无线传感器网络（WSN）作为一种崭新的信息采集和处理技术，具有非常广阔的应用前景。中，节点定位是主要的核心技术之一，也是无线传感器网络技术和应用最重要的技术基础。前，现有的定位方法主要根据范围和非基于范围进行分类和归纳。大量相关文献研究的基础上，以全新的视角对当前的定位方法进行了重新分类，引入了WSN无线信号衰减模型，并提出了基于加权的质心节点定位算法。议对RSSI进行验证。相对定位算法进行了比较分析，得出了仿真实验。
感器网络的研究源于美国军方的作战要求。着微机电系统，芯片系统和无线通信等技术的发展，它直接支持了低功耗多功能传感器的快速发展，使它们能够将信息收集集成到一个体积小。数据处理和无线通讯等功能。线传感器网络是由通过无线通信部署在监视区域中的大量廉价的微型传感器节点组成的多跳自组织网络系统。目的是检测，收集和协作处理无线网络覆盖区域中的对象。
息，改变了我们通过传感器网络与客观世界互动的方式[1]。某些应用中，可以通过悬挂在智能尘埃网络中大气中的节点来检测空间中不同位置的气压和温度等信息。用埋在冰床下不同深度的传感器节点收集温度或压力等数据，观察冰川活动的动态并将传感器节点放置在鸟巢内获取温度，压力和湿度等环境数据，以更详细地研究和观察鸟类的生活习惯。上述应用外，定位技术还有许多其他用途[3]：目标跟踪涉及实时监视目标的行动过程并预测目标的前进方向。标您还可以使用节点的位置信息来执行数据传输的地理路由；中等扩展，可以直接查询信息；网络管理，传感器节点返回位置信息，然后构建网络拓扑图，在实时网络覆盖范围统计中，节点密度对于处理测量而言太低或太高必要的。以看出，该位置信息是传感器节点中用于收集应用程序中信息数据的重要部分。大多数情况下，没有位置信息的监视就毫无意义，因此，对传感器节点进行定位是无线传感器网络研究的重要核心。种技术。着通信技术的不断发展，对无线传感器网络的研究也越来越深。切需要高效可靠的定位技术及其优化方法。设计到实际的特定应用，这是无线传感器网络必须克服的关键支持技术。此，定位技术的研究对于无线传感器网络的理论研究和应用具有不可替代的作用和重要性。大规模的，自组织的无线传感器网络中，传感器节点的位置未知。于定位，自然会想到使用GPS系统的定位方法[2]。果仅通过卫星使用全球定位系统的GPS解决方案，则在网络的所有传感器节点上仅安装一个GPS接收器，必须对其进行部署。地区有很好的卫星覆盖条件是可以实现的。种巨大的能源成本，高昂的价格以及这些不可见的问题，使得使用纯GPS定位无线传感器的节点成为一种极其不现实的方法。
此，在无线传感器网络中，传感器节点通常由不知道位置的传感器节点的一部分（称为未知节点）和已知位置或已安装的定位设备的一部分组成，例如美国的全球卫星定位。系统（GPS）和中国北斗卫星导航系统（BDS）被称为锚点或信标。线传感器网络中节点的定位可以描述为未知节点，它依赖于网络中已知位置的少数锚点节点，通过有限的通信来确定其位置信息借助其邻居和某些定位技术，但在某些特定位置没有传感器节点的情况下，在应用中无需配置锚节点即可获得相应的定位效果。于定位当前传感器节点的算法有很多分类，主要分为4种类型：基于范围和无范围的定位，基于锚点而不基于锚点的定位以及集中式计算机定位和分布式，粗粒度和细粒度的IT定位。于测距和定位而无需测距。种定位算法的中心思想主要是由于物理测量而获得诸如节点之间的距离或角度之类的信息。先是测量相邻节点之间的绝对距离或方位角信息，并使用节点之间的实际距离来计算未知节点的特定位置。者不需要测量节点之间的绝对距离或方位角信息。过诸如连通性和多跳路由信息交换之类的方法来估计节点之间的距离和角度，并完成对位置节点位置的估计。无线传感器网络中，基于测量节点之间的距离，距离或角度的技术的定位算法通常用于ToA（到达时间），TDoA（时间差为到达）[68]，AoA（到达角度）[910]，RSSI（接收到的信号强度指示器）等。距离定位算法不需要测量节点之间的绝对距离或方向，而是使用连接性，能级和节点之间的重叠区域来估计节点之间的距离。用无距离定位的一些经典算法包括：质心定位算法[1113]，连通图算法[1415]，能量衰减定位算法[1618]和算法交叉路口位置[1921]和其他四个类别。管基于遥测和定位算法的功耗和硬件成本方面的要求较高，但这些算法的总体定位精度较高。是，如果能耗要求和硬件约束更加严格，则基于非范围的定位算法将是一种廉价且非常有效的方法。于锚节点和非锚节点的定位。无线传感器网络节点定位算法中，可以将对锚点的需求视为一个标准，可以分为基于锚点的定位算法（基于培根）。非锚定结（无培根）。