基于接收信号强度和到达角度的WSN定位算法研究

近年来,随着互联网的发展,使得基于位置的服务(location based services,LBS)成为现代商业发展的关键技术。获得目标的位置信息是无线传感器网络中迫切需要解决的一个问题。基于接收信号强度和到达角度的定位方法是两个经典的定位方法,单页存在一定的局限性。文中将两种定位方法混合,研究无线传感器网络中在3D场景下基于两种方法的混合目标定位方法。针对发射功率已知的情况下,将AoA(angle of arrival,AOA)测量转化为范数形式,基于加权最小二乘准则,提出了RSOA(received signal of arrival, RSOA)算法,通过MATLAB仿真,与WLS(weighted least squares,WLS)、GTRS(generalized trust region subproblem,GTRS)算法进行对比,随着锚节点数量N的增加三种方法差距增大,文中提出的方法 RSOA在噪声较大和锚节点数量较少时性能最优。

一种接收信号强度的室内定位稳健估计方法

随着人们在室内活动的范围和时间逐渐增加,对室内定位的需求也日益增加,本文介绍了目前主要的室内定位技术,并对基于测距的几种常用的室内定位方法原理进行说明,提出一种接收信号强度的室内定位的稳健估计方法。以接收信号强度的室内无线定位对数路径损耗测距模型为切入点,通过实验测定和曲线拟合的方法获取接收信号强度的测距模型参数,并分别采用经典最小二乘法和本文提出的稳健估计方法进行室内定位求解,试验结果表明本文方法室内定位解算精度更高、鲁棒性更好。

基于接收信号强度指示的AP簇测距方法

对移动目标的高精度测距是室内定位的关键。室内环境中无线接入点(Access Point, AP)采集的移动目标设备的接收信号强度指示(Received Signal Strength Indication, RSSI)受阴影衰落波动严重。受到RSSI采集频率和目标机动能力的限制,AP采集到的RSSI样本量少,导致基于RSSI测距精度差。为提高基于RSSI对移动目标测距的精度,本文提出了基于RSSI的AP簇测距(AP Cluster Ranging, APCR)方法。该方法通过对多个AP进行位置约束组成AP簇采集移动目标设备的RSSI,在相同采集频率下可获得更多的RSSI样本。利用RSSI波动特点,使用最大值选取和Dixon检验相结合的方式从AP簇采集的RSSI样本中筛选出高质量的RSSI样本,以提高对移动目标的测距精度。仿真和实验结果表明,与传统RSSI处理方法相比,本方法在室内环境简单或复杂时都具有更高的测距精度,在少量RSSI采集次数下同样能保持较高精度,更能满足对移动目标测距的需求。

基于信号强度的无线局域网定位技术

针对室内无线局域网环境及室内定位的需求,提出了基于信号强度的经验与估计相融合的无线定位方法。通过实验验证,该方法可以满足室内环境下无线定位的需求,是一种可行的无线局域网定位技术。

基于接收信号强度(RSSI)的室内二次定位方法

提出一种用于室内定位的基于接收信号强度(RSSI)的二次定位方法。首先利用全网中已有节点的信息,建立已知节点的初始路径传播损耗指数,采用统计中值滤波来减少RSSI的粗大误差和干扰,然后利用RSSI初次定位的位置结果对传播损耗指数进行再次修正,最后进行二次定位解算,显著提高了未知节点的定位精度。通过仿真和搭建实验平台验证了该算法的有效性。

基于卡尔曼滤波的接收信号强度指示差值定位算法

针对频谱监测系统中被监测信号无法控制并且没有任何先验知识,只能通过对信号被动监测,即接收与处理信号来估计信号源位置的要求,该文提出一种基于接收信号强度指示差值(RSSID)的定位算法,并利用卡尔曼滤波提高其定位精度。该文将两监测站之间的RSSID转换成信号源到两监测站的距离之比,根据距离之比构造定位方程矩阵,进而利用最小二乘法求取信号源位置。仿真结果表明:所提算法比经典RSSI定位算法性能更优,降低了环境因素对定位精度的影响,并且能更好地满足参数较少的定位服务需求,可以有效地应用于频谱监测系统中。同时,卡尔曼滤波可以有效改善系统的定位精度,达到预期的定位效果。

