基于RSSI的无线传感器网络节点定位算法

《基于RSSI的无线传感器网络节点定位算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

万方数据计算机工程与设计ComputerEngineeringandDesign2010，31(2)291·网络与通信技术·基于RSSI的无线传感器网络节点定位算法章磊址，黄光明1+(1．华中师范大学电子信息工程系，湖北武汉430079；2。黄石理工学院电子信息工程系，湖北黄石435000)摘要：节点定位技术是无线传感器网络关键技术之一，介绍了节点定位技术的基本原理，提出了一种新的基于接收信号强度(RSsI)的无线传感器网络定位算法．该算法在第一阶段对节点初始位置进行初步估计，第二阶段对节点初始位置进行求精．仿真结果表明，在锚节点比例较低的情况下，该算法仍然可以实现较高的定位精度，并且与dv．distance定位算法比较，表明该算法在相同条件下精度更高．关键词：无线传感器网络；基于接收信号强度；节点定位；初步定位；定位求精中图法分类号：TP393文献标识码：A文章编号：1000-7024(2010)02．0291．04LocalizationalgorithmforwirelesssensornetworksbasedonRSSIZHANGLeiL2．HUANGGuang．min91+(1．DepartmentElectronicsandInformationEngineering，HuazhongNormalUniversity,Wuhan430079，China；2．DepartmentElectronicsandInformationEngineering，HuangshiInstituteofTechnology,Huangshi435000，China)Abstract：LocalizationisoneofthecriticaltasksoftheWSN．ThebasictheoryoflocalizationalgorithmandanovellocalizationalgorithmbasedonRSSIalepresented．Thelocalizationalgorithmisdividedintotwostages：Obtainsinitiallocationandrefinestheinitiallocation．Simulationresultsshowouralgorithmachieveshighlocalizationaccuracywhenanchorratioisless．Comparingwithdv-distancemethod,thisalgorithmperformsbetterinlocationaccuracy．Keywords：wirelesssensornetwork；RSSI；nodelocalization；obtaininitiallocation；localizationrefinement0引言无线传感器网络是将大量低功耗、低成本的无线传感器节点布置或抛洒到特定区域，传感器节点通过自组织快速形成的一种分布式网络，其在军事和民用领域都有广泛的应用前景m。节点定位技术是无线传感器网络的支撑技术之一。没有传感器节点的位置信息，监测信息将没有实际意义，传感器网络不能正常工作乜1。受节点能量、体积以及网络成本的限制，无线传感器网络只有少数锚节点可以通过GPS定位系统获得自身的位置信息，大部分普通节点则必须通过其它信息来进行定位。同时受节点硬件体积、功能和功耗的限制，很多经典的定位算法难以用于无线传感器网络中。因此低功耗、高精度的无线传感器网络定位算法是现在无线传感器网络中的一个研究热点。近几年出现了大量的无线传感器网络定位技术，根据定位过程中是否需要测量实际节点间的距离，分为基于距离的定位算法和距离无关的定位算法。前者需要测量相邻节点间的实际距离或方位，并利用节点间实际距离计算未知节点位置，后者无需测量节点间的绝对距离或方位，而是利用节点间的估计距离计算节点位置。基于距离的无线传感器网络定位算法中RSSI(receivedsignals订engthindicator)算法嘲通过测量信号从发射端到接收端的衰减计算未知节点与邻居节点问的实际距离。TOA(timeofarrival)算法H和TDOA(timedifferenceofarrival)算法嘲分别通过测量信号的传输时间和两个信号的到达时间差来计算未知节点与邻居节点间的实际距离。