于基于锚节点的定位算法，它使用锚节点作为参考节点，并使用绝对标准坐标位置作为定位辅助，例如纬度和经度，它可以提供网络的唯一名称空间，具有相对广泛的应用范围。影响节点的范围和移动性相对较小；代替基于锚节点的定位算法，由于相邻节点与其自身节点之间的关系，建立了整个网络的相对坐标系。由做出了杰出的贡献。中式IT定位和分布式IT定位。中计算是指将处理计算所需的信息传输到中央节点（例如会聚节点和服务器），并在中央节点进行处理以进行计算；分布式计算依赖于节点的自动计算。互之间自由协调和信息交换的定位方法。定位的基本思想上分析，集中计算的优点是对计算和存储量基本没有限制，定位精度较为理想，但有些节点位于中央节点附近，由于通信量过大，电力被过早消耗，因此中央节点与整个网络之间的通信被中断，无法实时定位。典型的集中式计算是凸编程MDSMAP，即原始Nhopmultilateration。粮和细粮。据所用信息的粒度，用于定位传感器的算法和系统可以分为两类：粗粒和细粒。粒度定位系统是一种根据锚节点的接近度进行测量的定位方法。粒度定位方法使用信号强度或测量时间等信息，其原理是使用物理现象和信息来检测目标附近。知位置，它根据方向和距离的测量分为两类。前，整个无线传感器网络领域的研究仍处于起步阶段。今为止，尚未找到用于测量定位算法性能的统一标准集。定位算法的性能评估进行建模和量化已成为迫在眉睫的研究问题。常，定位技术最重要的终点是定位精度。大多数相关应用中，定位精度通常由定位误差来衡量。时，可以定位的未知节点的数量也可以用于测量特定网络环境中的定位算法。面简要介绍这些参数。点密度ρ。
无线传感器网络中，增加节点密度不仅意味着网络部署成本的增加，而且还由于节点之间的通信冲突导致带宽受限，节点通常基于平均网络连接性。意味着每个未知节点的无线范围内的平均节点数。真实验通常可以通过更改节点的传输半径来更改节点的密度。节点的移动速度。节点的移动速度对未知节点的定位有不同的影响。此，锚节点的移动速度也是评估定位系统和算法性能的重要指标之一。节点的发射功率。节点的不同发射功率会对未知节点可以接收的信息包产生一定的影响，因此有必要对此因素进行仿真和分析。位误差ε。位误差是所有未知节点的估计位置与实际位置之间的平均距离。是一种平均定位误差，用于指示算法的定位精度。位时间t。示所有未知节点完成定位所花费的时间。上述参数外，定位系统的规模，无线传感器网络的容错性和适应性，功耗和传感器节点的成本都可以用作重要指标。量定位系统和算法。2现有无线传感器网络定位系统和算法概述目前，现有无线传感器网络定位技术可以在一定程度上解决传感器节点的定位问题。应用中，必须采用不同的定位技术。
时，每种定位技术都有不同的局限性：目前，无法将定位技术用作可以应用于任何场景的定位技术，因此该领域无线传感器网络节点的定位需要进一步研究。有通过探索，我们才能提出更好的解决方案。下是对国内外几种经典定位算法的详细分析。种算法是一种通过在图论中结合连通图的思想来定位未知节点的算法。如，在无向图G中，如果存在将顶点vi连接到顶点vj的路径，则假定vi和vj连接。
果G是有向图，则连接vi和vj的路径的所有边缘都必须在同一方向上。果图的两个点已连接，则此图称为连接图[22]。线传感器网络中的定位算法与其网络拓扑紧密相关[17]。如，基于连接图[17]的典型算法。[23]的中心思想是首先交换包含节点之间距离矢量的消息，以使每个未知节点到所有锚点的跳数最小，恒温阀芯并且每个节点的坐标信息也最小。结。后，每个锚点节点将计算其自己的每跳评估距离，并通过网络进行广播。收到该信息后，未知节点可以根据记录在其自身数据表中的跃点数来计算到每个锚点节点的距离。
心定位算法的中心思想是使用节点之间的连接关系来计算未知节点的位置。属于不基于距离的定位算法，也就是说，锚节点以固定间隔向邻近节点广播定位信号，并且该信号包含锚。点本身的ID和位置信息。未知节点从锚节点接收到一定数量的定位信号，并且在侦听时间内超过某个预定阈值时，该未知节点将连接到锚节点，并且其位置被确定为由所有节点组成多边形质心连接的锚点，经典质心定位算法[13，24]等。[13]中，提出了三维质心定位算法。本思想是在无线传感器网络中假设一定比例的锚节点，并使用三维辅助坐标系建立通信约束关系和无线传感器网络之间的空间几何关系。究了在三维空间中构造包含未知节点的三维物体的方法，确定了三维物体的多个侧面和表面，以形成弯曲的三维物体。了减少算法的计算量和网络的能量消耗，在寻找由对应于弯曲三维体的若干边组成的平面三维体时，可以通过确定平面三维物体的重心，然后弯曲三维物体的重心用作未知节点的估计位置。