基于RSSI的无线传感器网络定位算法研究

该文对无线网络定位技术做了详细的分析,着重研究了基于RSSI效验的节点定位算法实现,并通过模拟实验,其结果表明,此算法能较好的减少误差。     

基于RSSI的室内定位算法优化技术

定位技术在无线传感器网络中有重要的作用,针对基于RSSI的室内定位误差较大这一问题,通过对RSSI测距模型进行分析,提出一种基于RSSI的室内定位算法的优化方案。该方案将整体环境进行分割,对分割后的子区域进行环境参数拟合,同时对参考节点的可靠性通过权值进行衡量,取可靠性最高的三个参考节点完成定位,从而减小定位误差,通过Zigbee模块进行验证分析。实验表明,该改进方案明显提高了室内定位的精度。     

近邻表:RSSI辅助的一维无线传感网络相对定位

在无线传感器网络中,相对定位是指寻找节点之间的相对位置而非绝对位置.考虑一维无线传感器网络的相对定位问题,提出了一种近邻表算法,该算法通过使用近邻表来刻画每个节点的位置,这个表中包含了所有节点,并以它们到指定节点的距离排序.实际网络中的数据分析验证了距离上的差别在大多数情况下可由接收到的RSSI值之间的差别来反映.因而,近邻表可以通过比较RSSI值来获得.最后,算法通过寻找一维拓扑中的端节点来得到所有节点的相对位置.验证了算法在实际环境中的可行性.     

基于RSSI的无线传感器网络质心定位算法优化

为了提高无线传感器网络定位精度的准确性, 对质心定位算法进行优化. 在测距阶段, 采用均值滤波和中值滤波相结合的方式对RSSI值进行预处理; 在定位阶段, 使用距离倒数的指数幂对质心加权; 同时引入迭代的思想, 解决了定位中锚节点密度不高的情况下, 节点无法定位的问题. 实验结果表明, 本文改进的算法与质心定位算法和距离加权的质心定位算法相比, 能够有效地提高无线传感器网络的定位精度.     

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.     

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的测距差分修正定位算法

为了抑制RSSI误差对无线传感器节点自身定位精度的影响,以三边定位算法为基础,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,并将差分法和质心法相结合提出了一种测距差分修正定位算法。该定位算法无需增加额外硬件开销,容易实现,定位误差可小于2.5m,适合于处理能力和能量有限的无线传感器网络节点。     

无线传感器网络中基于RSSI的质心定位算法的改进

无线传感器网络关键问题是节点定位,通常将定位算法分为基于测距与无需测量的定位算法两大类,质心算法作为无需测量的经典算法因其算法实现简单而被普遍应用。本文针对无线传感网络节点分布不均匀的情况下,按照锚节点与未知节点的距离来对锚节点重新分组,求得多个质心点,通过加权质心,求出未知节点的估计坐标。     

基于RSSI的无线传感器网络节点自身定位算法

节点自身定位是无线传感器网络的基础性问题之一.提出了一种基于接收信号强度指示(RSSI)的节点自身定位算法.该算法利用RSSI值估算网络中所有可通信节点间距离的相对大小,得到网络中各节点位置之间的几何约束关系,并以此为约束条件,以锚节点质心和未知节点质心之间的距离最小为目标,将定位问题转化为非线性最优化问题.实验结果显示,当锚节点分布在网络边缘时,该算法可以达到较好的定位效果.     

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%.     

一种基于分布式哈希表的Web服务目录系统

分析了集中式UDDI注册中心存在的缺点。结合P2P技术,基于分布式哈希表提供的高效的数据定位功能,提出了一种分布式Web服务目录系统,讨论了该系统下Web服务的发布与发现过程以及目录系统的维护。在该服务目录系统中,服务的描述信息分布在各个节点上,能够克服集中式UDDI注册中心的缺陷。     

基于哈希表的RPKI证书验证优化方法

在互联网码号资源公钥证书体系（Resource Public Key Infrastructure,RPKI）中,依赖方（Relying Party,RP）负责从资料库同步并验证资源证书和签名对象（ROAs,Manifests,Ghostbusters）,而后将有效的ROA处理成用于指导BGP路由的IP地址块和AS号的真实授权关系. 在当前的实现方式中,验证证书模块主要通过数据库查询递归查找待验证证书的父证书从而构建完整的证书链并由OpenSSL完成最终验证. 由于RPKI体系中证书量较大,导致基于数据库查询的方法效率不足. 结合RPKI运行机制中将计算代价由BGP路由器（用户）迁移到RP服务器（服务器）的特点和“空间换时间”的思想,可以将证书信息读取到内存中从而减少I/O的时间消耗. 本文基于上述思想基础,结合哈希表中条目查询的时间复杂度最优为O（1）的特点,设计并实现了基于哈希表的RPKI证书验证优化方法. 实验结果表明,在设计的3种实验场景中,平均时间加速比分别为99.03%、98.45%和97.48%,有效的减少了时间的消耗.     

