基于RSSI测距的改进加权质心定位算法

基于RSSI(Received Signal Strength Indication)的三角形加权质心定位算法在测距和定位中存在较大误差,针对这一缺点提出一种改进的加权算法。在该算法中采用节点距离倒数之和代替距离和的倒数作为权值,并且根据节点距离给出加权因子作为修正,以充分利用节点信息。仿真结果验证了该算法的有效性,与原有定位算法比较其定位精度得到提升,最高可达50%。     

基于RSSI的改进质心定位算法

为提高无线传感器网络三角形质心定位算法的精度,提出一种基于RSSI的改进质心定位算法.首先,分析传统基于RSSI的三角形质心定位模型,发现单个锚节点测距误差较大会导致盲节点的定位精度受到影响,因此采用4点进行定位来降低单个锚节点权重;其次,改进的质心定位算法选择根轴相交组成的区域作为定位参考区域,将该区域的质心位置作为待测盲节点位置;最后,采用仿真实验对比算法的精确度和稳定性,实验结果表明,相比于传统算法,改进算法定位精度更高,而且定位误差波动更小.     

基于改进APIT算法WSNs节点定位在配电网研究

针对无线传感器网络节点在定位配电网故障时定位精度低、能耗大等问题,对近似三角形内点测试(APIT)算法进行节点定位改进。首先对RSSI测距权重值进行改进,在保持较高的精确度条件下来确定测量次数,达到最优测距能力;然后,对传统APIT定位容易受节点密度影响,采用三角形外接球的方法确定未知节点坐标;最后,使用细菌觅食算法(BFO)改进APIT锚节点在分布较少的边界区域进行确定,将每一个计算出坐标的传感器标记为已知锚节点。由仿真结果可知,改进的APIT算法定位误差降低,减少数据迭代次数,提高了节点定位精度。改进APIT算法在定位准确度、定位面积和能耗损耗优化于其他算法。     

基于RSSI障碍势能矫正的定位算法

针对因障碍物较多而导致基于RSSI测距的室内定位算法精度较低的问题,提出采用基于RSSI测距与非测距结合定位算法的思想,在基于RSSI测距的原定位算法计算结果的基础上,引入室内障碍物对信号传播干扰的特征信息作参考,修正原定位算法中测得的阅读器到信号源的距离矢量;同时考虑到障碍物与信号源的相对位置关系,采用基于障碍势能的加权质心定位算法,迭代矫正定位结果。相较原定位算法结果而言其定位精度提高了近50%。     

基于加权质心法的WLAN室内定位系统

在利用接收信号强度指示(RSSI)进行定位的WLAN室内定位系统中,为获得更高的定位精度,提出一种支持向量机与加权质心法相结合的定位算法。该算法首先以四边形对定位场地进行区域划分,在各四边形区域的顶点位置采样指纹点数据,利用支持向量机(SVM)多分类将定位点位置缩小到某个四边形区域内。最后利用加权质心法,计算出定位点的坐标。仿真实验与实地实验结果表明,该算法比支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)、K最近邻法(KNN),定位精度有明显提高,定位误差在1.4 m,定位精度在90%以上。     

基于测距修正和蝙蝠优化的改进DV-Hop定位算法

本文对DV-Hop算法定位误差大的问题进行研究。针对DV-Hop算法在求解平均跳距和未知节点位置两个阶段的缺陷，提出一种基于测距修正和蝙蝠优化的改进DV-Hop定位算法。首先，采用最小均方误差准则求解锚节点间的平均跳距，并添加校正因子减小测距误差；其次，利用混沌映射策略初始化种群并设置阈值M控制映射的次数，采用速度加权策略控制搜索的步长，增强蝙蝠算法跳出局部最优的能力；最后，使用改进蝙蝠算法确定未知节点的位置。仿真结果表明，提出的定位算法具有更高的定位精度，相比DV-Hop算法、BADV-Hop算法、PSODV-Hop算法分别提升了32.35%、18.80%、8.16%。     

基于RSSI测距技术的三角形面积和定位算法

为了提高无线传感器网络的定位精度,从提高测量精度、改善信标节点分布的角度提出了一种基于RSSI测距的三角形面积和定位算法。该算法利用高斯模型对非敏感区的RSSI数据进行处理,筛选出RSSI较优值,解决了RSSI易受干扰的问题。研究表明,通过高斯模型筛选出的RSSI值可以较好的预测环境参数;三角形面积和算法可以动态调整环境参数,使未知节点和信标节点达到合理距离,该算法计算简单,无需硬件扩展。     