基于接收信号强度指示测距的蒙特卡罗盒移动节点定位算法

针对无线传感器网络(WSN)中以蒙特卡罗为基础的移动节点定位算法在采样效率和定位精度方面的不足,提出一种基于接收信号强度指示(RSSI)测距的蒙特卡罗盒定位(MCB)算法。通过对RSSI测距信息分区间管理来加强过滤条件,提高定位精度;同时采样阶段利用已满足过滤条件的样本点生成更有效的样本,从而提高采样效率;最后通过牛顿插值法预测节点运动轨迹,样本点与未知节点运动轨迹越接近则其权值越大,据此对样本点进行加权处理得到节点的最佳估计位置。仿真结果表明,改进方案在不同的锚节点密度、通信半径、运动速度等情况下均表现出良好性能,且定位精度与同等条件下的蒙特卡罗盒算法相比均有提高。

基于可规律性移动锚节点和接收信号强度指示器的改进DV-Hop定位算法及其性能分析

针对DV-Hop定位算法进行了缺陷分析,提出了一种基于可规律性移动锚节点(RMAN)和RSSI测距技术辅助定位的算法RRDV-Hop。采用OMNET++作为仿真平台,分别从算法的平均定位精度、开销、硬件成本和稳定性等方面对两种定位算法的仿真结果进行了对比和分析。实验结果表明,在相同网络条件下,与DV-Hop算法相比,RRDV-Hop算法近似实现了锚节点的均匀分布,能够在随机分布的网络中提高平均定位精度和保持更好的算法稳定性;同时减少了锚节点个数,从而降低了网络的硬件成本。因此,RRDV-Hop算法更能适应随机分布的无线传感器网络。

室内定位无线接收信号强度测距模型的研究

接收信号强度测距法易受室内复杂环境的影响,在许多研究和实际应用中,通常将路径损耗因子作为固定不变常量,增加了系统误差。分析了室内无线信号的传播特性,介绍了对接收信号强度测距模型,推导了最优拟合当前室内环境对数路径损耗模型参数的计算公式,将自主建模的思想引入到基于接收信号强度的测量中进行了可行性探究。

基于可见光通信和接收信号强度检测的列车定位方法研究

精确的列车位置信息是CBTC(基于通信的列车控制)系统保障列车安全高效运行的关键因素。针对地铁独特的隧道环境和列车运营特点,提出一种VLC(可见光通信)和RSSI(接收信号强度检测)相结合的列车定位方法。首先,以朗伯光源模型为基础,构建LED可见光通信的CBTC系统的列车定位模型;其次,利用RSSI值计算隧道壁上LED灯与列车之间的直线距离,并使用三边定位原理和最小二乘法拟合列车定位结果;然后,引入VLC与RSSI相结合的列车定位观测模型和误差模型,对运行中的列车实时定位与误差分析;最后,以成都地铁1号线的真实线路数据和设备参数为依据,验证所提方法的可行性和有效性。研究结果表明:该列车定位方法的最大定位误差为39.23cm,平均定位误差为13.36cm,满足CBTC系统对高精度列车定位的要求,可以作为传统列车定位方法的一种全新选择。

接收信号强度指示测距模型修正与粒子群算法权重优化的节点定位算法

为了降低接收信号强度指示(RSSI)测距误差对定位精度的影响,提出一种RSSI模型修正与粒群算法(PSO)权重优化相结合的定位算法。首先通过最小化误差平方和原则对RSSI测距模型参数进行校正,避免测距误差带入定位阶段,然后利用三边测量法进行粗略定位,得到未知节点的近似坐标,最后引入改进PSO算法对该近似坐标进行优化,在改进PSO算法中提出一种基于收敛因子的权重策略,有效地平衡了算法的搜索速度与搜索精度,从而得到节点坐标优化值。实验结果表明,该算法能够有效抑制测距误差积累,有更好的收敛性能和更高的全局优化能力,能实现更好的定位效果。

基于改进接收信号强度指示的室内定位算法

为了提高室内环境节点定位精度,针对传统定位算法的不足,提出一种改进接收信号强度指示的室内定位算法。首先通过神经网络对各锚节点接收信号强度的权值进行拟合,得到路径损耗模型的参数值,然后利用最大似然法对未知节点进行定位,最后采用仿真实验测试其性能。结果表明,相对其它室内定位算法,本文算法提高了室内定位的精度,降低了平均定位误差,可以满足室内定位的实时性要求。

