基于改进RSSI算法的无线传感器室内定位研究

目的 由于RSSI定位偏离实际值比较大,为提高无线传感器网络室内定位效果,提出改进RSSI算法。方法 混合高斯模型将观测数据分解为若干个表示正态分布的高斯概率密度函数,通过降低部分随机性干扰来增强定位的精确性。定位区域内划分若干个定位三角形,计算出每个三角形的RSSI值,再取平均值获得定位区域RSSI值。加权改进质心定位算法的修正权值不但和定位三角形的边长有关,而且还与角度有关,未知节点与信标节点较近,相应的三角形在定位结果中具有较大的决策权。结果 实验仿真显示算法的滤波性能更稳定,相比RSSIRMDT、ADERSSI、MRSSI算法归一化定位误差值较小,归一化定位误差随信标节点通信半径、信标节点数变化方面较优。结论 实现了对无线传感器室内精确定位。     

基于三角重组位置修正的DV-Hop混合定位算法

针对传统DV-Hop算法直接选取最近1个信标节点的平均跳距作为定位参数,在获知3个或更多信标节点的欧氏距离时利用三边测量法对未知节点硬性定位,导致定位误差较大和覆盖率降低的问题,提出了1种基于三角重组位置修正的DV-Hop混合定位算法.仿真结果表明,与传统的DV-Hop算法相比,改进算法无需附加额外特定硬件开销,有效地提高节点定位精度和覆盖率,充分证明其有效性、实用性和可行性.     

无线传感器网络改进质心算法的节点自定位

节点自定位是无线传感器网络的关键技术之一。在对距离无关的定位机制质心算法研究的基础上,采用极大似然估计法,估算信标节点与未知节点间的距离,以距离作约束降低误差值,从而提高定位的精度。通过MATLAB仿真。结果表明算法能够有效提高定位精度。     

基于蛛网结构和双曲线的定位算法

为提高蛛网定位算法的精度,提出了一种基于蛛网结构和双曲线的定位算法。首先按照蛛网拓扑结构放置射频参考标签,在蛛网中心安装阅读器;然后对蛛网结构的主弦和辅弦节点分别构造同心圆,找出距离待测标签最近的同心圆;接着采用最近同心圆上参考标签坐标和待测标签坐标的双曲线关系,利用最大似然估计法求出待测标签坐标;最后对提出算法的精度进行计算,与当前流行的蛛网定位算法进行对比试验,验证了该算法的有效性。     

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.     

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。     

无线传感器网络的移动节点定位算法研究

利用物体运动的连续性,将移动节点的运动规律与距离测量相结合提出了运动预测定位算法,该算法不需要额外的硬件支持,适应能力强,在信标节点密度比较低时提高了性能.     

水声传感器网络节点自定位的遗传算法优化研究

水声传感器网络节点自定位技术是传感器网络在海洋环境监测应用的基础。针对质心算法在随机分布中定位精度较低的缺点,采用信标节点与未知节点之间的距离作为约束,并对该约束采用泰勒级数方式展开;由此建立相应的数学模型,通过遗传算法对该模型进行优化;此外,根据信号传播特点,采用的是等高线传输模型。仿真结果表明,该方法能够实现水声传感器网络未知节点的有效定位。     

窄带物联网技术的室内RSSI定位仿真算法

分析了RSSI定位的算法特点后,提出了对算法改进的RSSI的质心算法和RSSI的三边测量算法,并结合了窄带物联网技术,将该算法应用到实际中。对已有算法的不足进行优化,并结合窄带物联网技术实现算法中仿真信标节点位置信息的采集。     

一种鲁棒的RSSI测距定位算法

基于RSSI测距定位方法因其信号获取便捷、成本低、功耗小等优点受到广泛关注。然而传感器节点部署的实际环境复杂多变,使得基于RSSI测距的定位结果常常不稳定。针对传感器节点部署的随机性和测距信号受复杂环境的影响等因素,提出了一种鲁棒的RSSI测距位置估计算法。算法分别在测距阶段和计算坐标阶段最大限度消除误差,以达到提高定位精度。理论分析和仿真结果表明,新的算法比以往同类算法具有更高的精度和更强的稳定性。     

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。     

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。     

一种适用于大规模无线传感器网络的定位算法

针对经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于MDS的分布式定位算法.改进后的分布式定位算法加入了分簇的思想,把网络中的节点分成不同的簇来进行局部定位,局部定位时引入Euclidean算法估算距离矩阵,再用矩阵转换将局部相对坐标图合并成全局相对坐标图,并转换为绝对坐标.仿真分析表明,提出的算法有更好的定位精度,而且在较低网络连通度和不规则网络分布的条件下表现出更好的可靠性.     

基于距离和角度信息的无线传感器网络定位算法

提出一种基于距离和信号到达角信息的无线传感器网络节点自身定位算法.在所有节点的坐标轴方向都是未知的假定下,用信号到达角信息来计算信号到达角度差,然后将定位问题转化为一个凸集优化问题,节点间的几何关系也相应地转化成为线性或二次约束条件.当距离和角度测量值足够精确时,该算法是一个线性规划问题.考虑测量误差时,通过引入辅助变量,该算法可以转化为二次规划问题.通过仿真分析证明了该定位算法的有效性,并对距离和角度误差量对定位精度的影响进行了定量分析.仿真结果表明,在距离和角度误差为5%的时候,该定位算法可以满足定位精度要求.     

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。     

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.     

温室控制系统多传感器数据融合方法的设计

为了减少温室控制系统中的数据处理量,提出了一种温室控制系统多传感器数据融合方法。采用狄克逊准则对采集节点多点测温将采集到的每组数据进行较大误差剔除,然后基于算数平均值法对余下数据融合处理后发送到协调器节点,最后采用自适应加权融合算法对协调器节点数据进行最终融合处理。结果表明,该方法相比其他算法更能反映温室真实环境状况,融合效果更好,使控制系统更稳定。     

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.     

GPS测码伪距绝对定位的几种算法

GPS定位方程是非线性的,一般处理方法是按泰勒级数展开取至一次项进行线性化,再利用最小二乘原理求解,如果所取观测站坐标的初始值具有较大的偏差,略去二次微小量的模型误差,对解算结果将产生不能忽略的影响.本文研究分析了GPS测码伪距绝对定位的传统算法,并提出了一种通过求差法将GPS绝对定位的非线性观测方程转化成线性方程直接求解测站坐标的新算法,通过实例计算表明该方法计算简单,不需要测站的初始坐标信息,不需要求导计算和迭代计算,对于提高GPS测码伪距单点定位的解算速度和精度具有重要的意义.