基于RSSI均值的等边三角形定位算法附matlab代码

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

🔥 内容介绍​

 理想环境下比较常用的定位算法为加权质心定位算法.实际应用中定位信息随机性较大，极容易受到外界干扰，故在定位算法的基础上，对RSSI信号强度指.a值的处理显得尤为重要.

基于RSSI的测距方法中，己知发射节点的发射信号强度，接收节点根据收到信号的强度，计算出信号的传播损耗，利用理论和经验模型将传输损耗转化为距离。RADAR就是一个基于RSSI的室内定位系统。由于传感器节点本身具有尤线通信能力，所以基于RSSI的测距尤击额外的硬件设备，是一种低功率、廉价的测距技术，但是因为尤线信号受反射、多径传播、非视距传播等问题影响，使得相同距离产生显著不同的传播损耗，是一种较粗糙的测距技术.

为了提高无线传感网络的定位精度从提高测量精度、改善信标N点分布的角度提出了一种基于RSSI均值的等边三角形定位算法.该算法引入信号强指( RSSI)敏感区和非敏感区概念采用高斯模型对非敏感区的RSSI数据进行处理解了RSSI易受干扰的问题.采用等边三角形分布模型处理信标节点的分布保证未知节点运动轨迹始终在信标节点的非敏感区内从而在定位算法上使测量精度得到提高.研究表明高斯模型可以很好地筛选出RSSI较优值;等边三角形分布模型可以提高RSSI的采集优度.这种定位算法训一算简单定位过程中节点间无通讯开销无需硬件扩展.

📣 部分代码

<span style="color:#333333"><span style="background-color:#fafafa"><code>   %%</code><code>    %</code><code>    %三边测量的定位算法</code><code>    %dA,dB,dC为A,B,C到未知节点(假定坐标[<span style="color:#ca7d37">x</span>,<span style="color:#ca7d37">y</span>]未知)的模拟测量距离</code><code>    function [P] = Triangle(A,B,C,dA,dB,dC)</code><code>    </code><code>    %A,B,C为三个选定的信标节点,节点坐标已知(为便于防真及验证,代码中采用的等边三角形)</code><code>    %A = [<span style="color:#0e9ce5">0</span>,<span style="color:#0e9ce5">0</span>];</code><code>    %B = [<span style="color:#0e9ce5">25</span>,<span style="color:#0e9ce5">25</span>*<span style="color:#ca7d37">sqrt</span>(<span style="color:#0e9ce5">3</span>)];</code><code>    %C = [<span style="color:#0e9ce5">50</span>,<span style="color:#0e9ce5">0</span>];</code><code>    </code><code>    %定义未知坐标<span style="color:#ca7d37">x</span>,<span style="color:#ca7d37">y</span>为符号变量</code><code>    syms <span style="color:#ca7d37">x</span> <span style="color:#ca7d37">y</span>;</code><code>    %syms表示定义一个符号变量，符号变量区别于数值型的那些变量，用于进行公式的化简和计算。</code><code>    </code><code>    %%</code><code>    %</code><code>    %画圆，求交点</code><code>    %距离方程,以信标节点为圆心,信标节点到未知节点的测量距离为半径作三个圆</code><code>    f1 = (A(<span style="color:#0e9ce5">1</span>)-<span style="color:#ca7d37">x</span>)^<span style="color:#0e9ce5">2</span>+(A(<span style="color:#0e9ce5">2</span>)-<span style="color:#ca7d37">y</span>)^<span style="color:#0e9ce5">2</span>-dA^<span style="color:#0e9ce5">2</span>;</code><code>    f2 = (B(<span style="color:#0e9ce5">1</span>)-<span style="color:#ca7d37">x</span>)^<span style="color:#0e9ce5">2</span>+(B(<span style="color:#0e9ce5">2</span>)-<span style="color:#ca7d37">y</span>)^<span style="color:#0e9ce5">2</span>-dB^<span style="color:#0e9ce5">2</span>;</code><code>    f3 = (C(<span style="color:#0e9ce5">1</span>)-<span style="color:#ca7d37">x</span>)^<span style="color:#0e9ce5">2</span>+(C(<span style="color:#0e9ce5">2</span>)-<span style="color:#ca7d37">y</span>)^<span style="color:#0e9ce5">2</span>-dC^<span style="color:#0e9ce5">2</span>;</code><code>​</code><code>  </code><code>​</code><code>    </code><code>    </code><code>    </code></span></span>

⛳️ 运行结果

🔗 参考文献

[1]Ming YAN,闫明,Hao ZHU,等.一种基于RSSI测距的三角形质心定位优化算法[C]//2011年信息技术,服务科学与工程管理国际学术会议.美国科研出版社, 2011.

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化

2 机器学习和深度学习方面

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合