一种改进的APIT定位算法

合集下载

基于无线传感器网络的TDOA_CTLS定位算法研究

基于无线传感器网络的TDOA_CTLS定位算法研究

r i 代替矩阵H * 1 中的 -
r* i ) , 若只考虑向量 Y 的噪声干扰, 则可以得到最 小二乘意义下的解为 : -1 X 1 LS = ( H T HT 1 H 1) 1 Y1 ( 4)
{ y 1, y 2,
, y n- m }
若同时考虑 H 和 Y 的噪声干扰 , 并且假设噪声 的各分量统计独立 , 则可以得到总体最小二乘意义 下的解为: X 1 T LS = [ v 5 ( 2) / v 5 ( 1) , v 5 ( 3) / v 5 ( 1) , v 5 ( 4) / v 5 ( 1) ]
150
微电子学与计算机
2010 年
T DOA- CT L S ( T ime Diff erence of Arrival- Crit e ria T otal L east Square) , 并进行了理论推导与算法性 能分析 , 与基于 T L S 的定位算法相比, 定位精度有 明显改进 .
将式( 2 ) 写成线性方程组如下 : H 1X 1 = Y 1 其中 x 0- x1 H1= x 0- x2 y0- y1 y0- y2 z 0- z1 z 0- z2 r1 r2 rN
1
引言
随着通信技术、 嵌入式计算机技术和传感器技
- Based 算法通过距离或者 角度信息进行 定位, 测 距技 术 包 括 : 信 号 到 达 时 间 ( T ime of Arrival, T OA) [ 4] 、 信号到 达时间差 ( T ime Difference of Ar rival, T DOA) [ 5] 、 信 号到达角 度 ( Angle of Arrival, AOA) [ 6] 、 信号强度( Received Sig nal Strengt h Indica tor, RSSI) 等 . 此类算法需要额外的硬件支撑 , 其 定位精度较高 . Range- F ree 算法不需 要测量节点 间的距离和方位 , 对硬件要求 简单, 但 定位误差较 大 , 满足部分不需要精度很高位置的场合 . 其典型算 法包括: 质心算法、 DV - H OP 算法[ 8 9] 、 Amorphous 算法、 M DS- MAP 算法及 APIT 算法等. 文中将测距技术与参考节点 ( beacons) 相结合, 利用转移矩阵和观测矩阵噪声之间的约束关系, 提 出一 种 基 于 T DOA 的 约 束 最 小 二 乘 算法 , 简 称

基于IAPIT的无线传感器网络定位算法研究

基于IAPIT的无线传感器网络定位算法研究
2012 年 6 月 27 日收到 第一作者简介: 朱 轮( 1974 —) , 男, 江苏常州人, 常州大学信息中 心工程师。研究方向: 电子信息技术。
[2 ]

定自己的位置。因此, 锚节点也被叫做信标节点或
{
( x - x1 ) ( x - x2 ) ( x - x3 )
2 2 2
+ ( y - y1 ) + ( y - y2 ) + ( y - y3 )
第 12 卷 第 32 期 2012 年 11 月 1671 — 1815 ( 2012 ) 32-8717-05







Science Technology and Engineering
Vol. 12 No. 32 Nov. 2012 2012 Sci. Tech. Engrg.
基于 IAPIT 的无线传感器网络定位算法研究
自己的位置把传感器节点区分为未知的节点和锚 节点。锚节点在无线传感器网络中占有的比例非 常小, 一般都是通过其自身携带的定位设备或者提 前在已知部位进行部署的, 来实现自身定位。 未知 节点一般没有携带 GPS 定位设备并且随机部署, 通 常通过锚节点位置的信息以及节点间的通信 者参考节点。如图 1 所示。
2 2 2
= d2 1 = d2 2 = d2 3 ( 1)
式( 1 ) 可得联立方程( 2 ) 。
8718