基于凸半定规划的接收信号强度测距的合作式定位方案

无线传感网中的多类应用均需要准确的定位算法。为了降低定位成本,减少能量消耗,常采用基于接收信号强度RSS（received signal strength）测距;再利用最大似然ML（maximum likelihood）估计法求解节点的位置。然而,ML估计为非线性、非凸性,难以获取全局最优解;为此,提出凸半定规划SDP（semidefinite programming）的合作式定位方案,利用凸半定规划策略将ML估计转换成凸优问题;同时,该方案考虑两类场景：源节点发射功率已知、未知。针对第一类场景,利用半凸松弛策略,并结合最小化最小二乘法,建立凸优表达式,最后利用CVX求解。针对第二类场景,先建立联合ML估计函数,再利用SDP估计,并结合起来简单的三步骤方案进行位置估计。仿真结果表明,提出的SDP算法的定位精度比SD/SOCP-1、SDPRSS平均提高了近15%~20%。此外,提出的SDP算法在所有场景的误差小于3 m的出现概率占0.8,而SD/SOCP-1、SDPRSS算法小于0.5。

改进的基于接收信号强度的室内定位技术

目的改进传统的基于接收信号强度的室内定位技术以提高定位精度。方法在训练阶段将建筑物的室内空间区域化,并将选取相同无线信号传输模型和参数的各个空间相邻的点汇聚为同一个区域,在定位阶段通过逐步逼近的方式明确位置未知的待测点所处的精确区域,选择该区域对应的传输模型及参数进行定位计算。结果比起将单一的无线信号传输模型与参数应用于复杂多变的室内环境的传统方法,室内空间区域化技术能够确定更为准确客观的无线信号传输特性。而相较于质心法的无差别数据融合,区域置信度的数据过滤技术则更有针对性。结论无线信号的传输是一个复杂的过程,要提升基于接收信号强度的室内定位技术的精度,需要考虑多种因素的制约。相对传统的方法,该方法能够一定程度上提升室内定位的精度。

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.

基于接收信号强度指示的改进质心定位算法

传统质心定位算法虽然简单易行、成本低,但仅为粗略的定位估计方法,定位精度亟需改善。针对该问题,通过优选信标节点,提出了一种基于接收信号强度指示(RSSI)数据的改进质心定位算法,有效克服了传统质心定位算法"通信半径越大,定位精度反而下降"的缺点。通过MATLAB仿真验证算法的有效性和可靠性。

一种基于接收信号强度的源节点定位算法

提出一种基于接收信号强度的源节点定位算法,无需事先已知源节点的发射功率以及环境中的路径损耗指数。该算法首先对接收信号强度的路径损耗模型进行两次差分,消去与源节点发射功率相关的模型参数和路径损耗指数,然后利用最小二乘准则来估计源节点的位置。通过仿真数据评估该算法的定位精度,并与其他源节点定位算法进行比较。

基于接收信号强度的无线传感器网络质心定位算法

针对原有质心定位算法精度低、锚节点比例过高的缺点,提出了基于接收信号强度(RSSI)的无线传感器网络质心定位算法。该算法将基于RSSI的测距值作为权重引入质心算法,通过仿真实验探寻算法模型最优权值,并运用迭代思想降低网络锚节点比例,同时采用测距校正、算法修正和设置RSSI阈值约束三种措施来控制算法误差。仿真表明,改进算法在定位精度、成本控制和环境适应性上优于原有质心定位算法。

探究基于信号强度的无线局域网定位技术

随着无线局域网WLAN(Wireless Local Area Network)的不断进步和发展,无线通信市场一直在不断扩大,只要处于无线局域网覆盖范围中,用户就可凭借可移动的计算设备随时随地使用互联网服务。目前的定位服务系统主要有GPS(全球定位系统)和蜂窝无线定位两种,但是这两种定位系统在实际使用的过程当中出现的问题较多,也无法满足广大用户的定位需求,针对这一普遍存在的问题,本文针对基于信号强度的无线局域网定位技术进行探究。

基于信号强度的无线局域网定位技术

针对越来越多的室内无线网的需求,定位技术的要求也越来越高,也暴露出更多关于无线局域网定位技术的问题。文章基于信号强度的无线局域网定位技术进行了研究探讨,并通过试验结果验证出结论有效,室内环境下应用此种方法可以满足对无线定位的需求,技术具有可行性。