基于UKF优化多三角加权定位算法的UWB室内定位系统设计

为了减小基于超宽带(Ultra-Wideband,UWB)通信技术的室内定位中由非视距(Non-Line-of-Sight,NLOS)因素导致的误差,提出了一种多三角加权定位算法,并将该算法与无迹卡尔曼滤波(Unscented Kalman Filter,UKF)结合,进一步提出多三角加权UKF定位算法。多三角加权定位算法使用4个基站,其中每3个基站分为一组,共4组排列组合。每组基站用三边定位算法算出标签的初始坐标,根据标签到4个基站的距离计算初始坐标的权值,并进行加权计算得到标签的坐标。以多三角加权定位算法的定位结果作为UKF的观测值,使用UKF对多三角加权算法的结果进行修正,提高定位精度,减小定位波动。对比三边定位算法、多三角加权定位算法和UKF优化的多三角加权定位进行仿真和实验。结果表明,提出的多三角加权UKF算法定位精度有较大提高。

基于优化神经网络与聚类的加权定位算法

针对RSSI测距误差较大的现象,为进一步提高加权质心定位算法精度,提出了一种基于MEA-BP神经网络与模糊C均值聚类的加权定位算法。该算法首先引入思维进化算法与BP神经网络以优化测距信息;采用三边测量法得到多个初始定位结果并组成集合,经模糊C均值聚类处理后,使用加权质心定位算法得到每个聚类簇针对于未知节点的估计位置;将每个聚类簇中数据点的数量视为权值,再次使用加权质心定位算法,得到未知节点的最终定位坐标。仿真结果表明,该算法显著降低了二维场景中无线传感器网络定位误差。

一种基于动态锚节点的改进加权定位算法

在无线传感器网络中,大多数定位算法性能取决于锚节点数量以及分布位置,所以定位误差相对较大。在此前提下,提出基于动态锚节点的改进加权定位算法(IWLA-DAN)。首先证明能与未知节点通信的三个锚节点构成的三角形三边相等时定位误差最小,根据该结论得出权值公式,然后通过三边测量法和加权算法求得未知节点位置,同时升级该节点为伪锚节点继续参与网络中其他节点的定位。最后通过Matlab对算法进行仿真,实验结果表明改进后算法定位误差减小,节点定位精度得到提高。

基于RSSI的无线传感器网络加权定位算法

随着当前科学水平的不断提高,无线传感器在当前社会的各个领域都有所应用。无线传感器在很大程度上帮助人们解决了很多传统意义上实现不了的难题,无线传感器技术在当前的人员安全管理上起到了非常重要的作用,本文我们主要来探讨基于RSSI的无线传感器的相关内容。

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%。

顾及虚拟AP的室内几何距离加权定位算法

针对室内定位时使用基于接收信号强度信号空间的欧氏距离、马氏距离以及其他距离进行加权定位造成的非线性定位模型误差的问题,该文提出一种顾及虚拟AP模型的室内几何距离加权定位算法。该文通过电磁波传播特性的定量推算,研究RSS和几何距离之间非线性的指数函数关系,进而使用几何距离代替RSS信号距离进行参考指纹点的加权计算。在3个不同地点进行了重复数据采集实验,结果表明,基于几何距离加权定位算法在定位精度上明显优于KNN、WKNN、PDWKNN等算法,定位精度分别提高了16.88%、10.38%、11.98%。

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。

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.

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。

一种DBSCAN聚类点密度的加权质心定位算法

加权质心定位算法是无线传感器网络中最常用的定位算法,为了进一步提高其定位精度,本文将聚类算法引入到无线传感器网络定位中,提出了一种具有噪声的基于密度的聚类算法(DBSCAN)聚类点密度的加权质心定位算法。该算法根据共线度理论选择参数,构建定位三角形的集合。选择集合中定位效果较好的一部分三角形对未知节点进行定位,并对所得的初始定位结果进行DBSCAN聚类。在排除误差较大的定位坐标后,将聚类后每个簇的核心点个数视为权值,采用加权质心定位算法得到未知节点的最终定位位置。仿真结果表明:该算法与传统加权质心定位算法相比,平均定位误差减小80%以上,有效提高了无线传感器网络定位精度。

