Chapter 9 1. WSN 无线传感网定位技术 2. WSN Localization …

1

Chapter 9无线传感网定位技术

Localization Techniques for WSNs

黄河

苏州大学计算机科学与技术学院

网络工程系

home.ustc.edu.cn/‾huang83/wsn.html

内容提要

1. WSN定位概述

2. WSN定位技术基础

3. 基于测距range-based的定位技术

4. 无需测距range-free的定位技术

课本Page 168~172

1. WSN定位概述-什么是定位？

无线传感网定位(Localization for WSNs)：

就是传感器节点根据网络中少数已知节点的位置信息，通过一

定的定位技术确定无线传感器网络中传感器节点的绝对位置或

相对位置信息的过程，我们称之为WSNs应用的“定位”。

Why?先卖个棺子

1. WSN定位概述-研究定位意义

无线传感器网络定位的意义和重要性1：

定位是无线传感器网络应用的基础和关键技术之一，

在许多无线传感器网络应用中，传感器节点必须知道

自身的位置才能确定所采集数据的准确位置，从而向

用户提供有用的服务。

例子：Structure Health Monitoring监测，某个传感器节点告知你在“一个位置”出了一些健康状况，可惜位置不准确，你可以接受吗？这样的例子还有很多，请同学们自己思考！

没有节点位置信息的监测数据往往是没有任何意义的！

1. WSN定位概述-研究定位意义

无线传感器网络定位的意义和重要性2：

无线传感器网络的路由选择(大家应该还记得WSNs路

由中有一大类算法称为基于地理位置的路由算法吧！)

、拓扑控制、网络覆盖等问题的研究依赖于准确的节

点位置信息来提高控制效率，改善网络性能。

1. WSN定位概述-研究定位意义了解传感器节点的位置分布状况可以对提高网络的路由效率(

设计对应的Greedy机制)，从而实现网络的负载均衡以及网络

拓扑的自动配置，改善整个网络的覆盖质量。

2

1. WSN定位概述

定位的两种不同场景：

一种是传感器节点确定自己在系统中的位置(节点自定位)

一种是多个传感器节点组成的系统确定被监测目标在系统中的

位置(目标定位，目标跟踪tracking，目标轨迹预测)

1. WSN定位概述

位置信息的类型：

物理位置指目标在特定坐标系下的位置数值，表示目

标的相对或者绝对位置(绝对x,y坐标)

符号位置指在目标与一个基站或者多个基站接近程度

的信息，表示目标与基站之间的连通关系，提供目标

大致的所在范围(RSSI fingerprint)

1. WSN定位概述-WSN定位必要性

研究WSN中节点定位的必要性：

两种可以直接获取sensor位置的方法：

方法1：人工配置每个节点的位置信息

有时候，传感器网络通常部署在人类不可到达的区域或是战场环境

人工配置大量节点的位置，既容易造成人为错误，又影响网络的快速部署，并且还违背传感器网络的

自组织原则 (如：GreenOrbs 1000+ sensors)


两种可以直接获取sensor位置的方法：

方法2：全球定位系统 GPS

成本考虑：传感器节点要求造价低廉以便于大量生产和部署，而 GPS 接收设备成本较高

传感器节点通常依靠电池供电，能量供给有限，GPS 接收设备能耗过高

GPS 设备只能适用于无遮挡的室外环境，而传感器节点可能部署于复杂环境，使得 GPS 设备难以工作(Most important!)

顺便了解一下我国自主研发的北斗定位系统


位置信息人工获取以及GPS获取缺陷总结如下：

无线传感网中包含大量的传感器节点，通常节点的放

置采用随机撒布放置方式，如采用人工标定来确定每

个节点的位置，工作量巨大，很难完成

为每个节点配置GPS可直接获得节点的位置，但由于

节点数目众多，考虑到价格，体积，功耗等因素的限

制，通常不采用这种方案

1. WSN定位概述

适用于WSN的节点定位的模式：

请同学们思考？

3

1. WSN定位概述-WSN定位模式

较合理的方法是为部分节点事先标定好准确位置或为

他们配备GPS，这些节点称为锚节点(或参考节点，信

标节点等)

