自适应灰狼算法优化的RSSI加权质心定位算法

无线传感器网络节点的定位过程中未知节点的邻居锚节点数量会严重影响定位精度。为解决该问题,提出一种自适应灰狼算法优化的RSSI加权质心定位(AD-GWO-RSSI)算法。该算法首先根据传感器网络的连通关系,计算出所有未知节点的平均锚节点数量和每个未知节点的邻居锚节点数量,然后取两者的平均值作为GWO算法优化每个未知节点RSSI加权质心定位过程的阈值,最后将优化后的高精度定位节点作为伪锚节点对其他未知节点进行定位。实验结果表明,通过邻居锚节点数量关系获得自适应阈值的GWO算法去优化RSSI加权质心定位算法,不仅能达到较高的定位精度,还具有较强的泛化性和稳定性。

基于RSSI的弦相交加权质心定位算法

无线传感器网络中节点定位是其重要技术,其中基于测距的RSSI定位技术具有成本低、易实现等优点。为解决传统三边质心算法在确定相交区域顶点时存在一定缺陷导致误差较大的问题,提出弦相交-加权质心定位算法。该算法采用分组、分步式定位方式。首先通过弦相交法进行初步定位,将有效节点三三分组,组内各圆公共弦所在直线交点作为本组的定位结果;再采用加权质心算法将初步定位中各组结果进行二次精确定位,得到最终信号源预测位置。在平均边长近似20 m的不规则五边形区域进行仿真验证,信号源随机分布于15 m×15 m的正方形内,结果显示相较于加权三边质心算法,所换算法平均误差减少了2.028 m,定位精度提升了61.14%,具有良好效果。

基于增强加权质心定位的认知物联网用户频谱接入控制

在认知物联网(CIoT, cognitive internet of things)中,由于主用户(PU, primary user)与次级用户(SU,secondary user)之间的非合作特性,单独依靠传统的频谱感知技术判断频谱接入机会存在一定的不可靠性。作为一种重要的辅助信息,PU与SU之间的相互位置信息可以协助判断授权频谱的二次接入可能性。提出了一种低复杂度的基于相邻关系的加权质心定位(NB-WCL, neighbor-based weighted centroid localization)算法,通过解决CIoT中SU的定位问题,从而完成CIoT中各个地理位置上是否能够进行频谱接入的决策。在理论层面分析了二维位置估计的均方根误差(RMSE, root mean square error)性能,通过仿真验证了通信半径、节点密集度、阴影影响、路径损失、连通性度量值以及发送数据次数等因素对于算法性能的影响。理论推导与实验结果表明,相对于传统的定位算法,所提方案为CIoT中的SU定位算法提供了更为强健和良好的定位误差性能,能够有效地增强认知物联网中用户频谱接入的可靠性。该方案可以作为认知物联网中的一种高效实用的定位感知方案。

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%。

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。

无线传感器网络中基于RSSI的改进加权质心定位算法

针对基于无线传感器网络的节点定位问题,提出一种基于接收信号强度(RSSI)的改进加权质心定位算法。该算法首先采用高斯理论模型过滤RSSI值,再运用校正RSSI测距技术测量节点之间的距离,并优选信标节点,最后用改进加权质心算法进行定位。实验结果表明:改进后的算法相比于传统的质心定位算法,能够实现更好的定位效果。该算法充分利用了RSSI数据,避免了信息的淹没,能够较好地满足低功耗与低成本的要求。

一种改进的无线传感器网络加权质心定位算法

针对无线传感器网络(WSN)定位问题提出了一种改进的基于RSSI的加权质心定位算法,这种算法利用了信标节点与未知节点之间距离的倒数之和作为信标节点的权值,充分利用RSSI数据,避免信息的淹没,来实现对未知节点的定位;由于RSSI值很容易受到外界环境因素的影响,会对定位计算的结果产生影响,所以文中对RSSI值进行了修正,来提高数据的可靠性,从而提高定位结果的精确度;通过MATLAB仿真实验分析改进后的定位算法能够在一定程度上有效地提高系统的定位精度。

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。

加权质心定位误差的反向修正法

研究了距离因子g对加权质心定位算法(WCL)定位精度的影响,提出了全局最优g的选取方法。然后研究了未知节点自身位置对WCL算法定位精度的影响,并提出了一种基于估计位置和误差之间关系的反向(EB)修正法。仿真结果表明,全局最优g可以使质心附近区域的定位精度得到显著提高,但不能解决远离质心区域定位精度较差的问题,而EB修正法则可在保持质心附近区域定位精度的同时有效提高远离质心区域的定位精度。

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.

无线传感器网络中一种改进的加权质心定位算法研究

在无线传感器网络的应用中节点的定位信息是非常重要的。本论文提出一种改进的加权质心算法,该算法是基于平面多边形定点凹凸性原理进行实现的,算法中选择自由传播模型和对数距离路径分布模型来计算无线电波传播过程。改进的质心算法能够提高定位的精度,仿真实验验证了该算法的平均定位误差,仿真实验结果表明,在相同的条件下,该算法的定位精度高于加权质心算法。

基于Zigbee的加权质心定位算法研究与实现

讨论了RSSI和LQI在Zigbee无线传感网络中的距离测定,在分析和推导加权质心定位(WCL)算法的基础上,提出了一种加权质心定位与Zigbee技术相结合的节点定位算法,并进行了模拟验证和实践。Zigbee技术的低复杂度、快速计算和低资源配置的特点,使得基于Zigbee的WCL算法在无线传感器网络定位中有非常重要的应用意义。

基于网格分布的加权质心定位算法研究

提出了基于网格分布的自适应校正的加权质心定位算法。针对算法存在的RSSI测距误差,可利用由离未知节点最近的信标节点确定的误差修正因子,使得未知节点适应自身所处的节点分布环境,从而对权值进行修正。仿真结果表明,该算法在不增加硬件成本的情况下降低了RSSI测距误差,提高了算法的定位精度。