AOA(angleofarrival)算法旧则依据接收信号的到达角度来获得未知节点与邻居节点间的实际距离。与距离无关的无线传感器网络定位算法中，质心算法忉将未知节点周围锚节点所确定几何区域的质心当成未知节点的实际位置。在文献[8】中提出了一种基于跳数的DV-Hop算法，未知节点通过测量距离锚节点的跳数来计算与锚节点的距离，并对自己进行定位。APIT(approximatepoint-in．triangulationtest)算法州中每个未知节点通过不断判别自己是否处在由锚节点所确定的三角形区域内来对自身进行定位。基于距离的定位算法虽然需要额外的器件来测量实际节点间的距离会增加功耗，但与距离无关的定位算法相比较，其收稿臼期：2009-01-09；修订日期：2009．10-02。作者简介：章磊(1982--)，男，硕士研究生，研究方向为无线传感器网络：+通讯作者：黄光明(1964--)，男，博士，教授，研究方向为嵌入式系统、无线传感器网络。E-maihzlmgtei4iS0@hotmait．com 万方数据2922010，31(2)计算机工程与设计ComputerEngineeringandDesign定位精度更高。1相关工作无线信号的强度随着传输距离的增加呈指数衰减。基于接收信号强度(RSSI)的无线传感器网络定位算法通过测量信号从发射端到接收端的衰减计算未知节点与邻居锚节点间的实际距离，再通过三边法或最大似然估计法计算未知节点位置。但当未知节点的邻居锚节点的个数小于3时，则未知节点因为不能获取足够多的位置距离信息而难以对自身进行准确定位。Malguki算法“”是一种基于RSSI的无线传感器网络节点定位算法。它认为每个未知节点跟其邻居锚节点都是有弹性关联的，利用未知节点和它所有锚节点的弹性关联之和计算未知节点的最优位置，这样可以减小无线环境对RSSI的干扰所引起的测距误差，提高定位精度。但是在很多实际应用环境中，当锚节点的传播半径也很小时，未知节点并不能测得与每个锚节点的距离，再利用Malguld算法则无线传感器嘲络节点的定位精度大大降低。文献【1l】提出了一种抽样定位和利用加权最d,-乘法求精的无线传感器网络定位算法，可以实现较高的定位精度。2改进算法本文提出一种RSSI的无线传感器网络节点定位技术。该算法通过分析未知节点与少量锚节点之间的测量距离，首先通过采样的方法对未知节点的初始位置进行估计，再通过Malguki算法对初始位置求精优化。在锚节点比例较低的情况下，该算法仍然可以实现较高的定位精度。并且与dv．dis-tance定位算法比较，该算法在相同条件下精度更高。该算法分为两个阶段：获得初始位置和利用Malguki算法对初始位置优化。2．1获得初始位置首先锚节点广播自身的位置信息，未知节点接收到后保存并将广播信号转发一次。这样每个未知节点已知它一跳和两跳内的锚节点的位置，并通过RSSI测得与一跳内邻居节点的距离。假设三角形和实心圆点分别表示锚节点和未知节点，则它们之间的位置关系如图l所示。当未知节点一跳内的锚节点的个数大于等于3，即如图l(a)所示时，则通过三边法对未知节点∞挪)进行定位，如式(1)和(2)所示t4(x,一xoY+(v,-yo)2=元{√∞一勘)2+屯_n)2=磊f1)＼√bt—x≯qyt—y了=dc目=。22‰(xo-一均xt)荔珊睡二鬈荔二翁∽式中：仳勘、‰柚和㈧分别是3个邻居锚节点的位置坐标。正、以和吐分别是未知节点与3个邻居锚节点的测量距离。如果未知节点∽枷一跳内的邻居锚节点的个数为2，如图(c)未知节点有1个邻居锚节点和1个两跳锚节点图l采样原理l(b)所示。则分别以两个邻居锚节点的位置(Ax-，Ay-)和(Ax2，Ay2)为中心，锚节点的通信距离R为半径画圆，在两圆相交的区域进行采样。当采样点满足条件(3)时，采样点被保存，直到采样个数达到最大门限N。讥瓦而磊F葡预而丽磊鲡≤R裟-、／型(x,(sa篙mple娑)2型+(y。s塑ample,篙)-Ay≤J④D‘I，)一彳工l1)2≤J‘。仉一讥丽面磊F瓦河丽磊獗丽≤d式中：D；。和Dn代表未知节点和它的邻居锚节点的测量距离，6是设定的误差门限。如果未知节点只有一个邻居锚节点，如图I(c)所示。则还会用到一个距离未知节点两跳的锚节点进行采样。当采样点满足条件(4)时，采样点被保存，直到采样个数达到最大门限N。