一种无线传感器网络环境自适应的定位算法*

针对基于接收信号强度指示(RSSI)的加权质心定位算法,研究了实际环境中节点的RSSI特性,利用加权多项式法在线拟合出信标节点间距离和接收信号功率的关系,从而不需要计算实际环境中信号衰减因子等参数而实现节点间测距,将估算的距离转换为合适的权值,再结合质心算法实现定位。MATLAB仿真结果表明,该算法具有更好的定位精度和更强的环境自适应性。     

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。     

无线传感器网络环境自适应定位算法研究

节点自身定位是无线传感器网络应用的关键技术之一;针对基于接收信号强度指示(RSSI)的加权质心定位算法,研究了实际环境中节点的接收信号强度指示(RSSI)特性,考虑到RSSI测距模型中信号衰减因子等参数对测距精度的影响,根据信标节点闻距离和接收信号功率的关系利用最小二乘法在线拟合环境测距参数,从而获得适用的信号衰减模理进行测距,将估算的距离转换为权值,再结合质心算法实现定位;MATLAB仿真结果显示,文中算法比加权质心算法具有更好的环境自适应性和鲁棒性.     

基于ZigBee的加权质心定位算法的仿真与实现

为了研究节点定位算法的实现方法,提出了一种新的加权质心定位算法。这种算法首先通过对无线电传播路径损耗模型的分析,结合具体环境的实验,得到信号传播的经验模型,然后利用信标节点对未知节点的不同影响力来确定加权因子,进行加权质心算法定位。最后在对定位数据处理和分析的基础上,选取三个RSSI最大的信标节点进行定位计算,进一步改善了节点定位精度。仿真和实验结果表明,这种加权质心算法可应用于区域定位。     

WSN中移动信标辅助的加权质心定位算法

质心算法是一种简单易实现的节点定位方法,但是它的定位精度多依赖于网络中信标节点的密度和分布。针对质心算法这一缺陷,本文提出了一种移动信标节点辅助的加权质心定位算法(MBAWCL)。该算法采用一个飞行的移动信标节点在网络部署区域上空按照设定的路径移动并周期性的广播自己的位置信息;未知节点对所接收信标信号采取一定的筛选机制存储信标信号,然后利用加权质心(WCL)方法计算自己的位置。实验测试证明该算法可以提高节点的定位精度,降低定位成本,提高定位效率。     

传感器网络加权质心自定位算法

提出了基于跳距的加权质心定位算法,用信标节点和未知节点之间的跳距来确定质心算法中各信标节点的加权因子,以提高质心算法的定位精度。对普通质心算法和改进后的质心算法进行了模拟仿真,结果表明所提出的算法从总体上看具有较好的定位效果。     

基于优化RSSI精度的WSN加权质心定位算法

为消弱接收信号强度指示误差对无线传感器网络节点定位精度的影响,提出基于优化接收信号强度指示测距精度的加权质心定位算法。该算法根据接收信号强度指示（RSSI）和链路质量指示（LQI）在不同距离段的衰落曲线起伏的波动状况,采用分段测距的方法优化RSSI的测距精度,接着将优化后的距离值作为加权质心算法的权值因子对节点进行定位,进而提高定位精度。实验结果验证了该优化算法的有效性。     

无线传感器网络在室内定位中的应用研究

室内定位受到地板、墙壁、人员走动等因素的影响,易产生多径现象,使信号严重衰减,从而导致基于接收信号强度(RSSI)算法难以获得较高定位精度。为了提高室内环境下的无线传感器定位精度,针对室内特有的特点,利用RSSI和质心定位算法优点,提出一种组合的室内传感器节点定位方法。首先利用预先布置好的信标节点,读取目标节点的RSSI值,然后把RSSI值作为质心定位算法的权值,通过质心算法得到目标节点坐标,最后进行测试实验。结果表明,组合算法具有计算量小、定位精度高等优点,能够很好地满足室内环境定位要求。     

基于指纹量化的改进加权质心定位算法

针对室内人员定位信号存在干扰大、定位精度低的问题,提出一种基于指纹量化的改进加权质心定位算法。该算法在ZigBee通信环境下采集实际测量值建立指纹数据库,在量化域内根据未知节点接收到的RSSI值进行量化,获得量化距离及量化RSSI值,将量化距离以及产生的量化误差作为权值参数,进一步利用改进的交集三角形加权质心算法对未知节点进行定位。实验结果表明,该算法可以有效避免因信号衰减严重而造成的理论误差问题,提高了定位精度。     

基于RSSI修正加权质心的定位算法

研究了适用于室外空间的修正加权质心定位算法,该算法对接收信号强度指示测距原理进行分析,可在未知路径衰落指数的情况下,将距离关系转化为接收功率关系,通过高斯滤波处理得到RSSI测量距离,将其倒数作为修正加权质心定位的加权因子;加权质心算法讨论了调整修正系数对算法定位精度的影响,通过比较分析得出室外环境时理想的修正系数.通过仿真实验表明,改进后算法动态调整系数为4时,定位精度最高为0.5190m,可以满足实际定位需求.     