12 卷
图2
三边测量法图示
2 ( x1 x2 1 2 ( x2 x2 1
- x3 ) x + 2 ( y1 - y3 ) y =

第五章(支撑技术-节点定位)2014

第五章(支撑技术-节点定位)2014

5.1 概述
5.1.1 5.1.2 5.1.3 5.1.4 5.1.5 5.1.6 基本概念 基本术语 应用领域 定位算法分类 定位算法特点及要求 性能评价
5.1.1 基本概念
定义:无线传感器网络的定位问题一般指对于一组未知位置坐标的网 络节点,依靠有限的位置已知的锚节点,通过测量未知节点至其余节 点的距离或跳数,或者通过估计节点可能处于的区域范围,结合节点 间交换的信息和锚节点的已知位置,来确定每个节点的位置。 • 节点定位技术是无线传感网络的主要支撑技术之一。 • 节点定位问题即根据少数已知位置的节点,按照某种定位机制确定自 身的位置。 • 只有在节点自身正确定位之后,才能确定传感器节点监测到的事件的 具体位置,这需要监测到该事件的多个传感器节点之间相互协作,并 利用他们自身的定位机制确定事件发生的位置。 • 可以说,没有位置信息的数据往往是毫无意义的。 • 在传感器网络中,传感器节点自身的正确定位是提供监测事件位置信 息的前提。
• 在现实应用中,无线传感器网络的定位技术可以应用在许多重要的领 域,几乎包括所有无线传感器技术能够应用到的领域,包括传统应用 有军事,监控,应急,环境,防空等领域,新兴应用将涉及家用,企 业管理,保健,交通等领域。
5.1.4 定位算法分类
近年来出现了多种定位算法,在特定条件下,某些算法在某些性能指 标上可能优于其它算法,而在其它方面可能处于劣势。在一定意义下 ,具有普遍性的公认为最优秀的定位算法目前尚未产生。 尽管无线传感器网络自身定位系统和算法的分类还没有一个统一的标 准,也不一定适用于每一种定位系统和算法,但下面这些分类方法能 在一定程度上刻画不同定位技术的特点。
5.1.6 性能评价
(5)容错性和自适应性。通常,定位系统和算法都需要比较理想的无线通 信环境和可靠的网络节点设备。但在真实应用场合中常会有诸如以下 的问题:外界环境中存在严重的多径传播、衰减、非视距(non-lineof-sight,简称NLOS)、通信盲点等问题;网络节点由于周围环境或 自身原因(如电池耗尽、物理损伤)而出现失效的问题;外界影响和节 点硬件精度限制造成节点间点到点的距离或角度测量误差增大的问题。 由于环境、能耗和其他原因,物理地维护或替换传感器节点或使用其 他高精度的测量手段常常是十分困难或不可行的。因此,定位系统和 算法的软、硬件必须具有很强的容错性和自适应性,能够通过自动调 整或重构纠正错误、适应环境、减小各种误差的影响,以提高定位精 度。 (6)功耗。功耗是对WSN的设计和实现影响最大的因素之一。由于传感器 节点电池能量有限,因此在保证定位精度的前提下,与功耗密切相关 的定位所需的计算量、通信开销、存储开销、时间复杂性是一组关键 性指标。

节点定位概述

节点定位概述

传感器网络节点定位算法
基于测距的定位算法实现起来比较复杂,首先需要通过TOA、
TDOA、AOA、RSSI等常用的测距技术来测量各个未知节点到信标节 点的绝对距离值。
这个阶段也称为测距阶段。
测距结束后就要进行定位(计算坐标)阶段,即利用测距阶段所得的 节点间的距离或方位等参数来计算出未知节点的位置。
传感器网络节点定位算法
基于测距的定位算法 :
➢ 三边测量定位法(Trilateration) ➢ 多边定位法(Multilateration) ➢ 三角测量法(Triangulation) ➢ 极大似然估计法(Maximum Likelihood Method) ➢ 角度定位法(Goniometry)等
MDS-MAP定位算法是University of Missouri-Columbia的Yi Shang 等提出来的。
该算法属于集中式定位算法,它是利用节点间的连通信息通过 Dijkstra或Floyd算法生成节点间距矩阵,然后利用多维尺度分析技 术来获得节点间的位置信息。
这个多边形基本上确定了未知节点所在的区域并缩小了未知节点所在 的范围,最后计算这个多边形区域的质心,并将质心作为未知节点的 位置,这样就实现了未知节点的定位。
传感器网络节点定位算法
基于无需测距的定位算法——凸规划定位算法 (Convex Optimization)
➢ 凸规划定位算法的基本原理如图2-5所示
RFID与识别技术
概念描述
定位
➢ 即确定方位、确定某一事物在一定环境中的位置。 ➢ 在无线传感器网络中的定位具有两层意义:
• 其一是确定自己在系统中的位置。 • 其二是系统确定其目标在系统中的位置。
概念描述
在传感器网络的实际应用中:

