基于有源射频识别信号强度的室内移动机器人测距方法

为采用几何法进行室内移动机器人定位,提出了基于有源射频识别(RFID)信号强度测距方法.分析了无线信号传播的特点和无线信号强度指示(RSSI)测距的原理,建立对数-常态分布传播损耗模型.采用有源RFID的HR-6020C读写器和WS-HT06电子标签构建实验系统,其中读写器作为基站固定于一点,电子标签作为移动节点时刻发送信号.通过实验得到距离与RSSI值关系曲线,利用有源RFID系统对理论模型中的参考点信号强度和比例因子进行标定,并分析了测距精度.影响测距精度的因素主要包括标签的位置、数量和实验环境等.根据确定的传播损耗理论模型进行了测距实验.结果表明,在3 m范围内测距最大偏差为41.68 cm.这为基于RFID的室内场馆移动机器人定位提供了依据,可以满足机器人的定位精度要求.     

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.     

基于RSSI的无线传感器网络环境参数分析与修正方案

定位技术是无线传感器网络数据采集的基础服务,而定位精度的高低在很大程度上取决于距离测量的精度.基于RSSI(接收信号强度)测距技术无须添加任何硬件设施、用较少的通信开销和较低的实现复杂度,十分适应于能量受限的无线传感器网络.通过对RSSI测距模型进行分析,并提出一种针对室内环境的参数修正方案.通过自行研发的传感器节点Ubicell上进行验证分析,实验表明,采用环境参数修正方案后,明显提高了测距的精度.     

基于改进高斯滤波与加权环境参数自适应估计的定位方法

基于接收信号强度指示(received signal strength indication, RSSI)测距的定位技术是一种成本比较低廉的定位技术.为了能够有效降低RSSI值因环境因素的影响而产生的误差,提出了一种改进的加权高斯滤波算法对RSSI值进行处理;并建立了一种加权环境参数自适应估计算法对当前待定位的移动节点所处位置的环境参数进行估计;然后根据估计所得的环境参数确定移动节点所在位置的路径损耗模型;最后根据该模型估计移动节点的位置.实验结果表明,该方法能够有效提高系统的定位精度.     

基于天牛须搜索优化的室内定位算法

室内定位技术受到广泛的关注,基于接受信号强度指示(RSSI)的测距技术目前在节点定位中得到广泛应用.在基于RSSI测距的基础上,提出将天牛须搜索优化(BAS)算法应用到室内定位中.首先通过RSSI测距获得未知节点与锚节点之间的距离,在计算距离时对数据进行了预处理,从而提高测距的精度.然后引入BAS算法计算出未知节点的位置坐标.通过与粒子群定位算法(PSO)和遗传定位算法(GA)对比试验结果,验证了BAS定位算法对室内定位效率的提高更加明显.     

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...     

基于天线高度的RSSI测距分析

无线通信中的天线发射功率、高度、角度和信号频率等因素对其接收信号强度(received signal strengthindication,RSSI)有很大的影响.通过大量的实验,分析探讨室内环境下天线高度对RSSI和测距精度的影响.实验结果证明,只要选择合适的天线高度,433 MHz无线信号用于室内测距是可行的.     

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.     

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。     

基于测距和自学习粒子群算法的WSN节点定位

针对WSN中现有节点定位方法具有的定位精度不高的缺点,提出了一种基于RSSI测距和改进量子粒子群算法的节点定位方法。首先,描述了基于RSSI接收信号强度指示的节点定位原理,在此基础上,采用最小二乘法估算节点位置进行节点粗定位。然后,定义了一种基于改进量子粒子群算法的节点定位算法进行节点终定位,为了提高算法的全局收敛能力,在每个粒子中放置学习自动机,使得粒子具有自学习能力,在量子可行空间中自适应地选择对应的动作。最后,通过仿真实验对所提方法进行验证。实验结果表明:文中方法能较为精确地进行节点定位,与其他方法相比,具有测距误差和定位误差小的优点,具有一定的优越性。     

基于RSSI测距的井下人员区域定位算法

在煤矿井下人员定位系统中,常用的是基于无线传感器网络的定位方法,其中最适合实际应用的是基于接收信号强度指示(RSSI)的定位方法.为了进一步提高定位精度,针对煤矿井下特殊的巷道结构和复杂的电波传播环境,首先提出信标节点均匀间隔交叉分布模型.然后根据已知信标节点精确位置求得定位区域内RSSI测距误差的权值,通过引入比例调整因子、距离修正因子和差分平均因子,对目标节点的测距误差进行修正,获得区域内信标节点与目标节点之间较精确的距离量,最后利用加权质心定位算法对目标节点进行定位.仿真结果表明,该算法能够有效的提高目标节点的定位精度,尤其在沿巷道走向的水平方向上比其竖直方向的精度更高,该方法更适合煤矿井下特定的线型结构环境.     

