粒子群算法修正测距的无线传感器网络节点定位

为获得理想的节点定位结果, 设计一种基于粒子群修正测距的无线传感器节点定位算法. 首先对经典无线传感器节点定位算法DV-Hop的工作原理进行分析, 找到导致测距误差的因素; 然后用粒子群算法对无线传感器节点之间的测距进行修正, 以减少节点间的测距误差, 并对标准粒子群算法的不足进行相应的改进; 最后通过仿真实验与当前经典无线传感器节点定位算法进行对比测试. 测试结果表明, 在相同工作环境下, 该算法提高了无线传感器节点的定位精度, 且未增加额外硬件开销.     

基于最优节点通信半径的改进DV-Hop定位算法

针对DV-Hop定位算法在节点随机分布的无线传感器网络中定位误差大,以及现有改进算法需要增加通信开销的问题,提出一种基于最优节点通信半径的改进DV-Hop定位算法.该算法在传统DV-Hop算法的基础上,通过分析网络节点分布特性得到最优节点通信半径,同时利用误差分析获得受扰动影响最小的锚节点优化分布方案,然后使用最小二乘法校正锚节点的平均跳距,最后采用加权方法修正未知节点位置.仿真结果表明,在不增加网络通信量的情况下,文中算法的定位精度高于现有算法.     

一种改进型无线传感器网络HCRL定位算法

节点定位是无线传感器网络应用的基础,是其关键技术之一.随着无线传感器网络应用的不断发展.改善定位算法成为最急迫和最具挑战性的工作.笔者详细地分析了HCRL定位算法的原理和过程,在继承了HCRL低系统通信开销优点的基础上,针对其在计算复杂度和定位精度方面的不足,应用四种改进策略,提出了一种改进算法IMP-HCRL.仿真实验表明:IMP-HCRL定位算法不仅保持了HCRL在节省系统通信量上的优势,同时提高了定位精度,降低了系统的计算复杂度.     

基于Voronoi图的无线传感器网络节点定位改进算法

在基于Voronoi图的定位算法中,因使用了接收到锚节点的接收信号强度(RSSI)而影响定位精确性.本文对Voronoi图定位算法进行改进,修正了RSSI的大小顺序,充分利用了收到的锚节点信息,实现了减少Voronoi区域交集为空的可能性,增加了定位精确性,使该算法可以适用于非视距、anchor节点稀少的环境.     

无线传感器网络E-Euclidean集中式定位算法

针对无线传感器网络特点,在算法初始阶段,增加计算信标点到待定位点Euclidean(欧几里德)距离,用最大似然粗略估计节点位置,根据此初始位置用最小二乘的加权融合思想循环求精.提出多跳Euclidean距离计算方法,对其多解提出解决方案.在对加权矩阵的求解提出新看法的基础上,搜索满足定位条件的待定位节点,定位后的节点升级为辅助信标点.仿真结果表明,在网络连通度为8的条件下,这是一种精度高、覆盖率高的实用性算法.     

一种基于RSSI距离比的传感器节点定位算法

随着无线传感器网络的应用与发展,WSN作为一种全新的信息获取和处理技术已得到广泛应用。如何对传感器网络节点进行快速、精确的定位,已成为WSN系统急需解决的问题。为此,提出了一种基于RSSI距离比的MDS定位算法。该算法巧用RSSI距离比,结合Euclidean测距技术计算节点间距离矩阵,运用MDS算法建立相应的全局坐标系统。根据已知锚节点物理位置,通过坐标变换(旋转与平移)最终确定未知节点的物理位置。实验结果表明:该方法能有效地提高定位的精度,对开发高精度定位系统具有重要的参考价值。     

无线传感器网络节点定位误差的修正和仿真分析

针对传感器节点定位误差大、定位精度不高的问题,提出一种修正最小二乘法的无线传感器网络节点定位误差方法.该方法采用全局搜索能力强的粒子群算法对最小二乘法定位误差进行修正,提高了节点的定位精度.仿真对比实验结果表明,在相同条件下,改进后的节点定位算法的误差低于其他传感器节点定位算法,定位结果的稳定性更高;随着信标节点数的增加,平均定位误差明显减少,有效地提高了传感器节点的平均定位精度和定位速度.     