无线传感器网络三维APIT网格化算法

无线传感器网络三维APIT网格化算法

X A iu JA C a , A G Hu k i S N afn ING We a,I h o W N a u ,U G oeg h
( o eeo nomai n ie i Tiu nU irt f Tcn l y,a un0 0 0 , hn ) C lg fr t nE gne n ay a nv syo e oo T i a 30 2 C ia l fI o r g, ei h g y
Abs r c : r t e r srcin f a p ia ins wh c i n y pp id f r t — i n in l p c i r ls s n o t a t Fo h e t to o p lc to ih s o l a l o wo d me so a s a e n wie e s e s r i e n t r y AP T lo ih , GPI l o ih i o o e a e n i r v me t f P T h o e , i h c n b ewo k b I a g rt m 3D— T ag rt m s pr p s d b s d o mp o e ns o I t e r m wh c a e
通 信开 销较 小 , 而且 能够 满足 WS N网络 对定 位精 度 要求 , 因此这 目前 普遍 研究 的是 这 种定位 机制 [9。 8 ] - 由 弗 吉 尼 亚 大 学 的 研 究 者 提 出 的 A I PT ( p rxm t P it nTinl 。算 法 是 一 种 比较 A poi ae o . —r g nI a e
无线 传 感 器 网络 WS Wi ls Sno N tok N( r es esr e r ) e w 是 一种 由成 千上 万 的微 型传感 器 节点 协 同工作 的分 布 式 自组织 网络 , 主要 目的就 是 对 感 知 对 象进 行 其 信 息 的监 测 , 集 并 及 时 上 报 给 观 测 者 u 。根 据 采 l ] 传 感器 网络 的应 用 场 景 观 测 数 据往 往是 不 同 的 , 但

基于三重修正的wsn节点定位方法

基于三重修正的wsn节点定位方法
西北大学学报(自然科学版) 2019 年 12 月,第49 卷第 6 期,Dec. ,2019,Vod49,No.6 Journal of Northwest University ( Natural Science Edition)
•信息科学•
基于三重修正的WSN节点定位方法
王枭,刘瑞敏,毛剑琳
(昆明理工大学信息工程与自动化学院,昆明650500)
摘要:由于无线传感器网络中需要对未知节点定位,但是传统定位方法存在定位精度低的 缺点。为了有效应对传感器网络定位误差较大的问题 ,该文提出一种基于三重修正的定 位算法。首先,给出了新的计跳机制计算公式;然后,结合质心定位算法来计算未知节点 的跳距;再利用最小二乘法对未知节点与锚节点间的距离矩阵进行修正;最后,利用高斯 牛顿法对未知节点与锚节点所组成的非线性方程组进行优化求解。另外,再通过Matlab 进行仿真实验,分析了不同因素对定位误差的影响。通过对比其他3种定位算法的定位 效果,验证了该文所提算法能够有效提高定位精度。 关键词:无线传感器网络;节点定位;三重修正;高斯牛顿法 中图分类号:TP393 DOI:10.16152/j. cnkX xdxbzr. 2019-06-009 开放科学(资源服务)标识码(OSID):
无线传感器网络是一种被部署在受控区域的 多跳自组织网络,它由大量的具有通信与感知能
力的传感器节点构成,在入侵检测、工业自动化、 智能建筑等众多领域有着极其广泛的应用[1"4] &
收稿日期:2019A3A3 基金项目:国家自然基金资助项目(61163051) 作者简介:王枭,男,山西大同人,从事无线传感器网络研究& 通讯作者:刘瑞敏,女,云南昆明人,副教授,从事无线通信研究&
本文在DV-HOP算法的基础上进行改进优 化,使得定位效果更佳。DV-HOP技术通过锚节 点与未知节点间的相互通信来获取每个未知节点 到锚节点的最小跳数值撚后,根据锚节点间的跳 数与距离,计算出锚节点的平均跳距,最后,未知 节点通过跳距计算出到锚节点距离,再根据某种 计算方法计算出未知节点的坐标。DV-HOP算法 由于其在实际环境定位中无需测距设备,可以大 大降低网络的成本,因此,在实际应用中具有独特 的优势。当dv-hop在大规模网络中被应用时, 它的关键问题是如何设计跳数机制、如何能有效 降低跳距的误差以及如何能较准确地求出未知节 点的定位算法。实际上,由于网络中未知节点的 数量多于锚节点数的原因,利用锚节点的跳距来 求锚节点与未知节点间的距离是造成距离误差的 一个因素;另外,由于锚节点间的跳数可能会存在 不是整跳数的情况,按照传统整数跳数机制就会 使得跳距出现偏差;最后,在定位算法中由于没有 对未知节点与锚节点间的距离进行误差校正而使 得定位效果较差。但是由于dv-hop定位精度 较低的缺点,使得许多研究人员致力于定位精度 优化算法的研究因此,国内外的研究学者们 纷纷对dv-hop算法做了不同的改进与优化。 赵雁航等⑺首先对跳距进行修正,然后,通过粒

