CN104469938A - 一种无线传感器网络中节点的定位和跟踪方法 - Google Patents
一种无线传感器网络中节点的定位和跟踪方法 Download PDFInfo
- Publication number
- CN104469938A CN104469938A CN201410776479.8A CN201410776479A CN104469938A CN 104469938 A CN104469938 A CN 104469938A CN 201410776479 A CN201410776479 A CN 201410776479A CN 104469938 A CN104469938 A CN 104469938A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- beaconing nodes
- wireless sensor
- sensor network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Abstract
本发明提供一种无线传感器网络中节点的定位和跟踪方法,所述方法应用于无线传感器网络,所述无线传感器网络包括上位机、基站、锚节点、信标节点和盲节点,所述锚节点不少于3个且具有定位模块,所述方法包括以下步骤:锚节点通过定位模块对自身进行定位,锚节点向周围发送包含锚节点坐标的定位信息;根据锚节点发送的定位信息对信标节点进行定位,信标节点向周围发送包含信标节点坐标的定位信息;根据信标节点或锚节点发送的定位信息对盲节点建立状态方程模型和观察方程模型;根据状态方程模型和观察方程模型计算盲节点的位置、速度。本发明无线传感器网络中节点的定位和跟踪方法网络部署简易、定位和跟踪准确、应用范围广。
Description
技术领域
本发明涉及无线传感器网络领域,更具体地,涉及一种无线传感器网络中节点的定位和跟踪方法。
背景技术
无线传感器网络(Wireless Sensor Networks,WSN)在智能交通、军事侦查、野外探险等领域具有广泛的应用前景。在WSN中,往往需要对监测区域中的特定物理目标进行跟踪和定位。比如抢险救灾中,灾区中布置的传感器网络能够追踪医护人员的位置;战争中军队可以在阵地上布置传感网,追踪无GPS支持或GPS设备损坏的士兵、车辆的位置。但是现有的WSN定位和目标跟踪算法大多是针对静态场景的,即信标节点是人为固定分配的。当信标节点位置发生变化时,无法自动更新其位置,需要重新配置该节点的坐标,自适应性差。而在实际应用中,WSN节点往往是通过飞机撒播或人工随机部署,地理位置是随机的。另外,对大量的节点进行监测时,一一对节点位置进行配置,其则工作量是十分繁重。
另外,作为无线传感器网络的基本功能,节点应具备感知环境的能力。节点感知的环境参数,如温度、湿度、光照强度等,需要有地理位置作为支撑,如果不能对节点位置进行准确定位和跟踪,所采集到的信息是没有参考价值的。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种网络部署简易、定位和跟踪准确、应用范围广的无线传感器网络中节点的定位和跟踪方法。
为解决上述技术问题,本发明的技术方案如下:
一种无线传感器网络中节点的定位和跟踪方法,所述方法应用于无线传感器网络,所述无线传感器网络包括上位机、基站、锚节点、信标节点和盲节点,所述锚节点不少于3个且具有定位模块,所述方法包括以下步骤:
S1:锚节点通过定位模块对自身进行定位,锚节点向周围发送包含锚节点坐标的定位信息;
S2:根据锚节点发送的定位信息对信标节点进行定位,信标节点向周围发送包含信标节点坐标的定位信息;
S3:根据信标节点或锚节点发送的定位信息对盲节点建立状态方程模型和观察方程模型;
S4:根据状态方程模型和观察方程模型计算盲节点的位置、速度。
在一种优选的方案中,步骤S2中,根据锚节点发送的定位信息对信标节点进行定位具体包括以下步骤:
具体包括以下步骤:
1)根据锚节点的坐标,对锚节点的邻近信标节点进行定位,得到邻近信标节点的坐标;
2)已获得坐标的信标节点参与对未知信标节点的定位,根据锚节点的坐标和已获得坐标的信标节点的坐标,对其他信标节点进行定位;
3)重复步骤2)直到获得所有信标节点的坐标。
在一种优选的方案中,步骤S2中,选取3个锚节点通过加权质心定位算法对目标节点定位。
在一种优选的方案中,步骤S2中,信标节点检测自身位置是否发生变动,若发生变动则自动更新自身位置。
