RSSI修正的WSN定位算法

为了解决DV-Hop 算法误差较大的问题,提出了一种基于RSSI修正的WSN定位算法 RMDV-Hop (RSSI Modified DV-Hop)。该算法限制最大传播跳数,并对跳数为1的锚节点利用RSSI值修正其跳数值,取RSSI值较大的前N个锚节点作为参考锚节点,利用参考锚节点的平均每跳距离误差进行加权处理未知节点的平均每跳距离,最后用总体最小二乘法计算未知节点的坐标位置,实现RMDV-Hop定位算法的全面改进,以提高定位精度。仿真结果验证,改进算法的定位精度和稳定性都比原始算法有了明显的提高。     

基于区域划分的DV-Hop定位算法的改进

DV Hop节点定位算法采用跳数乘以每跳平均跳距估算节点间的距离,而跳数和每跳平均跳距受网络的节点密度、节点的通信半径等参数影响较大。针对DV Hop算法存在的不足,提出一种基于跳数区域划分的DV Hop定位改进算法——HRDV Hop（Hop regional division DV Hop,HRDV Hop）。对一跳区域的节点测距引入RSSI技术,两跳或以上区域的节点采用跳数值修正法,再辅以限制跳数机制。MATLAB仿真测试结果表明,在相同的网络硬件和拓扑环境下,改进后的算法能更有效地降低节点间的距离估算误差,提高定位精度。     

一种改进DV-HOP无线传感器网络定位算法

针对大型网络不规则性及翻转歧义造成距离向量-跳段(DV-HOP)定位算法性能较差的问题,提出了一种改进的DV-HOP定位算法。针对不规则网络,提出了一种基于节点密度的误差修正方法。网络区域部署节点数量大,节点翻转歧义误差不可避免,故提出了一种基于半圆模型的定位误差修正方法。仿真实验表明:本文改进算法比现有改进算法的定位精度提高了6%,并且能够有效地弱化翻转歧义造成的误差,因此能够较好地实现对未知节点的实时精准定位。     

基于细菌觅食算法和跳段校正的无线传感器网络定位算法

对目前应用较为广泛的DV-Hop 定位算法进行了分析,针对其在跳段估计及位置计算中的不足,提出了一种基于细菌觅食算法（BFA）和跳段校正的定位算法BFA-HC.该算法首先根据接收信号强度指示（RSSI）阈值优化节点间的跳数,在此基础上基于最小均方误差准则计算锚节点的平均每跳距离,当未知节点获得3 个或以上锚节点的距离后应用细菌觅食算法进行位置估计.仿真结果显示,BFA-HC 算法在不同网络规模、不同网络连通度及不同锚节点比例条件下均可以显著提高传感器网络节点的定位精度.     

一种改进的DV-Hop定位算法

传统的DV-Hop定位算法由于跳数计算和跳距估计存在偏差,影响定位精度,产生误差.对此,为了减小定位误差率,提出一种改进算法.所提出的算法引入基于跳数细化来计算节点间的跳数的方法,进而细化平均每跳距离,使得未知节点定位精度提高,并对细化的程度进行划分对比,来判断划分程度对定位误差的影响.最后在Matlab仿真平台上对所提出的算法进行验证.仿真结果表明无论针对信标节点变化还是节点变化,细化程度越细,定位误差越小.     

RSSI模型参数动态修正的协作定位算法

提出一种结合接收信号强度指示(RSSI)模型参数动态修正和协作定位的RSSI改进算法.首先,利用高斯滤波对RSSI值进行优化,根据锚节点间的距离和RSSI值动态修正RSSI模型参数;然后,利用共线度有效阈值选取适合定位的锚节点组,由加权三边定位法得到节点坐标;最后,引入协作定位,利用锚节点置换策略自适应地选取已定位节点进行升级,升级节点作为锚节点参与协作定位.实验结果表明:在相同的环境下,RSSI改进算法较其他算法能有效降低测距误差,提高未知节点的定位精度.     

