Improved Algorithm for Distributed Localization in Wireless Sensor Networks

Many sensor network applications require location awareness,but it is often too expensive to equip a global positioning system(GPS) receiver for each network node.Hence,localization schemes for sensor networks typically use a small number of seed nodes that know their locations and protocols whereby other nodes estimate their locations from the messages they receive.For the inherent shortcomings of general particle filter(the sequential Monte Carlo method) this paper introduces particle swarm optimization and weighted centroid algorithm to optimize it.Based on improvement a distributed localization algorithm named WC-IPF(weighted centroid algorithm improved particle filter) has been proposed for localization.In this localization scheme the initial estimate position can be acquired by weighted centroid algorithm.Then the accurate position can be gotten via improved particle filter recursively.The extend simulation results show that the proposed algorithm is efficient for most condition.

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。

基于RSSI的无线传感器网络修正加权质心定位算法

提出了一种基于接收信号指示强度(RSSI)的修正加权质心定位算法,它区别于以往的加权质心定位算法,在该算法中采用测试距离倒数之和代替距离和的倒数作为权重,同时提出了修正系数的概念,避免了信息淹没现象,提高了定位精度。仿真结果表明,本文算法定位精度较之前的加权质心定位算法有了明显提高,最高可达17.83%。

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的加权质心定位算法的实现

提出了一种基于RSSI的加权质心定位算法,即将RSSI方法和质心定位算法相结合,用信标节点对未知节点不同的RSSI值来确定加权因子,以提高质心算法的定位精度。加权质心定位算法计算简单,只需较少的通信开销和较低的实现复杂度,这在能量有限的网络节点中是非常重要的。

基于KNN算法的可变权值室内指纹定位算法

针对基于静态权值的室内指纹定位算法存在定位精度低、定位结果不稳定以及环境适应性差等问题,提出一种以欧氏距离为权值参考的可变权值室内指纹定位算法。该算法分为离线采样阶段和在线定位阶段。离线采样阶段对接收信号强度指示(RSSI)值进行高斯滤波去噪构建指纹库。在线定位阶段引入权值指数α、β,分别以RSSI、欧氏距离为权值参考计算最近邻点及其加权质心,得出待测节点的坐标。实验结果表明,相比KNN和RW算法,该算法定位精度高,其平均误差为0.965m,且定位误差波动小。

基于虚拟信标节点的改进加权质心定位修正算法

针对现有无线传感器网络中节点定位精度较低的问题,提出一种基于虚拟信标节点的改进加权质心定位修正算法(IWLCA-VBN).该算法通过计算信标节点与未知节点之间的距离,选取虚拟信标节点参与定位.根据"能与未知节点通信的三个信标节点构成的三角形三边相等时定位误差最小"这一理论,得出权值公式,然后通过质心定位算法计算符合条件的三角形的质心坐标,再利用加权质心定位算法得到未知节点的初步坐标.选取离此坐标距离最近的两个定位节点作为参考节点,对初步定位坐标进行修正,得到未知节点的最终坐标.仿真结果表明:IWLCA-VBN算法能有效地减小定位误差,提高定位精度.

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。

基于差分修正的传感器网络加权质心定位算法

节点定位是无线传感器网络应用的关键技术。针对加权质心定位算法存在的测距误差影响,提出了一种基于差分校正的加权质心定位算法DWCLA。算法先进行信标节点之间的测距,并用其实际位置求得测距的误差因子。节点利用最近信标节点的误差因子修正测距,从而对权值进行修正。仿真结果表明,DWCLA算法降低了测距误差对定位的影响,提高了算法的定位精度。

基于RSSI的自适应权重定位算法

在室内环境中,由于存在多径、反射的影响,采用传统的静态权重质心定位(SWCL)方法无法得到准确的定位精度。针对这一问题,提出了一种新的基于接收信号强度指示(RSSI)的动态自适应静态权重质心定位(RSSI—DA—SWCL)算法。对RSSI测距算法优化,消除不同发射功率和其它突发干扰对测距的影响;利用锚节点和未知节点距离等信息,让锚节点自适应地获得最优的权重系数,从而提高定位精度;将RSSI—DA—SWCL算法在ZigBee平台中实现,并通过Maltab仿真和实测实验对算法进行验证。结果表明:和传统的定位算法相比,提出算法具有更优的定位精度。

一种无需测距的无线传感器网络加权质心定位算法

目的提出一种无需测距的加权质心定位算法:RFWCLA(range free weighted centroid locali-zation algorithm)。方法算法利用相邻节点的邻节点集,估计出节点到相邻信标节点间的距离,从而进行加权质心定位。结果仿真结果表明,相比于质心定位算法,RFWCLA算法提高了定位精度。结论 RFWCLA是一种有效的无线传感器网络定位算法。

