改进的无线传感器网络三边质心定位算法研究
一种改进的EddystoneTLM质心室内三边定位算法
一种改进的EddystoneTLM质心室内三边定位算法EddystoneTLM（Eddystone Telemetry）是由Google推出的一种蓝牙低功耗（BLE）信标协议，用于在室内和室外环境中提供位置、状态和环境数据。
该协议采用了广播方式发送数据，可以被支持BLE的设备接收并解析。
三边定位算法是一种常用的室内定位算法，通过接收来自至少三个节点（信标或WIFI 接入点）的信号强度来计算目标设备的位置。
传统的三边定位算法在复杂的室内环境中存在一些问题，比如受到多径效应、信号遮挡、信号干扰等因素的影响，导致定位误差较大。
针对这一问题，我们提出了一种改进的EddystoneTLM质心室内三边定位算法。
该算法结合了EddystoneTLM协议的特点和质心定位算法的优势，能够在室内环境中实现更精准的定位效果。
我们利用EddystoneTLM协议中的温度、湿度、光照等环境数据，结合传感器获取的加速度、陀螺仪等信息，对室内环境进行建模和分析，得到环境特征参数。
然后，通过对环境特征参数的分析，结合质心定位算法，对目标设备进行定位。
1. 提高定位精度：利用环境数据和传感器信息对室内环境进行建模和分析，能够更准确地获取目标设备的位置信息，提高了定位精度。
2. 减小定位误差：通过对环境特征参数的分析，能够有效地减小定位误差，提高定位的准确性。
3. 提高定位稳定性：改进的算法能够更好地适应复杂的室内环境，减小了外界干扰对定位结果的影响，提高了定位的稳定性。
4. 降低成本：利用EddystoneTLM协议和传感器信息进行定位，无需额外的硬件设备支持，降低了定位系统的成本。
在实际的应用场景中，改进的EddystoneTLM质心室内三边定位算法可以被广泛应用于室内定位服务、室内导航、基于位置的营销等领域。
在商场、展览馆、机场、医院等室内场所，可以利用该算法实现精准的定位和导航，为用户提供更便利的服务和体验；在零售、餐饮等行业，可以利用该算法进行位置推荐、营销推送等服务，提高用户的消费体验和交易量。
无线传感器网络中一种改进的三点定位算法
无线传感器网络中一种改进的三点定位算法谢绍国【摘要】无线传感器网络作为一种全新的信息获取和处理技术,广泛应用于军事、医疗、环境监测等领域,而定位是这些应用的前提和基础.因此,针对无线传感器网络节点自身定位技术的研究具有重要的理论和实际意义.为了有效地利用信标节点和提高定位精度,在研究三点定位算法的基础上,提出了改进的三点定位算法.理论分析表明,改进的三点定位算法进一步有效利用了信标节点,提高了节点定位精度.仿真实验结果显示,与三点定位算法相比,改进的三点定位算法减少了定位误差.%As a completely new information acquisition and processing technology, wireless sensor networks are widely used in military, medical, environmental monitoring and other fields, and location positioning is the premise and foundation of these applications. Therefore, it is of great theoretical and practical significance to study the self-localization technology of wireless