基于次锚节点的无线传感器网络改进加权质心定位算法

针对加权质心定位算法(WCLA)对锚节点数量要求较高和定位精度较低的缺陷,提出一种基于次锚节点的改进加权质心定位算法(IWCLA-SAN)。该算法在加权因子中引入修正系数,以提高定位精度;同时,将基于粒子群优化(PSO)的定位算法的未知节点升级为次锚节点,在锚节点数量有限的情况下,以提高定位精度和定位覆盖率。仿真结果表明:该算法能有效提高定位精度和定位覆盖率。

一种自适应煤矿井下环境的加权质心节点定位算法

为提高煤矿井下无线传感器网络节点定位精度,提出了一种自适应煤矿井下工况环境的加权质心节点定位算法;在信标节点双链式部署结构的基础上,首先利用未知节点周围RSSI信号强度最大的信标节点之间的位置信息和信标节点的平均RSSI值自适应地估计环境参数,再应用无线信号强度衰减模型计算未知节点到信标节点的距离,最后采用加权质心定位算法的平均值确定最终的节点位置坐标;仿真实验结果表明,所提出方法的平均定位误差为0.94m,有效降低了环境因素及RSSI的随机性对定位精度的影响,可用于煤矿井下无线传感器网络节点实时定位系统中。

基于RSSI的加权质心定位算法优化研究

在无线传感器网络(WSNs)中,定位精度和算法收敛速度是节点定位的关键因素.本文提出了一种改进的WCBD(Weighted Centroid Based on Distance)算法,该算法基于接收信号强度指示(RSSI),结合加权质心定位算法,研究参考节点与目标节点之间的距离,然后针对加权质心定位算法中的权重系数选择提出了新的思路,使之提高定位精度.仿真结果表明,与W-Centroid算法和WR-Centroid算法相比,WCBD算法通过误差调整和迭代,有效提高了算法的收敛速度和定位精度.

基于自适应基准值改进的RSSI加权质心定位算法

提出一种根据设定接收的信号强度指示基准值改进的加权质心算法.先通过锚节点向周围发散自身坐标等相关数据包,然后假设某一参考节点为未知节点,测得与周围锚节点传播过程中的信号强度损耗值,判断最小的接收信号强度指示值,优化样本集合,将修正的信号指示值参数作为相应新表节点的权重,并求得定位误差.MATLAB仿真结果表明,该算法相比于传统算法的定位精度更高,定位误差波动更小,且有较强的机动性和可适应性.

SENMA网络加权质心定位算法

移动代理传感器网络(SENMA)由移动代理节点负责数据处理、接入、转发、传输和路由等工作,更加节能。通过分析指出SENMA网络进行节点定位最适于采用基于距离定位算法,依据网络特点基于接收信号强度指示(RSSI)测距技术较为可行。依据信道RSSI特点,提出了一种加权质心定位算法,并利用Matlab编程进行了仿真验证,证明了其性能优于极大似然估计定位算法,更为适用于SENMA网络。

基于K-means聚类点密度的WSNs加权质心定位算法

为降低无线传感器网络(WSNs)在节点众多时算法复杂度,提高定位精度,提出一种基于K—means聚类点密度的WSNs加权质心定位算法(KCPD—WCLA)。首先,对空间中随机大量布设的锚节点进行分组,利用三边测量定位法在二维平面上得到许多接近真实值的结果;然后将K—means聚类算法引入到WSNs的定位问题中,对K个聚类点密度加以考虑,利用加权质心定位算法(WCLA)得到定位结果。理论分析与仿真结果表明:计算复杂度明显降低,定位精度比多边定位算法(MLA)和WCLA有显著提高。

基于接收信号强度指示加权融合的定位算法

基于接收信号强度指示的无线传感器网络定位问题,提出一种改进Kalman滤波方法,消除测距过程中的非视距误差,得到标签与节点间的估计距离.然后,分析标签与节点的距离、定位单元质量和标签所处的位置三方面对定位精度的影响,提出一种改进三边定位算法,并根据滤波后的估计距离计算得到的多个定位坐标进行加权融合.最后,通过Matlab仿真验证所提算法的有效性.