基于RSSI滤波的三边室内定位算法

基于RSSI滤波的三边室内定位算法

基于RSSI滤波的三边室内定位算法作者:程俊来源:《科技风》2019年第28期摘要:针对复杂的室内环境中,基于接收信号强度指示(RSSI)定位困难的问题,提出了一种基于卡尔曼滤波、高斯滤波、统计中值相结合(KGSM滤波)的三边测距定位算法。

算法先用KGSM滤波优化了RSSI值,然后运用对数损耗模型计算出距离,最后用三边测距得到了定位位置。

实验结果表明:KGSM滤波提高了采集的RSSI值精确度,使三边定位算法的定位误差维持在0.7~1.0m,提高了定位的稳定性和精确度。

关键词:接收信号强度指示;室内定位;滤波方式;三边测距;定位误差中图分类号:TP393 ;文献标识码:A现实生活中,GPS已广泛用于室外定位,但在室内环境中,由于建筑物的阻挡,GPS定位无法开展。

为了解决上述问题,人们尝试引入其他方法来实现定位。

目前,常用于室内定位的方法可以分为测距和非测距两类,测距算法包括TOA、TDOA、RSSI、AOA等,非测距算法包括APIT、凸规划法、质心法、DV-Hop等方法。

基于测距的RSSI算法应用广泛,但是其易受各种各样环境的影响,故人们常常对其进行滤波处理。

常用的RSSI滤波方法有均值濾波、高斯滤波、中值滤波、卡尔曼滤波以及它们的融合等。

文章[1]对高斯滤波进行了改进,其更符合理论模型,滤波效果更好。

文章[2]将卡尔曼滤波和中值滤波进行了结合,有效减少了粗大RSSI值对结果的影响。

受上述相关文献的启发,本文融合了卡尔曼滤波、高斯滤波、中值滤波的改进型统计中值滤波的优点,提出了一种新型滤波—KGSM(Kalman,Gaussianand Statistics median)滤波,提高了其精确度,进而减少了三边定位算法的[3]的定位误差。

1 KGSM滤波优化RSSI值1.1 传统滤波方法分析室内定位中,由于存在人员走动、信号的反射、电子仪器本身的干扰等不稳定因素,使接收的RSSI值存在很大的误差,为了提高其精确度,我们常常对其进行滤波处理,这里我们简单介绍下本论文用到的滤波:中值滤波、高斯滤波、卡尔曼滤波。

基于序列的传感器网络节点定位算法

基于序列的传感器网络节点定位算法

基于序列的传感器网络节点定位算法摘要:针对msp算法需要借助额外的外部扫描设备,不适合应用于对野外大规模部署的传感器网络进行定位这一缺点,提出了一种hgmsp算法。

