基于RSSI的室内定位算法优化技术

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (3): 235-238.

基于RSSI的室内定位算法优化技术

张苍松，郭军，崔娇，尚军

西北大学信息科学与技术学院，西安 710127

出版日期:2015-02-01 发布日期:2015-01-28

Indoor positioning optimization techniques based on RSSI

ZHANG Cangsong, GUO Jun, CUI Jiao, SHANG Jun

School of Information Science and Technology, Northwest University, Xi’an 710127, China

Online:2015-02-01 Published:2015-01-28

摘要/Abstract

摘要： 定位技术在无线传感器网络中有重要的作用，针对基于RSSI的室内定位误差较大这一问题，通过对RSSI测距模型进行分析，提出一种基于RSSI的室内定位算法的优化方案。该方案将整体环境进行分割，对分割后的子区域进行环境参数拟合，同时对参考节点的可靠性通过权值进行衡量，取可靠性最高的三个参考节点完成定位，从而减小定位误差，通过Zigbee模块进行验证分析。实验表明，该改进方案明显提高了室内定位的精度。

关键词: 无线传感器网络, 定位算法, 区域分割, 权值

Abstract: Localization is very important in Wireless Sensor Network（WSN）. In order to solve the problem of a major error of the indoor positioning based on RSSI, this paper proposes an improved scheme to provide higher localization accuracy by analysing RSSI-based distance estimated model. In this scheme, environmental parameter fitting will be executed in the divided child areas which are segmented from the overall environment, and then the three reference nodes of the highest reliability which is measured by weights are taken to complete the localization. Through the experiment on Zigbee module, it shows that the proposed method can obviously improve the localization accuracy.

Key words: Wireless Sensor Network（WSN）, localization algorithm, region segmentation, weights

张苍松，郭军，崔娇，尚军. 基于RSSI的室内定位算法优化技术[J]. 计算机工程与应用, 2015, 51(3): 235-238.

ZHANG Cangsong, GUO Jun, CUI Jiao, SHANG Jun. Indoor positioning optimization techniques based on RSSI[J]. Computer Engineering and Applications, 2015, 51(3): 235-238.

[1]	卫丹妮，杨有龙，仇海全. 结合密度峰值和切边权值的自训练算法[J]. 计算机工程与应用, 2021, 57(2): 70-76.
[2]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[3]	孙泽宇，董汉磊，苏艳超，徐琛，聂雅琳，李传锋. 传感网中基于能量有效的多参数数据重构方法[J]. 计算机工程与应用, 2021, 57(11): 103-110.
[4]	徐乐，韦玉科. 基于三点定位与加权坐标的三角定位算法[J]. 计算机工程与应用, 2020, 56(9): 111-116.
[5]	龚本灿，周峰，陈鹏，任东. 基于路径质量的无线传感网路由协议[J]. 计算机工程与应用, 2020, 56(6): 99-104.
[6]	范纯龙，何宇峰，王翼新. 大权值抑制策略用于训练卷积神经网络[J]. 计算机工程与应用, 2020, 56(2): 115-119.
[7]	郑祖朋，汪祖民，彭杨，季长清，秦静. 能量采集传感器网络中MAC协议研究综述[J]. 计算机工程与应用, 2020, 56(15): 24-29.
[8]	韩雨涝. 非并行二分法的覆盖空洞修复算法[J]. 计算机工程与应用, 2020, 56(12): 87-92.
[9]	何伟健，陆江城，朱耀磷，李学聪. RFID旋转天线中的椭圆模型室内定位算法[J]. 计算机工程与应用, 2019, 55(9): 87-93.
[10]	杜星悦，董洪伟，杨振. 基于深度网络的人脸区域分割方法[J]. 计算机工程与应用, 2019, 55(8): 171-174.
[11]	杨飞跃，陶洋. 时空协作的WSNs节点异常检测算法[J]. 计算机工程与应用, 2019, 55(7): 127-131.
[12]	朱瑞金，龚雪娇，唐波. 分布式混合压缩感知无线传感器网络数据收集[J]. 计算机工程与应用, 2019, 55(6): 73-80.
[13]	乔冉，闫江毓，唐良瑞. 基于多维高斯的无线传感器网络定位算法[J]. 计算机工程与应用, 2019, 55(23): 99-104.
[14]	王艳娇，唐琦. 改进的异构无线传感器网络路由能量算法[J]. 计算机工程与应用, 2019, 55(22): 80-85.
[15]	韩雨涝. 面向带状无线传感网低延迟可靠数据收集算法[J]. 计算机工程与应用, 2019, 55(21): 104-109.