基于到达时间差(TDOA)定位算法要求精确地时间同步技术作为支撑.由于传统时间同步技术精度低导致TDOA定位结果有偏差,提出一种基于并行分层次时间间隔测量的到达时间差(TDOA)和到达信号增益比(GROA)联合定位算法.基于TDOA与GROA联合定位模型,构造含拉格朗日系数的优化函数,然后采用约束加权最小二乘算法(TSWLS)来进行求解;同时,采用并行分层时间间隔测量法来控制定位算法的时间同步.实验分析表明,该算法相比较传统的TDOA定位算法而言,定位精度提高了25 d B,并且具有相对较高和较稳定的定位精度.
针对接收信号强度(RSSI)测距算法常用Shadowing模型在一些实际测距中固定节点受到地形等环境因素影响致使其使用受限的问题,提出了一种基于多项式分段拟合的RSSI测距算法.该算法利用最小二乘拟合函数法,将采样的有限个RSSI数据分段拟合成连续的三次多项式函数,以便更准确地模拟特定环境下的RSSI衰减情况.利用该算法进行实验和仿真,寻求合适的分段数和分割点,结果表明:用2段法进行拟合可将平均误差由2.25 m降低至0.877 8 m.
节点定位是无线传感器网络中最为关键的一项技术。针对无源定位的问题,提出一种到达时间差(TDOA)和到达信号增益比(GROA)联合定位算法,并且采用飞行机制的萤火虫算法(GSO)来求得最终结果。结合TDOA和GROA定位模型,引入辅助变量将方程伪线性化;然后采用修正两步加权最小二乘算法(TSWLS)来进行求解。并且在不影响收敛速度和精度的前提下,采用带有飞行机制的GSO算法来寻求目标定位的最优解,克服粒子群算法易陷入局部最优的缺点。仿真结果表明,该算法相比较TDOA算法,定位精度提高了23 d B,并且具有相对较高和较稳定的定位精度。
