一种基于RSSI的混合定位算法.pdf

《一种基于RSSI的混合定位算法.pdf》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。

1、第28卷第12期传感技术学报Vo1．28No．122015年12月CHINESEJOURNALOFSENSORSANDACTUATORSDee．2015AHybridlocalizationAlgorithmBasedonRSSIWANGQian，JINGuang，NIUJun(DepartmentofInformationandEngineering，NingBoUniversity，NingboZhefiang351211，China)Abstract：Withthegrowthindemandoflocalizationand

2、thelow1ocalizationprecisionleadedbycomplexindooren．vironment，thepaperputsforwardaBPtrainingmethodtoreplacetraditionalsolutions，inordertoeliminatetheex—eessiveexperiencedependenceandenhancealgorithm’Senvironmentaladaptability．Basedonthat，thepaperpro-cessesthestatistical

3、datatostudytherelationshipbetweenmeasureddistanceandpredicateddistance，andbuildstheprobabilisticannularintervalsofanchornodes．Onthisbasis，analgorithmofoverlappingintervalsisproposed，andfinallyconfirmanewhybridlocalizationschemewiththesupplementarymethodofmultiplebounda

4、rycentroidalgorithm．TheschemeistestedonCC2420／TinyOSplatformtovalidateitsadaptabilityandperformance，andre-sultsshowedthatthelocationaccuracyisimprovedby17．2％comparedtotraditionalweightedcentroidalgorithmand37％comparedtocentroidalgorithm．Keywords：WSN；RSSIRange；BPNeuralN

5、etwork；probabilisticintervalsoverlappinglocalization；multipleboundaryCentroidAlgorithmEEACC：7230doi：10．39690．issn．1004-1699．2015．12．016一种基于RSSI的混合定位算法王千，金光，钮俊(宁波大学信息与工程学院，浙江宁波351211)摘要：随着市场对定位需求及精度要求的提高，针对室内复杂环境而导致低精度定位的问题，提出使用BP~JII练方法取代传统方案进行测距模型的建立，以消除对环境的过度经验依赖，提高算

6、法针对不同环境的普适性；并在此基础上，研究了实测距离与模型预测距离关系，建立锚节点概率环形区间，提出概率区间交叠定位算法，并以多边界质心算法为辅，得到一种新的混合定位方法。该方法在CC2420／TinyOS平台验证，通过实测试验证明其在定位精度上较传统加权质心算法／质心算法提高了17．2％和37％。关键词：无线传感网络；RSSI测距；BP神经网络；概率区间交叠定位；多边界质心算法中图分类号：TP393文献标识码：A文章编号：1OO4—1699(2O15)12—1823一O7作为一种新型的信息获取、数据处理的智能嵌入(Rangefre

7、e)和基于测距(Range—based)的方法进行式设备，无线传感器网络具有广泛的应用领域。而在分类。免测距方法不直接对距离进行测量，而是WSN应用中，节点位置信息是在目标识别、监控、跟踪使用网络的连通度来估计节点距锚节点的距离或等应用方面的前提和基础，故室内目标定位等应用，坐标，比较典型的有质心算法、距离向量算法可弥补GPS等卫星定位系统在室内难于获得位置信(DV—Hop)和近似三边内角测试法(APIT)等。基息的弊端，为大型商城、体育场馆、会展中心、停车场、于测距的算法利用某种测量方法测量距离(或角室内广场提供目标跟踪等实时位置

8、信息。度)，利用测得的距离(或角度)计算未知节点坐标，目前节点定位算法主要按照基于免测距如基于信号传输时间的方法TOA(TimeOfArriva1)项目来源：浙江省自然科学基金项目(LY15F020010，LY12F02013)；宁波