结合RSSI测距和三边定位算法的LoRa定位系统

为了提高远距离无线电(Long Range Radio,LoRa)系统定位精度,提出利用接收信号强度指示(Received Signal Strength Indication,RSSI)测距和三边定位方法结合小波神经网络模型对LoRa节点进行定位。首先分析了RSSI测距、三边定位的原理和实现方法,给出了基于RSSI测距方法求解LoRa网关与LoRa节点间距离的步骤。然后利用3层融合型小波神经网络搭建了LoRa节点定位模型,选取Morlet小波为隐含层神经元的激励函数,选取Sigmoid阈值函数为输出层函数,将LoRa节点到3个LoRa网关的距离作为输入层数据,节点定位模型转换并输出LoRa节点位置的归一化横坐标和纵坐标。最后利用LoRa网关模块和LoRa节点模块搭建了LoRa节点定位实验系统并进行了实验测试,通过实验数据分析得出了RSSI测距参数并利用三边定位算法和小波神经网络节点定位模型实现了待定位LoRa节点的精准定位。实验结果表明,所提算法的定位精度为1.033 m,优于四点质心定位算法和传统三边定位算法。

基于RSSI的测距优化和三边定位算法研究

运用RSSI测距技术测量目标节点与已知锚节点之间的距离。提出一种动态的优化模型对RSSI测距值进行优化处理,减少测距误差提高精度。最后,运用三边测量定位算法得到目标节点坐标信息。室外实验数据以及仿真结果表明,该方案对于传统定位方法有明显的定位精度提升。

基于RSSI的修正补偿三边定位算法设计与仿真

在无线传感器网络节点定位过程中,三边定位算法常结合测距算法获取未知节点的位置信息。针对现有三边定位算法定位精度低、适用范围小和需要多次发送定位数据包导致节点能耗增大等问题,提出一种修正补偿测量距离的三边定位算法。相比常见发送多次定位数据包然后进行滤波计算降低定位误差的方法,采用对数常态-模型测量节点间距离,发送较少定位数据包,通过判断三锚节点圆的相对位置,对由于测距误差较大导致节点圆不相交的3种情况进行修正补偿,采用基于质心算法的三边定位算法计算未知节点坐标。通过搭建Matlab仿真试验,验证算法可行性及定位精度,试验结果表明,提出的修正补偿三边定位算法综合考虑了定位精度、算法复杂度和节点功耗3者之间的关系,适用范围更广,定位误差<15%。

一种改进的Eddystone-TLM质心室内三边定位算法

为了解决在室内环境中利用三边定位技术定位精度不高,以及基于质心定位改进三边定位算法后参考点难以确定在待测点外侧的问题,提出一种利用Eddystone-TLM对三边定位算法进行改进。首先利用Eddystone框架的TLM优化质心定位算法;其次通过优化后的质心定位算法解决三边定位算法已知的不足;最终实现定位精度的提高。实验结果表明,该算法改善了室内定位的精准性,可及时准确地获取目标终端的位置数据,有效保证了室内定位与其他领域之间定位数据的互联互通。

基于DV-hop算法的楼宇内三维投影质心定位算法研究

针对DV-hop定位算法在无线传感器网络中非测距定位时存在的精度不高的缺点,提出将其与投影技术及加权质心算法相结合的算法。该算法利用投影测距技术将楼宇三维空间转化为二维,将平均跳距算法改进为全网平均节点跳距算法,并利用数学方法中均分的思想将计算公式进行优化。在DVhop算法的最后阶段利用三边加权质心算法建立目标函数。仿真结果表明,改进的楼宇三维投影质心定位算法在不增加硬件开销的前提下,减小了定位误差及不可定位节点比例,提高了定位精度。

基于质心的改良Wi-Fi三边定位算法设计与分析

针对节点不均匀导致的Wi-Fi三边定位算法精度较低的问题,提出了基于质心的改良Wi-Fi三边定位算法。该算法通过计算相交圆的公共区域所组成的质心来提高对待测点位置估算的精确度,然后通过数据图表分析,证明基于质心改良后的Wi-Fi三边定位算法的确比原三边定位算法定位精确度更高。

基于RSSI测距的无线传感器网络质心定位算法优化

节点定位是无线传感器网络中的重要环节,经典质心定位算法精度较低且锚节点比例偏高。结合RSSI测距算法,对经典质心定位算法进行改进,提出了改进的迭代式加权质心算法。基于测距校正模型和定位修正模型,降低了网络锚节点比例。研究表明:与经典质心定位算法相比,论文算法的定位精度显著提高,锚节点比例明显下降;对于复杂的无线传感器网络,具有更高的适应性和稳定性。

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。

无线传感器网络中非测距混合定位算法

节点定位是无线传感器网络中的关键技术。针对质心定位算法和DV-Hop算法的不足,提出了一种非测距混合定位算法,采用DV-Hop算法得到节点之间的距离和粗略的未知节点估计坐标以作为质心定位算法的权重,经过两次加权质心定位算法得到未知节点更为精确的坐标。仿真实验结果表明:在不同情况下,该混合算法均能获得比两种原始算法更高的定位精度;与其他混合定位算法相比,计算量小,耗能更低。

无线传感器网络加权质心相对定位算法

针对基于接收信号强度指示的无线传感器网络加权质心定位算法在实际应用中计算复杂的缺点,提出一种改进型传感器网络加权质心相对定位算法(WCL-RSSI)。该算法主要采用参考节点精选机制和定位组合精选策略选择定位自评误差小的节点进行三边测距定位,以此重建定位权值函数来减小坐标定位误差,最后采用加权质心法计算坐标,并计算该节点的定位自评估误差。仿真实验表明,在同等计算复杂度下,该算法较传统定位方法的定位精度有了明显的提高。