fd(xj(s口唧kJ一4x·)2+(y如d，吩p彪。)一砂-)2≤R{x／(xt(sample,)-Ax3)2+(y,(sample,)-Ay3)2一<2R(4)I皿，一√(】吣甜妒舷)一血一)2+o如鲫lp膪。)一砂-)2≤6如果未知节点没有邻居锚节点，则以距离它两跳的锚节点为圆心，锚节点的两倍通信距离2R为半径的圆内采样N个点。如果未知节点没有邻居锚节点也没有距离它两跳的锚节点，则随机采样N个点。当每个未知节点采样到N个点或采样次数超过最大门限时，对所有的样本求平均值作为未知节点的初始位置，如式(5)所示 万方数据章磊，黄光明：基于RSSI的无线传感器网络节点定位算法2010，31(2)2932．2利用Malguki算法对初始位置优化优化阶段，每个未知节点广播自己的初始位置信息给邻居节点。未知节点通过邻居节点的位置信息和基于RSSI的测量距离通过Malguki算法计算最终位置。每个未知节点定位过程的目标是使函数o(力的绝对值最小，如式(6)所示Mo(力=∑I西一Ii一而II(6)式中：矗——未知节点和邻居节点的测量距离，产一未知节点的坐标向量，冲q居节点的坐标向量，M——邻居节点的个数。假设未知节点跟邻居节点有某种关联，并以向量而，表示，如式(7)所示玩=“一卜咿禹(7)碗将使未知节点向测量距离矗逼近，物理意义如图2所示。邻居节点／未知节点／图2向量赢的物理意义未知节点通过如下迭代过程对初始位置进行优化：(1)计算跟每个邻居节点之间的关联向量赢，并求和得到总的关联向量Ⅳi=∑∞I而I(8)f=l式中：驴一权重系数。本文设定未知节点跟邻居锚节点的关联向量的权重是与邻居未知节点的2倍。(2)计算坐标向量改变量△尹A尹--y-尹(9)式中：r设定的系数，本文设为0．01。(3)计算新的坐标向量尹1m-舟A尹(10)“)当满足条件(11)时迭代终止，尹为最终优化后的坐标向量。l矿‘一尹I龟(11)式中：r设定的门限。3仿真及分析仿真实验在Matlab7．1上完成。在200mx200m的区域随机抛洒200个传感器节点，构成一个传感器网络。节点可以通过RSSI测量与邻居节点的距离。锚节点广播自身的位置信息，未知节点接收到后保存并将广播信号转发一次。这样每个未知节点已知它一跳和两跳内的锚节点的位置。实验结果取100次实验的平均值。参数设置如表1所示。图3为本算法在两个阶段的节点定位误差分布。图3(a)为第一阶段完成后节点的定位误差分布。图3(b)为优化后节点的定位误差分布。其中，三角形和实心圆点表示锚节点和普通节点的实际位置，圆圈表示节点的估计位置。锚节点比例为30％，锚节点与普通节点通信半径之比为1。比较图3(a)表1仿真参数设置参数数值普通节点通信‘’#径r=25锚节点与普通节点通信半径之比l，1．25，1．5，I．75，220％，30。,4，400／0。50％，锚节点比例60％，70％，80％，900,4采样点数n=50最大采样次数400门限k1000。瓮警，f·△二_麓“O2040印801001201401601802∞(b)优化后节点的定位误差分布图3节点定位误差分布与图3(b)，通过Malguld算法对初始位置求精优化后，定位精度得到明显提高。定位误差主要是由处在传感器网络区域边界上的一些点所造成的，这些点周围节点数较少，可以获得用于定位的信息很少，因此定位精度较差。图4为锚节点通信半径的取值变化对定位误差的影响。锚节点比例为30％。随着锚节点与普通节点通信半径之比的增大，即锚节点通信半径的增大，定位误差逐渐减小。图4说＼≮—、—～253035柏4550锚节点通信半径，m图4定位误差与锚节点通信半径∞如∞∞加∞舳∞∞加o∞舳∞加加∞舳鲫帅∞o453525l5Om”仉眈玑¨仉帅J／堋雕攀锻 万方数据2942010，31(2)计算机工程与设计ComputerEngineeringandDesign明如果能够赋予锚节点更多的能量，加大其发射功率，则可以明显改善该算法的定位性能。图5为不同的锚节点比例与定位误差的关系，并与DV-dis-lance算法比较。随着锚节点比例的增加，未知节点可以获得更多的位置距离信息，定位误差逐渐减小。本算法普通节点利用两跳内锚节点的信息得到初始位置，所以于DV-distance算法进行性能比较时，DV-distance的TTL值也设置为2。如图5所示，随着锚节点比例的增加，在相同条件下本算法的定位精度高于DV-distance算法的定位精度，能够取得更优异的定位性能。