基于网格分布的三角形内点测试定位算法

无线传感器网络作为一种全新的信息获取和处理技术,可以在广泛的应用领域内实现复杂的大规模监测和跟踪任务,而节点自身定位是大多数应用的基础。结合近似三角形内点测试算法APIT和网格的思想,提出一种基于网格分布的三角形内点测试定位算法。仿真结果表明,相比于APIT,该算法具有更高的定位精度和节点定位覆盖度。

无线传感器网络近似三角形内点测试定位算法

无线传感器网络作为一种全新的信息获取和处理技术,可以在广泛的应用领域内实现复杂的大规模监测和跟踪任务,而网络自身定位是大多数应用的基础。传感器节点自身定位就是根据已知位置的节点,按照某种定位机制确定自身的位置。该文分析了近似三角形内点测试算法,对该算法进行了改进,分析表明:较之原算法,改进算法增大了anchor节点的覆盖度,降低了In-To-Out Error与Out-To-In Error发生的概率。

无线传感器网络近似三角形内点测试定位算法改进

作为重要的共性支撑技术之一,无线传感器网络的定位问题极具研究价值。分析了近似三角形内点测试算法,对该算法进行了改进。仿真分析表明:较之原算法,改进算法降低了错判发生的概率。

一个与三角形内点相关的几何不等式

本文给出一个与三角形内点相关的几何不等式.

基于RSSI的三角形质心定位算法的优化策略

为了解决基于RSSI(接收信号强度)的三角形质心定位算法在减小定位误差上效率较低、定位稳定性不高的问题,提出了一种改进的定位算法.仿真结果表明:改进的三角形质心定位算法在减小定位误差上具有更高的效率和性能,同时也保证了定位的稳定性.

无线传感器网络中基于有效三角形判定的改进APIT定位方法

在无线传感器网络中,节点自定位是网络的基本功能,是定位跟踪的前提。基于近似三角形内点测试(APIT)的自定位算法在定位过程中计算量大,耗能较高。针对上述问题,提出了一种利用分离定理和面积法排除无效三角形的方法,该方法在保证一定定位精度的基础上,降低了APIT的次数和传感器的通信量,延长了无线传感器网络的使用寿命。

一种基于信标节点筛选的无线传感器网络定位算法

对无线传感器网络定位算法进行了探讨,分析和研究了经典的定位算法,提出了一种基于信标节点筛选的定位算法LASBN,该算法筛选出合适的信标节点,并根据未知节点从信标节点所接收到的RSSI值设置权重,最后利用加权质心法进行未知节点的定位。理论分析和实验表明,该算法具有多项式复杂度,能有效地缩小估测误差和提高定位精度。

基于新内点测试与Grid-SCAN的铀尾矿库监测定位算法

面向铀尾矿库放射性核素污染WSN监测中,由于监测环境制约,针对该条件下节点密度低、带状分布网络连通性差等问题,为保证一定定位精度,提出一种新的定位算法。新内点测试利用RSSI值与海伦公式判断是否在三角形内外,无需未知节点周围其他节点信息,并采用Grid-SCAN寻找概率模型选取点,使该算法满足低密度条件的定位并减少其计算量。约束范围内计算网格内各点RSSI值的概率,并以最大概率坐标为定位结果。经过仿真,新算法较APIT算法在定位精度上提高了55%~69%。

基于改进APIT算法的无线传感器网络节点定位

定位技术是无线传感器网络中一个比较重要的技术。近似三角形内点测试(APIT)算法是一种比较常用的算法,为了提高无线传感器网络(WSNs)定位精度,在APIT算法的基础上进行改进,将三角形进行中垂线分割成4个或者6个小区间,通过对各个节点接收到目标节点信号强度进行比较,判断目标节点位于哪一个小区域内。通过仿真可以得到,改进的APIT算法精度上有了很大的提高。

改进内测点测试算法在无线传感网络中的定位研究

在无线传感网络定位算法中,三角形内点测试APIT算法和最佳三角内测点PIT算法受节点密度影响较大,在特定情况下会出现In-To-Out Error和Out-To-In Error错误,导致目的节点实际坐标往往与三角重叠区域质心位置相差较远,影响定位精准度;新算法提出利用内测点三角成形面积有效检测和避免上述两类错误,并在重叠区域采取指纹分布概率以投票方式计算目的节点坐标;仿真实验证明,新算法受节点密度影响较小,拥有更高的定位精度和准确性。

基于APIT和粒子滤波的无线移动节点定位算法研究

传统的近似三角形内点测试(APIT),即近似三角形内点测试定位算法,广泛应用于静态节点定位。结合粒子滤波提出改进算法,将APIT算法推广到节点动态定位。算法根据节点的移动性和APIT多边重合区域确定采样区域,通过目标节点的接收信号强度指示(RSSI)序列值过滤样本,使样本值的数学期望收敛于目标节点。仿真表明:该算法有效缩小采样区域,降低了定位能耗,与MCL,MCB算法相比,更精确地实现了动态定位。

