在Bounding-box及其改进方法研究中,普遍采用正方形的重叠区域的质心作为定位的结果,然而该正方形与实际无线传感器节点的通信区域模型之间存在较大差异,导致定位误差较大。针对此问题,提出一种改进的Bounding-box定位方法。该方法在定...在Bounding-box及其改进方法研究中,普遍采用正方形的重叠区域的质心作为定位的结果,然而该正方形与实际无线传感器节点的通信区域模型之间存在较大差异,导致定位误差较大。针对此问题,提出一种改进的Bounding-box定位方法。该方法在定位时,不再采用正方形的通信区域模型,而是采用圆形的通信区域模型进行定位。基于仿真数据以及采用3种典型通信环境下真实的到达信号强度指示(received signal strength indicator,RSSI)数据完成定位实验,实验结果表明,该方法具有较高的定位精度,因此具有一定的实际应用价值。展开更多
根据煤矿井下人员精确定位系统对实时性和定位精度的要求,提出了基于TOF(time of flight,飞行时间)的Bounding-Box二次定位算法,该算法综合了TOF测距不易受环境干扰和Bounding-Box计算实时性高的优点。利用待定位节点与参考节点测距获...根据煤矿井下人员精确定位系统对实时性和定位精度的要求,提出了基于TOF(time of flight,飞行时间)的Bounding-Box二次定位算法,该算法综合了TOF测距不易受环境干扰和Bounding-Box计算实时性高的优点。利用待定位节点与参考节点测距获得距离,并利用Bounding-Box得到初始区域位置信息后,再将周围已定位的节点考虑进去,并再次利用Bounding-Box算法进行二次定位,缩小未知节点所在的区域,最终获得位置信息。实验结果表明,该算法实时性高,并且能够提高定位精度。展开更多
针对基于接收信号强度指示(received signal strength index,RSSI)测距定位精度不高问题,提出基于测距修正和拟牛顿法节点定位(ranging correction and quasi-Newton method-based localization,RCNL)算法。RCNL算法由测距和定位两个阶...针对基于接收信号强度指示(received signal strength index,RSSI)测距定位精度不高问题,提出基于测距修正和拟牛顿法节点定位(ranging correction and quasi-Newton method-based localization,RCNL)算法。RCNL算法由测距和定位两个阶段组成。在测距阶段,RCNL算法先利用RSSI测距,再通过正态滤波剔除偏差大的RSSI值,进而提高测距精度;在定位阶段,先通过Bounding-box算法估计未知节点位置,再利用拟牛顿法进一步估计未知节点位置,提高定位精度。仿真结果表明,在节点数为100,通信半径为25 m环境下,相比IDV-hop算法,RCNL算法的归一化定位误差下降了约6%。展开更多
文摘在Bounding-box及其改进方法研究中,普遍采用正方形的重叠区域的质心作为定位的结果,然而该正方形与实际无线传感器节点的通信区域模型之间存在较大差异,导致定位误差较大。针对此问题,提出一种改进的Bounding-box定位方法。该方法在定位时,不再采用正方形的通信区域模型,而是采用圆形的通信区域模型进行定位。基于仿真数据以及采用3种典型通信环境下真实的到达信号强度指示(received signal strength indicator,RSSI)数据完成定位实验,实验结果表明,该方法具有较高的定位精度,因此具有一定的实际应用价值。
文摘根据煤矿井下人员精确定位系统对实时性和定位精度的要求,提出了基于TOF(time of flight,飞行时间)的Bounding-Box二次定位算法,该算法综合了TOF测距不易受环境干扰和Bounding-Box计算实时性高的优点。利用待定位节点与参考节点测距获得距离,并利用Bounding-Box得到初始区域位置信息后,再将周围已定位的节点考虑进去,并再次利用Bounding-Box算法进行二次定位,缩小未知节点所在的区域,最终获得位置信息。实验结果表明,该算法实时性高,并且能够提高定位精度。
文摘针对基于接收信号强度指示(received signal strength index,RSSI)测距定位精度不高问题,提出基于测距修正和拟牛顿法节点定位(ranging correction and quasi-Newton method-based localization,RCNL)算法。RCNL算法由测距和定位两个阶段组成。在测距阶段,RCNL算法先利用RSSI测距,再通过正态滤波剔除偏差大的RSSI值,进而提高测距精度;在定位阶段,先通过Bounding-box算法估计未知节点位置,再利用拟牛顿法进一步估计未知节点位置,提高定位精度。仿真结果表明,在节点数为100,通信半径为25 m环境下,相比IDV-hop算法,RCNL算法的归一化定位误差下降了约6%。
