基于凸半定规划的RSS测距的合作式定位方案

无线传感网中的多类应用均需要准确的定位算法。为了降低定位成本,减少能量消耗,常采用基于接收信号强度RSS(Received Signal Strength)测距,再利用最大似然ML (Maximum likelihood)估计法求解节点的位置。然而,ML估计为非线性、非凸性,难以获取全局最优解。为此,提出凸半定规划SDP(Semidefinite Programming)的合作式定位方案,利用凸半定规划策略将ML估计转换成凸优问题。同时,该方案考虑两类场景：源节点发射功率已知、未知。针对第一类场景,利用半凸松驰策略,并结合最小化最小二乘法,建立凸优表达式,最后利用CVX求解;针对第二类场景,先建立联合ML估计函数,再利用SDP估计,并结合起来简单的三步骤方案进行位置估计。仿真结果表明,提出的SDP算法的定位精度比SD/SOCP-1、SDPRSS平均提高了近15%至20%。此外,提出的SDP算法在所有场景的误差小于3m的出现概率占0.8,而SD/SOCP-1、SDPRSS算法小于0.5。     

基于凸半定规划的接收信号强度测距的合作式定位方案

无线传感网中的多类应用均需要准确的定位算法。为了降低定位成本,减少能量消耗,常采用基于接收信号强度RSS(received signal strength)测距;再利用最大似然ML(maximum likelihood)估计法求解节点的位置。然而,ML估计为非线性、非凸性,难以获取全局最优解;为此,提出凸半定规划SDP(semidefinite programming)的合作式定位方案,利用凸半定规划策略将ML估计转换成凸优问题;同时,该方案考虑两类场景:源节点发射功率已知、未知。针对第一类场景,利用半凸松弛策略,并结合最小化最小二乘法,建立凸优表达式,最后利用CVX求解。针对第二类场景,先建立联合ML估计函数,再利用SDP估计,并结合起来简单的三步骤方案进行位置估计。仿真结果表明,提出的SDP算法的定位精度比SD/SOCP-1、SDPRSS平均提高了近15%~20%。此外,提出的SDP算法在所有场景的误差小于3 m的出现概率占0.8,而SD/SOCP-1、SDPRSS算法小于0.5。     

基于细菌觅食算法和跳段校正的无线传感器网络定位算法

对目前应用较为广泛的DV-Hop 定位算法进行了分析,针对其在跳段估计及位置计算中的不足,提出了一种基于细菌觅食算法（BFA）和跳段校正的定位算法BFA-HC.该算法首先根据接收信号强度指示（RSSI）阈值优化节点间的跳数,在此基础上基于最小均方误差准则计算锚节点的平均每跳距离,当未知节点获得3 个或以上锚节点的距离后应用细菌觅食算法进行位置估计.仿真结果显示,BFA-HC 算法在不同网络规模、不同网络连通度及不同锚节点比例条件下均可以显著提高传感器网络节点的定位精度.     

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.     

基于测距的地面网络化弹药节点自定位算法

分析了极大似然估计算法中测距误差对定位误差的影响,提出了基于LMS（最小均方差）的自适应滤波原理的测距误差修正的自定位算法. 利用极大似然估计法初步估计节点位置,并得到定位误差信息,建立测距误差矩阵并更新网络中的滤波参数,完成对网络中测距误差的抑制,从而优化节点定信息. 实验仿真表明,优化处理使定位精度得到提高. 结果表明算法适用于锚节点密度较小的、低信噪比的网络化弹药系统.     

无线传感器网络中基于双支持向量回归的分布式定位算法

针对无线传感器网络中节点定位误差问题,提出一种基于双支持向量回归的分布式定位算法。在保持锚节点连通性的基础上,以锚节点跳数和位置信息为训练样本。结合拉格朗日法和KKT(Karush-Kuhn-Tuchker)条件,把原问题的优化转化为对偶形式,使用双支持向量回归技术确定跳数信息到节点间距离的映射函数。最后,采用最小二乘法估计待定位节点的位置,在不同锚节点和通信半径的情况下对传感器目标节点进行定位实验测试。实验结果表明:该方法减小了测量误差,能有效提高节点自身定位精度。     

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)。     

一种分布式无锚点定位算法的优化与实现

符合分布式和无锚点特点的定位算法一直是传感器网络节点定位技术的一个重要发展方向。通过对大量无锚点定位算法的分析,提出了一种符合分布式特点且定位精度较高的无锚点定位算法。为进一步提高该算法的节点定位精度,建立了该算法的误差模型,通过对其分析,提出了减少目标节点定位误差的方法。为衡量节点估计位置的准确程度,首先提出了2个指标——定位等级与可信度;然后以原算法为基础,利用提出的指标,按照误差分析得出的结论,设计了一种从目标节点邻居表中筛选出高精度邻居节点的优化机制,从而提高了目标节点的定位精度。计算机仿真分析表明,优化后的算法计算节点估计位置的有效性和可靠性均高于原算法,进而证明了这种优化设计的可行性。     

利用离去角度的无线传感器网络分布式节点定位方法

针对现有无线传感器网络节点定位方法成本和复杂度较高的问题,提出了一种利用离去角度估计的分布式节点定位方法(AODL).锚节点利用阵列天线发射正交导频信号,从而使得各传感节点仅需配备常规的单天线系统便可获得导频信号的离去角度信息.结合锚节点的地理位置,各节点进而可进行自身的三维位置估计.AODL方法仅利用无线通信设备进行定位,节点的角度估计不需要配备阵列天线,具有低成本和低能耗的优点,同时各节点独立进行自身的角度估计和位置计算,是一种分布式的定位方法.仿真实验结果表明,对于100 m×100 m的定位区域,借助于4个装备3×3均匀面阵的锚节点,各传感节点在信噪比为15 dB时的平均定位误差可以达到1 m以内.     