在一种优选的方案中,信标节点检测自身位置是否发生变动和更新自身位置的具体方法为:
设节点D为检测的信标节点,节点A、B、C为节点D初始定位时所使用的锚节点或信标节点,初始定位时节点D存储A、B、C三个节点的ID和RSSI值RA,RB和RC,记为{ID,R1,R2,R3};节点D周期性向节点A、B、C发送请求信息,当节点A、B、C收到信息后,反馈RSSI值R’A,R’B和R’C,,若满足以下条件之一,则认为节点D自身位置发生改变:
条件一:节点D没有收到A、B、C中任两个节点的反馈信号;
条件二:|RA-R’A|>T1或者|RB-R’B|>T2或者|RC-R’C|>T3,其中T1、T2和T3为预设的经验阈值;
当节点D检测到自身位置发生改变后,利用三角质心定位算法重新定位,并更新{ID,R1,R2,R3}。
在一种优选的方案中,步骤S3中,状态方程模型
Xk=f(Xk-1)+wk=AXk-1+wk
式中,Xk为k时刻的运动状态,Xk-1为k-1时刻的运动状态,wk为测量过程噪声,A为二阶单位矩阵;
wk为测量过程噪声,A为二阶单位矩阵。
分析未知节点,其运动状态可以用位置-速度模型(Position-Velocity,PV)进行描述,即
X=[x,y,vx,vy]T
其中(x,y)为节点在k-1时刻的坐标,(vx,vy)为k-1时刻速度沿x,y方向的分速度。
在一种优选的方案中,步骤S3中,采用盲节点接收到移动信标信号时的RSSI值作为观察量,观察方程为:
Zk=H·Xk+vk
式中,Zk是RSSI观察量的修正估计值,Xk为k时刻的运动状态,H为雅可比(Jacobian)矩阵,vk为观察噪声。
在一种优选的方案中,步骤S3中,若环境条件发生改变时,自动调整状态方程模型和观察方程模型的相关参数。
在一种优选的方案中,步骤S4中,根据状态方程和观察方程,得到如下计算过程:
a)利用系统上一状态预测现在状态:
X(k|k-1)=AX(k-1|k-1)
其中X(k|k-1)表示根据k-1时刻的状态预测所得k时刻的状态。
b)更新系统现在状态:
P(k|k-1)=AP(k-1|k-1)AT+Q
其中P(k|k-1)表示从k-1时刻所处系统状态的前提下k时刻的系统状态。
c)计算增益:
Kg(k)=P(k|k-1)HT(HP(k|k-1)HT+R)-1
d)结合预测值和观察值,估计现在状态的最优估计值:
X(k|k)=X(k|k-1)+Kg(k)(Zk-HX(k|k-1))
e)更新现在的最优估计值的协方差:
P(k|k)=(1-Kg(k)H)P(k|k-1)
f)循环迭代,返回步骤(a);
式中:Q为过程噪声协方差矩阵,Q=0,R=σ1 2为观察噪声协方差矩阵,σ1为高斯分布vk的标准差。
在一种优选的方案中,步骤S4中,得到盲节点的位置、速度后,通过基站实时传输到上位机。
与现有技术相比,本发明技术方案的有益效果是:本发明无线传感器网络中节点的定位和跟踪方法,锚节点通过定位模块对自身进行定位,锚节点向周围发送包含锚节点坐标的定位信息,实现对信标节点进行定位;然后根据已定位的锚节点或锚节点发送的定位信息对盲节点建立状态方程模型和观察方程模型,并根据状态方程模型和观察方程模型计算盲节点的位置、速度;适用于民用、军事等多种场合,实现了信标节点的自动初始定位和盲节点的跟踪,具有网络部署简易、定位和跟踪准确、应用范围广等特点。
本发明中,已获得坐标的信标节点参与对未知信标节点的定位,根据锚节点的坐标和已获得坐标的信标节点的坐标,对其他信标节点进行定位,信标节点的定位速度和效率大大提升。
本发明中,信标节点检测自身位置是否发生变动,若发生变动则自动更新自身位置,因此在信标节点移动的情况下,信标节点位置的自动更新使信标节点的定位更加准确,进一步的,盲节点的跟踪也更加准确。
附图说明
图1为本发明的无线传感器网络结构示意图。
图2为本发明的无线传感器网络各节点分布示意图。
图3为信标节点D移动到D’位置的示意图。
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
一种无线传感器网络中节点的定位和跟踪方法,所述方法应用于图1-2所示的无线传感器网络,所述无线传感器网络包括上位机(PC机)、基站、锚节点、信标节点和盲节点,上位机所述锚节点不少于3个且具有定位模块,所述方法包括以下步骤:
S1:部署各类节点。在需要监测的区域随机播撒信标节点,这些信标节点初始处于睡眠侦听的状态,根据信标节点的部署范围,部署不少于3个锚节点。
