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.     

无线传感器网络质心定位算法研究

节点定位是无线传感器网络中的关键技术之一.质心定位算法完全依赖于锚节点的密度大小及分布情况,锚节点的密度较小且随机分布,所以质心定位算法的定位精度比较低.为了提高节点定位的精度,提出了一种改进的无线传感器网络质心定位算法.在质心定位算法中引人接收信号强度(RSSI)信息,利用RSSI计算节点间点到点的信号强度,并把信息强度值转换成距离值,取倒数作为质心算法权重值,通过质心定位算法对未知节点坐标进行计算,得到节点的具体位置.通过仿真对算法进行测试与分析,仿真结果表明,算法定位的误差减小,提高了节点定位精度,是一种有效的定位算法,为网络设计提供了依据.     

RSSI辅助的三维空间坐标四面体质心定位算法

三维定位是无线传感器网络的重要技术之一.提出了一种RSSI辅助的三维空间坐标四面体质心定位算法.由于现实环境往往很复杂,存在锚节点组成的四面体不包含未知节点的情况,因此筛选优质的RSSI值,并将其转换为未知节点与锚节点的距离,进而计算和比较四面体体积来进行排除;对包含未知节点的四面体进行质心迭代求解,并且对不满足条件的情况运用RSSI均值加权质心定位算法.仿真结果表明,该算法的定位误差比坐标四面体质心算法的小,并且增加RSSI均值加权算法提高了定位覆盖率.     

基于RSSI的WSNs加权质心定位算法的改进

针对无线传感器网络(WSNs)定位算法定位精度不高的问题,提出了一种基于RSSI测距的质心(Centroid)算法和加权质心(W-Centroid)定位算法相结合的新的定位方法WR-Centroid.该算法主要通过RSSI测距得出4个参考节点到未知节点的距离,再任选3个距离为半径,以相应的参考节点为圆心画圆得到3个圆的交叠区域,构成一个三角形,求出这个三角形的质心.依照这种方法,求得4个质心坐标,利用加权质心定位算法求出未知节点的坐标.仿真结果表明:该算法比加权质心定位算法精度有很大的提高.     

一种改进的质心定位算法

在无线传感器网络中,确定传感器节点的位置至关重要.通过对传统的质心定位算法进行分析,考虑到接收信号强度直接影响到未知节点的定位精度,提出了一种基于RSSI的改进的质心定位算法.该算法将每个未知节点的通信区域划分为6个部分,通过比较RSSI,找到对未知节点更为精确的估计区域,从而对未知节点作出更为精确的位置估计.仿真结果表明,相比于原始的质心定位算法,改进后的质心定位算法大大提高了无线传感器网络节点的定位精度.     

基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

基于RSSI测距的传感器节点质心定位修正算法

针对传感器网络节点定位精度问题,研究基于RSSI测距的定位算法,提出多信标节点质心定位修正算法,通过该算法计算得到多组未知节点估计坐标,并在此基础上利用质心定位修正算法计算节点坐标修正值;利用仿真实验,证明基于RSSI测距的传感器节点质心定位算法定位精度比传统质心定位算法定位精度提高13.8%,比RSSI加权质心定位算法提高6.3%。     

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。     

基于移动锚节点的加权质心定位算法研究

针对加权质心定位(WSL)算法所需锚节点数目较多,定位精度低,定位成本高等问题,采用单个移动锚节点沿着既定的轨迹在监测区域移动,并在规定位置广播数据包;未知节点根据接收的信号强度(RSSI)比值以及邻居节点间的最小跳数确定权值,进而估算未知节点自身的坐标位置.仿真结果表明:算法有效地提高了定位精度和稳定性,降低了定位成本.     

基于RSSI的三角形区域最小化的质心定位算法

为解决无线传感器网络中的节点自身定位问题,针对RSSI测距误差大、质心定位算法精度低的问题,提出一种改进质心算法。该算法将RSSI值作为模糊判据,对各个锚节点与移动节点之间的距离进行远近判断,并对锚节点所组成的图形进行更细致的区域划分。利用RSSI值对质心定位算法进行改进。仿真和实际测试都表明,该算法相对于质心算法和三边定位算法提高了定位精度,需要的通信开销小,计算简单,硬件要求低,可广泛应用于实际工程之中。     

一种无线传感器网络四边测距定位算法

根据RSSI测距特性,在三边测距定位的基础上,提出了基于RSSI值测距的四边测距定位算法,突破了三边测距定位的局限性。为进一步提高精度,采用了求质心和加权质心的方法,并用C++实现仿真比较,仿真结果表明:加权质心算法具有较高的精度,整个定位过程中节点间无需额外的通信开销,具有广泛的实用性。     