基于簇内RSSI测距改进的DV-Hop算法

针对DV-Hop定位算法在实际环境中的定位精度较低、通信量较大等问题,在DV-Hop定位算法的基础上提出了一种基于簇内RSSI测距改进的DV-Hop定位算法.该算法利用以信标节点为簇头的分簇策略后,信标节点只发送校正值给其邻居节点,无需泛洪广播,且未知节点只需被动接收,无需交互通信,从而降低网络通信总量;簇内节点利用RSSI测距方案计算其与最近信标节点的距离,相比DV-Hop定位算法以校正值代替一跳通信范围内的所有节点距离更加精确,从而提高节点定位精度.     

一种基于DV-Hop节点的室内定位改进算法

对现有基于最小二乘法的DV-Hop定位算法进行分析和仿真,针对该算法定位精度依赖信标节点之间跳距和跳数这两个信息的不足,给出一种可对信标节点之间的跳距和跳数关系做出误差修正的改进的误差修正DV-Hop(ECDV-Hop)算法.仿真结果表明:在相同的室内环境下,ECDV-Hop算法与传统DV-Hop算法相比,定位精度得到一定的提高.     

一种基于链路质量差值的无线传感器网络定位方法

针对基于测距的定位方法误差较大的缺陷,提出一种基于链路质量差值的节点定位方法.通过邻居信标节点的交互,获取相应的路径损耗因子,并根据信标节点和待定位节点间的不同链路质量值之差,利用极大似然估计实现低复杂度高精度定位.仿真结果表明,该方法同RSSI和DV-HOP等定位方法相比,具有较高的定位精度和定位成功率.     

一种基于DV-HOP的改进定位算法

在众多的无线传感器网络定位算法中,DV-Hop算法因其实现简单、无需增加额外硬件要求的优点而被广泛应用.DV-Hop算法采用节点间跳数与平均跳距值乘积作为节点间实际距离,忽略了节点分布的随机性与不确定性,使DV-Hop算法定位存在较大误差.针对上述DV-Hop定位算法的缺陷,提出一种基于DV-Hop的改进定位算法,通过细分锚节点通信半径、补偿平均跳距值误差两方面来提高定位精度.仿真结果表明,改进算法定位精度得到了有效的提高.     

基于改进距离向量算法的无线传感网定位研究

为了解决传统距离向量-跳段(DV-Hop)定位算法的精确度受限问题,提出了一种基于跳段大小校正和定位优化的改进DV-Hop算法。根据参考节点之间实际距离和估计距离的差异,计算出整个网络中有效的跳段大小,未知节点和参考节点之间的跳段添加了校正值,而接收信号强度指示(received signal strength indicator,RSSI)的数值用于校正单跳的距离,应用莱文贝格-马奈特(Levenberg-Marquardt,LM)算法来估计每个传感器的优化位置。在求值的过程中,研究了影响距离向量-跳段定位精确度的各种因素。仿真结果表明,与传统的DV-Hop和一些现有的改进算法相比,提出算法的定位精度有所提高。     

一种改进的无线传感器网络DV-Hop定位算法

针对无线传感器网络DV-Hop定位算法中信标节点与未知节点之间的平均跳距估算误差较大的问题,提出一种改进的DV-Hop算法并进行仿真检验。改进后的算法对传统算法中节点每跳距离选取进行了调整,还采用加权平均法计算节点平均每跳距离。仿真结果表明,改进的DV-Hop算法显著提高未知节点的定位精度。     

一种基于Dv-hop的改进定位算法

传统Dv-hop定位算法中,最小跳数与平均跳距的估计存在较大误差。针对这一问题,提出了一种改进的Dv-hop算法。首先通过通过统计区域内节点跳数表来修正最小跳数,然后引入未知节点最近的三个锚节点对平均跳距进行修正,最后使用三边法计算未知节点的位置,实现精确定位。仿真结果表明,改进算法在不需要增加额外开销的基础上能够有效提高定位精度,并且方法简单,可操作性强,是无线传感器网络节点定位的一种可选方案。     

