基于RSSI混合滤波和最小二乘参数估计的测距算法

针对基于RSSI的无线传感器网络定位测距问题,在对数-常态分布模型下提出了一种混合滤波及最小二乘环境参数动态估计的测距算法。以锚节点作为参考节点,采用基于均值滤波、中值滤波和高斯滤波的混合滤波方法优化RSSI值,运用最小二乘法估计环境参数,再由盲节点与锚节点的RSSI混合滤波优化值计算二者之间的距离。仿真结果表明,混合滤波性能优于其它单一滤波方法,环境参数估计相对误差小于2.5%,空旷环境下100 m范围内测距相对误差小于10%,满足无线传感器网络定位测距要求。     

线性最小二乘法的RSSI定位精确计算方法

基于接收信号强度指示(RSSI)定位模型,提出了一种目标节点位置的精确计算方法。将RSSI定位问题所描述的非线性优化函数转化为线性最小二乘法估计问题,将定位结果直接用代数解表示。分别提出了目标节点信号发射强度已知和未知下的非约束线性最小二乘(ULLS)定位方法。同时对非约束线性最小二乘法下的参数进一步优化,提出了约束线性最小二乘法以提高定位精度。仿真验证了该定位计算方法的有效性,测试了不同信号强度噪声对定位误差的影响。结果同时表明,约束线性最小二乘法比非约束线性最小二乘法的定位误差更小,非常接近于定位结果的克拉美罗下界值(CRLB)。     

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。     

基于动态T检验的修正最小二乘BFGS定位算法

针对传统基于接收信号强度指示RSSI(Received Signal Strength Indicator)的最小二乘定位算法精度有限的问题,从降低信号噪声影响出发,提出一种基于动态T检验的修正最小二乘-BFGS定位算法。在测距阶段,将T检验法动态应用于RSSI值筛选,以消除较大测量误差影响,提高测距精度;定位阶段,先基于平均测算距离对传统的最小二乘法进行修正,提升初步定位精度0.3~2米;在此基础上,以信号强度误差最小为目标优化函数,基于BFGS算法对修正最小二乘法计算的初值进行迭代求精,以进一步提高定位精度。仿真实验表明,该算法有效提升了定位精度,在100 m×100 m范围内可比传统最小二乘定位误差降低4~11米。     

一种基于RSSI校正的三角形质心定位算法

节点自定位一直是无线传感器网络中的关键,基于接收信号强度指示(RSSI)的定位技术是目前的研究热点,但由于多径、绕射、非视距的影响,产生的距离误差较大.提出了基于RSSI校正的三角形质心定位算法,该算法简单,不增加通信开销,无需硬件扩展.仿真实验表明:该算法较其他算法大大提高精度,适合通信开销小、硬件要求低的无线传感器网络节点.     

基于测距修正和位置校正的RSSI定位算法

在基于接收信号强度指示(RSSI)的无线传感器网络节点定位问题中,为了提高节点的定位精度,通过对无线电传播路径损耗模型的分析,提出了基于RSSI测距的改进距离估计公式。针对已有节点校正方法存在的不足,提出了将一次循环校正后所有校正坐标的质心作为新的节点位置的校正方法。实验结果表明,改进的距离估计公式有效地提高了节点间的距离精度,并在适当增加节点计算量前提下,节点位置校正使节点的定位精度更高,达到良好的定位效果。     

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。     

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的差分定位模型在粮库测温中的应用

传统粮库粮食温度测量中,测温节点的室内定位精度依赖大量信标节点,给实际的工程应用带来了极大不便。为简化应用模型,根据无线电波的距离衰减曲线特性建立差分定位模型,提出了基于接收信号强度指示(Received Signal Strength Indication,RSSI)差分定位模型的粮库测温节点定位方法。模型采用动态信标节点,根据RSSI值依次确定距离信标节点最近的未知节点,最终实现全部节点的定位。实验表明,基于RSSI差分定位模型的粮库测温节点不需要额外布置信标节点,可以降低环境随机误差,而且定位精度高于传统测距定位模型。     

基于MS5534C的差分气压测高在室内定位中的应用

采用基于MEMS技术的数字压力传感器MS5534C和AVR单片机设计并实现了气压测高模块,单片机和传感器MS5534C之间通过三线同步串行接口实现通信.结合CAPS系统中差分气压测高方法,运用于基于移动通信网的接收信号强度指示( RSSI)室内定位系统中,提高用户测点绝对高度的测量精度,并通过单片机的控制在LCD上显示...     