目前节点定位研究主要集中于如何利用这些锚节点提

供的位置信息与节点间的协作，来计算非锚节点(未知

节点)的位置

1. WSN定位概述-WSN定位模式

回忆之前的定位定义就是传感器节点根据网络中少数已知节点的

位置信息，通过一定的定位技术确定无线传感器网络中传感器节

点的绝对位置或相对位置信息的过程，我们称之为“定位”。

定位算法设计的技术挑战

① Sensor节点的通信能力一般都非常有限，锚节点数

量受限。

② 算法需要尽大努力的降低通信与计算开销。

③ 对于Range-based算法测距很难准确。

④ 对于Range-free算法，稀疏网络定位效果很差。

内容提要

1. WSN定位概述


3. 基于测距(range-based)的定位技术

4. 无需测距(range-free)的定位技术

WSN定位技术基础-基本术语

信标节点，参考节点，锚节点(Beacon Node，Reference Node

，Anchor Node)：自身位置已知的传感器节点，可以为其他节

点提供定位依据与位置参考，同时我们认为这类节点的位置信

息准确。在WSN中，信标节点所占比例一般很小

未知节点(Unknown Node)：无法获取自身位置信息的传感器

节点。这类节点需要通过定位算法计算获取自身位置信息 [本

质上说未知节点就是待定位节点]


到达时间(TOA， Time of Arrival)：

信号从一个sensor传播到另一个sensor所需要的时间

到达时间差(TDOA：Time Differential of Arrival)

两个不同传播速度的信号(radio, sound)从一个结点传播

到另一个节点所需要的时间之差 Page 170

到达角度(AOA：Angle of Arrival)

节点收到信号相对于自身轴线的角度

4


接收信号强度(RSS, Received Signal Strength)：

Sensor接收到无线信号的强度大小

接收信号强度指示(RSSI, RSS Indicator)

Sensor接收到无线信号的强度大小指示

RSSI是负值，为什么？

因为无线信号多为mW级别，所以对它进行了极化，转化为dBmw而已，不

表示信号是负的。1mW就是0dBm，小于1mW就是负数的dBm数


接收信号强度(RSS, Received Signal Strength)：

接收信号强度指示(RSSI, RSS Indicator)

利用信号在传递过程中的衰减特性进行距离估计。已知

发射结点的发射信号强度，接收节点根据收到的信号强

度，计算出信号的传播损耗，基于理论和经验的信号衰

减模型将传输损耗转化为距离。该方法符合低功率，低

成本的要求，但信号强度易受环境影响！


视距关系(LOS：Light of Sight)

两个节点之间没有障碍物，能够直接通信，称为两节

点之间存在视距关系

非视距关系(NLOS：Non Light of Sight)

两个节点之间有障碍物，不能够直接通信，称为两节

点之间存在非视距关系

WSN定位技术基础

三个不共线锚节点的距离信息够不够？

d1

d2

d3

(x1,y1)

(x2,y2)

(x3,y3)


在二维平面中对于未知节点至少需要接收到三个或者

三个以上的来自于不同参考节点(且参考节点不能在

一条直线上)的距离测量值才可以唯一对自身位置进

行估算

思考对于三维平面的情况？


定位精度取决于距离测量值的精度

定位精度可以理解为sensor精确位置与计算结果之间的

差距 (定位精度越高，差距越小；反之则越大)

如表示节点的精确位置，而表示计算结果

定位误差取决于距离测量值的精度、参考节点的数量以

及参考节点相对于传感器节点的几何位置

jd'jd

'j jd d

5


定位误差出现的原因

WSN定位技术基础——节点定位测距技术

节点定位算法要求知道未知节点与锚节点之间的距离

等信息，进而根据几何关系计算未知节点的位置。测

距技术是通过测量接收信号的到达时间、到达角度或

信号强度等参数进行估算节点之间距离的一种技术。

测距是定位算法的基础。

WSN定位技术基础-节点定位测距技术

基于到达时间的测距方法(TOA)

基于到达时间差(TDOA)的测距方法

基于到达角度(AOA)的测距方法

基于接收信号强度(RSS)的测距方法

2. 测距方法

基于接收信号强度(RSS)的测距方法：(误差大)

① 通过信号在传播中的衰减来估计节点之间的距离

② 根据信道模型求解距离：

③ 信道的时变特性：

信道由于受到多径衰减(Multi-path Fading)

非视距阻挡(Non-of-Sight Blockage)的影响

Xd

dndPLdPL

00 log10)()(

对数距离路径损耗模型

RSS测距方法

1R TP P

r

2. 测距方法

Distance

RS

SI

Path lossShadowingFading

6

TOA(Time Of Arrival)

• TOA测距法根据信号的传播速度和时间来计算节点间的距离

• 假设两个节点时间同步, 发送节点A在发送信号的同时发送一个同步消息告知接收节点Ｂ信号发送时间为t0 ,节点Ｂ接收信号的同时接收同步消息并记录接收信号的时间t1,

则两节点间的距离Ｌ＝ c(t1- t0), c为信号在介质中的传播速度.

