在无线传感器网络的定位中常用的质心算法已得到改进。进的算法转换的距离，并作为一个重量锚节点的估计盲节点的坐标位置的距离由盲节点接收到的RSSI数据。真结果表明，改进算法提高定位精度，降低了定位误差，并且不增加系统的通信负荷和计算。WSN定位; RSSI;加权质心算法DOI：10.11907 / rjdk.162748分类号：TP312文献：A文章编号：16727800（2017）004 004 103介绍无线传感器网络（WSN）包括大量传感器节点A的通过各种类型的传感器，检测，采集和监控信息的对象的传输完成。WSN具有广泛的应用，包括工业控制，农业防治，环境监测，医疗监控，智能家居，仓储物流等，具有广阔的前景工业发展[1]。感器节点定位技术是无线传感器网络的关键技术，一个重要的研究方向之一。位算法WSN被分为两类[2]：一种是基于遥测的定位算法。述算法接收的接收信号强度（RSSI），到达时间（TOA），恒温阀芯到达时间差（TDOA），（AOA）到达角和其他信号参数。被转换成距离和位置信息由一个三边方法，三角函数方法，估计最大似然性的方法等计算该算法必须测量距离或角度的未知节点和定位référence.L’algorithme节点之间基于该位置对传感器节点设备要求的信息，但是定位精度高，另一种是基于没有遥测的定位算法。算法是通过连接和网络跳数，这需要更多的参考节点密度本地化。不遥测流定位算法包括质心算法，所述算法APIT，对DV-HOP中，MDS-MAP算法等质心算法[3]是完全基于网络的连通性和设有大erreurs.Il是具有低定位精度的算法，但质心算法非常简单，只需要很少的calcul.Il可以用来估计未知节点的坐标。
本文中，我们研究了加权质心定位算法，并给出了改进算法，提出了一种改进的方法，恒温阀芯其有效性通过实验模拟检查。位算法质心质心算法是一种基于网络连通性的定位算法。算法定位思路是这样的：位于盲节点的通信区域锚节点是由一个多边形和多边形的重心是盲节点的估计位置。
等式（1），该质心位置算法非常简单，不需要任何额外的硬件安装。而，盲节点确定该多边形的通过多边形相邻锚节点，这给算法的精确度与锚定节点的密度大的关系的质心的估算位置。相邻的锚节点的数目是低的，定位精度更低。然心位置算法估计未知节点的位置信息，所有加权算法的锚节点的权重是相同的，而不管这一事实锚节点到不同的位置对未知节点的坐标有不同的影响。节点分配不同的加权权重。加权质心[3]的算法的计算方法如下：当定位系统距离损耗模型进行距离的测量，下面的距离损耗模型，通常使用[4]：其中A代表无线电频率参数，其定义为所接收信号的从发射器1米平均能量。对值，以dBm为单位，其中n是环境因素和从发射机节点的距离来表示。
接收到的RSSI值可以通过公式转换为距离d（3）。权质心定位算法被增强以进一步提高定位精度，并降低所造成的盲节点的定位误差，而不增加通信负荷，节省能源，这进一步改善了加权定位算法。知节点误差定义未知节点i的实坐标（X“ Y”）和所估计的坐标为（X，Y）由定位算法。位误差使用[5]，其定义如下的相对定位误差：其中N是盲节点荣的数量和-isième盲节点的定位误差。同距离锚节点的思想对盲节点的定位不同的影响更多锚节点和盲节点，就盲目节点的定位更多的影响力，较大的距离，在盲节点的位置的较大的影响低。此，锚定节点和盲节点之间的距离可以由锚节点和盲节点之间的RSSI值，该值被用作对应于每个锚节点的坐标的加权权重进行计算，反射上重心位置的每个锚节点的坐标的影响。置每个锚节点的加权因子ωi的= SX（1dki SX），也就是说，每个锚节点的权重的重量成反比从盲节点的距离。离越近，表示的重量越大;最小的重量。距离k的索引取不同的值，曲线诸如图2中所示可制得。区域200米×200米图2的仿真的环境中，40个锚节点200和盲节点被分布aléatoire.Le节点的通信半径被设定为20μm时，k为0，如图1和5所示，间距的长度等于0.1。可在图2中可以看出，定位误差最小当k为约2。k越低，较大的由盲节点的最近的锚节点给定的重量，在尤其是后超过2个，更盲节点靠近锚节点，越有可能是留从盲节点的实际位置离开，从而提高了定位误差。
3示出的次数进行仿真的每个是一个最小误差索引进行1000次的数目。统计，95％的误差最小值出现在索引k = [1.9，2.0，2.1，2.2]，考虑到方便计算。k取2，即加权系数ωi的= SX（1d2i SX）。
高算法的步骤（1）的锚节点周期性地发送的节点ID，它自己的位置信息等，对周围环境。真分析本文档使用Matlab软件作为仿真平台，其中多个传感器节点的随机布置在给定区域，并具有相同的结构和相同的传输功率。
个模拟环境示于图4.在百米×百米区域40的锚节点200个盲节点随机分布和半径的通信节点被设置为20微米。
5示出了仿真程序的平均结果来执行1000次时的节点改变通信半径。真环境：200米×200μm时，60个锚节点，节点240盲。可在图5中可以看出，当加权指数被设置为等于2，平均位置误差是最小的。通信的半径增加，定位误差减小作为通信的半径的增大而增大锚节点的参与定位的数量和定位精度提高。改变锚节点的数量，仿真程序的平均结果来执行1000次示于图。6.仿真环境：环境200米×200μm时，盲节点的数量是200和35微米的通信半径。可在图6中可以看出，当加权指数被设置为等于2，平均位置误差是最小的。渐地，随着锚节点的数量增加，定位误差的锚节点的数目增加而减小和定位精度提高。论在本文中，我们使用RSSI值和距离来转换在距离接收到的RSSI值之间的转换，并且我们使用它作为锚节点的权重系数以提高质心位置的算法。真结果表明，该算法提高了定位精度，降低了定位误差不增加系统的通信负荷或增加的计算。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com