基于RSSI的四边测距改进加权质心定位算法

该文根据接收信号强度指示的测距特性,改进四边测距,并提出一种改进的加权质心定位算法。首先引入统计中值加权的方法,有效地降低了采集RSSI信号时的测量误差。然后运用Euclidean节点定位算法,改进四边测距算法。为进一步提高精度,对WSN定位技术中关于未知节点近似位置的算法做了修正,并对加权质心定位算法中的加权因子进行了优化,使未知节点的定位精度更加精确。相比之前的许多加权质心定位算法,仿真结果表明,改进的质心定位算法在定位精度方面有很大的提高,鲁棒性也较高。

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.

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。

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。

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.

基于矿井三维WSNs多重覆盖和RSSI的加权质心算法

针对无线传感器网络(WSNs)的矿井灾害无线监测信息系统,提出一种基于矿井三维建模WSNs多重覆盖和RSSI的加权质心定位算法。根据矿井巷道的几何结构特征,将矿井建模成规则的拱型模型。介绍了一种矿井巷道固定节点无缝覆盖部署模型,并运用几何学求出了满足多重覆盖要求时的节点部署间距。在此基础上,提出了一种基于RSSI比值的加权质心定位算法,利用节点RSSI值求出加权系数,再对质心坐标进行加权处理。仿真实验表明:改进的质心算法有效地减少了定位误差,定位精度优于原算法。

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。

RSSI和PC-CSI加权融合的指纹定位方法

针对基于RSSI和CSI的指纹定位技术易受环境干扰、定位精度较低的问题,提出了一种基于RSSI指纹和相位修正信道状态信息(phase correct based channel state information,PC-CSI)指纹的加权融合指纹定位技术。基于PC-CSI的指纹定位在传统基于CSI幅值的指纹定位基础上增加相位信息对定位结果进行修正,之后对RSSI指纹和PC-CSI指纹的定位结果加权重定位。实验结果表明,提出的加权融合指纹定位算法与基于CSI的主动定位算法相比,平均定位误差(mean position error,MPE)降低了36.2%,能满足室内定位需求。

考虑信号统计特征的神经网络室内测距方法

针对现有神经网络测距方法易陷入局部极值而降低测距精度的问题,提出一种考虑信号统计特征的神经网络蓝牙室内测距方法:提出一种反馈-卡尔曼混合滤波算法进行数据预处理;并分析接收信号的传播特性,引入信号统计特征参数作为输入信号,构建改进麻雀搜索算法优化的埃尔曼(Elman)神经网络(ISSA-Elman)测距模型。实验结果表明,该测距方法能够有效提高测距精度,平均测距误差约为15 cm。

无线传感器网络中基于RSSI的加权DV-HOP定位方法

节点位置是无线传感器网络应用不可缺少的信息。DV-HOP算法是一种常见的无线传感器网络节点自定位算法。标准DV-HOP算法在计算跳数时并未根据邻居节点间距离对跳数进行加权处理,导致当邻居节点间距离差别较大时算法定位精度低的问题。从RSSI的耗散模型可看出,RRSI可以作为距离的比征,提出一种基于RSSI的DV-HOP加权算法。该算法基于节点接收信标节点位置元组时的信号强度(RSSI)对邻居节点间跳数进行加权处理,将节点间的跳数与距离相关联。仿真实验结果证明该加权算法可大大提高定位精度。

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.

基于四面体模型的三维加权质心定位算法

针对三维空间中未知节点的定位问题,提出基于四面体模型的三维加权质心定位算法。利用锚节点组成四面体,依据未知节点与锚节点间的距离大小,采取加权求和定位未知节点,利用接收信号强度指示器的数据信息对加权系数进行修正。仿真结果表明,该算法的定位精度较高。

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BP神经网络的RSSI测距优化算法

基于接收信号强度指示(received signal strength indication,RSSI)测距的研究和应用领域很广泛,一直是物联网研究的热点.为降低传统基于反向传播(back propagation,BP)神经网络的RSSI测距误差,文中提出一种基于K-means聚类算法对样本数据进行预处理的BP神经网络测距算法,来解决由于RSSI值衰减程度不同引起的不同距离区间RSSI值和真实距离之间映射关系不均匀的问题.将K-means聚类算法应用于BP神经网络模型中,对样本数据进行距离区间划分,然后将已经分类好的数据分别输入BP神经网络建立网络模型并进行实验仿真.结果显示:传统基于BP神经网络的RSSI测距算法的均方根误差为1.4257 m;而经过K-means算法改进后的BP神经网络测距算法的均方根误差为1.2887 m,降低了测距误差,并优化了目标RSSI值与真实距离的映射关系.

5G基站的改进加权质心室内定位算法

针对现有基站室内定位算法参与定位基站选择及权重设置不合理导致定位精度低的问题,提出了5G环境下基于接收信号强度指示(RSSI)进行加权质心室内定位算法.该算法通过RSSI测距得到5个已知基站到待定位点的距离,以已知基站位置为圆心作圆,针对相交所得的五边形区域,取任意3个顶点组成三角形,并根据不同的基站类型以及与待定位点的距离,设定合适权重计算三角形质心坐标,利用所得的10个三角形质心坐标做最大似然估计(MLE)得到最终定位点.仿真结果表明:在基站稀疏和密集两种环境下,本算法较经典质心算法和加权质心算法,室内定位精度明显提高.

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。

基于RSSI的井下人员定位算法改进

在无线传感器网络中,针对接收信号强度指示(Received Signal Strength Indication,RSSI)在煤矿井下长距离巷道内信号衰减快、测距精度偏差大等问题,提出了一种基于RSSI的高斯滤波加权质心定位算法。采用高斯滤波对采集的RSSI值进行修正,一定程度上减轻环境造成的影响。将RSSI测距算法与改进加权质心算法相结合,得出待测节点坐标位置。仿真试验表明,该改进算法与原有定位算法相比,定位误差明显降低,可基本满足煤矿井下人员的安全生产和定位需求。

节点RSSI比值跳数修正的DV-Hop算法

针对传统的DV-Hop定位算法在计算锚节点与待定位节点之间的平均跳距和跳数时所造成的大量误差积累问题,提出一种基于接收信号强度指示(RSSI)比例修正的DV-Hop定位算法。在改进的算法中,根据不同平均跳距处的接收信号强度指示(RSSI)值,选取最大平均跳距、最小平均跳距处、通信半径处的RSSI值,求出比例因子,再利用该比列因子求出加权系数来修正每一跳数,从而得到更加精确的跳数和平均跳距,提高定位精度。仿真实验表明:该改进算法的定位精度优于传统算法。