sensor network nodes. In order to effectively utilize beacon nodes and improve positioning accuracy, the modified three-point positioning algorithm is proposed based on the study of three-point positioning algorithm. Theoretical analysis indicates that the modified three-point positioning algorithm can further utilize beacon nodes effectively and improve the positioning accuracy of nodes. Simulation results show that as compared with the traditional three-point positioning algorithm, the modified three-point positioning algorithm could reduce the positioning error.【期刊名称】《通信技术》【年(卷),期】2017(050)012【总页数】3页(P2756-2758)【关键词】无线传感器网络;三点定位;信标节点;定位误差【作者】谢绍国【作者单位】安庆师范大学,安徽安庆 246133【正文语种】中文【中图分类】TN911.21节点定位技术在无线传感器网络的节点部署中非常重要[1]。
一种无线传感器网络质心定位改进算法
ｕ ｅ ｏｒ ｃ ｉｎ ｍｅ ｈ ｎｓ ｔ ｏ ｅ ｔｔ ｅ ｎ ｔａ ｌｃ ｉａｉｎ． Ｔ ｅ ｌｇ ｒｔ ｓ ｓ ａ ｃ ｒｅ ｔｏ ｃ ａ ｉｍ ｏ ｃ ｒ ｃ ｈ ｉｉｉｌ ｏ ａ ｚ ｔｏ ｌ ｈ ａ ｏ ｉ ｈｍ ａ ｏ ｒ ｃ ｍｐ ｔｔｏ ａ ｏ ｌｘｔ ｈ ｓ ｌｗｅ ｏ ｕ ａｉｎ ｃ ｍｐｅ ｉｙ， ｌ ｃ ｍｍｕ ｉａ ｉｎ ｓ ｅ ｄ ｎ ｓｓｍｉａ ｏ ｔ ｅ ｃ ｎｒ ｉ ｏ ａａ ａ ｉｎ ａｇ ｒｔｍ． Ｓｍｕ ａｉｎ ｒ ｓ ｌｓ ｓ ｗ ｈ ｔ ｈ ｍｐ ｏ ｅ ｏ ｎ ｃ ｔ ｐ ｎ ｉ ｇ ｉ ｉ ｌ ｒｔ ｈ ｅ ｔｏｄ ｌｅ ｌｚ ｔ ｌｏ ｉｈ ｏ ｏ ｉ ｌｔｏ ｅ ｕｔ ｈｏ ｔ ａ ，ｔ ｅ ｉ ｒｖ ｄ
第２ ３卷 第 ６期
２１ ０ ０年 ６月
传 感 技 术 学 报
Ｃ ＮＥ Ｅ Ｊ ＲＮ ＥＮ ＯＲ Ｄ ＡＣ Ｕ ０ Ｓ ＨＩ Ｓ ＯＵ ＡＬ ＯＦ Ｓ Ｓ Ｓ ＡＮ Ｔ ＡＴ Ｒ
Ｖｏ ． ３ Ｎｏ ６ １２ ．
Ｊｎ ０ ０ ｕ ．２ １
Ａｎ Ｉ ｐ ｏ ｅ ｎ ｒ ｉ ｃ ｆ ａ ｉ ｎ Ａｌ ｏ ｉｈ ｏ ｉｅｅ ｓ Ｓ ｎ ｏ ｔ ｒ ｍ ｒ ｖ ｄ Ｃｅ ｔ ｏｄ Ｌｏ ａ ｚ ｔｏ ｇ ｒｔ ｍ ｆ ｒ Ｗ ｒ ｌｓ ｅ ｓ ｒ Ｎｅ ｗｏ ｋ ｉ
Ｋｅ ｙ ｗｏｒ ：Ｗ Ｓ ｄｓ Ｎｓ；ｄ ｓｒｂ ｔ ｄ ｌ ｅ ｉａｉ ｎ；ｃ ｎｒ ｉ ｏ ａｉａｉｎ；ｌ ｃ ｌ ａｉ ｎ ｃ ｒｅ ｔｏ ． ｉｔ ｕ ｅ ｏ ａ ｚ ｔｏ ｉ ｌ ｅ ｔｏｄ ｌｅ ｚ ｔｏ ｌ ｏ ａ ｉ ｔ ｏ ｃｉ ｎ ｚ ｏ ＥＥＡＣＣ ：６ ５ １ ０Ｐ
提高 定位精 度 ， 具有 较 大 的实用 价 值 。本 文 以此 为 出发 点 ， Ｒ Ｓ 定 位信 息 引入 到 质 心定 位算 法 中， 将 ＳＩ
无线传感器网络改进质心算法的节点自定位