S2:锚节点通过定位模块对自身进行定位,锚节点向周围发送包含锚节点坐标的定位信息。
S3:上位机下达开始监测的命令,并由基站广播到监测区域内的所有节点。
S4:选取3个锚节点,根据锚节点发送的定位信息通过加权质心定位算法对信标节点定位,信标节点向周围发送包含信标节点坐标的定位信息。
根据锚节点发送的定位信息对信标节点进行定位具体包括以下步骤:
1)根据锚节点的坐标,对锚节点的邻近信标节点进行定位,这些信标节点测得锚节点发送的定位信息的RSSI(接收的信号强度指示),并利用加权质心定位算法确定其自身位置得到邻近信标节点的坐标,;
2)已获得坐标的信标节点参与对未知信标节点的定位,根据锚节点的坐标和已获得坐标的信标节点的坐标,对其他信标节点进行定位;
3)重复步骤2)直到获得所有信标节点的坐标。
一旦信标节点估计到自身的位置便扮演者锚节点的角色,通过广播的形式辅助其它信标节点估计其位置。这样,经过多轮之后,整个网络信标节点的坐标便可以确定。
S5:信标节点检测自身位置是否发生变动,若发生变动则自动更新自身位置。信标节点检测自身位置是否发生变动和更新自身位置的具体方法为:
设节点D为检测的信标节点,节点A、B、C为节点D初始定位时所使用的锚节点或信标节点,初始定位时节点D存储A、B、C三个节点的ID和RSSI值RA,RB和RC,记为{ID,R1,R2,R3};节点D周期性向节点A、B、C发送请求信息,当节点A、B、C收到信息后,反馈RSSI值R’A,R’B和R’C,,若满足以下条件之一,则认为节点D自身位置发生改变:
条件一:节点D没有收到A、B、C中任两个节点的反馈信号;
条件二:|RA-R’A|>T1或者|RB-R’B|>T2或者|RC-R’C|>T3,其中T1、T2和T3为预设的经验阈值;
如图3所示,节点D移动到D’的位置,当节点D检测到自身位置发生改变后,利用三角质心定位算法重新定位,并更新{ID,R1,R2,R3}。
S6:根据信标节点或锚节点发送的定位信息对盲节点建立状态方程模型和观察方程模型,若环境条件发生改变时,自动调整状态方程模型和观察方程模型的相关参数。
分析盲节点,其运动状态可以用位置-速度模型(Position-Velocity,PV)进行描述,即:
X=[x,y,vx,vy]T
其中(x,y)为节点在k-1时刻的坐标,(vx,vy)为k-1时刻速度沿x,y方向的分速度。
状态方程模型为:
Xk=f(Xk-1)+wk=AXk-1+wk
式中,Xk为k时刻的运动状态,Xk-1为k-1时刻的运动状态,wk为对应的k时刻的测量过程噪声,A为二阶单位矩阵。
采用盲节点接收到移动信标信号时的RSSI值作为观察量,观察方程为:
Zk=g(Xk)+vk=H·Xk+vk
Zk是RSSI观察量的修正估计值,式中H为g(Xk)的Jacobian矩阵,vk为观察噪声。
当环境条件发生改变时,系统能够自动改变模型相关参数,从而满足实际要求,考虑信号传播模型参数(n,P0)的估计,则新的状态矢量为:
X*=[XT,n,P0]T
S7:根据状态方程模型和观察方程模型计算盲节点的位置、速度。根据状态方程和观察方程,得到如下计算过程:
a)利用系统上一状态预测现在状态:
X(k|k-1)=AX(k-1|k-1)
其中X(k|k-1)表示根据k-1时刻的状态预测所得k时刻的状态。
b)更新系统现在状态:
P(k|k-1)=AP(k-1|k-1)AT+Q
其中P(k|k-1)表示从k-1时刻所处系统状态的前提下k时刻的系统状态。
c)计算增益:
Kg(k)=P(k|k-1)HT(HP(k|k-1)HT+R)-1
d)结合预测值和观察值,估计现在状态的最优估计值:
X(k|k)=X(k|k-1)+Kg(k)(Zk-HX(k|k-1))
e)更新现在的最优估计值的协方差:
P(k|k)=(1-Kg(k)H)P(k|k-1)
f)循环迭代,返回步骤(a)
式中:Q为过程噪声协方差矩阵,Q=0,R=σ1 2为观察噪声协方差矩阵,σ1为高斯分布vk的标准差。
S8:得到盲节点的位置、速度后,通过基站实时传输到上位机;同时,盲节点上的传感器采集的环境参数也同时通过基站实时传输到上位机,上位机实时显示当前所有节点的坐标及其采集的环境参数。
在具体实施过程中,各节点安装有温湿度传感器、光照强度传感器等环境参数采集传感器,实现对温度、湿度、光照强度等环境参数的采集,其驱动在TinyOS操作系统上,通过NesC语言开发。