皇荆噬趟锻锚节点比侧——S-MRL；——_P一一DV·distance图5定位误差与锚节点比例4结束语本文提出了一种分布式基于RSSI的无线传感器网络定位算法。算法分为两个阶段：获得初始位置和利用Malguki算法对初始位置优化。仿真实验结果验证了算法的有效性，并且表明在锚节点比例较低的情况下，该算法仍然可以实现较高的定位精度。同时与dv-distance定位算法相比，该算法在相同条件下精度更高。本算法的缺点在于增大了节点定位的运算量，并且对RSSI的测量精度要求较高。下一步将解决在保持定位精度的同时减小未知节点的运算量。如何建立信号衰减模型精确的估算节点间的距离也是后续研究工作的重点。参考文献：[1】AkyildizIF,SuW，SankarasubramaniamYeta1．Wirelesssensornetwork：Asurvey[J]．ComputerNetworks，2002，38(4)：393-422．【2】RabaeyJM,AmmerMJ,daSilvaJL，eta1．Picorodiosupportsadhocultra-lowpowerwirelessnetworking[J]．Computer,2000,33(7)：42-48．【3】BahlP，PadmanabhanVN．RADAR：Anin-buildingRF—baseduserlocationandtrackingsystemfC]．TelAviv,Israel：Procee-dingsoftheIEEEINFOCOM，2000：775-784．【4】HarterA，HopperA，StegglesP,eta1．Theanatomyofacontext-awareapplication[J]．WirelessNetworks，2002，8(2—3)：187．197．【5】GirodL，EstrinD．Robustrangeestimationusingacousticandmultimodalsensing[C]．IEEEIntemationalConfcfenceonIntel-ligentRobustsandSystems，2001：1312·1320．【6】NiculescuD,NathB．Adhoepositionsystem(APS)usingAoA【C】．IEEEINFOCOM，2003：1734．1743．【7】BulusuN，HeidemannJ，Esll'inD．GPS-lesslowcostoutdoorloca-lizationforverysinaildevices[J]．1EEEPersonalCommunica-tionsMagazine，2000，7(5)：28—34．【8】NicolescuD，NathB．AdHocpositioningsystems(APS)[C]．Pro·ceedingsofIEEEGLOBECOM，2001：2926-2931．【9】9HeTian，HuangChengdu，BrianMBlum，eta1．Range-freelocali·zationschemesforlargescalesensornetworks[C]．Proceedingsofthe9thAnnualInternationalConference011MobileCompu-ringandNetworking，2003：81—95．【10】JagobaArias，AitzolZuloaga,JesusLazaro，eta1．Malguld：AnRSSIbasedAdhoelocationalgorithm[J]．MicroprocessorsandMicrosystems，2004，28(8)：403-409．【11】YuN，WanJ．SL-Rdistributedlocalizationalgorithmforwirelesssensornetworks[C]．ProceedingsofIEEEInternationalConfe-renceonWirelessCommunications，NetworkingandMobileCompming，2007：2360—2363．(上接第290页)参考文献：【l】陈国良．并行算法的设计与分析【M】．北京：高等教育出版社，2002．【2】AmineAbou-Rjeili，GeorgeKarypis．Multilevelalgorithmsforpartitioningpower-lawgraphs[R]．