基于加权质心算法的无线网络节点定位方法

为了提高无线传感器网络节点定位技术准确性,提出了改进的加权质心算法节点定位方法,以常态方程代入解得坐标后的误差倒数作为权值,并利用权值差别处理具有不同定位误差的不同定位结果,较小误差的倒数对应较大的权值,较大误差的倒数对应较小的权值,来提高定位准确性.通过对传统质心算法和改进加权质心算法进行MATLAB仿真,估测出定位节点的位置坐标.仿真结果表明,改进加权质心算法相较传统质心算法具有定位精度高、用时少等优势.     

基于加权质心算法的无线网络节点定位方法

为了提高无线传感器网络节点定位技术准确性,提出了改进的加权质心算法节点定位方法,以常态方程代入解得坐标后的误差倒数作为权值,并利用权值差别处理具有不同定位误差的不同定位结果,较小误差的倒数对应较大的权值,较大误差的倒数对应较小的权值,来提高定位准确性.通过对传统质心算法和改进加权质心算法进行MATLAB仿真,估测出定位节点的位置坐标.仿真结果表明,改进加权质心算法相较传统质心算法具有定位精度高、用时少等优势.     

基于煤矿井下WSN的RSSI加权质心定位算法研究

针对井下传统无线网络RSSI加权质心定位算法精度不高的问题,首先提出了一种基于接收信号强度值作为加权因子的加权质心定位算法。算法以动态获取未知节点当前区域的路径衰减系数为基础,通过挑选出未知节点当前活动区域最优参考节点,计算出彼此之间的距离,确定当前未知节点的最优通信半径范围。算法中还选取参考节点和未知节点之间的信号强度RSSI值作为加权因子,一定程度上又减少了传统上通过计算得到节点间距离作为加权因子算法带来的误差。仿真结果表明,改进的定位算法更加适合煤矿井下未知节点具有移动性的特点,在相同测试条件下,比传统加权质心算法精度有了很大的提升。     

基于到达时间差的无线传感器网络质心定位算法

通过将到达时间差(TDOA)方法与质心定位算法相结合,提出一种基于加权处理的质心混合定位算法。该算法利用TDOA和几种经典的求解双曲线方程组解的定位算法,得到了网络中待求节点的位置,作为质心算法的坐标,并用锚节点与未知节点间的距离作为约束来调整节点的位置,从而减小定位结果与真实值之间的误差。最后通过数值仿真证明了本文算法的有效性。     

基于锚圆交点加权质心的无线传感器网络定位算法

针对无线传感器网络节点能量有限,基于距离的定位算法有时并不适用的问题,在研究了未知节点与其无线射程范围内的3个锚节点之间的通信约束和几何关系的基础上,提出了一种基于锚圆交点加权质心的定位算法。该定位算法仅基于网络连通性而不需要测量距离,算法计算量小,节点通信开销小。仿真结果表明,当在100m×100m的区域范围内随机部署100个传感器节点,通信半径为30m、锚节点密度为16%时,相对定位误差为22.7%。     

基于iBeacon的环形定位优化算法研究

针对常规环形定位算法在室内无线传感网络中定位精度不高、收敛慢的情况,结合某高校课堂云考勤系统的近场感知需求,提出利用iBeacon锚节点进行环形定位的优化算法(IAWC).利用拟合得到的iBeacon信号传播模型,确定与待测节点最近邻的四个锚节点,然后对其中任意三个节点结合平均定位误差构造圆环,探讨并简化了三环叠加的各种情况时的定位思路.通过增强近邻锚节点在定位过程中的作用,提出权重系数优化思路,并将其用于三环叠加加权质心的计算以及最终确定待测节点坐标时的二次加权定位.表明在仿真环境中通过合理设置锚节点的功率、通信半径、部署密度和测量时间,该算法的定位精度可控制在0.5m以内,能够满足多数室内定位场景的精度和速度要求.     

基于RSSI的加权质心定位算法的改进

为提高质心算法的定位精度,在质心定位算法中采用距离加权的同时,改进了距离加权因子,提高了距离加权的比重,并且在Matlab平台上仿真。结果显示将定位误差提升到了0.1m以内。     

无线传感器网络RSSI定位算法的研究与改进

为了克服接收信号强度指示(RSSI)测量误差对无线传感器网络节点自身定位精度的影响,提出一种改进的RSSI测距定位算法.该算法考虑到参考节点间的几何位置,可获得最优参考节点.将同一参考节点采集到的RSSI值通过中位数法进行数据处理,获得RSSI权值,对RSSI值进行修正.最后利用加权质心算法,得到未知节点的位置.仿真结果表明,该算法能有效过滤过大的节点定位误差,提高精确,使误差相比原始算法降低60%左右.     