TDOA(Time Difference of Arrival)

发送节点同时发出射频及超声波两种信号，接收节点根据

收到两种信号的时间差来估算距离。

TDOA(Time Difference of Arrival)

特点：

精度高(可达到厘米级)

传输特性也受环境影响，但较易检测

超声传输距离短(传播距离仅为20-30英尺),受NLOS影响

误差来源：

超声波的速度对温度的变化非常敏感。

如果信标和未知节点问是非视距路径，声波可能绕过物体边缘折射或

经过物体的反射后到达节点。

超声波(US)传感器不是全方向的

测距方法小结

• 各种测距方法比较

• 各种测距方法都有自身的优缺点，单独使用都达不到很好的性能要求，结合不同方法会使性能提高，现实应用中比较经典的结合方法是TDOA和AOA方法的结合。

2. WSN定位技术基础-节点位置的计算

为关键的一个步骤，直接计算节点坐标信息

在未知节点获取足够多的距离或是角度信息之后，就可以采用

下面几种方法来计算自己的位置

方法包括：

I. 多边、三边测量法(multi-lateration/trilateration)

II. 估计法( 小二乘，极大似然估计Maximum Likelihood Estimation等)

III. 三角测量法(triangulation)

2. 三边定位和多边定位

三边定位Trilateration(多边定位特例)

需要考虑无解的情况，求最优近似解

A1

A2A3

N

r1

r2r3

A1

A2A3

N

r1

r2r3

(a) (b)

无解情况

7

2.三边定位和多边定位

d1

d2

d3

2 21 11

2 22 2 2

2 23 3 3

(x x) ( )

(x x) ( )

(x x) ( )

d y y

d y y

d y y

M

1 2 2 2 2 2 21 3 1 3 1 3 1 3 1 3

2 2 2 2 2 22 3 2 3

2 3 2 3 2 3

(x x )(y y )2*

(x x )(y y )

x x y y d dx

y x x y y d d


多边定位Multilateration

① 多次测量方程的个数大于变量的个数

② 估计方法：

① 最小二乘(LS，Least Square)

② 极大似然(MLE, Maximum Likelihood Estimation)

③ 最小均方差(MMSE, Minimum Mean Square Error)

A1

A2

A3

A4

A5

N

r1

r2r3

r4

r5


最小二乘(LS，Least Square)

小二乘估计，合理的参数估计量应该使得模型能好地拟

合样本数据，也就是估计值和观测值之差的平方和小;本来用

两者差的绝对值汇总并使之小是理想的，但绝对值在数学

上求小值比较麻烦，因而替代做法是，找一个（组）估计值

，使得实际值与估计值之差的平方加总之后的值小，称为

小二乘。

极大似然(MLE, Maximum Likelihood Estimation)

说通俗一点，就是利用已知的样本结果，反推有可能（大

概率）导致这样结果的参数值。

多边定位法基于距离测量(如RSSI、ToA/TDoA)的结

果。确定二维坐标至少具有三个节点至锚点的距离值；

确定三维坐标，则需四个此类测距值。2 2 2

1 1 1

2 2 2

( ) ( )

( ) ( )n n n

x x y y d

x x y y d

1

2

34

……

n(x,y)

2 2 2 2 2 21 1 1 1 1

2 2 2 2 2 21 1 1 1 1

2( ) 2( )

2( ) 2( )

n n n n n

n n n n n n n n n n

x x x x x y y y y y d d

x x x x x y y y y y d d

用矩阵和向量表达为形式Ax=b，其中：

1 1

1 1

2( ) 2( )

... ...