American：DepartmentofCom-puterScienceandEngineering,UniversityofMinnesota,ArmyHPCResearchCenterandDigitalTechnologyCenter,2005．【3】黄宏强．非结构嘲格自动分区算法研究【D】．南京：南京航空航天大学，2004．【4】王蕾．并行网络模拟任务的优化划分方法研究与现状【D】．哈尔滨：哈尔滨工业大学，2006．【5】周安宇，张宏莉，胡明曾，等．网络拓扑图多层k划分轻点匹配模式研究[J】．佳木斯大学学报(自然科学版)，2006，24(2)：177．181．【6】KirkSchloegel，C．jeorgeKarypis,VipinKumar．Graphpartitioningforhighrmfonnancescientificsimulatiens[M]．SourcebookofPara-llelComputingoMorganKaufmannPublishers,2003：491-541．【7】JackDongarra．并行计算综论[M】．莫则尧，译．北京：电子工业出版社。2005．【8】KarypisG，KumarVMetismanual【EB／OL】．http：／／glaros．dtc．unto．edu／gkhome／metis／metis／download．[9】曾清红．无网格数值模拟的并行算法及并行实现研究【D】．合肥：中国科技大学，2006．【10】武亮亮，郑晓薇．基于三维网格的最短路径并行算法研究[J】．计算机工程与设计，2008，29(5)：1116．1l】8．【1l】BarryWilkinson，MichaelALllen．并行程序设计【M】．陆鑫达，译．北京：机械工业出版社，2002：50-55．【12】莫则尧，袁国兴．消息传递并行编程环境MPI[M]．北京：科学出版社，2001．【13】Princetonoff普林斯顿三维网格模型图形库【z】． 基于RSSI的无线传感器网络节点定位算法作者：章磊，黄光明，ZHANGLei，HUANGGuang-ming作者单位：章磊,ZHANGLei(华中师范大学,电子信息工程系,湖北,武汉,430079;黄石理工学院电子信息工程系,湖北,黄石,435000)，黄光明,HUANGGuang-ming(华中师范大学,电子信息工程系,湖北,武汉,430079)刊名：计算机工程与设计英文刊名：COMPUTERENGINEERINGANDDESIGN年，卷(期)：2010，31(2)被引用次数：0次参考文献(11条)1.AkyildizIF.SuW.SankarasubramaniamYWirelesssensornetwork:Asurvey2002(4)2.RabaeyJM.AmmerMJ.daSilvaJLPicorodiosupportsadhocultra-lowpowerwirelessnetworking2000(7)3.BahlP.PadmanabhanVNRADAR:Anin-buildingRF-baseduserlocationandtrackingsystem20004.HatterA.HopperA.StegglesPTheanatomyofacontextawareapplication2002(2-3)5.GirodL.EstrinDRobustrangeestimationusingacousticandmultimodalsensing20016.NiculescuD.NathBAdhocpositionsystem(APS)usingAoA20037.BulusuN.HeidemannJ.EstrinDGPS-lesslowcostoutdoorlocalizationforverysmalldevices2000(5)8.NicolescuD.NathBAdHocpositioningsystems(APS)20019.HeTian.HuangChengdu.BrianMBlumRange-freelocalizationschemesforlargescalesensornetworks200310.JagobaArias.AitzolZuloaga.JesusLazaroMalguki:AnRSSIbasedAdhoclocationaigorithm2004(8)11.YuN.WanJSL-Rdistributedlocalizationalgorithmforwirelesssensornetworks2007相似文献(10条)1.