基于可调节网格改进的跨区域GPSR路由算法

基于定位技术和可调节网格改进现有路由算法, 提出一种基于可调节网格改进的跨区域边界无状态贪婪路由算法, 解决了无线传感器网络边界无状态贪婪路由算法中能量不均衡和高能耗的问题. 该算法利用节点相对位置定位算法\, 可调节网格、 贪婪算法和右手法则建立区域级粗粒度路由路径, 并根据不同区域传感器节点分布的密度, 使用不同方法传输数据. 仿真实验结果表明, 改进算法减少了网络能耗, 延长了网络生命周期.     

一种基于Dv-hop的改进定位算法

传统Dv-hop定位算法中,最小跳数与平均跳距的估计存在较大误差。针对这一问题,提出了一种改进的Dv-hop算法。首先通过通过统计区域内节点跳数表来修正最小跳数,然后引入未知节点最近的三个锚节点对平均跳距进行修正,最后使用三边法计算未知节点的位置,实现精确定位。仿真结果表明,改进算法在不需要增加额外开销的基础上能够有效提高定位精度,并且方法简单,可操作性强,是无线传感器网络节点定位的一种可选方案。     

基于DV-Distance的无线传感器网络定位算法研究

无线传感器网络是一种全新的信息获取和处理技术,而节点自定位技术是无线传感器网络的主要支撑技术之一.由于无线传感器的节点数量非常大,致使利用GPS定位装置收集节点位置信息的代价将会很大.因此,研究能够适应无线传感器网络节点位置信息的算法是极其重要的.本文重点对距离无关的定位算法中的DV-Distance算法进行了研究,通过MATLAB软件平台对DV-Distance算法进行了仿真实现,结果表明不同信标节点密度时,定位算法的定位误差不同,而当存在障碍物及GPS误差也会影响定位误差.     

基于微电网的DV-hop改进算法

针对微电网监控系统中海量信息数据处理时,大量数据的传输可能会导致无线传感器网络崩溃与数据丢失等问题,提出了一种基于微电网的无线传感器网络的改进DV-hop算法。首先,将边缘计算技术应用于微电网,改进微电网监控系统结构;其次,在改进微电网监控系统基础上,将基于平均加权方法与跳数加权方法的DV-hop算法有机结合,得到新的改进算法,使得无线传感器节点定位误差缩小至0.60。仿真结果表明:基于平均加权方法与跳数加权方法提高了传感器节点定位精度。     

无线传感器网络测距定位算法改进与分析

在无线传感器网路实际应用中,节点定位技术是重要的支撑技术之一.不同于常规的求解距离等式方程组解法,分别采用MLE(最大似然估计参数)法和最小二乘法,对无线传感器网络测距的定位算法进行改进.非常有趣的是,两种不同方法得到的结果完全一致.最后经过实验评估和算法仿真对比分析测距定位算法改进前后的特性,结果表明改进后的测距定位算法能取得良好的定位精度.     

基于TOA测距的目标跟踪系统

本文分析现有无线传感器网络TOA定位技术,针对其缺陷提出了一种改进算法,提高了定位精度。并设计了一个使用该算法的目标跟踪系统。实验证明该算法定位精度高,稳定度高,实用性好。     

基于幅频矢量匹配的DV-hop定位算法优化

矿井巷道环境复杂多变,DV-hop算法应用于井下定位时效果不理想,因而,基于幅频矢量匹配对经典DVhop算法定位结果进行优化。利用经典DV-hop算法找到井下移动节点位置大致区域,将节点接收到的各锚节点信标信号的幅频矢量与数据库中煤矿巷道各点的幅频矢量相匹配,最终确定移动节点的精确位置信息。仿真结果表明:优化后的DV-hop算法,平均定位精度和定位覆盖率明显优于经典的DV-hop算法;随着锚节点数的增加,优化后的DV-hop算法的平均定位误差呈明显下降趋势。     

