为了消除环境干扰和盲区因素对无线传感器节点定位精度的影响，提出了一种基于四边缘的加权质心定位算法，以消除盲区。权质心定位算法。一步，使用高斯模型和批估计合并来过滤测得的RSSI值并获得最佳值以消除随机干扰，然后通过以下方法获得未知节点与参考节点之间的距离：使用RSSI值与距离的对数之间的映射关系。定位过程的最后，通过建立虚拟参考节点来消除盲区，并改变质心加权定位算法的权重，从而提高了定位的准确性和覆盖范围。量的无线传感器网络应用[1]依赖于节点位置信息，这是传感器网络监视活动所必需的，其中位置或事件在传感器网络的消息中很重要。视传感器节点。有位置信息的信息，监视消息通常是没有意义的：传感器节点必须清楚地指出其位置以指定“位置或特定区域”，恒温阀芯以允许对外部目标进行定位和跟踪甚至提高路由效率和网络覆盖质量。
线传感器节点通常随机分布在不同的环境中，以执行各种自组织的监视任务。有当传感器节点本身正确定位时，才能确定传感器节点检测到的事件的特定位置，并且传感器节点本身的正确定位是一个条件。监视事件的位置信息之前。着无线传感器网络的不断发展，国内外研究者越来越重视节点定位技术中的节点定位算法。
内外专家提出了许多解决方案和定位算法[2、5、6、7]，并实现了不同的设备和算法[3、4]。文献[5]中，通过使用不同的加权因子来改进传统的质心定位算法，以提高定位精度，但是在遥测阶段对RSSI值没有抗干扰处理，恒温阀芯并且不考虑质心加权定位算法。终定位坐标将朝着定位区域的重心移动，这将导致一定的盲区。献[6]使用三个未知参考节点形成三边加权质心定位模型来解决质心定位问题，但并未考虑定位覆盖率低的问题。此，基于加权质心定位算法，提出了一种具有四个边缘的加权质心定位算法，以消除盲区，消除盲区，提高定位覆盖率和定位精度。于信号强度在信号传播期间降低，因此可以根据信号强度的差异获得节点之间的距离。收信号强度指示符（RSSI）的原理是，发送节点广播包括发送功率值的信号，并且接收节点比较接收信号功率和接收信号功率之间的功率差。输功率。据特定的信号传播模型，将传播功率的差异转换为节点之间的距离。此，节点之间的距离越小，RSSI值越大，节点之间的距离越大，RSSI值越小。中：Xσ是随机高斯分布变量，平均值为0； η是轨迹的衰减因子。实际应用环境中，RSSI值受环境的影响很大，并且在不同应用环境中接收到的干扰也不同。此，在将RSSI值用于距离计算之前，必须对其进行过滤。中，RSSI（d）服从高斯分布[8]，即RSSI（d）〜N（μ，σ2）。公式中：xi是RSSI信号强度的第i个值，μ是样本均值，σ是样本的标准偏差，σi是样本的离散度。过高斯模型，本文选择色散和标准偏差之间的差异作为RSSI信号的滤波标准，从而可以减少一些低概率和许多重大干扰事件对整体测量的影响。时在一定程度上提高了定位信息的准确性。
定性在公式中：β是选择阈值。于高斯模型只能消除短暂的，短暂的事件扰动，因此基于高斯模型处理的RSSI数据，使用单传感器批估计理论将数据合并到以获得RSSI的最佳值。理如下：由高斯分布模型处理的n个数据分为两组样本（按奇偶校验或相继分组），即x11，x12，… x1i和x21，x22，…。x2j，其中：i j = n（i，j≥2）。权质心定位算法的基本思想是，在传统质心定位算法的基础上，利用加权因子来反映参考节点对质心坐标和度数的决策大小。个参考节点对质心位置的影响，并在它们之间反映出来。
在的关系。本文中，我们使用基于模型的即插即用定位方法，而无需为每个参考节点建立位置和信号强度关系的离线数据库。要优点是参考节点是当前过程中RSSI距离的对数之间的映射关系，不需要事先部署每个参考节点，并提供了一种关系RSSI距离的动态更新日志映射。
整个定位过程中，主要包括建立RSSI距离的对数映射关系阶段和计算未知节点坐标阶段。立RSSI距离对数映射关系的主要目的是允许每个参考节点根据来自其他节点的信息在其自己的RSSI值与其距离的对数之间建立映射关系。邻参考（值和RSSI坐标）。图2所示，是为每个参考节点在RSSI值和距离的对数之间建立映射关系的过程。要步骤如下：每个参考节点通过相邻节点收集50个RSSI值，标识号和坐标信息，执行内存管理，对从中收集的RSSI值进行抗干扰处理。同的节点并使用估计合并该理论获得RSSI的最佳值，然后进行存储管理，每个参考节点建立RSSI值与距离之间的映射关系（根据节点之间的坐标计算）参考）根据对数正态分布模型的表达式表示。算未知节点坐标相位的目的是使用加权四中心质心定位算法来消除盲区（见图3），从而获得未知节点的绝对坐标。算未知节点的坐标。点广播RSSI定位请求，参考节点处理RSSI值，并通过RSSI距离对数的映射关系获得未知节点到参考节点的距离及其到未知节点的坐标，未知节点取决于接收到的距离及其参考节点。用具有四个边缘以消除盲区的加权质心定位算法获得坐标。了验证本文的定位算法，我们使用实验室的协议栈在CC2530模块中进行评估实验，证明了其可行性和有效性。们的实验是在受干扰的环境中进行的，并在不同的地理区域进行了测试。要的测试元素是：1）确定不同区域中盲区大小之间的关系，2）消除后的四边加权质心定位算法的定位误差大小3）权重校正系数n对定位精度的影响。公式中，（xm，ym）是未知节点的测量坐标，而（xr，yr）是未知节点的真实坐标。边加权质心定位算法在不同大小的定位区域具有不同的盲点。图4所示，定位区域与盲区的大小呈线性关系，其斜率约为0.33。此，当使用四边加权质心位置时，由于无线电信号本身容易受到干扰，而第二个原因是由于无线电信号的盲区，因此存在很大的定位误差。
法模型。着校正因子的增加，定位误差随着n达到临界点而减小和减小，定位误差随着n增大而增大。图5所示，在非盲区中，用于消除盲区的四边缘加权质心定位算法与常见的四边缘加权质心定位算法基本一致。者之间的差异主要是从真实参考节点到虚拟参考节点。过程是由在盲区有四个边缘的加权质心定位算法引起的，这明显高于普通的四边加权质心定位算法。位误差随着定位面积的增加而增加。图6所示，当在盲区的定位区中进行定位时，当执行定位时，不同尺寸的定位区的定位误差随着定位区的增加而增加。过加权质心定位算法消除盲区。文提出的四个边缘的加权质心定位算法可以在盲区定位时完全消除盲区，提高定位精度。通的四面加权质心。位算法的定位精度基本相同。来，首先，我们将转向智能无线定位算法，以确保特定参考节点的RSSI映射到距离日志的准确性以及对潜在故障节点的拒绝。次，我们将研究四边加权质心定位算法的健壮性，以消除部署在不同建筑物上时的盲区。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com