虑到无线传感器网络的成本，锚节点的数量通常受到限制，并且在每个未知节点的通信范围内很难考虑3个以上锚节点的定位。精度定位和高覆盖范围需要更多的锚节点。不增加锚节点数量的情况下，这种类型的定位算法可以在锚节点中以更高的定位精度升级某些节点，并在未知节点定位中增加锚节点的数量，以便提高定位覆盖率[25]。考文献[25]提出了基于锚节点的水平的定位算法。算法将具有较高初始定位精度的节点升级为锚节点。知节点根据更新的锚点节点未知的信息进行计算和优化。精炼循环的过程中使用方差来控制循环数，但是这种方法的缺点是由于误差的累积，容易导致不良的定位精度。2.4现有典型定位算法的比较表1给出了几种现有典型定位算法的比较。无线传感器网络节点的定位技术中，最常用的遥测方法是RSSI遥测技术，因为RSSI遥测技术易于实现且传感器节点的硬件要求不高，因此RSSI遥测技术当然是首选的遥测技术。
RSSI算法测量节点之间距离的基本思想是测量传输过程中信号功率的损耗，然后根据信号传输模型将测得的损耗转换为节点之间的距离。当选择。以看出，信号传输模型的选择会直接影响测量值的准确性。义上讲，无线信号传输模型包括两种：理论模型和经验模型。中，理论传递模型指的是使用经验值作为参数，不需要预先创建关系数据库。种方法易于实现；经验传输模型需要事先建立一个节点位置和信号强度值的关系数据库。k。论传输模型的缺点是它对环境等因素。
果体验转移模型更改了其应用程序环境，则必须还原数据库，并且相关的成本相对较高。比之下，我们选择理论传输模型。论上的信号传输模型包括两线地面反射模型，自由空间模型和阴影模型。Pr（d）表示距离为d时接收到的能量； Pr（do）表示中心附近的距离d。到的能量； β为路径损耗指数，一般为站点2〜6测得的经验值； XdB是服从高斯分布的随机变量。
实际应用环境中，由于障碍，温度，湿度和大气压等环境因素，信号在传输过程中必须发生折射，反射，衍射甚至阻塞。
究结果表明，当信号为视距传输时，在信号接收节点处测得的RSSI值相对稳定。果在视线之外没有障碍物，则接收端测量的RSSI值的波动范围相对较大。些现象将从根本上影响RSSI值的准确性，因此环境对RSSI值的影响程度非常重要。们可以看到，在2个节点位于同一位置的不同环境中，测得的RSSI值可能会有很大差异。外，在相同的环境中，即使测得的RSSI值相同，节点也会在不同的方向或区域中匹配，距离也可能不同。此，如果仅考虑通过观察模型的通用公式获得的未知节点到锚节点的距离，并且如果未通过其他方法校正RSSI值，则误差为算法可能太重要了。此，本文通过考虑固定锚节点及其对应的RSSI值之间的距离进行更正。心算法的原理是将未知节点的位置确定为通信范围内所谓的锚点节点的几何质心，距未知节点不同距离的锚点节点会影响通信网络中的未知节点。节点离未知节点越远，相反，对未知节点的影响越小，并且锚节点离未知节点越近，影响越大。了解决这个问题，在当前的加权质心算法研究中，未知节点Nu与参与定位的锚节点Ni之间的距离dut的倒数被用作质心算法的加权系数。[26]中。知节点Nu接收的参考定位锚节点Ni的信号的RSSI RSSIi值与未知节点Nu接收的参考定位锚节点Ni的信号强度具有以下关系：Pi = 10RSSIi /10。似地，固定锚节点i从固定锚节点j接收到的信号的RSSI值为RSSIij，而锚节点收到的固定锚节点j的信号强度为固定i为Pij = 10RSSIi /10。后，使用观察简化模型可以得到：Pij / Pi =（Dji / Dij）2，其中Dij表示固定锚点i与节点之间的距离。定锚节点j和Dji表示已对i，j校正了固定锚节点。知节点M与锚节点i之间的距离。
此，可以通过平均所有锚节点j来获得从未知节点M到锚节点i的距离。了验证本文使用该算法的可能性，我们使用MATLAB仿真工具将加权质心算法与基于RSSI校正的加权质心算法进行了比较。络区域是在1000 m * 1000 m的2D平面上定义的，未知240个。点随机分布在该区域中，锚节点的数量设置为60。图1所示。节点的通信半径为200 m，在无障碍室内环境中的β值通常为1.6到1.8。模拟实验中，我们取β= 1.65。本文中，对用于定位传感器网络的几种分类算法进行了分类，并分别列出了几种典型的定位算法。析并比较了它们的基本原理，优缺点。
别地，分析了加权质心算法的误差，并提出了利用固定锚点之间的距离和相应的RSSI值来修改加权质心算法的权重。相同的实验环境下，定位算法的精度优于传统的加权质心算法，特别是在定位误差方面，前者比后者高约25％。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com