面向复杂山地环境的WSN节点三维定位算法

无线传感器网络(WSN)在复杂的山地环境中进行节点定位时,节点部署稀疏会造成定位误差。为此,提出一种WSN节点三维定位算法。根据节点的稀疏程度,融合三维近似三角形内点测试(APIT)算法和DV-Hop算法预估未知节点位置,并搜索邻近节点形成平面,经过未知节点的坐标向平面作垂线,得到垂点坐标的平均值作为未知节点的最终位置。实验结果表明,与APIT算法、DV-Hop算法相比,该算法提高了节点定位精度。

无线传感器网络中基于APIT与DV-HOP的混合定位算法

无线传感器网络定位技术作为物联网的主要研究内容有着不可或缺的地位。为了达到高定位精确度、高节点覆盖率,本文在对各种基本经典算法深度分析的基础上,提出近似三角形内点(APIT)定位算法和距离向量跳段(DV-HOP)定位算法相结合的混合定位算法。采用角度判断未知节点的准确位置,对三角形内部和外部节点分别进行定位,内部采用APIT算法,定位精确度提高了65%,外部采用最小跳数对DV-HOP加权进行定位,定位精确度提高了24%。相比于原始算法,本文提出的混合算法可以对所有未知节点进行定位,减少了定位误差。通过MATLAB仿真,证明了其有效性。

一种改进的APIT定位算法

针对无线传感器网络中APIT定位算法定位误差大的问题,提出了一种改进的APIT定位算法。该算法针对APIT测试易产生InToOut和OutToIn错误而影响定位精度的问题,提出了新的内点测试方法;算法进一步通过中位线来缩减传统APIT算法中的三角形定位区域,提高定位精度。改进算法复杂度低,不需要任何额外硬件的支持。仿真结果表明,改进算法在不同锚节点密度和通信半径的网络中都具有较高的定位精度,满足于大多数无线传感器网络的定位需求。

基于RSSI的KNN—PIT室内自适应定位算法

针对基于接收信号强度指示(RSSI)的K最近邻(KNN)算法在室内定位精度较低的问题,提出一种改进的KNN—三角形内点(KNN—PIT)室内定位算法。根据室内空间结构特征,建立具有类标号的位置指纹库。引入虚拟参考点,利用PIT原理进一步约束目标点的定位区域,自适应地使用定位算法进行定位。综合运用高斯滤波、均值滤波技术,降低离线和在线阶段的信号随机误差。结果表明:改进后的KNN—PIT定位算法可以更好地估计用户的实际位置,降低定位误差,定位精度提高12.5%。

基于APIT的无线传感器网络质心算法研究

为了解决基于无线传感器网络的高速公路检测系统中由于信标节点分布不均且稀疏导致的定位误差,结合近似三角形内点测试(APIT)算法提出了一种新的定位算法,保证未知节点在所选择信标节点组成的三角形内。算法不需额外添加硬件,容易实现。M atlab环境下仿真结果显示,基于APIT的质心定位算法在信标节点较为稀疏、不均时,定位精度比采用最近邻信标节点选择的质心定位算法提高了32.18%。

基于角度判断的无线传感器网络APIT定位算法研究

在无线传感器网络节点定位算法中,近似三角形内点测试(APIT)算法具有较好的定位性能,成本较低,实现容易,在节点密度比较密集的情况下能达到比较理想的定位精度。但是在节点相对稀疏的环境下该算法误判率高,误差较大。提出一种APIT改进算法,利用角度求和来判断未知节点位置,通过理论分析比较和仿真实验表明:该算法可以在节点相对稀疏的情况下减小定位误差,提高定位精度。

一种基于APIT的无线传感器网络混合型定位算法

针对现有近似三角形内点测试(APIT)算法在信标节点密集环境下定位精度不高、稀疏环境下覆盖率较低的问题,提出了一种混合型定位算法。该算法通过减小三角形内点测试(PIT)时的三角形误判、选择优良的三角形,提高了信标节点密集环境下的定位精度。同时,该算法结合DV-Hop算法与两点定位法在稀疏环境下能计算出未知节点坐标的优点,提高了信标节点稀疏环境下的定位覆盖率。仿真分析表明:混合型算法有效地提高了信标节点密集环境下的定位精度和信标节点稀疏环境下的定位覆盖率。

一种基于RSSI的无线传感器网络的改进定位算法

在无线传感器网络的各种应用中,传感器节点必须首先知道自身的地理位置信息,才能进一步进行目标实时监测、目标跟踪等应用。目前的节点自定位算法主要分为两大类:基于距离的和与距离无关的算法。文章提出了一种基于RSSI的改进定位算法,从三角形质心定位的模型和加权质心的权重系数这两个方面分别进行了优化。最后经过Matlab仿真表明,该改进的算法比传统的RSSI算法有更小的定位误差。

基于面积和判断APIT的无线传感器网络定位算法

提出了一种基于面积和判断近似三角形内点测试(S-APIT)的无线传感器网络定位算法,利用节点之间的面积和来判断节点的位置,通过实验仿真证明:在密度较小和分布不均的情况下,提高定位精度,减少误差。