学位论文戴立伟基于接收信号强度的无线传感器网络定位算法研究2009无线传感器网络是一种集中了传感技术、嵌入式技术、无线通信技术和分布式信息处理等技术的新型前沿技术，它在军事、民用等领域有着很高的应用价值和极其广阔的应用前景，是21世纪最重要的技术之一。节点定位技术是无线传感器网络研究的一个基本问题。该技术以其蕴涵的无穷商业潜力掀起了全球范围的研究热潮。本文从无线传感器网络节点定位的的测距和位置计算出发进行了研究和分析，提出了改进型的测距与位置计算方法。改进后的算法力求克服同类算法无法解决的问题，同时提供良好的算法性能。
　　本论文简述了无线传感器网络的基本概念和国内外的研究现状，介绍了无需测距的定位算法的优缺点，然后详细分析了几种最基本的典型的基于测距的定位算法，对目前无线传感器网络存在的挑战作了总结并对本课题的研究内容做了说明。通过研究接收信号强度与距离的对数正态模型，在常规的基于接收信号强度的测距模型的基础上提出了改进型测距估计算法，MATLAB仿真结果显示该算法达到更高的距离估计精度。通过对测距和定位模型的概率分析推导出未知目标节点的定位算法。通过该模型的极大似然估计可以得出未知目标节点位置，并且分析了基于该模型的定位算法的误差的下界。然后通过分析定位模型目标函数的特点，将该问题转化为求解非线性最小二乘问题，分析了求解该问题的常规方法：梯度法和凸集投影法，详细介绍了这两种方法的实现步骤、收敛特性，并对这两种方法取长补短引入改进型增量次梯度法的思想。该迭代算法不仅可以有效的改善梯度法可能在迭代过程中收敛于局部最小值的缺陷，而且可以避免凸集投影法造成的解不唯一性。
　　对于改进后迭代算法，设定了相应的仿真参数和条件，来测试和评估算法的性能。仿真结果与我们最初的设想相吻合，显示了良好的定位性能。改进型的迭代算法能够提供相对精确的定位结果，并且从一定程度上克服了同类定位算法存在的问题。论文的最后，总结了我所做研究工作并对后续研究内容作了展望。2.期刊论文李桂丹.孙雨耕.刘丽萍.张聚伟.LIGui-dan.SUNYu-geng.LIULi-ping.ZHANGJu-wei基于接收信号强度的无线传感器网络组网协议-计算机工程与应用2008,44(24)受应用场合和节点结构的限制,无线传感器网络的算法应具有低功耗和低复杂度等特点,为此提出了一种基于接收信号强度的分布式组网协议(RSSIOP).节点不需要位置信息,通过接收基站定向天线扫描时发送的信息完成定位和分簇过程;根据剩余能量和接收信号强度竞选簇头,形成直接链路;根据接收信号强度,成员节点选择转发节点,形成转发链路;按照网络用户的时延要求成员节点自动选择直接链路或转发链路向簇头传输数据.此外,RSSIOP设计了簇头轮换和失效节点的处理机制.该算法可以减小节点的发射功率,分担簇头在数据接收和融合两方面的工作负荷.针对不同场景进行了仿真,结果证明了算法的有效性.3.期刊论文孔庆茹.杨新宇.闫超.杨文静.KONGQingru.YANGXinyu.YANChao.YANGWenjing一种基于接收信号强度指示的改进型定位算法-西安交通大学学报2008,42(2)针对无线传感器网络在道路监控、管道传输等一维环境中出现的因经验模型基站移动或环境发生改变时需要重新建立数据库的问题,提出了一种基于 接收信号强度指示(RSSI)的一维经验模型定位算法(1-DEMRSSI).该算法基于一维线性定位的思想,利用信号强度比值来确定未知节点的位置,所以只需要建立一次信号强度比值数据库.仿真结果表明,1-DEMRSSI算法比RSSI算法的运算量小,且一次定位时间可缩短10%左右,定位精度提高14.2%～66.4%,其在一维线性应用领域表现出了良好的灵活性和实用性.4.学位论文陈红阳基于测距技术的无线传感器网络定位技术研究2006无线传感器网络许多应用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。基于测距技术的传感器网络定位算法比无需测距技术的传感器网络定位算法精度相对高，因此本文将重点研究基于测距技术的无线传感器网络定位算法，并在第三章和第四章分别详细地讨论和分析了其中的TDOA和RSSI两种定位算法。