基于接收信号强度(Received Signal Strength,RSS)测量的定位精度依赖于路径损耗指数(Path Loss Exponent,PLE)O低精度的PLE值降低了对目标节点定位精度。为此,提出基于路径损耗指数修正的目标节点定位(Path loss exponent correction-b...基于接收信号强度(Received Signal Strength,RSS)测量的定位精度依赖于路径损耗指数(Path Loss Exponent,PLE)O低精度的PLE值降低了对目标节点定位精度。为此,提出基于路径损耗指数修正的目标节点定位(Path loss exponent correction-based Target node localization,PCTL)算法。PCTL算法先通过接收设备的敏感级别,感测信道和传输功率,并推导最小发射功率,再修正PLE。然后,依据修正后的PLE,并结合质心定位算法估计目标节点位置。仿真实验结果显示,提出的PCTL算法能够准确地估计PLE和目标节点位置。展开更多
节点所处的坐标位置信息在无线传感器网络的实际应用中必不可少.本文在传统接收信号强度指示(Received Signal Strength Indication,RSSI)定位算法基础上,为了进一步提高未知节点的定位精密度,提出一种基于环境感知的RSSI校正定位算法....节点所处的坐标位置信息在无线传感器网络的实际应用中必不可少.本文在传统接收信号强度指示(Received Signal Strength Indication,RSSI)定位算法基础上,为了进一步提高未知节点的定位精密度,提出一种基于环境感知的RSSI校正定位算法.算法先对RSSI数据使用高斯过滤,减少RSSI测量偏差;其次结合RSSI计算当前路径损耗指数,实现环境感知;接着测量节点间距离,再用比例关系校正测量结果,进一步减弱环境因素对定位的影响;然后生成信标节点对未知节点定位影响的加权系数;最后通过最小二乘法及带加权系数的质心计算公式来得出节点的最终位置坐标.仿真实验结果显示,算法的定位精度有明显的提高,与实际值的误差在1m左右.展开更多
近期,基于移动单元的无线定位方案受到广泛关注。然而,现存的定位方案假定移动单元位置已知、无线传播模型的参数已知,这与事实并不相符。为此,提出基于半定规划的移动辅助定位(Semi-Definite Programming based Mobility-Assisted Loca...近期,基于移动单元的无线定位方案受到广泛关注。然而,现存的定位方案假定移动单元位置已知、无线传播模型的参数已知,这与事实并不相符。为此,提出基于半定规划的移动辅助定位(Semi-Definite Programming based Mobility-Assisted Localization,SMAL)算法。移动单元沿着任意轨迹移动,并周期向传感节点传输beacon包。锚节点从移动单元接收信号,并依据接收beacon的信号强度的相似性估计节点间距离。最后,依据距离值,并结合半定规划算法估计节点位置。仿真结果表明,相比于静态定位算法,SMAL算法能够获取高的定位精度。展开更多
文摘基于接收信号强度(Received Signal Strength,RSS)测量的定位精度依赖于路径损耗指数(Path Loss Exponent,PLE)O低精度的PLE值降低了对目标节点定位精度。为此,提出基于路径损耗指数修正的目标节点定位(Path loss exponent correction-based Target node localization,PCTL)算法。PCTL算法先通过接收设备的敏感级别,感测信道和传输功率,并推导最小发射功率,再修正PLE。然后,依据修正后的PLE,并结合质心定位算法估计目标节点位置。仿真实验结果显示,提出的PCTL算法能够准确地估计PLE和目标节点位置。
文摘节点所处的坐标位置信息在无线传感器网络的实际应用中必不可少.本文在传统接收信号强度指示(Received Signal Strength Indication,RSSI)定位算法基础上,为了进一步提高未知节点的定位精密度,提出一种基于环境感知的RSSI校正定位算法.算法先对RSSI数据使用高斯过滤,减少RSSI测量偏差;其次结合RSSI计算当前路径损耗指数,实现环境感知;接着测量节点间距离,再用比例关系校正测量结果,进一步减弱环境因素对定位的影响;然后生成信标节点对未知节点定位影响的加权系数;最后通过最小二乘法及带加权系数的质心计算公式来得出节点的最终位置坐标.仿真实验结果显示,算法的定位精度有明显的提高,与实际值的误差在1m左右.
文摘近期,基于移动单元的无线定位方案受到广泛关注。然而,现存的定位方案假定移动单元位置已知、无线传播模型的参数已知,这与事实并不相符。为此,提出基于半定规划的移动辅助定位(Semi-Definite Programming based Mobility-Assisted Localization,SMAL)算法。移动单元沿着任意轨迹移动,并周期向传感节点传输beacon包。锚节点从移动单元接收信号,并依据接收beacon的信号强度的相似性估计节点间距离。最后,依据距离值,并结合半定规划算法估计节点位置。仿真结果表明,相比于静态定位算法,SMAL算法能够获取高的定位精度。
