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.     

基于分布式的无线传感器节点定位算法研究

本文分析了无线传感器网络的特点和目前己有的各类定位算法的基本思想及性能,并对现有的几种无线传感器网络分布式节点定位算法进行了深入的研究,从而确定了有效的定位算法对每个节点的位置具有重要的理论意义与实用价值。     

基于移动锚节点的无线传感器网络节点定位

为了更好地解决无线传感器网络节点定位精度和复杂测距技术之间的矛盾,提出一种基于移动锚节点的非测距的定位技术。9个装备有GPS接收机的可移动锚节点形成一个圆形定位区域,位于定位区域内的待定位节点接收锚节点发射的信号,并记录接收信号强度,比较接收信号强度确定自己所处区域,从而实现定位。仿真结果表明,该节点定位技术平均定位精度约为10%,与其他类似定位技术相比,能够明显提高节点定位精度。     

基于移动锚节点的无线传感器网络节点定位

为了更好地解决无线传感器网络节点定位精度和复杂测距技术之间的矛盾,提出了一种基于移动锚节点的非测距的定位技术。9个装备有GPS接收机的可移动锚节点形成一个圆形定位区域,位于定位区域内的待定位节点接收锚节点发射的信号,并记录接收信号强度。比较接收信号强度确定自己所处区域,从而实现定位。仿真结果表明,该节点定位技术平均定位精度约为10%,与其他类似定位技术相比能够明显提高节点定位精度。     

无线传感器网络节点定位技术的研究

节点定位技术是无线传感器网络中的重要技术之一。本文分析了无线传感器网络的节点定位算法的原理和分类,着重介绍和分析了3种分布式非测距节点定位算法,最后给出了下一步工作。     

基于WSN的DV_Distance定位算法研究

近年来,无线传感器网络的节点定位技术得到了广泛的研究和关注,确定事件发生的位置是无线传感器网络的功能之一,对无线传感器的研究起着至关重要的作用。本文针对DV_Distance定位算法得到的距离值误差较大的问题,提出一种定位精度相对较高的改进型DV_Distance算法。     

基于三重修正的WSN节点定位方法

由于无线传感器网络中需要对未知节点定位,但是传统定位方法存在定位精度低的缺点。为了有效应对传感器网络定位误差较大的问题,该文提出一种基于三重修正的定位算法。首先,给出了新的计跳机制计算公式;然后,结合质心定位算法来计算未知节点的跳距;再利用最小二乘法对未知节点与锚节点间的距离矩阵进行修正;最后,利用高斯牛顿法对未知节点与锚节点所组成的非线性方程组进行优化求解。另外,再通过Matlab进行仿真实验,分析了不同因素对定位误差的影响。通过对比其他3种定位算法的定位效果,验证了该文所提算法能够有效提高定位精度。     

基于信标节点RSSI自校正的WSN三维定位

针对目前无线传感器网络(WSN)三维定位算法中存在的定位精度低、依赖基础设施等同题,在对四边测量法和接收信号强度指示( RSSI)测距模型分析的基础上,提出一种信标节点自校正三维定位算法.该算法将信标节点充当盲节点,得到其RSSI值测量误差和网络定位误差,并在计算中采用加权平均的思想.仿真结果表明:该算法能够提高三维定...     

基于移动锚节点的无线传感器网络节点定位算法

针对移动锚节点的定位问题,提出一种基于3个移动锚节点的与距离无关的定位算法,该算法具有避开因测量距离的需要而导致的高硬件成本和高能耗等的功能.主要思想是3个锚节点规则移动遍历整个传感区域,移动过程中实现未知节点的定位.仿真实验结果表明,该算法能够提高节点的定位精度.     

无线传感器网络基于测距的节点定位算法研究

在无线传感器网络的各种应用问题中,节点的位置信息是很重要的。本文利用matlab对目标定位的基本测距算法RSSI进行仿真,得到了距离的估计值,并对其做了误差分析,得出了距离越小,误差也小,估计距离和实际距离越接近的结论;同时对DOA的MUSIC也进行了仿真,得到了信号相对于天线阵列的角度估计值,实验中取不同的snr值得到了不同的结果,其中信噪比SNR越大时得到的角度估计值越精确,并对两种基本测距算法进行比较。在得到距离估计值的基础上利用三边测量定位算法对监测事件进行仿真得出估计位置。     

