基于聚类分析优化的距离修正室内定位算法

基于接收信号强度RSSI的定位系统易受环境影响,提出一种基于聚类算法分析的高斯混合滤波的RSSI信号处理优化策略,通过优化接收信号强度及距离修正的四边质心定位算法对未知节点进行精确室内定位,使用蓝牙4.0信标节点进行实地实验。实验结果表明,该算法可以有效提高测距精度,改善系统的定位精度,比传统加权质心算法的定位精度提高了34.6%,且定位平均误差不超过0.5m,可满足室内定位精度要求。     

混沌粒子群鸡群融合优化的RSSI质心定位算法

针对传统接收信号强度指示（RSSI）定位算法定位精度低及粒子群优化（PSO）算法容易陷入早熟和局部最优解的问题,提出一种RSSI质心定位算法。通过RSSI测距技术计算各传感节点之间的距离,选择离未定位节点最近的3个锚节点和已定位节点,建立以未知节点坐标为参数的数学模型。在PSO算法的基础上运用混沌优化思想避免搜索过程陷入局部极小,并利用鸡群算法进行优化从而得到质量更好的解。实验结果表明,与原始质心定位算法、加权RSSI质心定位算法和PSO-RSSI质心定位算法相比,该算法具有较快的收敛速度和较高的定位精度。     

基于最大似然估计的加权质心定位算法

为解决无线传感器网络中节点自身定位问题,针对接收信号强度指示（received signal strength indication,RSSI）测距误差大和质心定位算法精度低的问题,提出一种基于最大似然估计的加权质心定位算法．首先通过计算将估计距离与实际距离之间的最大似然估计值作为权值,然后在权值模型中,引进一个参数k优化未知节点周围锚节点分布,最后计算出未知节点的位置并加以修正．仿真结果表明,基于最大似然估计的加权质心算法具有定位精度高和成本低的特点,优于基于距离倒数的质心加权和基于RSSI倒数的质心加权算法,适用于大面积的室内定位．     

基于RSSI校正的无线传感器网络定位算法

为了使接收信号强度指示（RSSI）的测量误差对节点定位精度的影响程度达到最小化,提出一种基于RSSI高斯加权校正的质心定位算法.首先通过高斯函数滤去偏差较大的RSSI值,然后再对余下的RSSI值加权计算得到优化的RSSI测量值,并利用测量到的RSSI值计算出锚节点与未知节点之间的距离,然后根据计算出的距离对锚节点坐标加权,并通过质心定位算法求出未知节点的位置坐标.仿真实验表明：该算法相比基于RSSI的质心定位算法,定位覆盖率提升3％～6％,平均定位误差至少减少4％,是一种定位精度更高的算法.     

基于RSSI与TDOA的混合测距加权定位算法

对RSSI和TDOA测距技术优缺点进行分析,提出了基于（接收信号强度指示（RSSI）和信号到达时间差（TDOA）的混合测距加权定位算法,解决无线传感器网络定位系统中单纯依靠TDOA测距造成信标节点数量不足的问题。该算法根据测距方式的精度差异对测距结果进行加权校正处理,仿真实验表明,通过选择合适的加权值可以大大降低采用RSSI测距方式对定位精度产生的不利影响。     

基于PSO的测距模型参数估计三维定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一;针对粒子群优化(PSO)定位方法的定位精度依赖于测距模型参数与实际值的符合程度,在接收信号强度指示(RSSI)测距模型的基础上,提出一种测距模型参数估计的三维定位算法;该方法无需计算距离,将未知节点的位置和RSSI测距参数作为自变量,以信号强度误差为目标函数,采用粒子群优化算法估算未知节点坐标;仿真结果表明所提算法不依赖于测距模型参数的选取,并取得了理想的定位精度。     

基于随机漂移粒子群算法的WSNs节点定位

提出了随机漂移粒子群优化（RDPSO）算法,并将该算法应用于接收信号强度指示（RSSI）定位算法中,以降低由RSSI测距产生的定位误差.在仿真实验中,分别比较了基于RDPSO和PSO的RSSI定位算法.实验结果表明：RDPSO算法是在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法收敛速度快,稳定性能好,精度高,适用于WSNs节点定位问题.     

