分析了RSSI(received signal strength indicator)测距的原理及环境对RSSI的影响。论述了高斯模型校正算法,该算法中因含有与环境相关的路径散逸指数而产生较大测距误差。针对这一问题,提出了基于锚节点的高斯校正算法,该算法以锚节点...分析了RSSI(received signal strength indicator)测距的原理及环境对RSSI的影响。论述了高斯模型校正算法,该算法中因含有与环境相关的路径散逸指数而产生较大测距误差。针对这一问题,提出了基于锚节点的高斯校正算法,该算法以锚节点对之间的已知距离和测量的RSSI值为参考,对由被测RSSI值得到的距离进行校正,消除了路径散逸指数,并用网络连通信息和RSSI联合定位。仿真结果证明:采用锚节点的高斯校正算法进行定位不受环境影响,不同环境下最大定位波动为0.11%,定位误差显著减小,可应用到实际的无线传感器网络的定位系统中。展开更多
移动无线传感器网络的节点定位算法中,基于RSSI(Received Signal Strength Indication)的蒙特卡罗定位算法结合了RSSI定位算法和蒙特卡罗定位算法的优点,定位精度较好,但计算量较大,节点能量消耗严重。针对上述不足,提出一种基于RSSI的...移动无线传感器网络的节点定位算法中,基于RSSI(Received Signal Strength Indication)的蒙特卡罗定位算法结合了RSSI定位算法和蒙特卡罗定位算法的优点,定位精度较好,但计算量较大,节点能量消耗严重。针对上述不足,提出一种基于RSSI的改进蒙特卡罗定位算法,采用插值法对节点运动状态进行预测,同时采用交叉操作加快有效粒子的选择,提高预测和滤波的准确性。仿真实验结果表明,该算法与传统算法相比加快了收敛速度,减少了计算开销,同时提高了定位精度。展开更多
文摘分析了RSSI(received signal strength indicator)测距的原理及环境对RSSI的影响。论述了高斯模型校正算法,该算法中因含有与环境相关的路径散逸指数而产生较大测距误差。针对这一问题,提出了基于锚节点的高斯校正算法,该算法以锚节点对之间的已知距离和测量的RSSI值为参考,对由被测RSSI值得到的距离进行校正,消除了路径散逸指数,并用网络连通信息和RSSI联合定位。仿真结果证明:采用锚节点的高斯校正算法进行定位不受环境影响,不同环境下最大定位波动为0.11%,定位误差显著减小,可应用到实际的无线传感器网络的定位系统中。
文摘移动无线传感器网络的节点定位算法中,基于RSSI(Received Signal Strength Indication)的蒙特卡罗定位算法结合了RSSI定位算法和蒙特卡罗定位算法的优点,定位精度较好,但计算量较大,节点能量消耗严重。针对上述不足,提出一种基于RSSI的改进蒙特卡罗定位算法,采用插值法对节点运动状态进行预测,同时采用交叉操作加快有效粒子的选择,提高预测和滤波的准确性。仿真实验结果表明,该算法与传统算法相比加快了收敛速度,减少了计算开销,同时提高了定位精度。
