WSN中面向移动锚点的节点定位算法

为降低无线传感器网络中锚点定位的网络成本,提高资源利用率,提出一种新的无线传感器网络定位算法,通过利用共线和非共线移动锚点来实现传感器节点定位.该方法利用相邻节点间的距离估计值以及锚点提供的关于报文传输方向的相关信息来估计节点的位置,每个节点从两个独立方向定位其位置.然后使用卡尔曼滤波器来提升每个节点的定位精度.研究结果表明:相比于单方向方法和加权平均方法,基于卡尔曼滤波器的方法估计误差分别下降31%和16%;同时,该方法还克服了使用移动锚点导致的共线性问题.     

动态家庭环境智能空间服务机器人全息建图方法

 针对家庭服务机器人工作的复杂动态环境,结合智能空间和机器人二者优势,提出了一种融合环境及其中目标资源分布的家庭智能空间全息地图构建方法。基于Rao-Blackwellized粒子滤波思想,根据建图初期机器人及其感知的全局空间特征点位置完成智能空间传感器网络节点的位姿参数标定,利用已标定传感器网络的观测值和机器人控制量进行机器人位姿估计,同时根据机器人位姿及其观测值进行全息建图。针对建图过程中及建图后的环境和目标变动,设计了基于智能空间监测的全息地图动态更新策略。实验表明,智能空间传感器网络有效地解决了建图中的动态数据关联问题,由其辅助的机器人定位和建图精度明显提高。     

基于传感器网络的分布式生化气体源参数测定算法

针对生化气体源参数测定问题,提出了一种基于传感网络的分布式贝叶斯迭代估计算法,该算法在给定气体物理分布扩散模型条件下,通过传感器节点获取气体浓度,并基于分布式扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）实现气体源的坐标定位和释放率估计.通过仿真实验对两种分布式算法进行性能分析,结果表明,UKF算法在参数估计成功率和参数估计误差两个方面均要好于EKF算法,分别可以提高约50%和70%,其收敛速度快,使用节点少,更有助于节省网络能量消耗,并延长其生存周期.     

机器人UWB定位系统的设计与实现

实验引入超宽带UWB(Ultra Wideband)定位技术,结合TOA(Time Of Arrival)算法,设计并实现了移动机器人自主定位系统.在定位系统中,超宽带定位标签与基站相配合,测量出标签与各基站间的超宽带信号传输时间,经标签输出后,51Duino控制板通过串口接收数据并结合TOA算法解算出机器人位置坐标,再经串口通过Wi-Fi模块将位置坐标上传到上位机定位软件进行存储和显示,上位机软件同时可以根据坐标数据在选定的地图文件上标记机器人移动的实时轨迹.实验结果表明,该定位系统可以稳定地为机器人提供准确的位置定位服务,定位误差仅约为10cm左右,定位精度较高.     

异步无线传感网络同时定位与跟踪算法

针对异步无线传感网络环境下同时节点定位和目标跟踪问题,提出了一种可以同时进行传感器节点定位和目标跟踪的算法.该算法利用增广状态向量法对目标状态和节点位置进行同时估计,并利用固定点平滑算法对目标状态进行最优估计,实现了异步无线传感网络环境下的目标状态的最优估计以及节点位置的估计.结合节点位置和目标状态的增广状态向量取代了传统目标跟踪算法中的状态向量,在滤波算法中被用于节点位置和目标状态的同时估计.仿真实验证明:在相同的测量次数和通信次数情况下,本算法不但能够取得更高的节点位置估计精度和目标状态估计精度,而且能够取得更多目标状态的估计结果.     

面向移动传感器网络的自适应一致性融合估计方法

研究了具有时延和通信拓扑变换的移动传感器网络（MSN）分布式融合估计问题.结合无色信息滤波、自适应一致性算法并考虑通信时延而设计的基于自适应一致性的融合结构,提出了一种名为基于自适应一致性的分布式无色信息滤波（AC_DUIF）的分布式融合估计算法.以空中移动传感器网络跟踪移动目标为例,通过仿真验证了所提算法的性能.仿真结果表明,该方法能够在以分布形式提高网络中各节点对目标位置估计精度的同时,保证节点之间的一致性,并具备对网络通信延时的适应能力.     

基于相关向量机的传感器节点定位方法

为了改善无线传感器网络节点定位的精确度,提出一种基于相关向量机的传感器节点定位方法.收集RSSI信号,采用核主成分分析提取其中重要的定位特征,采用相关向量机对特征向量和位置信息之间的关系进行拟合,建立传感器节点定位的回归函数.利用仿真实验分析传感器节点的定位效果,结果表明,基于相关向量机的传感器节点定位方法可以获得高精度的传感器节点定位结果,节点定位的实时性较好.     

人工蜂群算法优化支持向量机的传感器节点定位

为了提高传感器节点的定位效果,针对支持向量机参数优化问题,设计一种人工蜂群算法优化支持向量机的传感器节点定位模型.首先采集传感器节点的相关数据,提取有效参数;然后采用支持向量机建立传感器节点定位模型,并采用人工蜂群算法解决支持向量机的参数选择问题;最后在MTALAB2014平台进行传感器节点定位实验.实验结果表明,该模型可以反映当前传感器节点的位置,获得较精准的传感器节点定位结果.     

基于AR模型和卡尔曼滤波的UWSNs节点分层预测定位

水下无线传感器网络(UWSNs)拓扑变化频繁,通信能力有限,给水下环境监测网络中的节点定位技术带来很大挑战.近海环境监测中,考虑到节点随着洋流移动并呈现出半周期性,利用节点运动模型,设计了基于AR模型和卡尔曼滤波的UWSNs节点分层预测定位方法(HPLM-AK).建立了锚节点速度的AR预测模型,综合考虑网络能量消耗和定位精度的需求,进一步建立了锚节点速度的状态方程和观测方程,利用卡尔曼滤波算法实现对锚节点速度的最优估计,进而提高了定位精度且降低了网络通信能耗;普通节点利用与锚节点运动的空间相关性,根据参考节点的速度和位置信息估算自身的速度并结合上一时刻的位置信息完成定位.考虑到提高节点的定位覆盖度,设计了节点的定位置信度,并通过将置信度较高的普通节点升级为参考节点的方式来弥补锚节点稀疏的不足.同时,设计了参考节点列表更新机制,通过更新参考节点的信息,普通节点选取置信度较高的参考节点来参与自身的定位,提高了预测定位精度.本文以E117.25°～E132.20°、N24.00°～N43.45°洋流数据为实验背景对算法进行了仿真,并且与可扩展的移动预测定位(SLMP)方法进行了分析比较,仿真结果表明,HPLM-AK方法提高了定位覆盖度和定位精度,且降低了网络的通信能耗.     

面向目标跟踪的WSN协同调度策略及拓扑控制

基于扩展卡尔曼滤波估计理论提出了分布式无线传感器网络的目标跟踪算法,给出了基于邻节点集的协同调度策略和采用退避机制的按需距离矢量路由(AODV)拓扑控制策略,实现了分布式环境下任务节点和拓扑结构的动态自适应切换.通过研制融合了MicaZ硬件节点和超声波传感器的原型系统,实现了对移动目标的跟踪和定位,验证了所提出算法的正确性.