2( ) 2( )

n n

n n n n

x x y y

x x y y

A

2 2 2 2 2 21 1 1

2 2 2 2 2 21 1 1

...n n n

n n n n n n

x x y y d d

x x y y d d

b

用矩阵和向量表达为形式Ax=b，其中：

^1(A A) AT T

xX

y

X b

小二乘法

8

2. 补充知识—— 小二乘法

小二乘法(Least squares)是数学和统计建模中的一

个基本方法。

小二乘法经常用于拟合平面上的点集

2. 接收信号角度定位

利用角度关系定位

A1

A2

N

α1 α2

A1

A3A2

N βα

γ

12

111222

12

111222

cotcot

)cot()cot(tantan

)tan()tan(

yxyxy

xyxyx

)cos1(2)()(

)()(

)()(

21

23

23

21

212

212

21

211

211

Ccc

CCC

CCC

ryyxx

ryyxx

ryyxx

已知一个顶点和夹角的射线确定一点已知三点和三个夹角确定一点

2. 定位的技术指标(1)

① 最重要的指标，指定位系统提供的位置信息的

精确程度。

绝对精度：指以长度为单位度量的精度

相对精度：通常以节点之间距离的百分比来定义

② 覆盖范围是另一个重要指标，它和精度是一对

矛盾

精度覆盖范围

超声波分米级十多米

Wi-Fi和蓝牙 3米 100米

GSM系统 100米公里级


N个未知节点的网络平均定位误差：

: 节点i的估计坐标与真实坐标在二维平面中距离

差值

单个节点定位误差可以用下式表示：(R为Sensor通信

半径)：

1

1 N

ii

dN

id

100%id

R


① 刷新速度是提供位置信息的频率。比

如GPS每秒钟刷新1次

② WSN相关的指标

功耗，WSN是功耗受限制的

带宽，协议栈开销+数据的有效载荷

节点密度，节点密度要求越高，单次定

位的通信开销越大，消耗的电能越多

定位技术分类

• 根据定位过程中实际测量节点间的距离和角度与否

通过测量节点间点到点的距离或角度等信息进行位置估计

无须距离和角度信息，仅根据网络连通性等信息即可实现

距离无关的定位

基于测距的定位

9

内容提要

1. WSN定位概述




基于测距(range-based)的定位技术

① 三边定位和多边定位

信号强度(RSS)

信号传播时间/时间差(TOA/TDOA/RTOF)

接收信号相位(PDOA)

近场电磁测距(NFER)

② 接收信号角度定位

基于RSSI测距定位算法

RSSI测距原理：

两边取对数后：

/ nR TP P r

10 lg 10lg

10lg 10 lg

(dBm) 10 lg

T

R

R

R

Pn r

P

P A n r

P A n r

Min-Max定位算法

为什么提出Min-Max定位算法

传统多边定位法的浮点运算量大，计算代价高

Min-Max定位根据若干锚节点位置以及未知节点距

离锚节点的测距值，创建多个边界框，所有边界框

的交集为一个矩形，取此矩形质心作为待定位节点

的坐标。

这种定位方法计算简单

Min-Max定位算法

Min-Max定位是根据若干锚点位置和至待求节点的

测距值，创建多个边界框，所有边界框的交集为一

矩形，取此矩形的质心作为待定位节点的坐标

采用三个锚点进行定位的Min–max方法示例，即

以某锚点i (i=1, 2, 3) 坐标( )为基础，加上或

减去测距值，得到锚点i的边界框：

,i ix y

id

[ - , - ] [ , ]i i i i i i i ix d y d x d y d

Min-Max定位算法

在所有位置点中取小值、所有

中取大值，则交集矩形取作：

三个锚点共同形成交叉矩形，矩形质心即为所求节

点的估计位置

[ , ]i i i ix d y d

[ , ]i i i ix d y d

[max( ), max( )] [min( ), min( )]i i i i i i i ix d y d x d y d

10

Min-Max定位算法三个锚点共同形成交叉矩形，矩形质心即为所求节点的估计位置

锚点 1锚点 2

锚点 3

估计位置

( 矩形中心 )

真实位置

内容提要

1. WSN定位概述




无需测距(range-free)的定位技术

1. 质心算法

2. DV-Hop算法

无需测距的定位技术-质心算法

质心(Centroid)的定义：在计算几何中，质心指的是

多边形的几何中心，是多边形顶点坐标的平均值。

设多边形顶点位置的向量表示为

pi=(xi , yi)T，则质心为：

1 1

1 1( , ) ( , )

n n

est est i ii i

X Y X Yn n


举例：如果四边形ABCD的顶点坐标为，则

它的质心坐标为：

1 1( , )A x y

2 2( , )B x y

3 3 4 4( , ), ( , )C x y D x y

1 2 3 4 1 2 3 4( , ) ,4 4

x x x x y y y yx y


• 基本思想：质心定位是一种粗定位算法，该算法仅利用网络连通度实现定位。算法将网络中的锚节点看做是多边形的顶点，而将与未知节点连通的锚节点构成的多边形的质心点坐标看作是未知节点的位置坐标

