,提出了一种基于统计中值的加权定位算法.算法在去除粗差的同时,能一定程度的平滑随机误差.算法提高了定位的精度,且提高了节点的覆盖率.仿真结果表明算法有较高的定位精度和覆盖率.     

基于无线传感器网络的奶牛养殖管理定位系统

奶牛养殖管理定位系统在无线传感器网络的监测范围内布置非常多的传感器节点来收集周围的环境信息,并将收集到的信息处理后发送出去。该研究在分析RSSI测距误差影响因素和RSSI测距均值校正的基础上,提出了基于RSSI均值校正的三边测量定位优化算法,并进行了Matlab仿真试验。最后将此改进算法应用于奶牛健康监测和定位系统的设计,结果完全满足奶牛健康状况监测和定位要求。     

基于ZigBee技术的奶牛定位系统组网方案研究

为定位监测生理参数异常的奶牛,建立奶牛定位网络,比较几种主流的无线定位网络组网方案,选择基于RSSI信号衰减测距原理的CC2430+自主开发定位算法的方案。采用支持ZigBee协议的CC2430模块,选择mesh网络组网,提出基于网格覆盖范围内用最少节点的部署方法,并通过路由能耗管理协议PPEG和FPALA进行网络仿真。为进一步建立低功耗、少节点的奶牛无线定位网络奠定基础。     

无线传感器网络中三边定位的聚类分析改进算法

为提高无线传感器网络(WSN)节点定位精度,本文提出一种基于RSSI三边定位聚类改进算法。该算法基于RSSI向量在三边测量定位的结果中引入聚类优化算法,最后得到未知节点的定位结果。数据表明,该算法在无线传感器网络未知节点的定位中定位精度和定位误差都有改进。     

基于RSSI的笼内鸡只定位方法研究

为快速准确对笼养环境下鸡只多目标定位,设计了1种基于接收信号强度（Received Signal Strength Indicator,RSSI）融合混合滤波算法的笼内鸡只自动定位方法。首先设计了RSSI值采集系统,由PC机（笔记本电脑）、FU-M6-A型读写器、极化相匹配的天线和脚踝标签、读写器软件构成。其次,合理地布置天线,建立了信号衰减测距模型,使用狄克逊高斯混合滤波算法将原始数据预处理,优化笼养环境下信号传播路径损耗系数。最后计算脚踝标签到发射天线之间的距离,将测距值代入极大似然估计法求得脚踝标签的位置坐标初值,以标签坐标和测距值作为未知量采用牛顿迭代法求得最优的标签位置坐标。结果表明：所设计定位方法的定位误差在5 cm以内的概率接近83%,和传统的节点—节点定位算法相比,该方法提高了鸡只在移动过程中的定位精度,为鸡只行为分析提供了1种方法。     

一种改进的RSSI定位算法研究

目的研究一种基于无线传感器网络的城市公交车站牌的定位算法,能够解决曲线道路的定位问题,提高定位精度。方法以RSSI测距算法为基础,提出一种改进的RSSI定位算法,该算法利用曲线道路弯道之间的夹角,结合三角形定理,计算得到公交车辆与站牌之间的距离。结果在曲线道路定位时,仿真数据表明,改进的RSSI定位算法在不增加成本、通信功耗的情况下,相较于RSSI测距算法,定位精度有所提高,定位误差有所降低。结论本算法具有更好的定位性能,可用于各种道路的公交车辆定位。     

粒子滤波在电子航标节点跟踪中的应用

提出一种高斯粒子滤波求解基于RSSI测距定位的无线传感器网络电子航标节点定位的非线性方程组算法.该算法在每次递推产生新的粒子时充分考虑了当前时刻的量测,使得该算法能很好地利用最新的量测信息.仿真结果表明该算法的节点估计均方误差在3 m以内.可见,它在解决非线性机动目标跟踪问题时有比较好的跟踪性能和滤波结果.     

基于RSSI测距误差离群去约束的优化方法

针对基于RSSI测距定位中偶然性测距误差和设备误差对定位结果影响较大这一问题,提出了一种误差离群去约束的优化方法。通过对三边定位结果使用K-means算法进行离群分析,得到对定位结果影响较大的几个锚节点,从而对数据进行处理。针对实际系统使用RSSI测距模块测得多组实验数据,并用Matlab软件进行仿真分析,将测距误差离群去约束模型与传统均值模型使用最小二乘法在不同距离下进行定位对比。仿真结果表明,当引入不同数量误差锚节点时,前者在定位精度方面均有0. 1～0. 2 m~2提升,同时算法也具有很好的鲁棒性。     

基于RSSI的室内定位算法

提出一种基于RSSI信号强度和信标节点位置相结合的室内定位算法,该算法首先分析信号强度(RSSI),根据RSSI值将RSSI分为敏感区和非敏感区,并将RSSI值作为特征点存储。然后对未知节点进行RSSI计算,通过利用信标节点对未知节点的修正,从而提高定位精度。     

基于WSN的森林火灾预警系统设计

针对目前森林火灾监测系统存在的缺陷,提出了利用无线传感器网络技术进行火灾监测的方法。通过对监控区域温度、烟雾等环境数据的实时监测,利用无线传感器节点自组织的方式传送到监控终端,实现区域监控。该系统可实现对森林火灾预警和火灾现场的实时定位,对森林火灾实现有效监控。同时,提出了一种基于测距的CDPE算法。该算法可以较好地满足森林火灾监测中实时性高、定位错误率低的特点。     

基于无线传感网络的航标系统节点定位研究

为了将海上交通信息的采集、处理、传输通过无线网络进行互联,实现航标的数字化、信息化、网络化,提出一种应用加权最小二乘法和卡尔曼滤波相结合的RSSI定位优化算法,实现网络节点定位.仿真结果分析表明：该算法适用于航标系统的节点定位,定位精度满足要求.     