无线传感器网络中基于RSSI的改进定位算法

无线传感器网络节点自身定位至关重要,在军事和民用领域中有着广泛的应用前景.目前的定位算法主要分为两种类型,即基于距离的定位算法和距离无关的定位算法.这两种类型的算法各有优势和不足.考虑了两种算法的优缺点,提出了一种廉价实用的定位算法,该方法通过校正RSSI测距技术测量的节点间点到点的距离,并优选信标节点,最后用加权质心方法进行定位.仿真结果表明:本算法比传统的RSSI定位算法拥有更好的定位性能。

基于加权质心算法的无线网络节点定位方法

为了提高无线传感器网络节点定位技术准确性,提出了改进的加权质心算法节点定位方法,以常态方程代入解得坐标后的误差倒数作为权值,并利用权值差别处理具有不同定位误差的不同定位结果,较小误差的倒数对应较大的权值,较大误差的倒数对应较小的权值,来提高定位准确性.通过对传统质心算法和改进加权质心算法进行MATLAB仿真,估测出定位节点的位置坐标.仿真结果表明,改进加权质心算法相较传统质心算法具有定位精度高、用时少等优势.

无线传感器网络中四面体三维质心定位算法

在研究普通三维质心定位算法和APIT-3D定位算法的基础上,提出了一种新无线传感器网络定位算法,即四面体三维质心定位算法。为降低计算复杂度,该算法用三维质心迭代算法代替了APIT-3D定位算法中的网格扫描算法,并在节点分布不均匀和低连通度的情况下,使用RSSI均值加权质心定位算法以提高节点覆盖率。仿真实验表明:该算法在无线传感器网络连通度低或节点分布不均匀时能获得较好的定位精度和定位覆盖率,并且与APIT-3D定位算法相比有效降低了计算复杂度。

基于RSSI的改进加权质心定位修正算法

针对现有无线传感器网络中RSSI定位算法易受外部环境影响、定位精度低的问题,提出一种基于RSSI的改进加权质心定位修正算法.该算法先根据RSSI测距值,利用极大似然法对未知节点位置进行初步估计,根据估计坐标值计算未知节点与RSSI信标节点间的近似距离,剔除误差较大的测量组,然后根据"能与未知节点通信的三个信标节点构成的三角形三边相等时定位误差最小"这一理论,得出权值公式,利用加权质心定位算法,结合TDOA信标节点计算未知节点的坐标并修正.仿真结果表明,该算法较传统的RSSI定位算法可有效减小定位误差,提高定位精度.

基于粒子群优化的改进加权质心定位算法

针对无线传感器网络低成本、高精度的要求,在采用接收信号强度测距的基础上,提出一种基于粒子群优化的改进加权质心定位算法。该算法易于实现,可调参数少,通过多次选代寻优提高定位精度。采用锚节点之间相互测距和定位补偿测距误差和定位误差。仿真结果表明,该算法与质心算法和加权质心定位算法相比,节点定位精度得到显著提高。

一种改进的DV-Hop无线传感器网络定位算法

针对传统DV-Hop无线传感器网络定位算法误差较大的缺点,将接收信号强度指示RSSI(received signal strength indicator)加入定位系统对原算法进行改进。通过RSSI测距技术计算信标节点邻居节点的距离;根据接收信号强度指示(RSSI)的比值修正节点间跳数;采用极大似然估计法对待定位节点坐标初步估计后再用加权质心算法进一步精确定位。仿真结果表明,该改进方法与传统DVHop算法相比定位精度有较大的提升。

一种改进的ZigBee无线传感器网络定位算法及应用

在介绍常用的ZigBee定位算法——接收信号强度指示算法(RSSI)和加权质心定位算法特点的基础上,分析常用算法定位误差产生的原因。针对此,提出改进的RSSI算法——几何测量算法,并将几何算法应用于CC2430无线单片机,对其定位节点进行设计和实现。仿真表明:改进后的算法定位精度提高约3%。

基于Mamdani型模糊推理的加权质心定位算法

为了提高加权质心定位算法在室内环境中的定位精度,提出使用实际环境中的RSS数据通过蝙蝠算法拟合输入隶属度函数,通过Mamdani型模糊推理获得节点间精确的权值,以提高加权质心定位算法的定位精度。在Zigbee平台上实现了该算法,通过实验比较3种不同的质心定位算法,结果表明:Mamdani型模糊推理因采用经过蝙蝠算法优化的隶属度函数而具有更小的平均定位误差。