动态传感器网络中距离汩关的蒙特卡洛定位算法

动态无线传感器网络的许多应用中定位技术具有至关重要的作用,在这种网络中部署区域内的全部节点不断运动。针对动态传感器网络中的定位问题,在蒙特卡洛方法的基础上提出了一种新的定位算法-距离相关蒙特卡洛（DRMCL）。该算法通过利用节点的RSSI测距性能减小预测时未知节点可能存在的交叠区域,提高定位精度。仿真结果表明,对比蒙特卡洛和凸规划等现有的移动传感器网络定位算法,提出的DRMCL可以明显提高定位精度,在运动的过程中,定位精度能够达到20％以下。     

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.     

改进DV-Hop定位算法在随机传感器网络中的研究

DV-Hop定位算法是一种典型的无需测距定位算法。DV-Hop定位算法在各向同性的密集网络中,可以得到比较合理的定位精度,然而在随机分布的网络中,节点定位误差较大。针对随机传感器网络中节点分布不规则的特点,在传统DV-Hop算法的基础上采用了跳数修正和多变的平均跳距离法两个改进措施,提出了一种改进的DV-Hop定位算法。仿真结果表明,提出的改进算法可大大地提高随机传感器网络中节点的定位精度。     

一种网络生长的无线传感器网络定位算法

提出了一种利用完全图进行无线传感器网络定位的分布式定位算法.仿真表明,该算法在噪声功率较小或者网络连通程度较高时,节点的定位精度更高,并且在网络的连通程度较低或者传感器节点分布不均匀时,仍然保持较好的定位精度.     

蝙蝠算法在无线传感器网络节点递增式定位中的应用

无线传感器网络节点的定位在特殊环境中有着广泛的应用,综合考虑节点定位的成本与覆盖率,采用逐步递增定位方法。针对节点递增式定位带来的累计误差问题,提出了基于蝙蝠算法的无线传感器网络节点定位,以改善节点在逐步递增过程中的定位精度。介绍了蝙蝠算法的具体实施过程以及如何应用在递增式定位技术中。仿真结果表明,运用蝙蝠算法可以减小定位误差,提高节点的定位精度。     

无线传感器网络节点自适应惯性权重定位算法

在无线传感器网络定位算法中,为了降低定位误差,提高定位精度,提出一种结合DV-Hop算法和改进粒子群算法的,基于自适应惯性权重的优化定位算法。首先根据DV-Hop算法估算未知节点与信标节点的距离。然后采用改进的粒子群算法做后期优化。根据每次迭代后粒子位置与全局最优位置的距离,对粒子的惯性权重进行动态调整,使其具有动态自适应性。并且利用进化度作为搜索中止条件,加快算法的收敛速度。通过仿真说明,相较于DV-Hop算法和基于已有改进粒子群优化的DV-Hop算法,自适应惯性权重定位算法可以降低平均定位误差,有效地提高了无线传感器网络中节点的定位精度。     

基于RSSI的加权质心定位算法优化研究

在无线传感器网络(WSNs)中,定位精度和算法收敛速度是节点定位的关键因素.本文提出了一种改进的WCBD(Weighted Centroid Based on Distance)算法,该算法基于接收信号强度指示(RSSI),结合加权质心定位算法,研究参考节点与目标节点之间的距离,然后针对加权质心定位算法中的权重系数选择提出了新的思路,使之提高定位精度.仿真结果表明,与W-Centroid算法和WR-Centroid算法相比,WCBD算法通过误差调整和迭代,有效提高了算法的收敛速度和定位精度.     

基于测距权重的蒙特卡罗定位改进算法

针对传统蒙特卡罗定位算法采样效率低,对锚节点密度要求高的特点,本文基于蒙特卡罗定位算法MCL提出一种改进的移动传感器网络的节点定位算法IMCB.该算法利用历史锚节点信息和RSSI测距,以及运动模型的改进对待定位节点的位置采样范围进行了进一步限制,对有效采样点的权重进行了区分.仿真结果表明:该算法的定位精度相比MCB算法提高了16.6%.     

距离估计修正的定位算法优化研究

在无线传感器网络(WSNs)节点定位中,定位精度是传感器节点定位的关键因素.提出一种距离估计修正定位算法,通过节点之间的跳数加权和平均每跳距离误差修正的组合优化方法实现节点的距离估计预处理,再使用L-M算法进行节点定位计算.设定不同节点规模、锚节点比例、节点通信半径情况下的仿真分析,与IDV-Hop和TWDV-Hop算法相比较,优化算法在定位精度性能方面有较大提升.     

基于距离的无线传感器网络自定位新算法

文章介绍了常用的基于距离的无线传感器网络自定位机制,在建立定位算法求解数学模型和定位性能描述的基础上,提出了一种新的基于智能估算的节点自定位算法.该算法对所得解进行一次甚至多次的选择优化,以提高定位精度.仿真结果表明,新算法与较常用的极大似然估计定位算法相比能够显著提高节点定位精度.     