基于改进布谷鸟搜索算法对水质监测无线传感器部署的优化

为解决传统传感器网络随机部署分布不均的问题,提出采用布谷鸟搜索算法(CS)进行节点部署优化。为改善CS算法的全局优化性能以提升传感器节点部署优化能力,受动量梯度下降法、均方根算法和Adam优化算法的启发,提出Momentum-CS、RMSprop-CS与Adam-CS三种改进算法,对CS算法中的步长控制量和淘汰概率进行优化调整。以网络覆盖率为优化目标,将3种算法用于长宽为100 m水域的水质监测无线传感器节点部署进行优化。仿真结果表明,Adam-CS算法能够在较少迭代次数获取更高的网络覆盖率,达到90.35%,对于指导水环境监测中无线传感器节点部署具有现实意义。     

基于旋跳自漂移修正的WSN网络信号源定位算法

为解决移动无线传感网在部署过程中存在信号源定位困难、数据链路防抖动性能差及信号上传带宽受限等难题,提出了一种基于旋跳自漂移修正机制的超高速移动WSN网络信号源定位算法.首先,考虑到区域内锚节点具有的信号源稳定特性,依据信号强度和跳数的逆向关系,构建信号强度-节点跳数强度搜寻方法,实现了信号源的定位,并从中选取性能最佳的区域节点;随后,基于移动无线传感网节点在高速移动过程中存在的频率漂移,计算锚节点跳数漂移误差,通过修正锚节点间物理差的方式来提高节点的覆盖能力,降低区域节点对区域外信号源的频率干涉覆盖现象,从而提升信号上传带宽;最后,考虑到sink节点具有的中央控制特性,通过sink节点控制来建立锚节点粒子群移动模型,使用周期递归的方式消除移动过程中锚节点移动性过高带来的频率及坐标抖动难题,进一步降低了信号源定位过程中的误差.仿真实验表明,在复杂网络条件下,与当前移动WSN网络定位中常用的超混沌偏移修正定位算法、螺旋递归自适应定位算法和逐次跌跳收敛定位算法相比,本文算法具有更高的定位精度与信号上传带宽性能,且相应的定位误差更低.     

水下无线传感器网络节点覆盖及其自定位

节点自定位技术是水下无线传感器网络应用的关键技术之一,较高的覆盖概率能够提高节点自定位的精度。节点定位精度受到很多因素的影响,本文通过采用感知概率模型模拟传感节点测量概率分布模型,再对覆盖概率较高的传感器节点进行定位误差迭代,最后采用遗传算法对定位误差进行优化。仿真结果表明,覆盖概率受感知半径和迭代次数影响,定位误差受信标节点密度影响,采用遗传算法的优化能够实现水下传感器节点的自定位精度。     

面向农业环境的无线传感器网络部署算法研究

设计了基于改进微粒群和初始能量分配的综合优化算法。通过合理的无线传感器网络节点部署,在保证网络通讯质量的同时,根据不同节点的实际功耗,均衡每个节点的能量,有效延长整个网络的生命周期,促进无线传感器网络技术在农业环境监测中更广泛的应用。     

混合无线传感器网络移动节点部署优化

为了提高随机部署条件下无线传感器网络对目标监测区域覆盖质量,将目标区域划分为彼此相邻但互不重合的子区域,根据各子区域的期望覆盖质量,并利用改进的粒子群算法优化各子区域节点的分布密度;然后在节点间建立虚拟力场,利用虚拟力调整移动节点的部署位置.仿真实验结果表明,该方法能有效优化移动节点的部署,改善目标区域内节点的分布情况,提高无线传感器网络的覆盖服务质量.     

Autonomous field navigation,data acquisition and node location in wireless sensor networks

To overcome the limited transmission range of spatially separated nodes of a wireless sensor network (WSN), a small 4-wheel autonomous robot assembled the data from nodes distributed in a vineyard. First, the robot followed a predefined way-point route between the grapevine rows, in order to evaluate the sensor node locations by their received signal strength indication (RSSI). Then, the recorded and geo-referenced RSSI data were analysed and mapped. By using the evaluated node positions, an optimised second route was generated. While navigating, a laser scanner was used for obstacle detection and avoidance. Path planning with known positions of the nodes reduced the driving time by 15 times compared with the first run, because the hybrid control system used was capable of navigating within the plantation even perpendicular to the row structures. For locating the nodes, results based on trilateration were compared with the values of an attached differential global navigation satellite system (DGNSS). The results showed that it is possible to locate and geo-reference the sensor nodes with a robot, even without any prior knowledge about their absolute position. The best achieved location showed a deviation with DGNSS of 1.2 m and with RSSI trilateration of 0.6 m compared to the actual position.     

ZigBee-based wireless sensor network localization for cattle monitoring in grazing fields

This paper presents the design of a localization scheme in wireless sensor networks (WSN) for cattle monitoring applications in grazing fields. No additional hardware was required for distance estimation since they were performed using the link quality indication (LQI), which is a standard feature of the ZigBee protocol. The ratiometric vector iteration (RVI) algorithm was implemented and modified to work with LQI measurements instead of the usual received signal strength indication (RSSI). Experimental results show acceptable localization performance given the requirements of usual cattle monitoring applications at low cost and low power consumption.