基于IAPIT的无线传感器网络定位算法研究

无线传感器网络的应用领域涵盖军事、医疗、环保以及交通等。由于涉及到体积、功率和成本一些因素的限制,现在流行的全球定位的系统和无线传感器网络的节点定位并不配套。所以,探讨符合无线传感器网络的定位算法有着广泛的实际应用价值和非常重要的理论价值。研究了无线传感器网络中IAPIT的定位算法,就不一样的节点通信半径和锚节点比例,仿真比较探讨APIT算法和IAPIT算法的性能。从实验可以看出,IAPIT算法和APIT算法比较,大大增加了定位覆盖率。无线传感器网络的定位精度基本能够满足应用的需求。     

基于改进粒子滤波的超宽带与惯性测量单元融合定位算法

为了提高UWB与IMU融合定位算法的定位精度,提出了一种基于改进自适应加权数据融合的粒子滤波定位算法。首先利用自适应最优加权融合算法中最小方差估计理论,对粒子滤波中粒子分布权重进行调整;利用阈值限制所求观测方差,避免了因实际环境导致观测方差发散;利用观测噪声协方差和测量值,在粒子滤波后RMSE限制区间求得各传感器最优加权因子,避免因传感器信号弱或丢失产生的算法发散问题。最后,进行了UWB与IMU融合定位的对比实验,实验结果显示该算法与EKF融合算法相比定位精度提高了15%以上。     

遗传算法的DV-Hop算法改进

DV-Hop算法中,平均每跳距离是影响定位精度的因素之一。针对平均每跳距离带来的定位误差,对锚节点和未知节点的平均每跳距离进行了改进和优化。首先引入遗传算法计算锚节点的平均每跳距离;然后利用跳数小于等于3的锚节点的平均每跳距离加权处理未知节点的平均每跳距离,减少平均每跳距离带来的误差。仿真结果表明,在不增加硬件开销的基础上,改进算法能够有效提高算法的定位精度,并且具有较好的稳定性。     

一种基于凸优化的WSN障碍环境下定位算法

针对传统DV hop算法定位精度较低及定位环境中物体阻碍信息传播导致节点定位失效的问题, 提出一种适用于障碍环境下的高精度定位改进算法. 首先引入一个考虑定位节点的最小跳数误差修正值, 通过该值筛选参与定位的锚节点, 进而优化锚节点的平均跳距; 然后利用三角函数结合两锚节点间的准确距离共同计算未知节点到锚节点的距离; 最后通过对未知节点的位置进行凸优化计算, 使得节点间的数据传播具有最优路径, 优化定位过程, 提高定位精度. 仿真实验结果表明, 改进算法不仅解决了在无线传感器网络障碍环境下难定位的问题, 还可有效提高未知节点的定位精度.     

基于改进的RSSI的车间移动节点MCL算法

针对蒙特卡罗定位（MCL）算法在无线传感网络定位精度和取样效率中存在的不足,提出了一种基于接收信号强度指示（RSSI）改进的MCL算法（R-MCL算法）,并对车间移动节点进行定位.通过分析车间移动资源的移动规律,引入RSSI模型测距预测,减少取样区域,从而提高了取样效率和定位精度.仿真结果表明,R-MCL算法在定位精度、收敛速度和计算量等方面的性能均有提升.     

RSSI-神经网络在无线传感网络定位中的应用

在传统RSSI(接收信号强度)定位方法中,由于RSSI值对于不同的环境适应能力比较差,测量距离往往存在误差,这就直接影响了无线传感网络定位的精度。针对这种不足,提出了一种RSSI-神经网络定位方法,即前期建立起未知节点的RS-SI值与坐标的映射关系,后期用神经网络进行定位。从而减小了不同环境对RSSI的影响,使该算法具有一定的鲁棒性。通过实验证明,该算法较传统的RSSI定位方法,在定位精度上有一定的提高。