安全技术-网络信息-无线传感器网络DVHop定位算法的研究与应用.pdf

安全技术-网络信息-无线传感器网络定位算法.pdf

为了解决DV-Hop 算法误差较大的问题，提出了一种基于RSSI修正的WSN定位算法 RMDV-Hop (RSSI Modified DV-Hop)。该算法限制最大传播跳数，并对跳数为1的锚节点利用RSSI值修正其跳数值，取RSSI值较大的前N个锚节点作为参考锚节点，利用参考锚节点的平均每跳距离误差进行加权处理未知节点的平均每跳距离，最后用总体最小二乘法计算未知节点的坐标位置，实现RMDV-Hop定位算法的全面改进，以提高定位精度。仿真结果验证，改进算法的定位精度和稳定性都比原始算法有了明显的提高。

chan算法公式推导说明文档，个人感觉挺有用的，分享出来，供大家学习

BDS/GPS 双模定位算法研究

基于DeepPupilNet深度学习网络的眼睛定位算法仿真，matlab2021a仿真，仿真效果为在人脸眼睛部分显示定位效果标记

文章针对高斯-牛顿迭代法和UofC（University of Calgary）模型，采用了联合高斯-牛顿迭代法和UofC模型的定位解算方法。对算法用GPS/BDS组合系统进行实测数据处理，分别与高斯-牛顿迭代法和采用UofC模型的定位解算方法做了比较。对比和分析了伪距联合单点定位算法在GPS、BDS、GPS/BDS组合系统三种模式下的单点定位精度。结果表明伪距联合单点定位算法在GPS/BDS组合系统中的单点定位精度有明显提高。

针对传统的基于WiFi的最近邻(K-nearest neighbor algorithm, WiFi-KNN)室内定位算法精确度不能达到精准定位的需求的问题，本文提出了一种基于位置范围限定的K近邻(K-nearest neighbor based on the location range limit , LRL-KNN)室内定位算法。LRL-KNN算法通过利用用户的先前位置与WiFi指纹数据库中的参考点位置之间的物理距离组成的相关范围因子来缩放指纹距离，以此来减少定位的空间歧义性。尽管利用了先前的位置，但是该算法并不需要知道用户的确切移动速度和方向。与此同时，考虑到WiFi接收信号强度的时间波动性，将RSS直方图合并到距离计算中来减小时间波动带来的影响。实验结果表明：传统KNN算法的平均定位误差为2.13 m，新算法的平均定位误差为1.80 m，该误差在相同的测试环境下比传统的KNN算法减少15%。

传感器网络节点定位算法matlab代码（Centroid，APIT，DVHOP, Bounding Box，……共7个） 无线传感器网络无需测距定位算法matlab源代码。包括apit，dv-hop，amorphous在内的共7个range-free算法。在run.m里的算法选择部分可以选择需要运行的算法，算法的参数可以参考对应子目录里的说明。每个子目录里都有一个pdf文档，是算法的最原始描述。

TDOA-线传感器网络定位算法.rar