首先，论文在查阅大量相关文献的基础上，综述了基于无线传感器网络定位技术的国内外研究现状。介绍了无线传感器网络定位系统和算法的性能评价标准和分类方法，着重综述了近年来该领域具有代表性的算法及系统的原理和特点。其次，我们提出了一种能应用在无线传感器网络中基于扩展卡尔曼滤波的TDOA定位方案。该定位方案不需要节点间全局同步，能有效减小节点设计的额外硬件开销，降低了节点功耗和成本。我们先利用测得的TDOA值进行定位，再将算法得出的目标节点估计值作为扩展卡尔曼的观测值进行滤波估计，以三个锚节点为例，进行了仿真分析。仿真结果表明改进的泰勒序列展开法获得的估计值经扩展卡尔曼滤波优化后，定位精度接近Cramer-Rao理论下限值。然后，本文提出了基于接收信号强度均值的无线传感器网络定位方案。该定位方案不需要目标节点主动发射信号而是被动监听信道，这将有效降低目标节点功耗并在一定程度上提高信道利用率。由于定位处理是在后台PC机上集中处理而不是节点本身，我们可以采用复杂度略高但定位性能更理想的定位算法。仿真结果表明，本文的RSSI定位机制比传统的基于接收信号强度的无线传感器网络定位算法有更好的定位性能。最后，我们在现场环境下验证了本文提出的基于接收信号强度均值的无线传感器网络定位方案的计算效率和定位性能。在办公室视距环境下，该定位方案绝对定位精度均值达到1.56米，从而在硬件平台上验证了算法的可行性，进一步表明该定位方案能满足某些室内无线传感器网络的定位需求。5.期刊论文张福兴.魏武.ZHANGFu-xing.WEIWu一种新型的基于WSN的航标网络监控系统-微计算机信息2008,24(27)针对山区航道航标系统环境的GPRS信号差和直接GPS定位困难.本文研究和设计了一种基于WSN和DGPS进行通信和定位的航标网络监控系统.实验中利用ARM板的LED灯亮数来表示通信信号强度的方法来测试节点在空旷区和树林里的通信的距离:用CC2420提供的RSSI测距功能进行定点测试进行曲线拟合的方法测定参数,并与高精度定位DGPS结合进行监控系统的定位模拟测试.测试结果表明该方案能达到监控精度在2.5m左右的定位精度.6.学位论文邓罡无线传感器网络节点定位关键技术研究2008无线传感器网络主要用于感知，监测网络覆盖区域中的各种环境参数。近年来随着无线传感器网络软硬件技术的发展，无线传感器网络已逐渐从理论研究走向实际应用。无线传感器网络在工业控制，农业生产，环境监测，军事国防等方面，都有着巨大的应用潜力。节点定位是无线传感器网络的关键和支撑技术之一，许多应用都跟节点位置息息相关，同时节点定位还为无线传感器网络的其他理论和技术如基于位置的路由，跟踪，监测等提供基础。开展对无线传感器网络节点定位的研究，具有十分重要的理论和现实意义。本文首先对无线传感器网络的概念、特点和体系结构等进行简要的介绍，然后重点分析对比了当前节点定位的主要算法及其优缺点。在总结当前定位算法存在问题的基础上，本文提出了一种环境感知的节点测距方法EAM(EnvironmentAwareNodeDistanceMeasureMethod)。EAM测距方法使用接收信号强度指示进行测距，该方法首先根据导标节点之间的相互关系，将网络覆盖区域划分为若干子区域，然后再通过导标节点之间的相互协作，分别确定出无线信号在不同子区域环境下具体的传播损耗模型，针对不同的子区域，分别选择相应区域下的信号传播模型将接收信号强度指示转化为距离信息，从而克服了网络覆盖区域中不同子区域信号传播模型的差异对距离测量的影响。为了检验EAM方法的性能，我们在Matlab平台上对该方法进行了仿真。仿真结果表明，与通常的距离测量方法相比，EAM能提高平均测距精度约15％-30％。在EAM方法中，未知节点根据自身所处的区域，选择相应区域的信号传播模型作为其信号传播模型，从而进行测距定位。在此过程中，未知节点区域的选择对测距和定位的精度有着较大影响。基于此，本文分别给出了四种不同的区域选择法并从数学角度分析了区域选择的一般原则。在基于接收信号强度指示进行测距的定位算法中，障碍物对测距精度有较大的影响。EAM方法的提出，为某些特殊情况下的障碍物分析提供了可能，本文分别针对三种情况下的障碍物进行了分析。通过对障碍物的分析，可以进一步提高EAM方法的测距精度。最后，本文给出了基于EAM的定位系统的设计与实现，并在实验室环境下测试了基于EAM的系统与基于通常测距方法的系统的定位误差。