在无线传感器网络(WSNs)中,定位精度和算法收敛速度是节点定位的关键因素.本文提出了一种改进的WCBD(Weighted Centroid Based on Distance)算法,该算法基于接收信号强度指示(RSSI),结合加权质心定位算法,研究参考节点与目标节点之间的...在无线传感器网络(WSNs)中,定位精度和算法收敛速度是节点定位的关键因素.本文提出了一种改进的WCBD(Weighted Centroid Based on Distance)算法,该算法基于接收信号强度指示(RSSI),结合加权质心定位算法,研究参考节点与目标节点之间的距离,然后针对加权质心定位算法中的权重系数选择提出了新的思路,使之提高定位精度.仿真结果表明,与W-Centroid算法和WR-Centroid算法相比,WCBD算法通过误差调整和迭代,有效提高了算法的收敛速度和定位精度.展开更多
针对接收信号强度指示(Received Signal Strength Indication,RSSI)时变现象影响WLAN室内定位精度问题进行了研究,提出了一种基于RSSI概率统计分布(Statistical Probability Distribution,SPD)的加权K最近邻(Weighted K-Nearest Neighbo...针对接收信号强度指示(Received Signal Strength Indication,RSSI)时变现象影响WLAN室内定位精度问题进行了研究,提出了一种基于RSSI概率统计分布(Statistical Probability Distribution,SPD)的加权K最近邻(Weighted K-Nearest Neighbor,WKNN)方法——SPD-WKNN方法。该方法首先利用SPD方法得到指纹点RSSI向量区间;然后运用SVM算法选取测试点K个近邻指纹点,计算测试点RSSI向量到每个近邻指纹点的最小欧氏距离;最后结合WKNN算法获取定位结果。实验结果表明,SPD-WKNN方法与NN、KNN、WKNN、SVR和LSSVM方法相比定位误差分别降低了47.3%、41.6%、31.9%、27.1%和16.3%,呈现了良好的定位效果;利用SVM算法的稀疏性明显减小了运算时间。展开更多
针对大中型机房中信号阅读器只能部署在较高安全位置,不能直接采用基于测距的接收的信号强度指标(received signal strength indication,RSSI)定位算法进行三维定位的问题,文章通过分析机房内特有的室内环境,提出了在原定位算法计算结...针对大中型机房中信号阅读器只能部署在较高安全位置,不能直接采用基于测距的接收的信号强度指标(received signal strength indication,RSSI)定位算法进行三维定位的问题,文章通过分析机房内特有的室内环境,提出了在原定位算法计算结果的基础上,采用逼近定位算法的方案。考虑障碍物对信号传播的遮挡,修正测距算法中阅读器到有源标签的距离矢量;引入参考节点方向矢量权重,改善加权质心法,迭代矫正定位,并对异常结果进行矫正处理。相比基于RSSI原定的定位算法,其结果不仅给出了三维坐标,在平面上的定位精度也提高了约60%。展开更多
文摘在无线传感器网络(WSNs)中,定位精度和算法收敛速度是节点定位的关键因素.本文提出了一种改进的WCBD(Weighted Centroid Based on Distance)算法,该算法基于接收信号强度指示(RSSI),结合加权质心定位算法,研究参考节点与目标节点之间的距离,然后针对加权质心定位算法中的权重系数选择提出了新的思路,使之提高定位精度.仿真结果表明,与W-Centroid算法和WR-Centroid算法相比,WCBD算法通过误差调整和迭代,有效提高了算法的收敛速度和定位精度.
文摘针对接收信号强度指示(Received Signal Strength Indication,RSSI)时变现象影响WLAN室内定位精度问题进行了研究,提出了一种基于RSSI概率统计分布(Statistical Probability Distribution,SPD)的加权K最近邻(Weighted K-Nearest Neighbor,WKNN)方法——SPD-WKNN方法。该方法首先利用SPD方法得到指纹点RSSI向量区间;然后运用SVM算法选取测试点K个近邻指纹点,计算测试点RSSI向量到每个近邻指纹点的最小欧氏距离;最后结合WKNN算法获取定位结果。实验结果表明,SPD-WKNN方法与NN、KNN、WKNN、SVR和LSSVM方法相比定位误差分别降低了47.3%、41.6%、31.9%、27.1%和16.3%,呈现了良好的定位效果;利用SVM算法的稀疏性明显减小了运算时间。
文摘针对大中型机房中信号阅读器只能部署在较高安全位置,不能直接采用基于测距的接收的信号强度指标(received signal strength indication,RSSI)定位算法进行三维定位的问题,文章通过分析机房内特有的室内环境,提出了在原定位算法计算结果的基础上,采用逼近定位算法的方案。考虑障碍物对信号传播的遮挡,修正测距算法中阅读器到有源标签的距离矢量;引入参考节点方向矢量权重,改善加权质心法,迭代矫正定位,并对异常结果进行矫正处理。相比基于RSSI原定的定位算法,其结果不仅给出了三维坐标,在平面上的定位精度也提高了约60%。