一种用于室内人员定位的RSSI定位算法

采用基于比较接收信号强度（RSSI）的测距技术,利用中值策略从锚节点多组测量值中选取最合适的RSSI值用于定位计算。针对算法用于室内人员定位的具体需求,采用室内环境下的无线信号传播模型,提出目标节点空间补偿模型,解决了因目标节点与锚节点处于不同平面导致定位误差较大的问题。最后验证改进算法的定位性能有较大提高。     

拟牛顿粒子群优化算法求解调度问题

针对资源受限的项目调度问题,将粒子群优化算法与拟牛顿优化算法相结合,提出了一种混合粒子群算法。本算法利用粒子群算法求得优化解,然后利用拟牛顿方法对所得到的解进行局部优化,以尽量达到或接近全局最优点。结果表明,本算法能够有效地求解大规模项目调度问题,具有较好的应用价值。     

基于最小二乘和EKF的伪卫星定位算法

空基伪卫星由于自身机动性以及受到诸如气流、压力、温度等外界因素的影响使得其位置存在着偏移。因此,精确确定空基伪卫星的位置是其增强现有导航系统或独立组网进行导航定位的前提。针对扩展Kalman滤波对初值的要求和最小二乘法估计性好的特点,提出了一种混合算法,该算法用逆定位原理建立伪距观测方程组并采用最小二乘法解算出初值,运用扩展Kalman滤波进行定位。仿真表明,混合算法优于最小二乘法,定位精度得到了提高。     

基于RSSI的机器人室内卡尔曼滤波定位算法研究

针对移动机器人在室内环境中定位难的问题,提出了一种基于RSSI（Receive Signal Strength Indicator）的卡尔曼滤波定位算法。利用基于RSSI的定位方法估算用户的位置坐标,利用卡尔曼滤波算法对用户的估算位置坐标进行优化处理,以提高室内定位系统的性能和稳定性。实验结果表明,卡尔曼滤波算法是鲁棒的,可以有效改善系统的定位精度,达到了预期的目的。     

基于跳距修正的WSN拟牛顿迭代定位算法

针对DV-Hop算法在节点随机分布的网络拓扑环境下存在误差较大的问题,提出了一种基于跳距修正的WSN拟牛顿迭代定位算法(CNDV-Hop)。在详细分析DV-Hop算法过程与误差原因的基础上,提出相应改进:首先设定跳数阈值,对锚节点进行优选;然后采用新的方法校正锚节点跳距,利用对应锚节点跳距的校正值计算节点间的距离;最后用拟牛顿法对未知节点坐标的最小二乘解进行迭代优化。仿真结果表明,本文改进算法能有效地降低估计误差对定位准确度的影响,与现有改进DV-Hop算法相比精度更高。     

基于RSS-IWLS的认知无线电系统主用户定位算法

在认知无线电系统中,主用户定位是执行无线传输场景分析,进而共享主用户频谱资源,提供基于位置辅助业务的前提条件。针对主用户发射信号功率未知情况,提出一种基于接收信号强度的改进加权最小二乘（RSS-IWLS）算法实现在对主用户定位的同时估计其发送功率。该算法综合考虑路径损耗、阴影效应和信道噪声对定位精度的影响。仿真结果表明,执行RSS-IWLS算法获得的主用户位置估计精度比基于接收信号强度的最小二乘算法更高。     

基于最小二乘和最小投影距离的车牌倾斜校正

在车牌图像的采集过程中,经常会有车牌倾斜的现象发生,这种倾斜给后续的字符分割和字符识别造成了很多不利影响。为此,文中提出了一种基于最小二乘和最小投影距离的车牌倾斜校正方法。该方法将车牌倾斜分成水平倾斜和垂直倾斜两部分:对于水平倾斜,首先对二值化后的车牌去边框和铆钉,再对车牌利用最小二乘拟合直线求取倾斜角;而对于垂直倾斜,则引入分块查找法来降低查找最小投影距离的执行次数,从而提高算法的执行效率。实验结果表明:该算法简单实用,能够准确地对车牌进行校正。     

一种改进的三边定位算法

针对基于加权最小二乘(WLS)的三边定位算法在线性化过程中损失定位信息的问题,提出了一种改进的三边定位算法。该算法利用WLS算法粗略估计未知节点的坐标,并利用损失的定位信息构建定位模型,通过求解该定位模型实现精确定位。仿真结果表明,与基于WLS的三边定位算法相比,该算法有效提高了定位精度,且巷道长宽比越大,定位性能越好。