基于RSSI的无线传感器网络改进定位算法

节点定位技术是无线传感器网络的支撑技术,定位的准确性直接关系到传感器节点的采集数据的有效性.在基于RSSI的定位算法中,Euclidean算法由于通信开销小,但是定位精确性较低,对Euclidean算法进行了改进,改进算法无需增加额外开销,提高了定位精确性.     

一种基于RSSI的煤矿井下WSN节点快速定位算法

为提高煤矿井下传感器网络节点定位的实时性,提出了一种基于接收信号强度(RSSI)的快速定位算法.该算法在井下巷道锚节点双链式部署结构的基础上,运用高斯密度函数对节点接收到的锚节点信号强度最大的RSSI信号进行滤波处理,再应用指数因子和滤波后RSSI值直接计算确定未知节点的坐标.指数因子采用一种改进的量子粒子群优化算法及定位均方根误差最小的准则进行优化.所提出的算法具有定位速度快、计算量小的优点,仿真实验结果验证了算法的可行性与有效性,适用于煤矿井下无线传感器网络实时定位系统中.     

基于TinyOS无线传感器网络的RSSI定位方法

节点定位技术是无线传感器网络的主要支撑技术之一,节点自身的正确定位是提供监测事件位置信息的前提。本文针对无线传感器网络节点定位的需求,研究适合在TinyOS平台下的RSSI测量定位方法。本文介绍了无线传感器网络节点的硬软件设计方法,分析了RSSI测距的基本原理和传感器网络节点定位的基本算法。实验证明了在TinyOS平台下采用RSSI定位方法,可以满足无线传感器网络节点定位的要求。     

一种基于RSSI校正的加权质心定位算法

节点自定位技术一直是无线传感器网络中的关键技术,而基于接收信号强度指示(RSSI)的定位技术则是目前的研究热点。在对传统的加权三角形质心定位算法分析的基础上,提出了一种改进的定位算法。在测距阶段,将信标节点之间的距离和信号强度同时作为参考来校正RSSI值;在定位阶段,对传统加权三角形质心定位算法的权值进行修正。通过仿真证明改进算法比传统算法的定位精度有明显提高。     

基于RSSI的无线传感器网络改进定位算法

为了提高无线传感器网络的节点定位精度,分析了基于RSSI测距定位的ERSS算法,研究了RSSI值的预处理方法,修正了质心法中的加权因子,避免了权值选取的不合理性,从而实现了对ERSS算法的改进.仿真实验表明,采用这种改进定位算法可提高距离计算的精度,获得较为精确的定位.     

ZigBee系统中基于RSSI算法的定位方法研究与实现

在分析无线定位技术在无线传感器网络中的应用现状以及目前常用定位算法的基础上,研究如何基于RSSI算法的主要思想并结合三边测量算法对移动节点实现定位.并基于ZigBee系统芯片CC2530组建了无线传感器网络,完成了软硬件设计与实现,最后通过实验验证了该研究的有效性和可行性.     

无线传感器网络中IWCL-RSSI算法的改进

为了进一步提高无线传感器网络中节点定位精度,本文在研究基于接收信号强度指示RSSI(Received Signal Strength Indicator)的加权质心定位算法基础上,提出了一种改进的加权质心定位算法(IWCL-RSSI,Improved Weighted Centroid Localization Based on RSSI)。该改进的IWCL-RSSI算法增加了靠近未知节点的信标节点的权值,提高了未知节点的定位精度。实验结果表明,改进的IWCL-RSSI算法的节点定位精度比IWCL-RSSI算法要高。     

煤矿井下基于RSSI校正测距的WSN节点定位算法

针对煤矿井下人员及设备定位监控严重不足的情况,提出了基于RSSI校正测距的WSN节点定位技术。模拟井下环境,使用协议分析仪Packed Sniffer嗅探节点接收RSSI值,以确定环境参数;采用高斯理论模型过滤RSSI值,利用对数-正态分布理论模型计算距离;最后应用改进的三边质心定位算法求得未知节点坐标。RSSI校正测距定位与CC2431定位引擎定位的误差对比表明,文中所提算法的定位性能较好。该研究为井下无线传感器网络定位系统的设计提供了参考依据。     

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。     

基于移动锚节点的粒子群优化定位算法

在无线传感器网络的一些应用环境中,无线信道损耗模型参数未知,无法直接基于RSSI测距定位。本文针对这类应用环境,研究并提出基于移动锚节点的粒子群优化定位算法,利用移动锚节点代替传统典型算法中的静态锚节点,并将节点定位问题抽象为非线性约束优化问题,利用粒子群优化技术求解定位。仿真、分析结果证明,该算法定位精度较高,对环境噪声变化具有较强的适应能力。     