第 ４期
张华等 ： 无线传感器网络改进质心算法的节点 自定位
算的精度取决于信标节点 的密度和分布 。许多人针对质心算法提 出了改进思路 ， 文献『 提出一种密度 自 ２ １ 适应 的 Ｈ Ａ Ｅ Ｐ算法 ， 通过在信标节点密度低 的区域增加新标节点 ， 以提高定位的精度 ； 文献『 中提对距离 ３ １ 无关的几种定位机制进行 了比较 ， 信标节点密度 的大小影响了定位精度的高低 ， 还有一些文献通过对信标 节点与未知节点的距离的研究 ， 如采用时间差或以距离作为权值参数来讨论定位的精度问题。 考虑在不增 加信标节点密度的情况下以节点间的距离作为约束 ， 探讨通信半径和节点数对节点定位精度的影响， 采用 极大似然估计法对函数进行优化 ， 改进节点 自 定位的精度。
基于改进的RSSI无线传感器网络节点定位算法研究
关 键词 ：无线 传感 器 网络 ； 节点 定位 ； 收信 号强度 ； 心定 位 算法 接 质
中图分类 号 ：Ｔ ３ ３ Ｐ ９ 文献 标志 码 ：Ａ 文章 编号 ：１ ０ － ６ ５ ２ １ ） ５ １ ６ ＇３ ０ １３ ９ （ ０ ２ ０ —８ ７ ０
ｄ ｉ１ ． ９ ９ ｊｉ ｎ １ ０ —６ ５ ２ １ ．５ ０ １ ｏ ：０ ３ ６ ／ ．ｓ ．０ １３ ９ ．０ ２ ０ ．７ ｓ
ห้องสมุดไป่ตู้
ｒｔ ｍ ｅ ｇ ｔ．Ｌ ｓｌ ｔ ｓ ｄ ｃ ｎ ｒ ｉ ｏ ａｉａｉ ｎ ａ ｇ ｒｔｍ ａｃ ｕ ｔ ｈ ｏ ｅ ｌ ｃ ｔ ｎ ａ ｄ ｏ ｔｉｅ ｏ ｅ ｅ ａ ｔ ｏ ａｉｎ ｉ ｈ ｗ ｉｈ ｓ ａ ｔ ｙ，ｉ ｕ ｅ ｅ ｔ ｄ ｌｃ ｌ ｔ ｌｏ ｉ ｏ ｚ ｏ ｈ ｔ ｃ Ｉａ ａｅ ｔ ｅ ｎ ｄ ｏ ａｉ ｎ ｂ ａｎ ｄ ｎ ｄ ｘ ｃ ｃ ｔ ． ｏ ｏ ｌ ｏ Ｔ ｅ ｓｍｕ ａｉｎ ｒ ｓ ｈ ｈ ｗ ｔ ａ ．ｔ ｅ￣ ｇ ｒ ｈ ｉ ｒ ｖ ｓｔ ｅ ｎ ｄ ｏ ａｉｎ ａ ｃ ｒ ｃ ｎ ｅ ｕ ｅ ｈ ｏ ａ ｉｎ ｅｒ ｒ ｃ ｍｐ ｒ ｄ ｈ ｉ ｌｔ ｅ ｕ ｓ ｓ ｏ ｈ ｔ ｈ ｔ ｏ ｉ ｍ ｍｐ ｏ ｅ ｈ ｏ ｅ ｌ ｃ ｔ ｃ ｕ ａ ｙ ａ ｄ ｒ ｄ ｃ ｓ ｔ ｅ ｌｃ ｔ ｒ ｏ ａ ｅ ｏ ｌ ｔ ｏ ｏ ｏ
苟 胜 难
（ 山师范 学院 计 算机科 学 学院 ， 川 乐山 ６４０ ） 乐 四 １０４
摘 要 ：研 究无线 传感 器 网络 节 点定位 问题 。接收 信号 强度 值 （ Ｓ Ｉ 直接 影 响无 线传 感 器 网络 节点 定位 准 确 Ｒ Ｓ）
度 ， 有 定位 算法没 有考 虑锚 节点 的 Ｒ Ｓ 消 息 ， 成节 点定位 精度 低 。为 了提 高无 线传 感 器 网络 节 点 的定位 而现 ＳＩ 造 精 度 ， 出 了一 种基 于 Ｒ Ｓ 的 质心 定位算 法 。首先通 过无 线信 号强度 计 算 出节 点 间 Ｒ Ｓ 值 ， 提 ＳＩ ＳＩ 然后 把 Ｒ Ｓ 值 转 ＳＩ
基于RSSI的无线传感器网络三角形质心定位算法
引言无线传感器网络是面向事件的监测网络，对于大多数应用，不知道传感器位置而感知的数据是没有意义的。
实时地确定事件发生的位置或获取消息的节点位置是传感器网络最基本的功能之一，也是提供监测事件位置信息的前提，所以定位技术对传感器网络应用的有效性起着关键的作用。
在无线传感器网络中，按节点位置估测机制，根据定位过程中是否测量节点间的实际距离或角度，可分为基于距离(Range—based)的定位算法和距离无关(Range—free)的定位算法。
前者需要测量节点间的实际距离；后者是利用节点间的估计距离来计算末知节点的位置。