• 网络中放置了固定数量、通信区域相重叠的一组参考节点，这些参考节点构成规则的网状结构

11


• 实现步骤

– 锚节点i以周期T向邻居节点发送Nsent(i,t)个广播

包，其中包括自身ID和位置信息；

– 未知节点根据收到的锚节点i发送的广播包数量

Nrecv(i,t) ，计算与锚节点的连通指标：

CMi = Nrecv(i,t) / Nsent(i,t) ×100%


• 实现步骤

– 未知节点选择连接指标大于指定阈值的锚节点(假设存在n

个满足约束的锚节点)，计算这些参考节点的质心作为自己

的位置估计值


• 定位效果– 采用质心算法时，90%以上的未知节点的定位误差在相邻锚节点之间距离的30%之内

• 算法特点– 质心算法是一种完全基于网络连通性的算法。实现简单，通信开销小，可扩展性好。但是算法的定位精度不高，要求锚节点具有较高的密度，且锚节点的位置分布对定位效果也有很大的影响，适用于对定位精度要求不高的场合

无需测距的定位技术- DV-Hop算法

基本思想：

–首先锚节点根据其它锚节点之间的短路径信息

计算平均每跳距离，然后未知节点根据平均每跳

距离和短路径信息估算与锚节点之间的距离，

后每个未知节点利用估算的距离信息，使用三

边/多边测量法计算自身位置


分三个步骤实现：

–锚节点广播寻找节点间的短路径，计算

小跳数；

–计算未知节点与锚节点间的估计距离；

–估算未知节点的坐标位置

无需测距的定位技术- DV-Hop算法计算节点间的小跳数

锚节点向邻居节点发送广播包，其中广播包中包括该锚节点

的ID，位置信息和跳数值，跳数值初始设置为0；

邻居节点收到广播包后，将跳数值加1，判断之前是否收到

过该锚节点的广播包，若未收到过，则存储该锚节点的位置

信息和跳数值，并向自己的邻居节点广播该广播包；否则，

判断新的广播包内的跳数是否小于本地存储的跳数，若小于

，则更新本地存储的小跳数信息，并向自己的邻居节点广

播该广播包；若大于，则直接丢弃该广播包(思考为什么要

进行这样的判断)

12


1 =

{ , ( , ), };

:

1 =

if ( ){

if {

5 { , ( , ), }

6 ;}

i i

i i

i

h

i x y h

j

h

i

h = h+1;

h < h

i x y h

h = h

算法：计算与锚节点之间的最小跳数

锚节点：

、设置跳数值 0；

2、向邻居节点广播数据包

节点

、设置到所有锚节点的初始跳数；

2、收到锚节点的广播包

3、

4、（）

、向邻居节点广播数据包；

、

7 else

8 { , ( , ), }i ii x y h

、

、丢弃数据包；


• 计算未知节点与锚节点间的估计距离– 锚节点估算到其他锚节点之间的每跳平均距离

– 示例：L1, L2, L3为锚节点，

L2与L1和L3之间的最小跳数分

别为2跳和5跳。

因此，L2计算的平均跳距为16m

– 锚节点将每跳平均距离广播给未知节点

– 未知节点估算到锚节点的距离

2 2

,

( ) ( )i j i jj ii

i jj i

x x y yc

h

未知节点A收到L2的平均每跳距离，分别估算到L1，L2和L3的距离为：3*16=48m,2*16=32，3*16=48m；

假设L1和L3估算的平均每跳距离分别为18和15，那么未知节点收到三个锚节点的平均每跳距离后，可以再次求平均，然后再估算到锚节点的距离。


• 估算未知节点的坐标位置

– 必须保证每个未知节点至少可以估算得到三个锚节点的

估算距离

– 锚节点采用三边定位或其它方法估算自身位置坐标

• 精度：网络平均连通度为10，参考节点比例为10%

的各向同性网络中定位精度约为33%

• 缺点：仅仅在各向同性的密集网络中，校正值才能

合理地估算平均每跳距离

定位算法之间的比较

• 基于测距的定位算法

– 如能够保证测距信息的精确性，定位精度可以得到有效

地保证。但是对节点的硬件要求较高，例如实现TDOA

等测距技术，必须安装超声波发射接收装置；若采用

RSSI信息作为测距标准，同样存在较大误差

• 距离无关定位算法

– 实现一般比较简单，不需要进行节点之间的距离测量。

对节点部署密度要求较高，当节点稀疏布置时，定位误

差很大，精度较低！

Systems Accuracy Coverage Methods NLoS/LosPower

ConsumeCost Remarks

GPS 10‐50mPoorIndoor

ToA NLoS High High Unstable

Proximity 3‐5mRoomlevel

Proximity LoS Low Low ID?