该算法通过锚节点发出扫描信息,不需要额外的外部设备进行辅助定位,提高了算法的可用性。

仿真实验表明,在去掉辅助设备的情况下,算法的定位精度并无明显下降。

关键词:无线传感器网络;序列;节点定位中国分类号:tn914 文献标识码:a文章编号10053824(2013)010060040 引言无线传感器自诞生以来,因为体积小,携带方便,便于部署等特点,使其在军事、环境、医疗、家庭和其他领域有广阔的应用前景和很高的应用价值[1]。

在很多无线传感器应用中,位置信息对于传感器网络的监测活动至关重要,事件发生的位置或获取节点位置信息是监测信息中的重要一项,没有位置信息的监测消息是没有太大意义的。

因此定位功能是无线传感器网络的最基本功能之一,对传感器网络应用有很大的作用。

目前,国内外很多学者都对无线传感器网络定位算法展开了深入的研究[2]。

当前主流的2种定位算法分别是rangebased(基于测距的)定位算法和rangefree(非测距)定位算法。

其中rangebased 算法包括最早的基于到达时间的toa定位算法、基于到达时间差的tdoa算法和基于到达角度的aoa算法等。

但是因为这些算法需要额外的测距设备等硬件设施,出于硬件成本和能耗等考虑,研究者提出了rangefree定位算法。

由于不需要测距,无需时间同步等一系列原因,非测距的无线传感器网络定位算法逐渐受到研究者的青睐。

非测距的定位算法目前主要有质心算法、基于距离向量的dvhop 算法[3]、rmorphous算法[4]和apit算法[5]以及最新提出的基于采集节点序列的msp算法[6]等。