在基于距离的定位算法中，测量节点间距离或方位时采用的方法有TOA(Time of Arrival)，TDOA(Time Difference of Arrival)，RSSI(ReceivedSignal Strength Indication)和AOA(Angle of Arri—val)。
距离无关的算法主要有质心算法、DV—hop算法等。
相比之下，基于距离的定位算法测量精度较高，距离无关的定位算法对硬件要求较低。
比较各种基于距离的测距算法，TOA需要精确的时钟同步，TDOA需要节点配备超声波收发装置，AOA需要有天线阵列或麦克风阵列，这三种算法对硬件要求较高。
RSSI技术主要是用RF信号，而节点本身就具有无线通信能力，故其是一种低功耗、廉价的测距技术。
接收信号强度指示RSSI的定位方法，是在已知发射节点的发射信号强度，根据接收节点收到的信号强度，计算出信号的传播损耗，再利用理论和经验模型将传输损耗转化为距离，最后计算节点的位置。
因为理论和经验模型的估测性质，故而RSSI具有较大定位误差。
基于RSSI技术，提出一种将RSSI测量方法与三角形质心算法相结合的新型定位算法，该算法用三角形质心算法减小RSSI的测量误差。
仿真表明，该算法基于RSSI的三边测量法定位算法相比，极大提高了定位精度。
无线传感器网络质心定位算法研究
统、 通信 技术 、 入 式 计 算 技 术 和 分 布 式 信 息处 理 嵌
技 术等综 合交 叉起 来 的一 个 研 究 领域 ， 多学 科 交 是
结合 进而 对其 定 位 性 能 进 行 了 改 进 ； 献 ［ ］ 用 文 ８利 未知 节点 接 收 到 的锚 节 点 所 发 送 信 号 功 率 的 强 度
对定 位精 度及 定位 时 间起 调 节 作 用 ， 网络 的平 均 而
连 通度是 确保 质心 算 法 能够 正 常 运行 的前 提 ， 值 其
的改变并 不 能 影 响 定 位 精 度 ； 同时 ， 虑 到 算 法 的 考 能 量消 耗 ， 一 定 网 络 连 通 度 的基 础 上 ， 固定 监 在 在
２１ ０ ２年 ５月 ７ 日收 到
１ Ｃ ｎｒｉ 定位算法描述 ｅｔ ｄ ｏ
Ｃ ｎｒｉ ｅｔ ｄ定位算 法最 初是 由南 加 州大 学 Ｎ ｒｐ ． ｏ ｉ ａ ｕ ｍａＢ ｌｓ ｕｕｕ等人 提 出的一 种 无 需测 距 的 室外 定 位算 法 Ｊ 。具体 的定位 过 程 为 ： 节 点 每 隔一 段 时 间 锚
往 往是 没 有 任 何 意 义 的 。根 据 定 位 过程 中是 否 需 要通 过物理 手段 实 际 测量 节 点 问 的距 离 或 角 度 ，
响其 定位 精度及 定 位率 的几 个 重要 参 数 ， 括 节 点 包 个数 、 锚节 点个 数 以及 节 点通 信 半 径 进 行详 细 的仿
第１ ２卷 第 ２ ３期
２１ ０ ２年 ８月
科
学
技
术
与
工
程
Ｖｏ．１ Ｎｏ ２３ Ａｕ １ ２ ． ｇ．２０１ ２
１７ — １ １ ２ １ ２ —７８ ０ ６ １ ８ ５（ ０ ２） ３ ５ ７ — ６
无线传感器网络中基于RSSI改进质心定位算法
２ ． １ 锚节点 的选择 在传统 的质心定位算法中 。 当待定位节点收到 来 自不同信标节点且数量超过某－ －Ｉ ］限 ｋ 时， 就以 这些信标节点所组成 的多边形质心作为 自己的位 置。 计算公式嘲 如下 ：
・
１ ３・
第１ ５卷第 ５ 期
２ ０ １ ３年 １ ０月
黄 山 学 院 学 报
Ｊ ｏ ｕ ｍａ ｌ ｏ ｆ Ｈｕ ａ ｎ ｇ ｓ ｈ ａ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