本发明无线传感器网络中节点的定位和跟踪方法,锚节点通过定位模块对自身进行定位,锚节点向周围发送包含锚节点坐标的定位信息,实现对信标节点进行定位;然后根据已定位的锚节点或锚节点发送的定位信息对盲节点建立状态方程模型和观察方程模型,并根据状态方程模型和观察方程模型计算盲节点的位置、速度;实现了信标节点的自动初始定位和盲节点的跟踪,具有可用性强,应用范围广,网络部署简易等特点。
本发明中,已获得坐标的信标节点参与对未知信标节点的定位,根据锚节点的坐标和已获得坐标的信标节点的坐标,对其他信标节点进行定位,信标节点的定位速度和效率大大提升。
本发明中,信标节点检测自身位置是否发生变动,若发生变动则自动更新自身位置,因此在信标节点移动的情况下,信标节点位置的自动更新使信标节点的定位更加准确,进一步的,盲节点的跟踪也更加准确。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种无线传感器网络中节点的定位和跟踪方法,所述方法应用于无线传感器网络,所述无线传感器网络包括上位机、基站、锚节点、信标节点和盲节点,所述锚节点不少于3个且具有定位模块,其特征在于,所述方法包括以下步骤:
S1:锚节点通过定位模块对自身进行定位,锚节点向周围发送包含锚节点坐标的定位信息;
S2:根据锚节点发送的定位信息对信标节点进行定位,信标节点向周围发送包含信标节点坐标的定位信息;
S3:根据信标节点或锚节点发送的定位信息对盲节点建立状态方程模型和观察方程模型;
S4:根据状态方程模型和观察方程模型计算盲节点的位置、速度。
2.根据权利要求1所述的无线传感器网络中节点的定位和跟踪方法,其特征在于:步骤S2中,根据锚节点发送的定位信息对信标节点进行定位具体包括以下步骤:
1)根据锚节点的坐标,对锚节点的邻近信标节点进行定位,得到邻近信标节点的坐标;
2)已获得坐标的信标节点参与对未知信标节点的定位,根据锚节点的坐标和已获得坐标的信标节点的坐标,对其他信标节点进行定位;
3)重复步骤2)直到获得所有信标节点的坐标。
3.根据权利要求1所述的无线传感器网络中节点的定位和跟踪方法,其特征在于:步骤S2中,选取3个锚节点通过加权质心定位算法对目标节点定位。
4.根据权利要求1所述的无线传感器网络中节点的定位和跟踪方法,其特征在于:步骤S2中,信标节点检测自身位置是否发生变动,若发生变动则自动更新自身位置。
5.根据权利要求4所述的无线传感器网络中节点的定位和跟踪方法,其特征在于:信标节点检测自身位置是否发生变动和更新自身位置的具体方法为:
设节点D为检测的信标节点,节点A、B、C为节点D初始定位时所使用的锚节点或信标节点,初始定位时节点D存储A、B、C三个节点的ID和RSSI值RA,RB和RC,记为{ID,R1,R2,R3};节点D周期性向节点A、B、C发送请求信息,当节点A、B、C收到信息后,反馈RSSI值R’A,R’B和R’C,,若满足以下条件之一,则认为节点D自身位置发生改变:
条件一:节点D没有收到A、B、C中任两个节点的反馈信号;
条件二:|RA-R’A|>T1或者|RB-R’B|>T2或者|RC-R’C|>T3,其中T1、T2和T3为预设的经验阈值;
当节点D检测到自身位置发生改变后,利用三角质心定位算法重新定位,并更新{ID,R1,R2,R3}。
6.根据权利要求1所述的无线传感器网络中节点的定位和跟踪方法,其特征在于:步骤S3中,状态方程模型
Xk=AXk-1+wk
式中,Xk为k时刻的运动状态,Xk-1为k-1时刻的运动状态,wk为测量过程噪声,A为二阶单位矩阵;
分析未知节点,其运动状态可以用位置-速度模型进行描述,即
X=[x,y,vx,vy]T
其中(x,y)为节点在k-1时刻的坐标,(vx,vy)为k-1时刻速度沿x,y方向的分速度。
7.根据权利要求6所述的无线传感器网络中节点的定位和跟踪方法,其特征在于:步骤S3中,采用盲节点接收到移动信标信号时的RSSI值作为观察量,观察方程为:
Zk=H·Xk+vk
式中Zk是RSSI观察量的修正估计值,H为雅可比矩阵,Xk为k时刻的运动状态,vk为观察噪声。
8.根据权利要求1所述的无线传感器网络中节点的定位和跟踪方法,其特征在于:步骤S3中,若环境条件发生改变时,自动调整状态方程模型和观察方程模型的相关参数。
9.根据权利要求7所述的无线传感器网络中节点的定位和跟踪方法,其特征在于:步骤S4中,根据状态方程和观察方程,得到如下计算过程:
a)利用系统上一状态预测现在状态:
X(k|k-1)=AX(k-1|k-1)
其中X(k|k-1)表示根据k-1时刻的状态预测所得k时刻的状态;
b)更新系统现在状态:
P(k|k-1)=AP(k-1|k-1)AT+Q