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.     

一种低通信开销联合时钟同步和定位算法

针对无线传感器网络（wireless sensor networks ,WSNs）中降低节点间的通信开销的需求,提出一种基于成对广播同步协议（pairwise broadcast synchronization ,PBS）改进的联合时钟同步和定位算法。在联合时钟同步和定位过程中,锚节点（位置已知,时钟需同步）侦听未知节点（位置未知,时钟需同步）与参考节点（位置已知,时钟为参考时钟）双向交换的时间信息,不用发送额外的信息。因此相比于传统基于双向信息交换方式的联合时钟同步和定位算法可以节省大量的通信开销,同时可以降低同步所需参考节点的数目。该算法不仅对未知节点的位置参数和时钟参数进行联合估计,同时也完成锚节点时钟参数的估计。经过仿真分析,估计值满足所推导的克拉美罗下限（cramer-rao lower bound,CRLB）,且估计精度接近其他两种典型联合算法。综合考虑估计精度和通信开销,所提出的算法优于现有的联合时钟同步和定位算法。     

基于改进型粒子群优化的节点自定位算法

为了提高测距误差影响下无线传感器网络节点自定位精度,提出一种基于距离的节点自定位新算法.对混沌搜索与粒子群优化进行算法融合,给出一种改进型粒子群优化算法,将其应用于节点自定位.新算法利用未知节点与信标节点之间的距离信息,通过改进型粒子群优化算法获取未知节点的位置.仿真结果表明,改进型粒子群优化算法对两种标准测试函数的搜索结果优于一般的粒子群优化算法.在测距误差和信标节点数量相同的条件下,相对于最小二乘估计法,新算法在各个测距误差级上的定位精度更高,其定位误差随测距误差增大而上升的趋势更缓慢.新算法具有更好的鲁棒性,适用于测距误差较大、信标节点数量较少的情况.     

MPLPK: A mobile path localization protocol based on key nodes

To alleviate the localization error introduced by irregular sensor network deployment,a new mobile path localization based on key nodes(MPLPK) protocol is proposed.It can recognize all concave/convex nodes in the network as fixed anchor nodes,and simplify the following localization process based on these key nodes.The MPLPK protocol is composed of three steps.After all key nodes are found in the network,a mobile node applying improved minimum spanning tree(MST)algorithm is introduced to traverse and locate them.By taking the concave/convex nodes as anchors,the complexity of the irregular network can be degraded.And the simulation results demonstrate that MPLPK has 20%to 40%accuracy improvements than connectivity-based and anchor-free three-dimensional localization(CATL) and approximate convex decomposition based localization(ACDL).     

结合共线性因素的无线传感器网络DV-Hop定位算法

无线传感器网络的锚节点近似位于同一条直线上时,构成共线性现象,造成定位数据失真和精度下降.针对大规模无线传感器网络的非测距定位,结合共线性因素提出了一种DV-Hop定位算法,引入Voronoi图将网络划分成若干区域,依据共线性进行锚节点组的选取和提纯.根据跳数阈值的限制,利用每块区域的锚节点信息和符合共线性原理条件的锚节点信息对未知节点进行定位.仿真实验表明,与传统的DV-Hop和共线性算法相比,所提算法能够提高节点定位精度、减少定位误差;对于分布不均匀的网络,能够实现高精度节点定位,并适用于较复杂的环境.     

无线传感器网络的三边定位改进算法

在研究三边定位法的基础上,提出了一种借助虚拟锚节点定位方法.首先根据未知节点与其周围定位的锚节点之间的几何约束关系,确定该未知节点可能出现的区域位置;其次,根据节点之间的几何约束,确定出虚拟锚节点的坐标范围,最后,在已经划定的可能区域内,采用最小二乘法寻求虚拟锚节点与未知节点之间距离差的最小值,以该数值对应的坐标值作为所定位的未知节点的坐标值.仿真结果表明,虚拟锚节点能够有效实现未知节点的定位,并用最小二乘法改进了未知节点的定位效果     

一种无线传感器网络节点自定位新算法

节点自定位是无线传感器网络应用的关键。质心算法是基于距离无关的定位技术,但其定位精度不高。本文提出一种虚拟锚节点定位算法,具体方法是在不增加锚节点密度的情况下,首先根据未知节点与其周围定位的锚节点之间的几何约束关系,确定该未知节点的可能出现的区域位置;其次,根据节点之间的几何约束,确定出虚拟锚节点的坐标范围,最后,在已经划定的可能区域内,采用最小二乘法寻求虚拟锚节点与未知节点之间距离差的最小值,以该数值对应的坐标值作为所定位的未知节点的坐标值。仿真结果表明,采用虚拟锚节点算法能够实现未知节点的定位,并能有效提高定位精度。     

无线传感器网络节点自身定位算法

无线传感器网络中,节点的自身定位至关重要,在军事和民用领域中有着广泛的应用前景.目前的定位算法主要分为两种类型,即基于距离的定位算法和距离无关的定位算法.这两种类型的算法各有优势和不足.考虑了两种算法的优缺点,提出了一种廉价实用的自身定位算法,该方法通过RSSI测距技术测量节点间点到点的距离,并在多跳网络中对累加距离进行广播,最后用几何方法和最大似然估计法进行定位.仿真显示该算法在平均测距误差为10%,锚节点比为10%时,平均定位误差约为节点射频通信距离的20%.