自然科学版模板.docVIP

自然科学版模板 一种利用统计中值的加权RSSI定位算法 XX1，XXX1，2( (1.金陵科技学院，江苏 南京 211169 2.南京理工大学计算机科学与技术学院，江苏 南京 210094 ) 摘要：RSSI是无线传感器网络定位中最为常用的测距技术之一。传感器节点一般部署在复杂的环境中，故在获取的RSSI信号序列中可能同时存在随机误差和粗差，利用常用的算法难以消除混合误差对RSSI统计数据的影响。文章在分析误差特征的基础上，提出了一种基于统计中值的加权定位算法。算法在去除粗差的同时，能一定程度的平滑随机误差。算法提高了定位的精度，且提高了节点的覆盖率。仿真结果表明算法有较高的定位精度和覆盖率。 关键词：无线传感器网络；定位；中值滤波；均值滤波；RSSI测距 中图分类号： 文献标识码： 文章编号： 此行由编辑填写 A Weighted RSSI Positioning Algorithm Using Statistical Median XX1，1，2 (1. Jingling Institute of Technology, Nanjing 211169, China; 2. Nanjing University of Science and Technology, Nanjing 210094, China) Abstract: RSSI is one of the most popular methods in the location of wireless sensor networks. Since the sensor nodes always distributed in complicated environments, random errors and out-liters possibly lie in the captured RSSI signals. It is difficult to use the normal methods to overcome the errors in RSSI statistical data. By analyzing the error features, a weighted positioning algorithm based on statistical median is proposed in this paper. The proposed method can delete out-liters, filter random errors, improve the accuracy of location and increase the coverage of fraction. The simulated results show that the proposed method works well. Key words: wireless sensor network; localization; median filter; mean filter; distance measure based on RSSI 无线传感器网络集传感器技术、嵌入式计算技术、现代网络及无线通信技术、分布式信息处理等技术于一体，它可以使人们在任何时间、地点和任何环境条件下获取大量详实而可靠的信息，从而真正实现“无处不在的计算”理念[1]。节点定位技术是传感器网络的关键技术之一，在大多数的应用中，缺乏位置信息的数据通常无法使用甚至没有意义[2]。 近年来，基于传感网的定位技术迅速发展，从定位手段上可分为两类：基于测距算法和非测距算法。测距算法通过测量节点间的距离或角度信息，使用三边测量、三角测量或最大似然估计法计算为直接点的位置。而非测距定位算法无需距离或角度信息，仅依据网络的连通性等信息实现节点的定位。利用RSSI(Received Signal Strength Indication，简称RSSI)信号值进行定位是基于测距定位中最常用的技术之一，RSSI测量数据可以在每个数据交流中获取，并不占有额外的带宽和能量。且使用RSSI测量位置信息的硬件花费相对简单和便宜。正是因为如此，使用RSSI测量数据进行定位，在定位研究中为热点研究方向。传感器节点常常部署的环境复杂的场景中，RSSI信号常受到反射、多径传播、非视距、天线增益等对传播损耗产生明显的改变，在获得测距数据中不仅包含数量较多、幅度较小的测距误差，而且还包含少量幅度较大的测距误差（奇异点或粗差，outliters or gross errors）[3,4]。若不对这些误差采取有效地抑制和处理，有时能产生±50%的测距误差。因此