資源描述：
《基于rssi高斯濾波的lssvr無線傳感網(wǎng)絡(luò)定位算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。
1、基于RSSI高斯濾波的LSSVR無線傳感網(wǎng)絡(luò)定位算法為了降低基于接收信號(hào)強(qiáng)度指示(RSSI)測(cè)距誤差對(duì)節(jié)點(diǎn)定位的影響，解決RSSI測(cè)距定位誤差較大的問題，提出基于RSSI高斯濾波的最小二乘支持向量回歸機(jī)LSSVR定位算法(LSSVR?GF?RSSI)。LSSVR?GF?RSSI算法先利用高斯函數(shù)濾除誤差較大的RSSI值，篩選出較準(zhǔn)確的RSSI值，再依據(jù)這些值計(jì)算未知節(jié)點(diǎn)離錨節(jié)點(diǎn)間的距離。將這些距離作為L(zhǎng)SSVR的輸入，建立基于RSSI測(cè)距的LSSVR定位算法模型，最終，估計(jì)未知節(jié)點(diǎn)的位置。仿真結(jié)果表明，提出的LSSVR?GF?RSSI算法
2、能夠有效地降低均方定位誤差，比傳統(tǒng)的基于RSSI的LSSVR定位算法減少了約12%?20%。己關(guān)鍵詞：接收信號(hào)強(qiáng)度；最小二乘支持向量回歸機(jī)；高斯函數(shù);定位；無線傳感網(wǎng)絡(luò)TN914734A1004?373X(2017)11?0006?04LSSVRwirelesssensornetworklocationalgorithmbasedonGaussianfilterRSSIZHONGYangjing，LIANGRubing,HUANGXiaohu(CollegeofMathematicsandInformatics,SouthChinaAgr
3、iculturalUniversity,Guangzhou510642,China)Abstract:Inordertominimizetheinfluenceofrange?findingerrorofreceivedsignalstrengthindex(RSSI)onnodelocalization,andsolvetheproblemofbiglocationerrorexistinginlocalizationalgorithmbasedonRSSIrange?finding,aleast?squaressupportvecto
4、rregressionlocationalgorithmbasedonGaussianfilterRSSI(LSSVR?GF?RSSI)isproposed.TheLSSVR?GF?RSSIalgorithmusestheGaussianfunctiontofiltertheRSSIvalueswithbigerror,andscreenouttheaccurateRSSIvalues.Accordingtotheabovevalues,thedistancebetweentheunknownnodeandanchornodeiscalc
5、ulated.ThedistanceisusedastheinputofLSSVRtoestablishtheLSSVRlocationalgorithmmodelbasedonRSSIrangc?findingtoestimatethelocationofunknownnode.ThesimulationresultsshowthattheLSSVR?GF?RSSIalgorithmcanreducethemeansquarelocalizationerroreffectively，whichis12%?20%lowerthanthat
6、ofthetraditionalLSSVRlocalizationalgorithmbasedonRSSI.Keywords：receivedsignalstrength；least?squa.resupportvectorregression；Gaussianfunction；localization；wirelesssensornetwork0引言無線傳感網(wǎng)絡(luò)(WirelessSensorNetworks，WSNs)系統(tǒng)［1?2］主要應(yīng)用于人為力量無法到達(dá)的復(fù)雜區(qū)域事件的監(jiān)測(cè)和數(shù)據(jù)的采集與傳輸［3］。而采集的數(shù)據(jù)的實(shí)用性與其地理位置息
7、息相關(guān)。獲取沒有準(zhǔn)確位置的信息是毫無價(jià)值的。然而，在WSNs網(wǎng)絡(luò)中，多數(shù)傳感節(jié)點(diǎn)隨機(jī)部署，并且多數(shù)節(jié)點(diǎn)位置是未知的［4］。由于只有己知空間位置的感應(yīng)數(shù)據(jù)才有實(shí)用價(jià)值，故須利用定位技術(shù)估計(jì)傳感節(jié)點(diǎn)的位置。受硬件條件和無線環(huán)境因素的制約，在WSNs中對(duì)傳感節(jié)點(diǎn)的定位仍是一項(xiàng)挑戰(zhàn)工作。目前，己提出多類定位算法［5?6］。依據(jù)定位過程是否需要測(cè)距，可將這些算法劃分為測(cè)距定位、非測(cè)距定位。前者表示在估計(jì)未知節(jié)點(diǎn)位置時(shí)需要直接估算未知節(jié)點(diǎn)離錨節(jié)點(diǎn)間的距離，即測(cè)距；而后者是通過利用整個(gè)網(wǎng)絡(luò)的連通性估計(jì)未知節(jié)點(diǎn)的位置。因此，通常測(cè)距定位算法精度優(yōu)于非測(cè)距
8、定位算法。常用于測(cè)距定位算法中的測(cè)距策略有：信號(hào)到達(dá)角度AOA(AngleofArrival)、到達(dá)時(shí)間TOA(Timeofarrival)、基于接收信號(hào)強(qiáng)度RSSI(ReceivedSign