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.     

融合双频段信息的林业无线传感网节点测距算法

无线传感网节点测距技术是基于测距法节点定位的基础,针对林区中单一频段节点测距存在误差大、精确度低的问题,基于接收信号强度(received signal strength indication, RSSI),提出一种融合433 MHz和2.4 GHz双频段信息的节点测距方法。建立引入环境参数预测的林区信号衰减模型,利用高斯滤波修正偶然误差,选择合适的融合参数γ对双频段测距信息进行融合,通过在平均胸径接近、林分密度不同的场地中实验归纳γ的取值规律。实验结果表明,在林分密度600株/hm~2以下的林场中,γ=0.4最优;在林分密度600～1 000株/hm~2之间的林场中,γ=0.5最优,在林分密度1 000株/hm~2以上的林场中,γ=0.6最优。在γ取最优值的情况下,实验表明本文提出的方法测距结果的均方根误差值为1.74,较单一频段的测距误差减小了31.3%,提高了基于RSSI节点测距的精度。     

无迹卡尔曼滤波在无线传感器网络节点定位中的应用

传统的基于距离的无线传感器网络节点定位技术,由于测距过程产生较大的误差,从而使定位精度不高.文中在基于接收信号强度(RSSI)测距、三边测量法初始定位的基础上,提出以接收信号强度为观测量,将无迹卡尔曼滤波(UKF)算法应用到节点精确定位中.通过仿真验证使用该方法后,相比以距离为观测量的UKF定位方法,节点的定位精度有一定的提高,并进一步定量的分析比较了两种实现模型下节点定位算法的误差概率分布.在此算法的基础上,通过权衡平均定位误差与算法运算复杂度之间的关系,给出最佳定位锚节点数量,并模拟具体环境,验证了文中节点定位算法的实用性.     

RBF与加权质心相结合的室内无线定位算法

针对传播路径损耗模型的参数,极易受室内障碍物等环境因素影响,导致定位精度低的问题.利用RBF(径向基函数)神经网络算法替代损耗模型,拟合RSSI(接收信号强度)值与距离的关系.采集室内RSSI值和其对应的距离值的实测数据,利用实测数据训练RBF神经网络,建立RSSI-距离拟合模型;利用拟合模型将经过处理的RSSI值转换为距离值,并将距离值按从小到大排序;取前3个离定位节点较近的固定节点的信息,进行加权质心定位计算.研究结果表明:RBF算法的定位精度比路径传播损耗模型算法提高了34.5%,且略高于BP算法的定位精度.在相同的室内环境下,RBF算法能更好地克服环境因素对距离计算的干扰,提高室内定位的精度和稳定性.     

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。     

基于系统识别的RSSI定位算法

针对无线传感器网络节点定位问题,分析了基于接收信号强度(RSSI)的定位算法,对无线电传播路径损耗理论模型进行了分析.采用系统辨识加权最小二乘法在线修正了信号衰减理论模型,使算法具有了普遍适用性.提出三边定位法与质心法结合的定位算法和极大似然估计法得到未知节点的估计位置.仿真结果表明,该算法减少了测距误差,随着节点的增加定位精度提高.     

基于测距和自学习粒子群算法的WSN节点定位

针对WSN中现有节点定位方法具有的定位精度不高的缺点,提出了一种基于RSSI测距和改进量子粒子群算法的节点定位方法。首先,描述了基于RSSI接收信号强度指示的节点定位原理,在此基础上,采用最小二乘法估算节点位置进行节点粗定位。然后,定义了一种基于改进量子粒子群算法的节点定位算法进行节点终定位,为了提高算法的全局收敛能力,在每个粒子中放置学习自动机,使得粒子具有自学习能力,在量子可行空间中自适应地选择对应的动作。最后,通过仿真实验对所提方法进行验证。实验结果表明:文中方法能较为精确地进行节点定位,与其他方法相比,具有测距误差和定位误差小的优点,具有一定的优越性。
     

基于RSSI均值的等边三角形定位算法

为了提高无线传感网络的定位精度,从提高测量精度、改善信标节点分布的角度提出了一种基于RSSI均值的等边三角形定位算法.该算法引入信号强度指示(RSSI)敏感区和非敏感区概念,采用高斯模型对非敏感区的RSSI数据进行处理,解决了RSSI易受干扰的问题.采用等边三角形分布模型处理信标节点的分布,保证未知节点运动轨迹始终在信标节点的非敏感区内,从而在定位算法上使测量精度得到提高.研究表明,高斯模型可以很好地筛选出RSSI较优值;等边三角形分布模型可以提高RSSI的采集优度.这种定位算法计算简单,定位过程中节点间无通讯开销,无需硬件扩展.     

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.