基于TDOA的无线传感器网络四面体质心定位算法研究

在无线传感器网络中,确定节点位置或事件发生的位置对其监测活动至关重要。针对部署在二维空间的无线传感器网络质心定位算法性能问题,结合TDOA测距模型,引入定位近点的概念,并推广到三维空间,提出一种改进的四面体质心定位算法ICLA。并从不同节点密度、不同锚节点密度以及不同通信半径等方面比较两种算法的性能。仿真实验结果表明,改进之后的ICLA定位算法在定位误差和定位精度方面达到了更好的效果。

WSN中的质心定位算法研究

节点定位是无线传感器网络(WSN)中的关键技术之一。通过对质心定位算法的分析,提出了一种改进的质心算法(CSA)——以距离未知节点最近的锚节点为基准找出差异性最大的估计点,采用三角质心和多边质心计算估计点坐标提高定位精度。通过MATLAB仿真表明算法是有效可行的。

一种基于RSSI校正的加权质心定位算法

节点自定位技术一直是无线传感器网络中的关键技术,而基于接收信号强度指示(RSSI)的定位技术则是目前的研究热点。在对传统的加权三角形质心定位算法分析的基础上,提出了一种改进的定位算法。在测距阶段,将信标节点之间的距离和信号强度同时作为参考来校正RSSI值;在定位阶段,对传统加权三角形质心定位算法的权值进行修正。通过仿真证明改进算法比传统算法的定位精度有明显提高。

基于优化RSSI精度的WSN加权质心定位算法

为消弱接收信号强度指示误差对无线传感器网络节点定位精度的影响,提出基于优化接收信号强度指示测距精度的加权质心定位算法。该算法根据接收信号强度指示(RSSI)和链路质量指示(LQI)在不同距离段的衰落曲线起伏的波动状况,采用分段测距的方法优化RSSI的测距精度,接着将优化后的距离值作为加权质心算法的权值因子对节点进行定位,进而提高定位精度。实验结果验证了该优化算法的有效性。

煤矿井下基于RSSI校正测距的WSN节点定位算法

针对煤矿井下人员及设备定位监控严重不足的情况,提出了基于RSSI校正测距的WSN节点定位技术。模拟井下环境,使用协议分析仪Packed Sniffer嗅探节点接收RSSI值,以确定环境参数;采用高斯理论模型过滤RSSI值,利用对数-正态分布理论模型计算距离;最后应用改进的三边质心定位算法求得未知节点坐标。RSSI校正测距定位与CC2431定位引擎定位的误差对比表明,文中所提算法的定位性能较好。该研究为井下无线传感器网络定位系统的设计提供了参考依据。

基于RSSI加权质心和GASA优化的WSN定位算法

针对无线传感器网络节点在自身定位中广泛存在较大的定位误差的问题,提出一种基于RSSI加权质心和GASA优化的无线传感器网络定位算法。该算法假设无线传感器网络中存在一定比例的位置已知的锚节点,利用RSSI加权质心算法计算未知节点与锚节点间的距离,建立以未知节点位置为参数的数学模型,用GASA优化算法计算最优解从而获得未知节点的位置,实现未知节点自身的定位。仿真实验的结果表明,当锚节点个数为30,算法的平均定位误差在10%以内,比RSSI加权质心算法降低了10%~15.5%左右,并且随着节点个数的增加平均定位误差降低。

基于三点定位与加权坐标的三角定位算法

针对传统的基于接收信号强度指示(Received Signal Strength Indication,RSSI)的三角定位算法产生的定位误差大和定位结果波动性大的问题,提出一种基于三点定位与加权坐标的三角定位算法。该算法对RSSI数据进行卡尔曼滤波操作,降低RSSI数据的波动性;将滤波后数据经过基于RSSI选取的三点定位算法,获取粗定位坐标;将获取的三个粗定位坐标基于加权坐标的三角定位算法得到待定位点坐标。实验结果表明,在RSSI-距离衰减模型拟合度为96%的条件下,提出的算法的最大误差为1.602 m,平均误差为0.880 m。

基于RSSI测距的井下人员定位算法改进

针对矿井下基于RSSI算法的定位系统容易受到其他节点信号干扰,以及在井下测量节点距离时,因受到井下环境影响出现的测距误差,进而影响三边定位算法的精确度和稳定性。论文利用接收到的已知节点角度信息,把在井下定位分割成各个定位小区来过滤其他节点的信号干扰,以解决因信号干扰造成的定位小区混乱。在确定定位小区之后,利用对重叠区域进行标记缩小定位范围,对标记最多次区域采用质心算法,以此来提高定位精确度和稳定性。仿真表明:该方法在井下人员定位过程中精确度高、稳定性强,比传统传统RSSI定位算法在井下更为优越。

基于超声波的室内三维定位系统

为满足对室内定位技术和系统应用平台的迫切需求,提出一种基于超声波的室内三维定位系统,阐述了其工作原理并对三边定位算法进行了研究。该系统基于射频和超声波传感器的固有性质,对超声波信号采用CDMA(Code Division Multiple Access)技术进行编码,以便在目标节点上区分每个信标发来的超声波信号,并结合射频信号实现TDOA(Time Difference Of Arrival)测距算法,最终实现三维定位。实验研究表明,以一个信标为原点,另外两个信标分别放置为X轴和Y轴上,建立三维坐标系,能简化三边定位算法,并能实现精度较高的三维定位。

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。