其中P(k|k-1)表示从k-1时刻所处系统状态的前提下k时刻的系统状态;
c)计算增益:
Kg(k)=P(k|k-1)HT(HP(k|k-1)HT+R)-1
d)结合预测值和观察值,估计现在状态的最优估计值:
X(k|k)=X(k|k-1)+Kg(k)(Zk-HX(k|k-1))
e)更新现在的最优估计值的协方差:
P(k|k)=(1-Kg(k)H)P(k|k-1)
f)循环迭代,返回步骤(a);
式中:Q为过程噪声协方差矩阵,Q=0,R=σ1 2为观察噪声协方差矩阵,σ1为高斯分布vk的标准差。
10.根据权利要求1所述的无线传感器网络中节点的定位和跟踪方法,其特征在于:步骤S4中,得到盲节点的位置、速度后,通过基站实时传输到上位机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410776479.8A CN104469938A (zh) | 2014-12-11 | 2014-12-11 | 一种无线传感器网络中节点的定位和跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410776479.8A CN104469938A (zh) | 2014-12-11 | 2014-12-11 | 一种无线传感器网络中节点的定位和跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104469938A true CN104469938A (zh) | 2015-03-25 |
Family
ID=52915116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410776479.8A Pending CN104469938A (zh) | 2014-12-11 | 2014-12-11 | 一种无线传感器网络中节点的定位和跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104469938A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105307118A (zh) * | 2015-09-22 | 2016-02-03 | 南京邮电大学 | 基于质心迭代估计的节点定位方法 |
CN105960009A (zh) * | 2016-04-15 | 2016-09-21 | 东南大学 | 一种软件定义无线传感器网络中的定位方法 |
CN106323290A (zh) * | 2016-08-24 | 2017-01-11 | 潘重光 | 地图生成系统及方法 |
CN107340496A (zh) * | 2016-11-06 | 2017-11-10 | 杨国强 | 一种基于导轨定位导引系统及方法 |
CN108055634A (zh) * | 2017-12-11 | 2018-05-18 | 清华大学 | 一种基于移动锚节点实现无线传感器网络节点定位及时钟同步的方法 |
US10368206B2 (en) | 2016-08-24 | 2019-07-30 | Shang Hai Pan Shi Tou Zi Guan Li You Xian Gong Si | Map generation system and method |
CN110099443A (zh) * | 2019-05-13 | 2019-08-06 | 电子科技大学 | 一种无线传感器网络中节点追踪的负载均衡方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100302953A1 (en) * | 2009-05-27 | 2010-12-02 | Xiaoyun Li | Method of coverage evaluation and optimization using triangulation model |
CN102255959A (zh) * | 2011-06-28 | 2011-11-23 | 淮阴师范学院 | 基于WSN及移动agent的混凝土施工信息监测系统 |
CN103067962A (zh) * | 2012-12-20 | 2013-04-24 | 浙江工业大学 | 无线传感器网络中分布式信标节点漂移检测方法 |
-
2014