无线传感器网络定位算法分析与比较

介绍了无线传感器网络节点定位的概念和技术特点,详细描述了基于测距和无需测距两种定位的机制,并对这些典型的算法和系统进行了全面详细的比较分析。     

基于特征量重要度LS-SVR的WSN定位方法

针对无线传感器网络(WSN)节点定位方法中采用粗测距技术时,节点间较大的测距误差导致定位准确度不足的问题,提出一种基于特征量重要度LS-SVR的定位方法L-IFSVR.该方法把未知节点到锚节点的距离作为特征量,依据特征量的重要度进行特征提取,通过对探测区域网格化采样得到训练样本集,使用最小二乘支持向量回归机(LS-SVR)学习得到定位模型,在定位阶段,将未知节点的特征向量输入定位模型, 利用LS-SVR良好的泛化能力,实现对未知节点的准确定位.通过对均匀分布和C形区域随机分布的100个节点进行定位实验,结果表明,定位方法L-IFSVR能有效地降低测距误差对定位准确度的影响,减小平均定位误差,其中,均匀分布情况下L-IFSVR方法的平均定位误差相比采用相同测距技术的DV-Hop方法减小7.5~14.0%;C形区域随机分布情况下,显著减小36.5~55.2%     

基于蚁群系统的WSN能量有效路由算法

针对无线传感器网络的能量有效性问题,基于蚁群系统的自适应性及动态寻优能力,以及无线传感器网络的自组织特性,提出一种能量有效的路由算法.为了优化路径概率选择,平衡节点间的能量消耗,将节点剩余能量引入本地启发因子.用路径平均信息素水平、路径节点平均剩余能量和路径长度评价路径质量,并将路径质量引入信息素全局更新.在源节点与Sink间建立多条动态优化传输路径,提高传输的可靠性.仿真结果表明,本算法可以减小延迟,提高能量使用效率,有效地延长无线传感器网络的工作时间.     

一种基于拓扑的传感器网络数据收集算法

以降低无线传感器网络通信能耗, 均衡网络能量负载为目标, 通过动态构造以节点间通信能耗为权重的最小生成树及调整节点通信概率的方法, 提出一种基于拓扑的传感器网络数据收集算法DGAT, 改造了网络服务过程中节点的通信模式及能量消耗方式. 模拟实验结果表明, DGAT算法不仅大幅度提高了网络的生存时间, 且使网络的能耗更均衡.     

基于异步MAC协议的WSN节点通信能耗模型的研究及应用

为进一步减小采用B-MAC协议无线传感器节点的能量消耗,对无线通信模块接收、发送、监听、休眠的电流消耗和时间特性进行了实验测试. 并根据异步MAC协议的特点,将网络负载参数进一步细分,引入节点发送间隔、接收间隔、每次发送字节数、每次接收字节数这4个参量,同时考虑节点接收信号时所处状态的概率建立通信能耗模型,并给出能耗模型的最优解析解,使得能耗参数在不同网络负载和收发间隔下达到最优. 实验结果表明,采用能量最优参数的B-MAC协议比普通B-MAC协议的能量消耗更少,明显减少了WSN节点在通信过程中能量的消耗,延长了节点的工作寿命.      

基于多目标规划的WSN路径动态选择算法

为解决无线传感器网络中查询的能量有效和实时性之间的矛盾,提出一种基于多目标规划理论的动态路径选择算法(MOPEH).该算法结合了最低能耗路由策略(ME)和最小跳步数路由策略(MH),运用多目标规划模型,将能量代价和传输时延同时作为路由算法的设计目标,利用深度优先搜索策略建立了节点间的所有可行路径集合,并从中选择能耗低于平均能耗的路径.根据查询要求设定网络性能函数,动态调整两项性能指标,从可行路径集合中选择满足要求的路径,得到最优解.实验证明该算法能够能量有效地处理实时查询.     

传感器网络中一种基于RSSI的圆环重叠定位机制

针对传感器网络的节点定位问题提出一种使用3个普通信标节点定位全网的基于RSSI的圆环重叠(ROBRSSI)定位机制.通过误差转换、未知节点与其二跳邻居间协作设计,有效抑制已有研究中RSSI测量误差的影响,降低未知节点与信标节点间相对位置要求,实现未知节点的有效定位.基于ROBRSSI定位机制,研究了传感器网络中新加入节点的定位.仿真实验验证了算法的有效性.     

无线传感器网络节点定位算法分析

在各种无线传感器网络应用中,无线传感器节点的精确定位非常关键。在阐述了节点定位问题的基础上,分析了三种典型节点定位算法:质心法、不定形(Amorphous)法和蒙特卡罗法,然后通过仿真实验对算法性能进行对比,研究节点密度、节点速度和采样个数等因素对定位性能的影响。实验结果表明,蒙特卡罗法的误差最小,且在锚节点密度大于1,未知节点密度大于6,取样个数超过50时达到最佳定位性能。     

基于RSSI的WSN抗干扰定位算法

针对RSSI受外界因素影响较大,测距和定位精度很难得到保证的问题,从方差级干扰与均值级干扰两个层面对RSSI进行修正.首先在RSSI采集阶段提出一种基于离差的高斯模型(D-Gaussian)对方差级干扰进行过滤,以提高RSSI信号的可用性;其次在测距阶段,引入一种EWMA动态窗口机制并将其命名为R-EWMA,对均值级干扰进行处理.实验结果表明,研究工作有效地缓解了在传统定位算法中硬件成本与定位精度之间的矛盾,对RSSI的处理可以从根本上减少基于RSSI定位算法误差