基于RSSI的无线传感器网络圆环质心定位算法

针对无线传感器网络质心算法受节点分布均匀程度的影响, 少数锚节点增大定位误差, 提出了一种圆环质心算法. 该算法以未知节点为圆心, 将未知节点通信区域划分成半径由大到小的圆环, 通过圆环剔除容易增大定位误差的锚节点, 筛选出合适的锚节点, 并在圆环上寻找近似等边三角形来进一步减小定位误差. 同时提出了利用RSSI值来形成圆环的方法. 仿真结果表明, 在100m×100m的区域中, 随机投放100个节点, 通信半径为20m, 锚节点数为20时, 圆环质心算法与质心算法相比, 定位精度提高了11%.     

无线传感器网络中的HWC定位算法

提出一种跳数加权质心定位算法——HWC算法。它完全基于网络连通性,采用通信跳数信息作为加权因子计算待定位节点估计位置,体现跳数不同节点对多边形质心计算结果的影响。仿真表明,该算法减小了平均定位误差,是一种适合大规模传感器网络应用的节点定位算法。     

无线传感器网络中一种改进的APIT定位算法

通过对无线传感器网络节点定位机制的研究,针对APIT定位算法中锚节点（anchors,即位置已知节点）稀疏而带来的定位精度低的问题,提出了一种改进的APIT定位算法。该算法结合了anchors对未知节点的影响因子和质心算法。仿真实验表明该算法在anchors稀疏的情况下,能明显提高定位精度,具有较普遍的工程应用意义。     

基于全质心-Taylor的UWB室内定位算法

针对室内环境下的非视距(NLOS)传播给定位精度造成较大误差的问题,通过对超宽带(UWB)定位模型进行分析,提出了一种基于全质心-Taylor的混合定位算法.采用对测距误差不敏感的全质心算法将锚点测距数据分组运算,获得目标节点的初始粗定位信息,采用质心修正算法对粗定位节点进行优化运算,从而确定Taylor级数展开初值,再进行迭代求解,进行第二次精细定位.实验结果表明:与Chan-Taylor算法、最小二乘估计(LSE)-Taylor算法相比,本文算法定位精度有明显提高.     

传感器网络中一种基于质心的分布式成簇算法

在LEACH的基础上,提出了一种适合无线传感器网络的基于质心的分布式成簇算法——CDCS。在CDCS中,每一个节点首先基于最优簇首概率popt自主确定自己是否为临时簇首。然后临时簇首根据收集到的簇内节点信息,确定簇内近似质心,并由此动态调整簇内结构,使得调整后的簇内通信总能耗尽可能小。理论分析和模拟实验表明,CDCS在保持LEACH算法简单性的同时,可以获得比LEACH更好的性能,优化后的簇首选择策略可以在不同场景下有效延长网络生存时间达32%~38%。     

无需测距的综合节点定位算法

针对基本的DV-Hop节点定位算法会产生不良的节点和多级跳带来的累积误差、定位精度不高以及能量消耗方面等缺点,提出一种改进的综合定位算法,即基于一种无需测距的综合节点定位算法,这种算法能够节省附加节点的硬件开销进而能达到准确的定位。改进以后的算法的定位误差率明显比改进前的定位误差率小,表明了定位误差率随锚节点数量的增加而减小。通过MATLAB软件对节点定位误差方面进行仿真验证,仿真实验结果证明该改进后的算法稳定、可靠,易于实现,提高了定位精确度、降低了能量消耗水平,达到了预期的目标。     

一种基于传感器网络的水污染源质心定位算法

目前基于传感器网络的污染源定位多采用基于扩散模型的解析定位算法.然而,在该类算法中,复杂的数值计算会引入估计误差,并且水污染扩散模型大多是在理想的近似条件下提出的,在污染源定位问题中亦会引入误差.在某些情形下,由于没有解析的定位模型,基于扩散模型的解析定位算法无法采用.为了弥补传感器网络下基于扩散模型的水污染源定位方法的不足,提出了一种不依赖于扩散模型的水污染源质心定位算法.在该算法中,首先确定污染源所在区域,然后计算几何区域的质心,质心位置即为污染源估计位置.为了求解质心定位问题,提出了基于浓度场等位线的求解方法.在实验部分,对比了本文质心算法与基于扩散模型的定位算法以及粗略定位算法的定位结果.实现结果说明了本文算法的有效性.