無線感測器網路的定位演算法
⑴ 無線感測器網路加權質心定位演算法Matlab模擬的一些疑問。
你沒有定義信標節點（BeaconAmount）的個數。不定義肯定報錯啊。一下是我最近隨便編的一段類似於質心演算法的東西的核心部分，你的同學應該能看懂，有點幫助。
if num_of_neb_anchor(i)>1&&num_of_neb_anchor(i)<6
%如果未知節點i的鄰居錨節點個數在2和5之間
fenmu(i)=0;
fenzi_x(i)=0;
fenzi_y(i)=0;
fenzi_z(i)=0;
for k=1:num_of_neb_anchor(i)
distant_rssi(i,k)=sqrt((node_x(i)-neighbor_anchor_x(i,k))^2+(node_y(i)-neighbor_anchor_y(i,k))^2+(node_z(i)-neighbor_anchor_z(i,k))^2);
fenmu(i)=fenmu(i)+1/distant_rssi(i,k);
fenzi_x(i)=fenzi_x(i)+neighbor_anchor_x(i,k)/distant_rssi(i,k);
fenzi_y(i)=fenzi_y(i)+neighbor_anchor_y(i,k)/distant_rssi(i,k);
fenzi_z(i)=fenzi_z(i)+neighbor_anchor_z(i,k)/distant_rssi(i,k);
end
esti_node_x(i)=fenzi_x(i)/fenmu(i);
esti_node_y(i)=fenzi_y(i)/fenmu(i);
esti_node_z(i)=fenzi_z(i)/fenmu(i);%未知節點的估計坐標
end
⑵ 無線感測器網路定位演算法如何模擬如何對已有演算法進行改進實際工作中，研究無線感測器需要哪些知識
數學，優化用的，具體什麼忘了，以前老師講過
另外誤差本身也不單單是受到演算法的影響，應該說是一個系統工程
我本來也想做定位演算法優化的，後來又不想搞了，手頭還有幾本WSN的書，可以低價轉讓呵
還有幾篇paper
這么說吧，思路是這樣的，先早幾篇這方面的論文，拿來反復閱讀，然後根據這些論文對於的reference你能大概了解這個領域（某文章被引用的次數多那意義也不一般，google有個搜學術論文的可以看到引用次數）。讀這些paper本身是比較吃力的，可能幾天才能讀懂一篇。這樣大概你就能了解定位演算法這塊前輩們都已經做到什麼程度了，然後你再搜一些新近發表的paper看看他們都是幹嘛，然後你覺得還能在人家的基礎上做點什麼就ok了。
除非真要搞研究，否則一句話，拿文憑，早點畢業，別去淌這個水，現在社會金錢第一。
⑶ 無線感測器定位演算法有哪幾種
TOF
TDOA
RSSI
基本上就這三種
⑷ 如何做到無線感測器網路中的安全定位
無線感測網路可以部署在室內的環境，在室內環境中，GPS是無法進行定位的，而且GPS做定位成本不低啊。如果能做到室內使用WSN進行定位，那可以進行更多的應用。舉個例子，森林火災報警，裡面部署了上百個節點，如果用靜態地址來設置，部署會很麻煩，但如果有定位演算法，火災發生後，節點進行報警，那管理員就在通過節點確認火災現場，定位精度不需要高，在50~100米的誤差內就可以接受了。
⑸ 無線感測器網路中節點定位採用的方法主要有哪些
感測器網路系統通常包括感測器節點（sensor）、匯聚節點（sink
node）和管理節點。大量感測器節點隨機部署在監測區域（sensor
field）內部或附近，能夠通過自組織方式構成網路。感測器節點監測的數據沿著其他感測器節點逐跳地進行傳輸，在傳輸過程中監測數據可能被多個節點處理，經過多跳後路由到匯聚節點，最後通過互聯網或衛星到達管理節點。用戶通過管理節點對感測器網路進行配置和管理，發布監測任務以及收集監測數據。
感測器網路節點的組成和功能包括如下四個基本單元：感測單元（由感測器和模數轉換功能模塊組成）、處理單元（由嵌入式系統構成，包括CPU、存儲器、嵌入式操作系統等）、通信單元（由無線通信模塊組成）、以及電源部分。此外，可以選擇的其它功能單元包括：定位系統、運動系統以及發電裝置等。
⑹ 在無線感測器網路中，如何根據接收信號的強度來判斷發送者的距離有具體的計算公式么
基於RSSI的定位
RSSI測量，一般利用信號傳播的經驗模型與理論模型。
對於經驗模型，在實際定位前，先選取若干測試點，記錄在這些點各基站收到的信號強度，建立各個點上的位置和信號強度關系的離線資料庫(x，y，ss1，ss2，ss3)。在實際定位時，根據測得的信號強度(ss1′，ss2′，ss3′)和資料庫中記錄的信號強度進行比較，信號強度均方差最小的那個點的坐標作為節點的坐標。
對於理論模型，常採用無線電傳播路徑損耗模型進行分析。常用的傳播路徑損耗模型有：自由空間傳播模型、對數距離路徑損耗模型、哈它模型、對數一常態分布模型等。自由空間無線電傳播路徑損耗模型為：
式中，d為距信源的距離，單位為km；f為頻率，單位為MHz；k為路徑衰減因子。其他的模型模擬現實環境，但與現實環境還是有一定的差距。比如對數一常態分布模型，其路徑損耗的計算公式為：
式中，Xσ是平均值為O的高斯分布隨機變數，其標准差范圍為4～10；k的范圍在2～5之間。取d=1，代入式(1)可得，LOSS，即PL(d0)的值。此時各未知節點接收錨節點信號時的信號強度為：