CamerasNetworks

0.5mBuildinglevel

SceneAnalysis LoS Low High ID?

WIFI 1mBuildinglevel

RSSIFingerprinting

/TDoANLoS High High

WIFICovered

RFID(Active)

1mBuildinglevel

RSSIFingerprinting

NLoS Med MedLong

Distance

RFID(Passive)

0.2mRoomlevel

TDoA/AoA LoS Low LowNoDataExchange

Bluetooth 1‐2mBuildinglevel

RSSIFingerprinting

NLoS Low MedHighDataRate

ZigBee 2mBuildinglevel

RSSIFingerprinting

NLoS Low LowLowDataRate

Question 1TheRSSIpatternisshownbelow.• 3Wifirouters• 9referncespointsQ:WhereisM(1.2,2.6,4.5)inthispattern?

5

2 1

3

4 1

1

4 2

5

2 1

2

3 3

1

3 3

3

1 2

1

1 3

1

2 5

1

2 3

13

Question 1

Q:WhereisM(1.2,2.6,4.5)inthispattern?

A: Measured RSSI of Wifi one is 1.2.Red zone (referenced RSSI of Wifi one is 1) are possible locations.

5

2 1

3

4 1

1

4 2

5

2 1

2

3 3

1

3 3

3

1 2

1

1 3

1

2 5

1

2 3

Question 1

5

2 1

3

4 1

1

4 2

5

2 1

2

3 3

1

3 3

3

1 2

1

1 3

1

2 5

1

2 3


A: Measured RSSI of Wifi two is 2.6.Green zone (referenced RSSI of Wifi two is 3) are possible locations.

Question 1

5

2 1

3

4 1

1

4 2

5

2 1

2

3 3

1

3 3

3

1 2

1

1 3

1

2 5

1

2 3


A: Measured RSSI of Wifi three is 4.5.Blue zone (referenced RSSI of Wifi two is 5) are possible locations.The intersection of three zones is the location of M.

Question 2TheRSSIpatternisshownabove.• 3Wifirouters• 9referncespoints

Q:WhereisM(5,2,1)inthispattern?Isthereanymethodstoincreasetheacceracybyoptimizeingthesystem?

5

2 1

3

4 1

1

4 2

5

2 1

2

3 3

1

3 3

3

1 2

1

1 3

1

2 5

1

2 3

Question 2

Q:Isthereanymethodstoincreasetheaccuracyofthissystem?

A:MoreWifirouters,morereferencepoints.1

2

4

1

4

2 3

Question 3

Acompanywith3buildings.• BuildingA:WorkingOffice(Wificoverd)• BuildingB:Assemblylines(流水线)• BuildingC:Warehouse(仓库)

Q:BuildingA:Locatingpersons+highratedatatransmissionBuildingB:Accuratepositioningproducts+nodatatransmissionBuildingC:Locatingforklifts(叉车)+lowratedatatransmission

WhichindoorlocalizationsystemwillyouchooseforBuildingA,BuildingB,BuildingC,respectively?why?

14

Question 3

Acompanywith3buildings.• BuildingA:WorkingOffice(Wificoverd)• BuildingB:Assemblylines• BuildingC:Warehouse

Q:BuildingA:Locatingpersons+highratedatatransmissionBuildingB:Accuratepositioningproducts+nodatatransmissionBuildingC:Locatingforklifts+lowratedatatransmission

WhichindoorlocalizationsystemwillyouchooseforBuildingA,BuildingB,BuildingC,respectively?why?

Answers:• A:WIFI.Wifecovered,highdatarate,mobilephone.• B:RFID(Passive).Smalltagsize,highacceracy,lowcost.• C:ZigBee.Lowpowerconsumption,lowcost,lowdatarate

Documents

Chapter 9 1. WSN 无线传感网定位技术 2. WSN Localization …