基于参考点序列的无线传感器网络节点定位算法

提出了一种基于参考点序列(Reference node sequence,RNS)的无线传感器网络定位算法,该算法对定位空间的锚节点建立voronoi多边形,以此生成由锚节点组成的voronoi图,并将voronoi图的顶点记为参考点,为定位空间增加了若干锚节点信息。从而使与传感器节点通信的锚节点数目增加,改善了锚节点不足给定位带来的负面影响。其次建立参考点和锚节点到传感器节点的序列等级,根据序列等级估计出传感器节点的位置。仿真结果表明,与DV-Hop算法和质心算法相比,本文算法可以更准确地估计出节点的位置,提高定位精度。     

基于RSSI的煤矿巷道高精度定位算法研究

无线精确定位被广泛应用于矿山物联网技术领域,针对煤矿巷道定位算法普遍存在定位精度不高、误差大、易受环境干扰、被定位目标抖动和漂移等问题,提出一种基于高斯滤波的分段实时计算动态路径损耗因子α和环境参量ε_σ的接收信号强度指标(RSSI)高精度巷道定位算法.实验中采用加权最小二乘法和最小二乘法曲线拟合方法,实时动态计算路径损耗因子和环境参量来构建符合煤矿井下特殊环境的信号传输模型;在位置坐标求解阶段引入距离误差修正参数Δμ,采用标准最小均方差迭代估计出未知节点的位置坐标.以锚节点不同布置方案对算法进行实地测距验证.结果表明:提出的算法定位平均精度为1.6m,最坏情况是2.8m,横向平均误差为1.2m,纵向平均误差为0.8m;相比固定路径损耗因子的RSSI算法提高了定位精度,降低了误差率.     

基于RSSI的四边测距改进加权质心定位算法

该文根据接收信号强度指示的测距特性,改进四边测距,并提出一种改进的加权质心定位算法。首先引入统计中值加权的方法,有效地降低了采集RSSI信号时的测量误差。然后运用Euclidean节点定位算法,改进四边测距算法。为进一步提高精度,对WSN定位技术中关于未知节点近似位置的算法做了修正,并对加权质心定位算法中的加权因子进行了优化,使未知节点的定位精度更加精确。相比之前的许多加权质心定位算法,仿真结果表明,改进的质心定位算法在定位精度方面有很大的提高,鲁棒性也较高。     

基于改进型加权质心算法的井下人员定位

节点定位技术可用于井下人员位置的确定,在日常作业监控和人员调度中起到非常重要的作用。采用无线传感网络的通信技术,基于传统加权型质心算法,添加了区域判定的改进型定位算法,设计了井下人员定位系统。为验证算法的有效性,用matlab软件模拟仿真了算法的执行,结果表明能够提高系统的定位精度,可用于复杂工作环境的井下监控系统中。     

无线传感网非测距三维节点定位算法

采用DV-hop算法中距离矢量跳数和平均跳距计算方法,依据几何学原理,引入位置估算偏差值,利用加权质心算法进行位置估算,设计了一种新的无线传感网非测距三维节点定位算法,给出了该算法设计的理论依据和实现步骤．仿真结果表明,作为非测距定位算法,在设定的三维空间中,随机放置40个锚结点,能对所有节点进行定位,并可以达到0.4以下的较高精度,而且通信开销相比于二维定位方法增幅不大．     

无线传感器网络中一种基于三边测量法和质心算法的节点定位算法

针对无线传感器网络在节点均匀分布的情况下节点定位精度较差的问题,提出了三边质心定位算法.该算法利用节点均匀分布的先验信息将质心定位思想引入到三边测量法中,通过计算相交圆的公共区域的质心来提高对未知节点位置估算的精度.仿真结果表明,三边质心定位算法与三边测量法相比有效地降低了未知节点的位置误差,提高定位精度.     

无线传感网络改进APIT定位算法

未知节点定位是无线传感网络中的研究重点之一,目前最常用算法为基于免测距原理的APIT算法.该算法具有通信开销小、硬件简单易实现等优点,但其基本思想为质心原理定位,故定位精度难以提高,特别是当锚节点稀疏时无法定位.针对APIT定位算法无法定位,锚节点三角形不包含待定节点的情况,提出一种改进两点定位法,并与原APIT定位算法相结合,提高了定位精度及未知节点覆盖率.     

一种基于DV-HOP改进的无线传感器网络定位算法

针对无线传感器网络中经典定位算法DV-HOP定位精度低的缺陷,提出改进算法。该算法采用新的方式计算未知节点与锚节点的距离,提出锚节点信任度的概念,并利用加权最小二乘法计算节点坐标。Matlab仿真实验结果表明,在相同网络环境下,该算法能有效减小距离计算带来的定位误差,提高定位精度。     

基于搜索的RSSI节点定位算法

节点定位是无线传感器网络中的关键技术.该文通过对无线电传播路径损耗模型的分析,并以锚节点之间的信息作为参考,提出了一种基于搜索的RSSI定位算法.该算法由RSSI测距,定位计算和循环搜索求精三阶段组成,计算简单,通信开销小,节点定位精度较传统三角形定位算法有一定的提高,具有普遍的应用意义.     

基于网格分布的加权质心定位算法研究

提出了基于网格分布的自适应校正的加权质心定位算法。针对算法存在的RSSI测距误差,可利用由离未知节点最近的信标节点确定的误差修正因子,使得未知节点适应自身所处的节点分布环境,从而对权值进行修正。仿真结果表明,该算法在不增加硬件成本的情况下降低了RSSI测距误差,提高了算法的定位精度。