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。

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。

基于改进麻雀搜索算法优化的RSSI定位

针对传统接收信号强度指示(RSSI)测距受环境中不同因素干扰,导致定位精度不高的问题,提出基于改进麻雀搜索算法(ISSA)优化的RSSI定位算法。首先,通过混合滤波对RSSI值优化处理,剔除异常值并消除波动,RSSI测距模型将滤波后可靠的信号值换算为距离。其次,对基础麻雀搜索算法(SSA)进行改进,得到未知节点的精确坐标。实验结果表明:与另一种ISSA及粒子群优化万有引力搜索算法(PSOGSA)混合定位算法相比,该算法具有更高的定位精度。

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。

一种基于接收信号强度指示的改进型定位算法

针对无线传感器网络在道路监控、管道传输等一维环境中出现的因经验模型基站移动或环境发生改变时需要重新建立数据库的问题,提出了一种基于接收信号强度指示（RSSI）的一维经验模型定位算法（1-DEMRSSI）.该算法基于一维线性定位的思想,利用信号强度比值来确定未知节点的位置,所以只需要建立一次信号强度比值数据库.仿真结果表明,1-DEMRSSI算法比RSSI算法的运算量小,且一次定位时间可缩短10%左右,定位精度提高14.2%～66.4%,其在一维线性应用领域表现出了良好的灵活性和实用性.

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。

基于信号强度的无线局域网匹配定位算法

基于信号强度的匹配定位是无线网络定位的主要方法,包括离线训练和在线定位2个阶段。该文对在线定位阶段的传统定位算法进行了改进,选取定位匹配过程中概率较大的若干点,根据概率大小计算加权系数,进行加权运算以完成定位。实际环境下的定位实验验证该算法可以明显提高定位精度。

基于传感器节点的无线接收信号强度研究(英文)

在真实室内环境中,用MICA2节点设计分析影响无线接收信号强度(radio signal strength,RSS)的实验,发现其影响因素不仅包括发送接收方(transmitter-receiver,T-R)之间的距离,且MICA2节点的工作频率和供电电池电压、发送接收方节点差异、天线角度和高度,以及环境中的时空因素和动态环境等都会影响无线接收信号强度.经分别测试这些因素,建议传统无线信号传播模型和信号校准算法应综合考虑各项影响因素.

无线网络中基于信号强度的定位及算法比较

定位是无线网络应用中的关键技术。分析了无线网络中基于无线信号强度(RSSbased)的定位原理,并对比了以下四种定位算法:基于无线信号传播模型(RSS-modelbased)的多点测距和最大后验概率估计算法;基于实测信号强度地图(RSS-mapbased)的点匹配和最大后验概率估计算法。通过室外实验对比了四种算法的定位精度以及数据点个数、信标点个数对定位精度的影响,并分析了四种算法的标定、计算量和存储量。结果表明较高的标定、计算存储代价以及数据点、信标点的增多可以显著提高定位精度。

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。

基于接收信号强度的非视距检测与修正算法

为了减少非视距(Non-light of sight,NLOS)误差对基于到达时间(Time of arrival,TOA)的无线定位系统性能的影响,本文提出一种采用接收信号强度(Received signal strength,RSS)与TOA测量值相结合的方法对含有NLOS误差的TOA测量值进行检测并修正。在视距(Light of sight,LOS)传播的TOA与RSS之间关系已知的前提下,利用定位基站得到的TOA与RSS测量值,计算TOA测量值中含有NLOS误差的可能性,并对TOA测量值进行修正。该方法在不增加通信次数的情况下,大大提高了定位精度。最后在一个无线定位系统上实现了该算法,并进行了对比实验。实验结果表明,该算法不需对多次定位结果进行统计,即可有效降低NLOS误差对系统性能的影响,适用于对功耗要求苛刻的场合。

基于接收信号强度的无线传感器网络组网协议

受应用场合和节点结构的限制,无线传感器网络的算法应具有低功耗和低复杂度等特点,为此提出了一种基于接收信号强度的分布式组网协议(RSSIOP)。节点不需要位置信息,通过接收基站定向天线扫描时发送的信息完成定位和分簇过程;根据剩余能量和接收信号强度竞选簇头,形成直接链路;根据接收信号强度,成员节点选择转发节点,形成转发链路;按照网络用户的时延要求成员节点自动选择直接链路或转发链路向簇头传输数据。此外,RSSIOP设计了簇头轮换和失效节点的处理机制。该算法可以减小节点的发射功率,分担簇头在数据接收和融合两方面的工作负荷。针对不同场景进行了仿真,结果证明了算法的有效性。

基于无线信号接收强度定位的无人机群避碰

碰撞避免算法对无人机群的安全飞行极其重要。当无人机无法获得准确的定位信息,特别是其全球定位系统(GPS)信号失效时,更需要准确高效的碰撞躲避和控制算法。利用无人机的无线射频信号,根据信号强度估算无人机间的距离和飞行信息,计算碰撞概率,采用正交规则修改预设的飞行路线,提出完整的无人机碰撞避免系统方法。理论分析和实验测试结果证实了此避碰策略的有效性,从而使无人机获得安全的飞行路线。

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K-means聚类算法的洁净厂房无线网络AP布局优化设计

基于K-means聚类算法,将无线网络使用点作为聚类对象进行聚类计算,输出不同聚类簇下的AP布局点,并通过检测优化前后相同使用点的无线网络信号强度评估优化效果。在使用相同AP数量的情况下,优化后的布局方案使用点的平均信号强度能明显提升。同时如果要增加AP数量以提高所有使用点的信号强度,该算法也给出了较好的指导方案。该算法可以给出提高洁净厂房无线网络使用点信号强度的AP布局优化设计方案。

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。

基于信号强度的无线定位算法研究

提出了一种基于信号强度的适用于直廊环境的无线定位算法,详细介绍了定位算法的原理和流程,并对该算法进行了测试分析,并简要介绍了基于CC1100射频芯片的定位系统实现。

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.