1 msp简介1.1 msp算法基本思想msp算法是由tianhe等人提出的一种非测距的无线传感器网络节点定位算法。

  1. 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. 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. 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)。
内部。
( 3)计算重叠区域。计算多个三角形覆盖区域 的重叠部分,计算重叠区域的方法为格子扫描法 (Grid Scan):将WSN所监测区域分为大小相同的 网格,每个网格初始值设为0,如果判断出待测节 点位于三角形内,相应三角形所在网格区域值加1 ;反之,相应三角形所在网格区域值减1,不断重 复上述步骤,最后得到网格数值最大的区域就是 要求的重叠区域。 ( 4)计算质心。计算( 3) 中所求得的重叠区域的 质心, 作为未知节点的估计位置。
M B
图8
A C
B
M
图9
由于上述客观原因的存在,影响了整 个WSN的定位覆盖率及定位精度。因此, 文章针对上述问题,提出了改进算法。
五、改进的APIT算法
在节点定位中,我们最关心的莫过于定位精 度和定位覆盖率这两个性能参数。我们先对定位 精度这个问题进行分析。 定位精度的问题,与图6和图7情况下的两种 错误判决密切相关,这两种错误WSN中将其称为 In -to-out error 和Out-to-in error。下面以图的形式 分析如何将其改进。
图5
通过以上关于APIT 算法思想的描述, 可以得
出其实现过程分为以下4个阶段: ( 1) 节点间信息接收和交换。待定位节点接收 参考节点的位置信息、节点ID 和信号强度等信息, 以及未知节点之间相互交换各自接收到的参考节点 信息。 ( 2)执行APIT 测试。使用APIT 测试方法判断
未知节点是否位于参考节点三元组合形成的三角形
四、APIT算法的不足
通过上述分析发现,APIT算法仅仅分析几个 有限的方向,而且定位覆盖率(可实现定位的未 知节点数目与总的未知节点数目之比)与相邻节 点数量及分布密切相关,因此APIT算法有时会做 出不正确的判断以及存在大量无法定位的节点。 下面以图例进行分析。
如图6所示,由于 相邻节点2在三角形 ABC之外且离参考节 点A、B、C都较M点距 这三个参考点远,从 而当模拟M点朝2处运 动时,会使M点错误的 判断自身在三角形 ABC之外。
最后,许多无线传感器网络协议也都利用了 节点的位置信息,比如利用节点间的地理位置信 息控制节点的发送功率以及约束波束的方向性、 进行路由决策等。 因此,传感器的节点定位在整个无线传感器 网络中占有重要地位,是无线传感器网络的支持 技术之一。
二、节点定位技术的分类
无线传感器网络的节点地位技术分主要为两 类:基于测距的定位技术和免于测距的定位技术。
定位覆盖率的问题,主要受图8和图9所示问 题的影响,在这两种情况下,WSN无法对相应节 点进行定位。
为了提高定位覆盖率,可以将已经定位的未 知节点升级为参考节点,这样就有效提高了参考 节点的比例。为了保证定位的精确性,新的参考 节点在进行定位时所用到参考节点组成三角形的 数量须大于 等于4 个。这样,如果部分处于图8和 图9情况下的待定位节点的邻近参考节点变得大于 等于三个且其处于三角形内部,就可以用APIT算 法进行定位了。
A
1
M 2 B 4
3
C
图3
在图4中,待定位 节点M通过上述类似的 通信判断知如果运动 至相邻节点2处,则将 同时远离参考节点A、 B、C,所以可以得知 自己位于三角形ABC 的外部。
1 2 M 4 3 B
A
C
图4
在判断出M位于三角形 内后,则将其标记(在三 角形外部则不标记),依 次对M周围的所有邻近参 考节点(在发送功率范围 内的参考节点)进行各种 不同的组合并检测,最终 找出所有满足要求的三角 形的重叠区域,求其质心 位置以替代待定位节点在 网络中的具体位置坐标, 如图5所示。
常用的免于测距的定位技术质心定位算法、 APS算法、MDS-MAP算法、APIT定位算法等。 APIT定位算法的基本思想简单,实现容易。 而且由于其定位功耗小、成本低、节点定位精度 高等特点得到广泛应用和研究。
三、APIT定位算法
APIT算法的理论基 础是PIT( point intriangulation test)算法 (三角形内点测试法): 假如存在一个方向,沿着 这个方向节点M会同时远 离或接近参考节点A、B、 C,那么节点M位于三角 形ABC外部,如图1所示; 否则,M位于三角形ABC 内部,如图2所示。
A
2 1 M
4 B
3 C
图6
如图7所示,由于 相邻节点1、2、3的不 规则部署,从而使得M 点模拟朝1、2、3的任 何一个方向运动时, 都不会同时远离或靠 近A、B、C,从而M点 错误的判断自身在三 角形ABC之内。
A 1
2
M
3 C
B
图7
A
如图8、9所示,待 定位节点M的邻近参考 节点少于三个或M在三 角形ABC的外部,造 成APIT算法无法应用, 这样M点就成了无法定 位的节点。