实验结果表明，基于EAM方法的定位系统能提高定位精度约20％，平均定位误差在30％以内，能满足绝大部分无线传感器网络对节点定位精度的要求。7.期刊论文杜瑞景.杨峰.张洪才.王权.DURui-jing.YANGFeng.ZHANGHong-cai.WANGQuan一种无线传感器网络定位实验系统设计与分析-计算机仿真2008,25(12)建立面向无线传感器网络,应用的实验系统,对于WSN算法的研究与应用具有重要的意义.设计并建立一套用于WSN定位算法测试与分析的无线传感器网络定位实验系统,系统由硬件甲台和软件平台组成,硬件平台由Macaz节点、MIB600构成,自主开发的软件平台SNICI对数据进行处理并实时显示整个WSN的运行状态,具有一定的通用性和可扩展性.在实验系统平台上设计并完成了基于接收信号强度(ReceivedSignalStrengthIndicator,RSSI)的定位、跟踪的相关实验与研究,并测试和分析了系统性能.实验结果表明了该实验系统的可行性.实验系统的构建有利于对WSN定位算法进行测试、分析以及优化.8.学位论文李伟兵基于无线传感器网络的矿井环境及人员监测系统研究2009煤矿井下环境恶劣，给煤矿的安全生产和矿工的身心健康带来很大威胁。为了煤矿安全生产和管理以及矿工健康，有必要对矿井环境条件和矿工生命体征进行监控。无线传感器网络是一种全新的信息获取和处理技术，它具有低功耗、低成本、分布式和自组织等特性，非常适合于煤矿井下监控。本文将无线传感器网络技术引入矿井管理中，利用无线传感器网络对矿井环境及矿工生命体征进行监测，设计了基于无线传感器网络的矿井环境及人员监测系统(MEPMSoWSN)，并对其中的关键技术进行了研究。基于无线传感器网络的矿井环境及人员监测系统通过采集井下瓦斯、二氧化碳、温湿度以及矿工的脉搏和体温等传感器信号来监测井下环境和矿工生命体征。针对矿井特殊的拓扑结构和节点的移动性，本文设计了满足井下数据传输要求的路由协议--同向梯度路由协议(SDG)；针对矿井巷道带状分布的特点设计了基于接收信号强度指示的井下人员辅助定位方法，该方法可以将矿工位置信息及时提供给监控中心。经仿真实验分析得出，矿井环境及人员监测无线传感器网络工作稳定可靠，井下通信采用SDG路由协议是可行的，并且能够满足矿井监测网络数据传输的要求。9.学位论文魏春光ZigBee无线传感器网络实时定位系统设计2008无线传感器网络(WirelessSensorNetwork，WSN)是一种以数据为中心的无线自组织网络(wirelessad-hocnetwork)，能够实时感知、采集和监测各种环境或观察对象的信息。IEEE802.15.4/ZigBee协议为无线传感器网络提供了互联互通的国际标准，也为相关产业的发展提供了有力的推动作用。无线传感器网络可用于军事、商业、医疗救护、环境监测等诸多领域。由于传感器节点受到成本、能量和体积的限制，无线传感器网络节点的定位遇到了新韵挑战——在低能耗、低复杂度的情况下，实现精确定位。本文综述了无线传感器网络的特点、应用及目前国内外的研究现状，介绍了ZigBee协议标准各层的结构与功能，以及近年来在无线传感器网络定位技术领域具有代表性的算法。其次，本文利用TI公司的无线收发芯片CC2431设计了无线传感器网络的硬件模块，并用C语言实现了ZigBee协议栈及主要应用程序。该系统采用基于接收信号强度指示(RSSI)算法实现分布式无线网络节点定位，这种分布式的定位机制，有效的降低了功耗，提高了信道利用率。本系统的定位偏差小于三米，达到了设计要求。10.期刊论文戴立伟.李向阳.程赟.DAILi-wei.LIXiang-yang.CHENGYun无线传感器网络的RSSI定位技术研究-计算机工程与设计2009,30(19)在许多无线传感器网络应用中,定位已经成为一个基本的服务需求.分析了基于接收信号强度(RSS)测量模型的位置估计,详细地推导了单个盲节点位 置的概率密度函数并分析两个盲节点位置的概率分布的关系,通过该模型的极大似然估计可以得出盲节点位置,而且在此基础上修正了该定位估计算法,使得系统中盲节点越多其估计位置的精度越高,最后通过有效的仿真验证了算法.本文链接：http://d.g.wanfangdata.com.cn/Periodical_jsjgcysj201002016.aspx授权使用：电子科技大学(cddzkjdx)，授权号：aac1ae04-711b-4771-a7c2-9dbf00f22c5e下载时间：2010年7月26日