基于RSSI的极大似然与加权质心混合定位算法

随着无线传感器网络的发展,日益需要更加精确的位置信息来支撑其相关的应用.通过分析待定位节点定位过程中产生的误差,对二阶段定位算法、接收信号强度指示（received signal strength indicator,RSSI）定位技术和质心算法进行深入的研究,提出了极大似然与加权质心混合定位算法：首先通过极大似然估计法对待定位节点进行粗略估计,然后利用加权质心算法对待定位节点坐标估计求精,进一步提高定位精度.仿真实验结果表明,该算法能够在定位精度方面有较大的提高.     

非视距条件下的测距信息融合定位方法研究

为了改善在非视距传播条件下的定位精度,研究和提出了一种测距信息融合定位方法。在NLOS指数分布模型下,利用锚节点传感器测量来自未知节点的接收信号强度、电波到达时间和电波达到角信息,首先将3种测距信息测量值构成一个测距信息集数据库,建立有效的多级联合判决机制,然后利用各自测量量获得相关的距离信息,并进一步利用获得的测距信息进行两两联合求解,剔除异常信息,最后进行加权融合处理得到未知节点坐标。计算机仿真结果表明,本文所提定位方法能有效地抑制NLOS误差,较传统定位方法提高了定位精度。     

基于测距修正和蜜獾优化的改进DV_Hop定位算法

针对传统DV_Hop算法在无线传感器网络中定位精度不足的问题,提出一种基于测距修正和蜜獾优化的改进DV_Hop定位算法。首先,通过多通信半径细化节点间最小跳数;其次,利用最小均方差准则与修正因子减少跳距误差;最后引入全局寻优性能优异的改进蜜獾算法代替最小二乘法计算未知节点坐标,进一步降低计算误差。经网络仿真验证,在不同条件下,优化算法较传统DV_Hop算法和改进算法（PDDV_Hop）定位误差平均下降16.62%、3.92%,能够有效地提高定位精度,且优化算法定位精度受锚节点数量影响较小,可在保证定位精度的前提下降低锚节点部署成本。     

基于移动信标的水下无线传感器网络定位算法

针对现有水下无线传感器网络定位算法定位精度不足且无法适应水下多变的网络拓扑的问题，提出一种基于移动信标的水下无线传感器网络定位算法。首先通过RSSI测距定位和DV-Hop算法获取未知节点的大致分布情况，其次以未知节点定位覆盖率作为目标函数，采用经过自适应惯性权重和柯西-t扰动策略优化的改进秃鹰搜索算法迭代求解信标节点移动的最优位置，最后信标节点移动到最优位置再对未知节点进行重新定位。仿真结果表明,与对比算法相比，移动信标节点定位算法能有效提高未知节点定位精度，在网络拓扑变化时也能保持较高的定位精度且定位效果稳定。     

基于RSSI-距离区间映射的加权质心定位算法

考虑到室内传播中RSSI的不稳定因素使得基于RSSI与位置(距离)一一对应关系的定位算法误差较大,在对RSSI统计分析后,提出了在离线采样阶段先建立符合实际环境的基于RSSI-距离区间映射的数据库,再在在线测量阶段根据待定位点RSSI在粗略位置区域中采用加权质心算法确定具体位置.从性能测试结果看出各测试点位置估计偏差略有不同,但平均偏差不高,表明在一定程度上改善了信号因多径效应、非视距传播等波动引起的定位偏差较大问题,验证了该方法的可行性和有效性.     

基于RBF神经网络的室内定位算法研究

在无线传感器网络室内定位中,由于遮挡、多径效应等因素的影响,传统基于RSSI（Received Signal Strength Indicator）的定位算法存在测距不准、定位精度不高的问题。针对此问题,本文提出一种改进的基于RBF（Radial Basis Function）神经网络的室内定位算法,算法在离线阶段直接建立各参考节点接收到的RSSI值与其位置坐标的映射关系;在线阶段采集待定位节点的 RSSI值,利用学习好的神经网络对待定位节点进行定位。实验结果表明,与传统RSSI定位算法相比,本文提出的定位算法具备更高的定位精度。