Ｖｏ １ ． １ ５ ， ＮＯ． ５ Ｏｃ ｔ ． ２ ０１ ３
无线传感器 网络 中基于 Ｒ Ｓ Ｓ Ｉ 改进质心定位算 法
本 文 算 法通 过 已 知样 本 点 把 待 定 为 节 点 存 在
随着计算机技术和无线通信技术的不断发展 ， 无线传感器 网络 已被广泛应用于农业 、 环境以及 军
事侦察等诸多领域 。无线传感器网络是由大量具有 感知 、处理和通信能力的无线传感器 节点组成 ， 其
中位置信息是感知数据的重要组成部分。Ｉ ｔ ］ 因此 ， 无 线传感器 节点的 自身定位是无线传感器 网络 需要 解决的首要 问题 。 针对解 决无线传感器节点定 位 问题存在许 多
待定 位节 点 的估计 位置 ， 定位误 差 比较 大 。
否则， 丢弃 Ｃ节点 ， 然后按以上方法依次选择离待 定位节点稍远的锚节点。
２ ． ２ 缩小 定位 区域
在无线传感器 网络中， 如果一个待定位节点需
要被定位 ， 那么该节点会 向周围的非共线锚节点发 送请求 ， 锚 节 点收 到 请 求 后 则 向它 发 送 信 号 ， 通 过
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
改进的无线传感器网络三边质心定位算法研究
作者：杨菊
来源：《西部论丛》2020年第08期
摘要：无线传感设备设计其网络规划时，常采用节点定位技术，便于找寻数据源的精准坐标位置，因此在进行信号接收阶段时，可应用三边质心定位方法，实现成本低、仅需三个锚节点等优势，以此顺利完成定位工作。
本文对传统定位技术的应用中发现其工作时受外界干扰的影响较大，造成算法误差情况，因此选择改进原有算法，通过使用RSSI测距方法将数据源信号聚类，降低干扰引起的误差数值，提高节点定位精度。
关键词：三边质心定位;传感器;锚节点
引言
环境监测、军事侦察等领域中需要能够反映现实特征的设备，无线传感器设备可实现自发感知环境能力，因此其集合网络可被应用在较广泛行业中，并取得较高应用价值。
为良好实现
数据跟踪目标，需要在无线传感器上搭载节点定位技术，保障可对数据实现可移动跟踪结果。
使用节点定位方式，通常选择部分节点作为锚节点，然后通过算法计算，由此获得跟踪数据的准确定位信息。
1 根据RSSI测距的三边定位算法
1.1RSSI定位原理。
对传感器网络做出RSSI测距处理，其基本的定位原理是通过测量节点间距离，根据空间几何的计算公式，以此完成对节点的准确定位，其定位方法中包括三角、三边、极大似然等，而三边定位方法较为常用，因为其应用过程中可实现降低运行成本的目标，可提高应用效益。
根据RSSI测距定位过程，可进行三阶段下的测距定位步骤，首先是测距阶段，发射信号至某未知节点，通过返回信号的强度，判断锚节点与该未知节点的中心距离，现阶段常采用对数——正态分布模型来完成该测距工作。
其次是定位阶段，对某位置节点做出距离计算，可通过定位算法的使用，将自身位置确定，该过程中常用方法是三边质心、极大似然等。
最后是修正阶段，因未知节点其坐标并不明确，所以采用优化、修正方式将其初始定位计算数值做以调整，进一步减少定位误差，提高节点精度。
1.2三边定位原理。
为减少定位过程存在的误差现象，可提取距离某未知节点最近的一条直线上的三个锚点作为基础定位点，进行定位操作，以此便可有效将定位精度加以提高。
假设未知节点U（x，y）通过接收三个锚节点M 1（x1，y1）、M2（x2，y2）和M3（x3，y3）发送的RSSI信号计算锚节点，到未知节点U（x，y）的对应距离d1、d2和d3，以M1、M2和M3为圆心，距离d1、d2和d3为半径画圆，得到三个定位圆之间的交点[1]。