无线传感网中定位算法研究

为了利用无线传感器网络对物体实现更加精确的定位, 通过对接收信号强度指示（RSSI: Received Signal Strength Indicator）定位算法进行仿真与性能分析, 确定了算法的误差来源,讨论了未知节点的邻居锚节点密度对定位精度的影响。根据仿真和数据分析选取合适邻居节点的个数, 进而采用了更加精细的算法即利用RSSI平均值选取最优值剔除失真数据, 以提高定位的精确度。实验结果表明, 在相同的环境下改进算法使定位误差由0~5 m减少到0~1 m, 平均误差由1 m左右减少到0.1 m左右, 提高了定位精度。     

遗传算法的DV-Hop算法改进

DV-Hop算法中,平均每跳距离是影响定位精度的因素之一。针对平均每跳距离带来的定位误差,对锚节点和未知节点的平均每跳距离进行了改进和优化。首先引入遗传算法计算锚节点的平均每跳距离;然后利用跳数小于等于3的锚节点的平均每跳距离加权处理未知节点的平均每跳距离,减少平均每跳距离带来的误差。仿真结果表明,在不增加硬件开销的基础上,改进算法能够有效提高算法的定位精度,并且具有较好的稳定性。     

基于信标节点间距离的改进RSSI定位算法

针对无线传感器网络应用于室内定位时,传统RSSI平均值算法精度较低的问题,提出了一种改进的RSSI算法。该算法利用RSSI平均值对所测量的每个RSSI值进行估量,消除波动大、严重失真数据,从而使所保留的RSSI值能更好的与距离关系对应。并根据室内不同位置的节点环境参数差别大的特征,提出了把信标节点间的固定距离及其测量得到的对应RSSI值带入信号传输模型,从而消除环境因素对距离估计的影响。仿真结果表明:改进RSSI算法与传统的平均值距离估计算法比较,距离估计误差明显降低,可以满足室内定位精度的要求。     

基于改进的RSSI的车间移动节点MCL算法

针对蒙特卡罗定位（MCL）算法在无线传感网络定位精度和取样效率中存在的不足,提出了一种基于接收信号强度指示（RSSI）改进的MCL算法（R-MCL算法）,并对车间移动节点进行定位.通过分析车间移动资源的移动规律,引入RSSI模型测距预测,减少取样区域,从而提高了取样效率和定位精度.仿真结果表明,R-MCL算法在定位精度、收敛速度和计算量等方面的性能均有提升.     

RSSI-神经网络在无线传感网络定位中的应用

在传统RSSI(接收信号强度)定位方法中,由于RSSI值对于不同的环境适应能力比较差,测量距离往往存在误差,这就直接影响了无线传感网络定位的精度。针对这种不足,提出了一种RSSI-神经网络定位方法,即前期建立起未知节点的RS-SI值与坐标的映射关系,后期用神经网络进行定位。从而减小了不同环境对RSSI的影响,使该算法具有一定的鲁棒性。通过实验证明,该算法较传统的RSSI定位方法,在定位精度上有一定的提高。     

一种基于凸优化的WSN障碍环境下定位算法

针对传统DV hop算法定位精度较低及定位环境中物体阻碍信息传播导致节点定位失效的问题, 提出一种适用于障碍环境下的高精度定位改进算法. 首先引入一个考虑定位节点的最小跳数误差修正值, 通过该值筛选参与定位的锚节点, 进而优化锚节点的平均跳距; 然后利用三角函数结合两锚节点间的准确距离共同计算未知节点到锚节点的距离; 最后通过对未知节点的位置进行凸优化计算, 使得节点间的数据传播具有最优路径, 优化定位过程, 提高定位精度. 仿真实验结果表明, 改进算法不仅解决了在无线传感器网络障碍环境下难定位的问题, 还可有效提高未知节点的定位精度.