一种利用可靠的锚节点的非测距定位算法

无线传感网中的多类应用均需要准确的定位算法。为了评估位置,普通节点需利用与锚节点间的距离信息,估计自己的位置。因此,距离的估计在无线传感网络定位中扮演着重要的角色。传统的各向同性网INT(isotropic networks)中定位算法是将欧式距离看成最短路径距离SPD(shortest path distances)。然而,这些算法在各向异性网ANT(anisotropic networks)不能准确地估计距离,因为ANT中最短路径距离SPD与欧式距离不成线性比例;并且两节点间的最短路径被迂回,其长度可能大于相应的欧式距离。针对此问题,正确选择可靠的锚节点RANs(reliable anchor nodes)用于准确地估计距离显得格外重要。为此,面向各向异性网ANT,提出基于可靠的锚节点选择的定位方案,记为Se_RANs。每个普通节点通过三角模型原则选择三个可靠锚节点,计算这三个锚节点估计离其他锚节点间的距离,进而利用Mix-max算法估计普通节点位置,从而提高估计的准确性。同时,通过数学分析,推导了普通节点周围存在三个可靠锚节点的概率;并验证了Se_RANs方案的可行性。仿真结果表明,与DV-Hop算法相比,提出的Se_RANs方案具有小的定位均方误差(MLE)。     

传感器网络节点的微粒群定位算法

为了进一步提高无线传感器网络未知节点定位精度,以微粒群算法为理论基础,加入传感器网络的特征,提出微粒群定位算法。该算法依据未知节点接收到的到锚节点的距离信息,直接搜索出未知节点的位置。实验结果表明微粒群定位算法拥有更高的定位精度,并且抗测距误差更强的优点。     

Cooperative Nodes Localization for Three-Dimensional Underwater Wireless Sensor Network Based on Weighted Centroid Localization Algorithm

The underwater wireless sensor network(UWSN) has the features of mobility by drifting,less beacon nodes,longer time for localization and more energy consumption than the terrestrial sensor networks,which makes it more difficult to locate the nodes in marine environment.Aiming at the characteristics of UWSN,a kind of cooperative range-free localization method based on weighted centroid localization(WCL) algorithm for three-dimensional UWSN is proposed.The algorithm assigns the cooperative weights for the beacon nodes according to the received acoustic signal strength,and uses the located unknown nodes as the new beacon nodes to locate the other unknown nodes,so a fast localization can be achieved for the whole sensor networks.Simulation results indicate this method has higher localization accuracy than the centroid localization algorithm,and it needs less beacon nodes and achieves higher rate of effective localization.     

采用WSVM的三维无线传感器网络节点定位

为了提高无线传感器网络三维节点的定位精度,针对SVM的核函数构建问题,提出一种基于小波支持向量机(WSVM)的定位算法.首先,收集三维传感器锚节点信号强度,构建支持向量机学习样本;然后,将其输入到小波支持向量机进行学习,建立三维传感器节点定位模型;最后,采用仿真实验对模型性能进行测试.研究结果表明:与传统三维定位算法对比,使用小波支持向量机中的三维传感器节点进行定位时,精度水平得到有效提升,获得更加稳定的节点定位结果,可以广泛应用于实际无线传感器网络系统中.     

基于分层定位的无线传感器网络定位研究

在无线传感器网络中,传感器节点定位是很重要的技术。提出了分层定位的思想,研究了一种集中与分布相结合的定位方法。分层定位技术通过筛选具有固定连接度的框架节点并分步定位,适用于高连接度的网络,可用于计算框架节点和普通节点的定位。仿真验证了分层定位在均匀分布节点网络中具有良好的定位精度。与其它现存方法相比,分层定位的策略可更灵活运用在各种定位应用中。     

一种改进的无线传感器网络DV-Hop定位算法

针对无线传感器网络DV-Hop定位算法中信标节点与未知节点之间的平均跳距估算误差较大的问题,提出一种改进的DV-Hop算法并进行仿真检验。改进后的算法对传统算法中节点每跳距离选取进行了调整,还采用加权平均法计算节点平均每跳距离。仿真结果表明,改进的DV-Hop算法显著提高未知节点的定位精度。     

MWSN中基于马尔可夫链的节点移动预测算法

在以往的移动无线传感器网络(mobile wireless sensor network,MWSN)中,热点分配问题没有得到很好的解决,网络利用率较低.通过预测移动节点的轨迹可以优化网络结构,提出结合加速度进行轨迹预测的算法MTPA:首先对节点的运动状态进行建模;其次建立了一步运动状态概率转移矩阵;最后以马尔可夫链为基础设计多步概率转移矩阵计算算法.为了验证算法性能,在STM32F407平台上进行了实验,结果表明,MTPA算法相比于传统的匀速预测算法与频率统计算法,预测准确度具有一定的优势,相关研究成果可以为MWSN提供基础.     

基于多目标遗传算法的无线传感器网络重新部署方法

研究节点动态移动以增强覆盖率,同时考虑节点的最大移动距离最小化.通过引入虚拟合力对基因进行变异,提出一种基于NSGA-II框架的改进的多目标遗传算法,达到网络覆盖率与节点移动距离之间的平衡.实验证明,该结果能得到较分散的前沿占优解.     

基于RSSI的多维定标迭代定位算法

定位是无线传感器网络的重要问题.针对基于经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出了RSSI-GA算法,在多维标度技术中直接根据无线信号强度值组成相异性矩阵,从分析个体间的相异性和各节点的距离的几何约束关系入手,建立以未知节点位置为参数的优化数学模型,使用遗传算法求解此模型从而直接计算出节点坐标.仿真结果表明,本算法大大降低计算开销,能有效提高定位精度.     

一种WSN环境下多机器人协作式声源定位方法

研究多机器人协作式任务执行具有现实意义。针对目前机器人声源定位算法不能满足多机器人协作式搜寻声源的场合,提出一种无线传感器网络(Wireless Sensor Networks, WSN)环境下的多机器人窄带声源定位方法。该方法根据接收信号强度对多个机器人的全局坐标进行测距定位,利用到达时间差(Time Difference of Arrival,TDoA)定位方法估计机器人与声源的相对距离,并结合全相位傅里叶变换(all-phase FFT,apFFT)算法提高相对距离的估计精度,最后通过测距定位算法得到声源的全局坐标值。在4个WSN节点和3个机器人组成的系统中进行方法测试,实验结果表明：该方法能实现三机器人协作式的声源定位任务,定位准确率较高,可满足搜救场合中声源定位的要求。