基于RSSI差分似然估计的WSN节点定位算法

为了克服接收信号强度测量误差对无线传感嚣网络(WSN)节点自身定位精度的影响.在对极大似然估计定位算法和接收信号强度指示(RSSI)模型分析的基础上,定义了个体差异差分系数、距离差分系数和距离差分定位方程,把离目标节点最近的信标节点作为参考节点对基于RSSI的测距进行差分修正,并将测距差分修正和极大似然估计相结合提出了一种测距差分修正极大似然估计定位算法.算法通过RSSI进行测距,无需增加额外硬件开销,容易实现.定位精度可达2.5 m以下,适合于处理能力和能量有限的WSN节点定位.     

基于RSSI差分修正的加权质心定位算法

为了抑制接收信号强度指示(RSSI)误差对无线传感器网络节点定位精度的影响,从消除RSSI误差的角度,提出了一种基于对RSSI距离值差分修正的加权质心定位算法。该算法计算简单,无需硬件扩展,仿真结果表明:该算法比传统算法有更好的定位性能。     

基于RSSI权值的环境适应型室内定位算法研究

定位节点接收的信号强度指示（Received Signal Strength Indication,RSSI）值是室内指纹定位技术重要的元素之一。通过对定位节点接收到的信号强度值特性分析,提出了基于RSSI权值的室内定位算法。改进型RSSI权值计算公式以及权值指数[α]的提出,使得定位算法具有一定的环境适应性,能更灵活地运用于实际定位场景。经过一般实验场景验证,算法在定位精度上有较大的提升。     

基于粒子群优化的改进加权质心定位算法

针对无线传感器网络低成本、高精度的要求,在采用接收信号强度测距的基础上,提出一种基于粒子群优化的改进加权质心定位算法。该算法易于实现,可调参数少,通过多次选代寻优提高定位精度。采用锚节点之间相互测距和定位补偿测距误差和定位误差。仿真结果表明,该算法与质心算法和加权质心定位算法相比,节点定位精度得到显著提高。     

WSNs中基于RSSI优化的节点定位算法研究

为了提高基于接收信号强度(RSSI)定位算法的定位精度,提出基于RSSI改进的混合蛙跳的定位算法(MRSSI-SFL)。MRSSI-SFL算法用正态分布优化RSSI值,降低测距精度。再利用加权质心定位算法进行粗略定位,并依此估计设置搜索区域,随后利用蛙跳算法进行迭代求精。实验结果表明,相比基于RSSI测距的加权质心定位算法,提出的MRSSI-SFL定位算法有效地提高了定位精度。     

基于Unscented卡尔曼滤波的室内定位

基于RSSI值的测距技术中,通过对天线全向性问题的分析,提出基于Unscented卡尔曼滤波（UKF）的定位算法。利用基于RSSI值的测距模型进行距离测量,并使用Unscented卡尔曼滤波算法估计节点坐标。由于RSSI值的测量和测距模型参数受到环境的影响,采用高斯滤波对RSSI值进行优化,对环境参数使用线性回归算法进行优化并采用自适应机制更新。通过与最大似然估计法（ML）的比较实验表明,该算法能有效地减小定位误差,提高定位精度。     

基于RSSI加权质心和GASA优化的WSN定位算法

针对无线传感器网络节点在自身定位中广泛存在较大的定位误差的问题,提出一种基于RSSI加权质心和GASA优化的无线传感器网络定位算法。该算法假设无线传感器网络中存在一定比例的位置已知的锚节点,利用RSSI加权质心算法计算未知节点与锚节点间的距离,建立以未知节点位置为参数的数学模型,用GASA优化算法计算最优解从而获得未知节点的位置,实现未知节点自身的定位。仿真实验的结果表明,当锚节点个数为30,算法的平均定位误差在10%以内,比RSSI加权质心算法降低了10%~15.5%左右,并且随着节点个数的增加平均定位误差降低。     