如图10所示,假设图中 所得到的两个顶点为空心圆 的三角形区域均为正确的。 节点经过 APIT 测试后获得 了一个错误的 Out-To-In 区 域(用实心顶点的三角形标识 )。假设该错误的三角形区域 覆盖了 grid(2,5)这个网格,则 该网格对应的值将要加 1, 即变为 2。本来,原本正确 的交集区域的中心应该位于 grid(5,3)对应的网格附近。然 而,Out-To-In error 将中心 位置移至了 grid(3,4)对应的网 格附近。
一种改进的APIT定位算法
刘尚翼 1134041005
一、节点定位技术的重要性
首先,无线传感器网络中,节点所采集的数 据或探测 的事件,通常都需要有相应的地理位置 信息作为标识,对大多数应 用来说,不知道传感 器位置,所感知的数据是没有意义的。比如:一 个被监控的车辆的地点、森林火灾发生的位置、 战场上敌方车辆的运动区域等。 其次,无线传感器网络的一些系统功能需要 节点的位置信息。例如:确定无线传感器网络的 覆盖范围等。
0
0 0 0 0 1
0
0 0 1 2 1
0
1 1 2 2 1
0
0 1 1 1 1
1
2 1 1 1 0
1
1 1 1 0 0
1
1 1 0 0 0
1
1 0 0 0 0
0
0 0 0 0 0
图10
假设网格大小为 0.1R,R 为参考节点的通信半径, 则定位精度将因此增加大 于 20%的误差。
针对以上问题, 文章提出了计算未知 节点可能存在的所有 三角形区域的重心坐 标法,通过计算重心 坐标所构成图形的质 心作为未知节点的估 计位置。如图11所示 。
综合以上分析结果可知,改进后的算法与原算法相比 较,在通信开销上有所增加,并且因为未知节点的能量要 比锚节点小,升级的部分未知节点会因为能量过早耗尽而 产生失效的问题,但是考虑到无线传感器网络中节点一般 是密集布置,因此这样的缺点基本上不会对网络构成威胁 。在计算开销方面,改进的算法节省了大量的计算开销, 可以降低传感器节点的能量损耗速度。 总的来说,改进算法在无需添加硬件设备的情况下改 善了定位的精度和覆盖率,在无线传感器网络节点定位研 究中具有一定的意义。
但是,即使使用上面的方法,仍然可能有一 些未知节点的邻近节点数少于三个或者处于所有 三角形的外部,这样造成无法定位。为了进一步 扩大定位覆盖率,我们可以再引入基于测距的定 位技术中的RSSI算法。 RSSI算法,即基于接收信号能量的测距技术, 其原理是已知发射节点的发射信号强度,接收节 点根据接收到的信号强度,然后利用无线信号能 量与距离的公式:
基于测距的定位技术(Range-Based Localization Schemes):需要通过不同的测距技术,如到达时间 测量法(TOA)、到达时间差测量法(TDOA)、 基于接收信号能量的测距技术(RSSI)等得到节点 间的距离或角度信息,然后再使用相应定位方法 计算节点位置。
免于测距的定位技术(Range-Free Localization Schemes):无需节点间的距离或角度信息,而利用 节点间的邻近关系和连通性实现定位。 一般说来,免于测距的定位技术定位精度不 如基于测距的定位技术高,但是基于测距的定位 技术对硬件要求很高,而且在测量距离和角度的 准确性方面需要大量的研究,而免于测距的定位 技术不需要知道未知节点到锚节点的距离,在成 本和功耗方面比基于测距的技术具有优势,因此 得到了广泛应用。
d = d0 * 10[Pr(d0)- Pr(d)]/10n
得出发射节点与接收节点的距离d。
这里可以引入RSSI算法的理论基础是在APIT 算法中,节点间交换信息时,本身就存在着所谓 的能量强度信息的交换,而且能量与距离公式的 计算方法也不复杂,因此,引入RSSI算法基本不 会增加硬件成本。
在得出距离后,便可以利用一些定位方法, 如三边测量法,多边测量法等得出待定位节点的 位置坐标了。由于RSSI算法不涉及角度信息,因 此,对于邻近节点只有两个或两个以下的未知节 点,仍然无法定位。同时,为了减少开销,对于 大于等于三个邻近节点的未知节点,我们只得出 其与其中三个邻近参考节点的距离信息就可以了 ,因此,估计未知节点坐标时,采用三边测量法 比较合理。
APIT算法是利用WSN较高的节点密度,同时 在给定方向上,节点离参考点越远,信号强度越 弱的特性,通过与相邻节点的信息交换来模拟PIT 算法的。下面以图来说明。
在图3中,节点M 与相邻节点1都通过发 送信号的强弱得知自己 与参考节点A、B、C的 远近,然后节点M与节 点1通过交换信息,得 知自己如果运动至1处, 将远离B、C,但会接 近A,与2、3、4点的判 断也类似,最终确定自 己位于三角形ABC内部。
平均定位误差(即定位精度)随节点总数 变化曲线,锚节点比例不变。
定位覆盖率随节点总数变化曲线, 锚节点比例不变。
上述两组图是传统APIT算法和改进算法在不 同锚节点比例和节点总数时平均定位误差和定位 覆盖率的比较。从图中可以看出,改进后的算法 的平均定位误差明显小于传统算法,而定位覆盖 率明显高于传统算法,说明改进后的APIT算法在 算法上的确优于传统的APIT算法。
相关文档
最新文档