- 2014-12-11 CN CN201410776479.8A patent/CN104469938A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100302953A1 (en) * | 2009-05-27 | 2010-12-02 | Xiaoyun Li | Method of coverage evaluation and optimization using triangulation model |
CN102255959A (zh) * | 2011-06-28 | 2011-11-23 | 淮阴师范学院 | 基于WSN及移动agent的混凝土施工信息监测系统 |
CN103067962A (zh) * | 2012-12-20 | 2013-04-24 | 浙江工业大学 | 无线传感器网络中分布式信标节点漂移检测方法 |
Non-Patent Citations (2)
Title |
---|
占宏等: "基于EKF的无线传感器网络移动信标定位算法", 《电视技术》 * |
张少平: "无线传感器网络节点定位算法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105307118A (zh) * | 2015-09-22 | 2016-02-03 | 南京邮电大学 | 基于质心迭代估计的节点定位方法 |
CN105307118B (zh) * | 2015-09-22 | 2017-05-31 | 南京邮电大学 | 基于质心迭代估计的节点定位方法 |
CN105960009A (zh) * | 2016-04-15 | 2016-09-21 | 东南大学 | 一种软件定义无线传感器网络中的定位方法 |
CN106323290A (zh) * | 2016-08-24 | 2017-01-11 | 潘重光 | 地图生成系统及方法 |
US10368206B2 (en) | 2016-08-24 | 2019-07-30 | Shang Hai Pan Shi Tou Zi Guan Li You Xian Gong Si | Map generation system and method |
US10542378B2 (en) | 2016-08-24 | 2020-01-21 | Shang Hai Pan Shi Tou Zi Guan Li You Xian Gong Si | Map generation system and method |
US10911895B2 (en) | 2016-08-24 | 2021-02-02 | Shang Hai Pan Shi Tou Zi Guan Li You Xian Gong Si | Map generation system and method |
CN107340496A (zh) * | 2016-11-06 | 2017-11-10 | 杨国强 | 一种基于导轨定位导引系统及方法 |
CN107340496B (zh) * | 2016-11-06 | 2019-08-13 | 湖南云辙科技有限公司 | 一种基于导轨定位导引系统及方法 |
CN108055634A (zh) * | 2017-12-11 | 2018-05-18 | 清华大学 | 一种基于移动锚节点实现无线传感器网络节点定位及时钟同步的方法 |
CN110099443A (zh) * | 2019-05-13 | 2019-08-06 | 电子科技大学 | 一种无线传感器网络中节点追踪的负载均衡方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104469938A (zh) | 一种无线传感器网络中节点的定位和跟踪方法 | |
Tuna et al. | An autonomous wireless sensor network deployment system using mobile robots for human existence detection in case of disasters | |
US10244362B2 (en) | Use of RF-based fingerprinting for indoor positioning by mobile technology platforms | |
US11049069B2 (en) | Method and system for localizing tracking devices indoors and outdoors | |