一种改进的布谷鸟搜索移动信标节点定位方法

针对未知节点静止,信标节点移动方式下的无线传感器网络定位问题进行了研究。为进一步提高无线传感器网络节点的定位覆盖率,提出了一种基于改进布谷鸟搜索算法(AF-CS)的多移动信标节点定位算法。通过RSSI定位和DV-Hop算法获取未知节点坐标的粗略值,采用改进布谷鸟搜索算法迭代求解信标节点移动的目标位置,最后对未知节点进行重新定位。仿真结果表明:多移动信标节点定位算法可有效提高对未知节点的定位覆盖率;AF-CS算法对比原始布谷鸟搜索算法(CS)提高了目标函数定位覆盖率,加快了算法收敛速度。在网络拓扑结构变化时,该算法可通过信标节点移动保持对未知节点较高的定位覆盖率。     

无线传感器网络覆盖优化策略

针对无线传感器网络节点覆盖容易出现空洞和盲区的问题,提出一种基于改进人工鱼群算法的无线传感器网络覆盖优化算法.首先构建网络节点的信任度模型,进行节点轮换调度修复路由,然后采用改进人工鱼群算法进行无线传感器网络节点的自适应定位寻优,以人工鱼群优化的节点分布模型重构无线传感器网络(WSN)节点覆盖连通图,实现优化网络覆盖.仿真实验结果表明,利用覆盖优化算法进行WSN网络节点设计,明显地改善了网络节点的覆盖质量,提高了无线传感器网络的安全性能.     

基于RSSI的WSN节点室内定位分析

基于实验的基础,对基于接收信号强度（received signal strength indication,RSSI）的无线传感器网络（wireless sensor network,WSN）节点室内定位的几种不同情况进行分析.根据室内无线传播模型和实际测量数据得到RSSI室内传播模型;比较在不同位置的未知节点定位精度的不同;针对三点定位结果不理想的问题,采用粒子群优化（particle swarm optimization,PSO）算法对定位结果进行优化;比较不同数量的源节点对于节点定位精度的影响.当信标节点数量比较多时,通过筛选一些可靠的信标节点来提高定位精度.     

无线传感器网络中基于RSSI差值的改进定位算法

无线传感器网络(WSN)的许多应用都需要知道节点的位置,在某些环境下还需要获得节点的相对位置.本文以WSN的特点为基础,首先介绍了接收信号强度的理论知识,进而提出一种优化的基于测距的定位算法:在应用中的多用户情况下,节点采用多跳方式进行通信,在信标节点冗余的情况下,针对不同信标节点位置范围,建立定位误差最小的相应信标节点库,继而对不同位置范围的待测节点优化选取其定位采用的信标节点,最后将由未知节点接收到的信号强度得到的多用户间的距离进行差值,优化求解非线性方程组,提高算法性能.仿真结果表明,本文中的RSSI WSN差值定位算法比传统的RSSI定位算法拥有更好的定位性能.     

基于RSSI的室内定位改进算法

【目的】为提高室内环境的定位精度,提出一种改进的基于RSSI(接受信号强度显示)的室内定位算法。【方法】首先根据室内的实际布局情况对场所进行区域分割,然后采用等边三角形布局信标节点,接着用高斯模型对数据进行预处理,最后使用改进的加权三边测量法定位未知节点的最终坐标。【结果】改进的算法具有定位误差小、精度高的特点。【结论】该算法适用于室内精确定位,有利于无线传感器网络的发展。     

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。     

自适应无线传感器网络室内RSSI估计

针对接收信号强度指示(RSSI)在无线传感器网络室内应用中,难以随环境变化实现自适应准确估计的问题.首先结合无线传感器节点处理能力较低的特点,对卡尔曼滤波算法进行简化,降低算法复杂度;然后设计出适用于室内环境变化特点的环境自适应算法;最后通过2种算法的融合,提出了自适应室内RSSI估计算法(AIRE).仿真和实验结果均表明,与典型的估计算法相比,AIRE在环境变化时可自适应地实现更快、更准确的RSSI估计.AIRE算法复杂度低,能在室内环境中准确估计RSSI值,并可实现环境变化的自适应估计,满足无线传感器网络在室内应用时对RSSI估计的需求.     

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.     

无线传感器网络中一种改进的DV-Hop定位算法

针对 DV-Hop 算法在无线传感器网络节点分布不均匀时定位误差比较大的问题,提出了一种针对 DV-Hop 的改进定位算法。该改进算法主要是利用 RSSI 测量技术增加锚节点;在给定约束下引入“可能存在区域”这一概念,并以该可能存在区域的面积作为目标函数,对未知节点的位置利用非线性共轭梯度法进行逼近,从而使节点定位误差达到最小。通过仿真验证了节点通信半径和锚节点比例对定位误差的影响,结果表明,该改进算法将节点定位精度提高了5％～10％。     

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RSSI测距误差对定位精度的影响,提出一种RSSI模型修正与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。