图1为定位原理图。
图1 三边定位的算法原理
将两点间的距离公式做联立方程组，经由变形可转换为矩阵方程，由此便可得到节点的初始预估坐标。
考虑到存在噪声干扰环境影响，因此使用三边质心定位的算法估算出该未知节点的大致位置，当与RSSI信号强度呈正相关时，该算法结果中代入具体数值，便可求得较为精准的定位数据。
2 改进后的三边定位算法分析
2.1寻找三个锚节点。
因RSSI信号较易受到外界干扰，因此可选择寻找三个锚节点，来对某未知节点发射数量较多的RSSI信号，并通过模糊C的均值聚类方式，将信号聚类，由此便可大概率消除影响到定位数据精确的干扰信号。
由文献可知，当三个选取的锚节点其空间位置最大程度接近等边三角形时，则该定位数据较为精确，并且在锚节点位置越近、RSSI数值越大时，选取未知节点位置工作，算法便可拥有较大决定权。
因此需要保障锚节点其选择因素应建立在RSSI信号较大时，并且严格避免三点位置处于同一条直线附近，尽量分开且呈现等边三边形空间结构。
该过程使用双集合组合方法进行合适锚节点的挑选工作。
2.2计算RSSI准确值。
模糊C均值的聚类算法，用隶属度去表示每个样本应该属于某聚类程度，因此该算法通过迭代方式，可以更容易寻找使目标函数，可以不断趋向更小值时的中心向量及隶属度。
但由于该算法容易陷入局部极小值，所以对隶属度初始值的选取依赖程度很高，可以在全局空间寻找最优解，不易陷入局部极值[2]。
所以本文使用的是将量子粒子群，对其算法充分优化，并保持全局搜索操作，来代替模糊C的均值聚类算法，从而将迭代过程计算中的最优解结果加以体现。
2.3参考点加权算法。
使用得出的RSSI三元组数据，去进行三个锚节点的具体定位计算，再凭借三个节点位置数据找出三个对应的参考点，使用加权质心定位的有效算法，去计算该未知节点的准确坐标，由此避免原有数值得出过程中的众多信号干扰因素。
首先应计算出三个参考点位置，然后将加权质心定位的算法代入到未知节点坐标中，得出具体数值。
使用参考点加权算法，可有效保证以锚节点为圆心画的圆可以保持相交，由此降低了定位误差，并且三圆组成面积可形成更小范围，由此增加了节点定位的精度。
3 仿真结果分析
使用5个无线传输模块，对该改进后的算法进行效果分析，其中3个模块作为锚节点，1个模块将其定位于某未知节点，最后一个模块作为网关使用。
该仿真实验采用定位误差率的大小，来判断改进后的算法性能，本文提出的算法可在距离40米时，误差率小于10%，比原有算法误差率降低一半，因此可证明该改进算法能够取得较为精确的节点定位计算结果。
图2为不同算法下的定位误差率的比较。
图2 三种算法的误差率比较
结论
综上，进行节点定位技术，可将无线传感器网络的应用效果进一步加强，因原有定位算法的精度达不到实际使用要求，所以提出以模糊C为均值聚类的新的质心算法，仿真結果显示，当改进后的算法进行RSSI测距时，其误差较小，由此带来的定位精度也更高，从而弥补了原有算法不足。
在原有算法基础上，为保持硬件稳定，仅增加了少量计算量，便可适应低成本、能耗要求，由此完成了三边定位的较优方案。
参考文献
[1] 李海啸，于东，胡毅，于皓宇.改进的无线传感器网络三边质心定位算法[J].小型微型计算机系统，2020，41（06）：1216-1223.
[2] 朱齐媛，马兴灶.无线传感器网络中三边定位的聚类分析改进算法[J].山东农业大学学报（自然科学版），2019，50（03）：473-476.
作者简介：杨菊（1997.08.12—）;性别：女，民族：回，籍贯：宁夏同心，学历：本科;现有职称：无;研究方向：计算机科学与技术、无线网络。