Abstrak-Ada lokalisasi RSSI berbasis
banyak algoritma untuk jaringan sensor
nirkabel (JSN). Makalah inimengusulkan
perbaikan RSSI berbasis optimasi
mekanisme (Br2 OM) berdasarkan skala
multi-dimensi (MDS). Ide dasar dari
algoritma ini adalah bahwa membangun
sub-area lokalisasi untuk memastikan
pemrosesan lokalisasi dapat diselesaikan
dengan sukses. Sub-area dibagi dengan
cluster yang merupakan struktur pohon.
Pada saat yang sama waktu, mekanisme
menyaring Diterima Kekuatan Sinyal
Indicator (RSSI) berdasarkan indikasi
kualitas link (LQI) untuk mengurangi
jumlah kesalahan RSSI. The RSSI
diperbaiki dan disempurnakan dengan
menggunakan aturan cosinus dan
keterbatasankomunikasi jangkauan.
Hubungan posisi relatif antara node buta
diperoleh dengan mengadopsi MDS
klasik algoritma. Posisi relatif akhirnya
dikonversi ke dalam koordinat global.
Hasil penelitian menunjukkan bahwa
algoritma memiliki banyak keuntungan,
seperti akurasi tinggi, kondisi sederhana,
dan biaya moderat. Algoritma memenuhi
persyaratan aplikasi jaringan skala besar
dan juga sangat berharga untuk masalah
posisi halus di bawah keadaan non-
berhadapan.
Persyaratan Indeks-Wireless sensor jaringan,
RSSI, LQI, MDS
I. PENDAHULUAN
Wireless jaringan sensor [1]dibangun oleh
banyak sensor node membentuk jaringan
self-organized. Node secara acak
ditempatkan di daerah dimonitor, yang
membuat lokasi node tak terkendali.
Sebagian besar aplikasi JSN didasarkan
pada informasi lokasi.
Teknologi posisi menjadi lebih dan lebih
menarik. Teknologi Lokalisasi adalah salah
satu teknik dasar pada JSN. Lokalisasi
biasanya mengadopsi energi yang rendah
konsumsi dan teknik biaya rendah seperti
RSSI, TDOA, TOA, AOA, dll untuk biaya,
energi dibatasi, dan perangkat keras
sumber daya. Namun, ada biasanya berisi
berbagai kesalahan akibat gangguan
lingkungan, terbatas presisi hardware dan
faktor lainnya. Salah satu kesalahan
terbesar adalah bernama kesalahan bruto
(outlier)[2], Yang memiliki dampak yang
besar pada akurasi posisi dan ketahanan.
Informasi lokasi dari simpul buta
diperkirakan oleh kerjasama dari
beberapa node berdasarkan konektivitas
dari jaringan dan informasi jarak antara
node. Konektivitas berbasis algoritma
termasuk Centroid [3] , DV-Hop [4]
, Amorf [5]  dan APIT [6]  dll Mereka
memiliki keuntungan dari efisiensi energi
tinggi, kecil perhitungan dan overhead
komunikasi, tetapi posisi akurasi yang
lebih rendah. Range berbasis algoritma
Localization menggunakan informasi jarak
antara node, dan dibutuhkan komputasi
yang lebih dan biaya komunikasi untuk
meningkatkan akurasi posisi. Ada banyak
Range berbasis algoritma. Salah satu
algoritma perwakilan MDS [7]
. Ketika rentang kesalahan kecil, algoritma
MDS memiliki akurasi posisi tinggi.
Namun posisi kinerja berkurang ketika
informasi kisaran campuran dengan
kesalahan kotor kecil. Dengan kata lain,
algoritma ini kurang kuat untuk
kesalahan. Saat ini, posisi kuat dipelajari
oleh para peneliti baik di dalam maupun
luar negeri. Menurut berat lokasi
kredibilitas dan topologi lokal, sastra [8]
menghambat difusi kesalahan dengan
menghapus node yang memiliki posisi
besar kesalahan atau tidak stabil pada
topologi jaringan selama perbaikan
iteratif. Tetapi algoritma memerlukan
tinggi proporsi node sinyal dan lokalisasi
cakupan yang lebih rendah. Sastra [9]
mengusulkan marjin lokalisasi algoritma.
Algoritma akan memilih yang optimal
rambu untuk penentuan posisi node node
buta. The algoritma meningkatkan akurasi
dengan mengambil margin jarak dan
memecahkan persamaan non-linear.
Namun, algoritma ini membutuhkan node
suar berlebihan, dan kebutuhan untuk
membangun sebuah database dari lokasi
terkecil kesalahan node bacon sesuai
dengan ruang lingkup yang berbeda dari
lokasi. Sastra [10] mengusulkan suatu
algoritma lokalisasi untuk mengubah
perbedaan jangkauan. Algoritma yang
mengubah RSSI dengan menggunakan
mercusuar yang terdekat dengan node
buta sebagai referensi. Selain itu,
menggabungkan Perbedaan Metode
dengan algoritma Centroid. Selama
amandemen, itu