基于RSSI的WSN二维对数搜索定位算法

定位技术是无线传感器网络(WSN)应用的关键技术之一。针对WSN中的定位问题,提出一种基于接收信号强度指示(RSSI)测距的二维对数分布式搜索定位算法。采用改进的RSSI测距模型测量节点之间的距离,利用质心定位算法结果作为搜索起点,设计一种基于最小加权距离误差和的目标函数,对于每个节点通过二维对数搜索的方法,搜索具有最小加权距离误差和的点作为定位位置。仿真实验比较了质心定位算法、不带权值的二维对数搜索定位算法、基于RSSI的二维对数搜索定位算法在不同条件下的定位性能,结果表明基于RSSI的二维对数搜索定位算法的定位精度远优于质心定位算法,相比不带权值的二维对数搜索定位算法约提高了0.02R。     

一种基于RSSI的贝叶斯室内定位算法

为提高室内定位系统中基于接收信号强度指示(RSSI)的定位精度,提出一种基于RSSI的贝叶斯室内定位算法。在对RSSI信号进行高斯滤波预处理后,利用三角形质心算法计算未知节点的初始坐标,对该初始坐标进行贝叶斯滤波处理,得到更加准确的坐标。实验结果表明,该算法能降低定位误差,定位精度可达98%。     

无线传感器网络煤矿井下RSSI自适应定位算法

通过对无线信号传播模型进行有效分析,发现路径衰减指数取值的固定性是导致测距误差的主要原因之一。在传统接收信号强度指示(RSSI)定位算法基础上,结合煤矿井下巷道环境特征,提出一种自适应RSSI三角质心定位算法,算法通过动态计算信标节点到盲节点的路径损耗指数,从而提高了测距算法对环境的适应性,算法结合巷道环境特征和信标节点到盲节点的距离公式,对两圆相交的情况进行讨论,最终计算出盲节点的有效坐标。仿真实验表明:巷道宽度在一定范围内(5~15 m),定位误差平均值均小于0.5 m,定位误差小于1 m的概率均高达90%以上,具有较高的定位精度。     

基于RSSI实时精确定位系统设计与实现

为实现室内实时高精确定位,设计了基于RSSI的实时精确定位系统.首先基于RSSI测距原理,建立强度与距离数学模型把强度转化为距离,然后采用改进加权质心算法来进行定位,并把定位误差作为目标函数,最后运用简化粒子群优化算法对目标函数进行全局最优值搜索,采用C/S网络架构和多线程技术实现了实时同步获取RSSI值,采用GUI设计了定位系统界面,实现了定位结果实时动态显示.测试结果表明:系统实现了室内实时高精确定位.     

无线传感器网络中改进的DV-Hop算法

针对传统DV-Hop算法中定位精度低的问题,该算法从三个方面进行改进,（1）设置距离发射端标准一跳时节点所接收的接收信号强度指示（RSSI）值,利用节点接收信号的RSSI值与设置的RSSI值之间的比来修正跳数。（2）将未知节点的平均跳距分两段考虑,使未知节点到锚节点的估计距离更精确。（3）构造校正向量,对未知节点的估计坐标进行校正。仿真实验表明改进算法的定位精度明显高于传统DV-Hop算法和文献[6]基于RSSI比值修正的算法,稳定性也有一定的提升。     

改进的狭长空间中加权质心定位算法

针对目前狭长空间环境中信号多路径效应明显、传感器节点定位精度不足等情况,提出了一种基于信号接收强度(RSSI)的加权质心定位算法.该算法根据狭长带状区域环境特点部署信标节点,通过相邻信标节点的实际距离和信号接收强度,动态获取周围环境的路径衰落指数,提高RSSI测距算法的环境适应能力;根据当前环境改进加权质心算法的加权因子,引入修正因子,进一步提高算法的定位精度.理论分析和仿真结果表明,该算法设计优化,适应于狭长空间环境,宽度分别为3 m、5 m、8 m、10 m,信标节点的个数为10的巷道环境中,其定位计算精度比传统加权质心算法分别提高了22.1%、19.2%、16.1%、16.5%,稳定性分别提高了23.4%、21.5%、18.1%、15.4%.