US9807724B2 (en) | Use of RF-based fingerprinting for indoor positioning by mobile technology platforms | |
Eckert et al. | An indoor localization framework for four-rotor flying robots using low-power sensor nodes | |
US9692827B2 (en) | Systems and methods for provisioning sensing resources for mobile sensor networks | |
Li et al. | An indoor ultrasonic positioning system based on TOA for Internet of Things | |
CN105676172A (zh) | 簇式磁场定位的方法、装置和系统 | |
Wang et al. | Profiling aquatic diffusion process using robotic sensor networks | |
CN106796110A (zh) | 网络元件和用户设备在室内环境中的位置确定 | |
WO2005038478A2 (en) | Constrained tracking of ground objects using regional measurements | |
CN111879305A (zh) | 一种面向高危生产环境的多模态感知定位模型与系统 | |
US10077985B2 (en) | Wireless positioning system, wireless positioning terminal, and point information transmitter | |
Rajesh et al. | Energy efficient deployment of wireless sensor network by multiple mobile robots | |
Sivakumar et al. | Error minimization in localization of wireless sensor networks using fish swarm optimization algorithm | |
CN102932912A (zh) | 一种基于无线传感器网络的电磁频谱信号定位方法 | |
EP3881031A2 (en) | Systems and methods for direction estimation in indoor and outdoor locations | |
Kaur et al. | Review on localization techniques in wireless sensor networks | |
Pešić et al. | Bluetooth low energy microlocation asset tracking (blemat) in a context-aware fog computing system | |
Çavdar et al. | An Optimal Anchor Placement Method for Localization in Large-Scale Wireless Sensor Networks. | |
CN105547494A (zh) | 基于热释电红外传感器的室内人体定位装置及其实现方法 | |
Kanakaraja et al. | LoRA based indoor localization using LPWAN gateway and BLE beacons | |
CN102307358B (zh) | 基于信息度量的移动传感器网络主动定位方法 | |
CN103561466B (zh) | 一种提高传感器网络节点定位准确度的系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150325 |
|
RJ01 | Rejection of invention patent application after publication |