RSSI=發射功率+天線增益一路徑損耗(PL(d))
2．2 基於RSSI的三角形質心定位演算法的數學模型
不論哪種模型，計算出的接收信號強度總與實際情況下有誤差，因為實際環境的復雜性，換算出的錨節點到未知節點的距離d總是大於實際兩節點間的距離。如圖1所示，錨節點A，B，C，未知節點D，根據RSSI模型計算出的節點A和D的距離為rA；節點B和D的距離為rB；節點C和D的距離為rC。分別以A，B，C為圓心；rA，rB，rC為半徑畫圓，可得交疊區域。這里的三角形質心定位演算法的基本思想是：計算三圓交疊區域的3個特徵點的坐標，以這三個點為三角形的頂點，未知點即為三角形質心，如圖2所示，特徵點為E，F，G，特徵點E點的計算方法為：
同理，可計算出F，G，此時未知點的坐標為由模擬得，在圖2中，實際點為D；三角形質心演算法出的估計點為M；三邊測量法算出的估計點為N。可知，三角形質心演算法的准確度更高。
3 基於RSSI的三角形質心演算法過程
3．1 步驟
(1)錨節點周期性向周圍廣播信息，信息中包括自身節點ID及坐標。普通節點收到該信息後，對同一錨節點的RSSI取均值。
(2)當普通節點收集到一定數量的錨節點信息時，不再接收新信息。普通節點根據RSSI從強到弱對錨節點排序，並建立RSSI值與節點到錨節點距離的映射。建立3個集合。
錨節點集合：
(3)選取RSSI值大的前幾個錨節點進行自身定位計算。
在B_set：中優先選擇RSSI值大的信標節點組合成下面的錨節點集合，這是提高定位精度的關鍵。
對錨節點集合，依次根據(3)式算出3個交點的坐標，最後由質心演算法，得出未知節點坐標。
(4)對求出的未知節點坐標集合取平均，得未知節點坐標。
3．2 誤差定義
定義定位誤差為ER，假設得到的未知節點的坐標為(xm，ym)，其真實位置為(x，y)，則定位誤差ER為：
4 仿 真
利用Matlab模擬工具模擬三角形質心演算法，考察該演算法的性能。假設在100 m×100 m的正方形區域內，36個錨節點均勻分布，未知節點70個，分別用三邊測量法和三角形質心定位演算法進行模擬，模擬結果如圖3所示。由圖3可知，三角形質心演算法比三邊測量法，定位精度更高，當測距誤差變大時，用三角形質心演算法得出的平均定位誤差比用三邊測量法得出的小得多。
5 結 語
在此提出了將RSSI方法和三角形質心定位演算法相結合的方法，通過模擬實驗，將該演算法和三邊測量演算法相比較，證明了該演算法的優越性。下一步將研究在錨節點數量不同時的平均定位誤差。
⑺ 衡量無線感測網路節點定位演算法的性能指標有哪些
定位精準度：空間實體位置信息與真實位置之間的接近程度。
有效定位范圍：定位系統所能定位的有效范圍
節點密度：播撒的感測器節點的疏密程度
信標節點密度：信標節點在整個WSN中所佔比例
容錯性與自適應性
安全性：指系統對合法用戶的響應以及對非法請求的抗拒
功耗：低
代價與成本：包括時間代價，空間代價，資金代價都要盡可能低
⑻ 什麼是藍牙AOA定位系統
在藍牙5.1中實現的到達角度(AoA)方法中，例如實時定位系統(RTLS)中的標簽之類的設備從單個天線發射信號。接收器包含多個天線，因為每個接收天線到發射天線的距離不同，從而接收器可以得出相位差。在離開角度(AoD)方法中，例如藍牙定位信標通過天線陣列發射信號，而像智能手機這樣的接收設備使用單個天線來接收信號，並將信號解碼以計算出相對信號方向。這種尋向方法目標用於室內定位系統，例如尋路系統。
⑼ AOA指什麼
在物聯網技術領域，AOA普遍的含義是：到達角度測距
到達角度測距(Angle-of-Arrival：AOA)：基於信號到達角度的定位演算法是一種典型的基於測距的定位演算法，通過某些硬體設備感知發射節點信號的到達方向，計算接基站和標簽（終端）的相對方位或角度，然後再利用三角測量法或其他方式計算出未知節點的位置。基於信號到達角度(AOA)的定位演算法是一種常見的無線感測器網路節點自定位演算法，演算法通信開銷低。
AOA原理示意
應用特性：
目前AOA主要應用的技術領域有藍牙、UWB，利用AOA計算方法，可在室內定位應用領域形成較為有效的高精度效果。
AOA的重點優勢是，可利用單基站，進行覆蓋區域內的位置定位識別；
AOA的典型劣勢是，因為利用角度進行計算，所以基站與標簽的相對高度需要較高，一般4米以上較為優，相對高度決定了單基站的覆蓋面積，一般計算方式為：S=π*（2h）²。
未來前景：
AOA具備較為典型的優劣勢，所以在不同應用場景展現的效果具有一定差異。因而，目前市面對於高精度定位，使用較多的，是TOF/TDOA方法，但此類方法，基本配套與UWB使用，AOA配合藍牙使用更有利於其優勢發揮。
⑽ 無線感測器網路的定位演算法的發展歷史
這個問題問的太難了...這可以寫一片碩士論文了。沒有人會研究那麼廣的。只能說先是靜態的定位，然後AD HOC網路也需要定位，那就出現了動態的。
目前來說，WSN的定位還是主要研究靜態網路的定位。其方法從傳統意義來講分為：基於測距的定位演算法和非基於測距的定位演算法。以我推斷，應該是基於測距的定位方法出現在先。
具體分類及方法接受你可以參照《location，localization，and localizability》第一作者：劉雲浩。該文章出自英文版的《計算機科學與技術》希望能幫助你。