基于RSSI的移动权值定位算法

为了减少传统基于RSSI（received signal strength indication）定位算法对室内传播模型的依赖,以及简化这类算法的复杂程度,提出一种基于RSSI的移动权值定位算法。算法通过场境建模,设定三类基准点并平均分布在建模场景中;获取设定场境内不同定位标签的RSSI向量,根据判定规则确定基准点,再运用室内传播模型计算移动权值,估算待测终端的位置信息。通过真实场景实验对比分析,该算法较对比算法具有更好的定位精度以及稳定性。     

基于接收信号强度指示的误差自校正定位算法

节点定位是无线传感器网络应用的关键技术。为了有效抑制各种环境干扰因素对未知节点定位精度的影响,提出一种基于接收信号强度的误差自校正定位算法。该算法通过信标节点之间的测距找出校正节点,用校正节点和质心信标节点的实际位置求得测距距离和实际距离,利用校正节点的误差自校正因子替换未知节点的测距误差因子,对测距误差进行补偿,最后利用加权质心方法确定未知节点的最终位置。仿真结果表明,该算法降低了测距误差对定位的影响,提高了定位精度,具有普遍应用价值。     

一种基于哈希链表的多关键字排序算法

该文结合哈希表提出一种多关键字的排序算法,该算法根据数据元素的关键字转换,利用哈希表的地址映射实现数据元素在有序序列中的位置,从而通过减少关键字比较及移动使排序算法得到优化。算法基于哈希表改进而来,在特殊多关键字排序中具有一定的应用。     

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.     

基于接收信号强度指示加权融合的质心定位算法

针对当前无线传感器网络质心定位算法在参考节点分布不均匀时定位误差较大,提出了一种基于RSSI加权融合的质心定位算法.通过将离未知节点距离由近到远的每三个参考节点组成三角形定位单元,运用传统质心算法产生质心,这样确保了质心的有效性.分析了影响定位精度的因素,通过加权因子来体现不同参考节点对质心坐标决定权的大小,并确定了各因素的权值.最后进行加权融合处理,使得整个定位精度得到了很大的提高.仿真结果表明,所提算法较之前的加权质心算法定位精度有了明显提高,最高可达38.41％.     

基于RSSI定位模型的非视距关系识别方法

RSSI 定位具有无需额外的硬件、成本低等特点,在无线传感器定位领域得到了广泛的应用。为精确定位目标节点坐标,本文介绍了RSSI对数衰减模型下实现目标节点定位的最大可能性(ML)估计方法。以建立的ML估计方法的目标函数为基础,本文同时论证了节点残差和平方残差和的统计分布规律,并提出了相应的非视距（NLOS）关系识别方法。仿真结果表明当信标节点存在误差时,所设计的迭代ML估计方法能快速、准确地实现目标定位。仿真实验测试了节点残差法、平方残差和法的NLOS识别率,表明随着单个节点NLOS误差的增大,NLOS识别率逐渐提高。比较两种不同方法下NLOS的正确识别率,节点残差法的识别率稍优于平方残差和法。     

一种基于hash的短信检测方法

非法有害手机短信传播范围广,影响面宽,干扰了人们的正常生活,产重扰乱社会治安轶序.本文采用FNV1哈希算法对短信进行签名,利用短信签名对短信的性质加以鉴别,可以提高垃圾短信鉴别速度,不泄露被鉴别短信的内容,最大程度地保护了用户的隐私.     

基于哈希表的分布式移动Agent的寻址机制

在基于移动Agent的计算环境中,由于Agent的位置可能经常变动,因此,当Agent位置改变时,其它Agent如何找到他,并与他通信就成了一个问题。过去,通过一个树型的名称服务器,像DNS的方式一样来解决这个问题,但是这可能会导致造成服务器的负载过大,而成为性能瓶颈,该文提出了一种负载均衡的寻址机制,他大大减少了服务器的负载。