基于最优信标节点的无线传感器网络质心定位算法

针对无线传感器网络(WSN)质心定位(CL)算法精度不高的问题,提出了一种基于最优信标节点的质心定位(OBCL)算法.OBCL算法采用了4个移动信标节点,首先,对移动信标节点的路径进行规划;然后,未知节点根据集合偏移度(SDD)从候选信标节点集合中选出最优信标节点来进行位置估计;其次,为了解决信标节点不足导致无法定位的问题,引入角色转变机制,未知节点在完成定位之后成为准信标节点来进行辅助定位;最后,为了保证网络中所有节点能够完成定位,在完成初次定位之后,需要进行重定位过程.仿真实验结果表明,与CL、基于加权的质心定位(WCL)、利用接收信号强度加权的质心定位(RR-WCL)这3种算法相比,OBCL算法的平均定位误差分别降低了67.7%、39.2%、24.4%.由于OBCL算法只需要4个移动信标节点就能达到较好的定位效果,因此适合应用于对网络成本低、定位精度要求高的场景.     

基于PSO-GSA优化的井下加权质心人员定位算法

针对煤矿复杂环境中,接收信号强度指示的人员定位精度较低,难以动态跟踪参数变化的问题,提出一种利用改进的引力搜索算法应用于加权质心定位中进行井下人员定位的方法。先采用对数距离路径损耗模型得到信标节点到未知节点的距离,然后通过加权质心定位算法对未知节点定位;最后利用粒子群万有引力混合算法对相关参数和估计的位置信息进行优化。实验结果表明,该方法能够增强对环境变化的自适应能力,更有效地提高定位精度。     

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。     

无线传感器网络分布式的移动节点定位研究

针对WSN野外二维特定应用环境,提出了一种到主信标节点信号强度差定位算法（SSDLB）与运动预测定位算法（MPL）相结合的基于分布式的高覆盖率移动WSN节点定位算法,解决了在定位过程中未知节点在某定位时刻其邻居信标节点的个数小于3个的定位问题,并且避免了传统RSSI定位算法把信号强度值转化成距离再进行定位所带来的计算误差与计算开销,一定程度上提高了节点定位精度和覆盖率。仿真实验表明：此算法在较低的信标节点密度的条件下,能够达到较高的定位精度和定位覆盖率,与传统的RSSI算法相比定位性能有显著的提高。     

基于RSSI测距的信标节点自校正定位算法

节点定位是无线传感器网络中的重要应用之一.为了有效抑制各种因素对无线传感器节点定位精度的影响,以三边定位算法为基础,提出了一种基于误差校正的定位算法.该算法通过测量信标节点之间的距离,获得信标节点RSSI值测量误差和网络的定位误差,并对误差进行补偿,从而提高整个网络的定位精度.实验结果显示,该算法能明显提高定位精度和稳定性,具有普遍应用意义.     

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.     

一种分布式无线传感器网络节点定位算法

基于接收信号强度(RSSl)的无线传感器网络节点定位算法由于无需额外测距硬件的支持而受到广泛的应用.但无线信号传输受到环境的影响,使得基于RSSI的定位算法存在较大的定位误差.针对上述不足提出了一种基于概率的无线传感器网络节点定位方法.首先根据信标节点发送信号强度与未知节点接收信号强度差来计算未知节点到其一跳范围内所有信标节点的估计距离,然后根据这些估计距离,通过计算未知节点在某个位置概率密度函数的最大值来确定未知节点自身的位置坐标.通过仿真表明,该方法在较低的信标节点密度和节点通信半径条件下,具有较高的节点定位精度和定位覆盖率.     

面向非完全序列的水下三维传感网定位算法

针对三维空间节点定位精度低以及算法复杂度高的问题，提出一种面向非完全序列的水下三维传感网定位（NFSL）算法。该算法区别于传统基于序列定位算法，考虑更切实际的信标节点通信范围非全网覆盖的情况。首先，利用3D Voronoi图对三维定位空间进行区域划分，并确定虚拟信标节点以及其阶次序列；然后，根据由接收的信号强度指示（RSSI）所得的未知节点序列与信标节点序列的阶次相关系数得到"最邻近"信标节点并构建最邻近序列表；其次，设计针对非等长序列相似度的算法并利用该算法得到未知节点的非完全序列与最邻近序列表中各序列的阶次相关系数；最后，将该阶次相关系数作为权重实现对未知节点位置的加权估计。仿真实验以信标节点比例、通信半径、节点总数以及网络规模作为变量对NFSL与DV-Hop和质心算法的定位精度进行比较，仿真结果证明了该算法的有效性，且其定位精度随信标节点数的增加而大幅提高，与传统定位算法相比该算法定位精度最大可提高约23%。     

基于RSSI测距的DV-Hop算法

由于DV-Hop算法在不均匀网络中节点定位精度不高,以及RSSI算法受环境因素影响较大,将RSSI算法与DV-Hop算法相结合,提出一种利用RSSI测距技术改进DV-Hop的算法-----BRDV-Hop算法.该算法应用RSSI测距技术,定义信标节点的平均跳距误差,并利用信标节点的平均跳距误差对未知节点与信标节点之间的距离进行修正,从而达到减小定位误差的目的.仿真结果表明,与标准的DV-Hop算法相比,在不增加传感器节点硬件的基础上,改进算法能有效降低定位误差.