一种基于遗传算法的无线传感器网络节点定位技术研究

本文分析了基于误差的最小二乘估计定位原理,提出一种基于遗传算法的无线传感器网络节点定位技术。建立所有节点的定位误差之和最小的数学模型,利用遗传算法求解模型的最优解,从而得到未知节点的最优的估计位置。实验仿真结果表明该算法对未知节点的定位精度高,条件简单,适合各种规模的无线传感网络节点的定位。     

一种基于无线传感器网络的分布式目标跟踪算法

将无线传感器网络与接收信号强度指示测距技术相结合,研究了移动目标的分布式跟踪算法。根据传感器节点与移动目标的相对位置,将节点动态组织成簇,簇头节点作为簇的数据处理中心,利用扩展卡尔曼滤波形成对移动目标位置的本地估计。随着目标的移动,本地估计在簇头节点间传递。仿真结果表明,基于无线传感器网络的分布式目标跟踪算法在精度、收敛性和实时性等方面达到很好的跟踪效果。     

无线传感网络中分布式粒子滤波的目标追踪算法

在给出无线传感网络的传感器配置模型的基础上,提出了一种分布式粒子滤波DPF(d istributedparticle filter)算法,并实现了对网络中的一个运动目标的追踪。利用传感器模型,可将网络划分为一系列不相联系的传感器组,并在每个传感器组上运行一个局部粒子滤波,通过中心节点将估计状态传递给下一个传感器组的中心节点,依次实施对目标定位、跟踪。为减少网络间的通讯负荷和节约传感器节点能量,使用了高斯混合器模型(GMM),对局部粒子滤波的粒子和相应的权值进行近似;并提出了根据估计误差自适应激活传感器的优化算法。仿真结果表明,基于GMM近似的DPF在保持较高的估计精度的同时,能够大幅度减少网络间的通讯负荷。     

基于LO-EKF算法对矿井人员定位跟踪的优化研究

无线传感网(WSN)在矿井人员定位应用中受到多径干扰与机电噪声的影响,其定位精度不高.针对常规定位跟踪算法的抗干扰技术进行优化处理,提出了一种用于矿井中对工作人员定位跟踪的滤波优化算法(LO-EKF).结合惯性测量系统(IMU)和加权质心定位算法(WCL)来估计目标人员的状态参量,再通过经统计协方差矩阵配置过的扩展卡尔曼滤波器(EKF)对状态参量进行优化处理,得出最终的目标位置.仿真表明,对比定位误差累积分布函数图,LO-EKF算法相对于传统EKF算法在矿井定位中不仅能保障短期精度,而且能有效提高长期精度.     

基于无线传感节点到达时间差的定位算法设计

针对无线传感器网络节点定位的问题,深入研究了基于节点信号到达时间差的定位算法,为了提高定位的精度采用基于多点的极大似然估计算法实现无线传感器节点精确定位的需求．重点对无线传感器节点定位过程中各节点的时间同步问题进行了详细设计,给出了一种基于无线传感节点到达时间差的定位算法详细设计方案,经仿真测试表明,设计的无线传感节点定位精度在96．7％以上．     

一种能量有效的无线传感网络节点跟踪算法

针对无线传感网络能量有限的特点,提出了一种能有效节约能量的节点跟踪算法.算法首先采用无迹粒子滤波算法(UPF)及后验卡尔曼滤波获得当前时刻节点状态估计,并采用高斯混合模型拟合当前状态,然后将此模型参数传递给下一个传感器节点,下一个传感器节点再利用这些参数更新后验分布,估计下一时刻的节点状态.这样可以减少网络间的通讯负荷、节约传感器节点能量.仿真实验表明,在同时考虑定位精度和能量消耗上,本文算法具有很好的性能.     

基于Unscented卡尔曼滤波的目标位置和信道参数同时估计算法

针对传统非线性最小二乘估计算法和多步迭代估计算法估计节点位置和信道参数时存在的缺点,提出一种新的基于卡尔曼滤波的目标位置和信道参数同时估计算法.新算法将接收信号强度指示(RSSI)定位问题转化为非线性方程组的参数向量估计问题,使用UKF对目标位置和无线信道参数同时进行估计.试验结果表明,与非线性最小二乘方法相比,新算法定位误差更小,对信道参数的估计也更准确.     

无线传感网跟踪任务中的目标运动 模型估计与节点调度

在无线传感器网络进行目标跟踪的过程中,合理的节点调度算法可以兼顾跟踪精度和能量消耗,延长网络的使用寿命.然而,当目标运动模型未知时,难以实现高效的节点调度.为解决目标运动模型未知场景下的跟踪问题,本文将监控区域中的目标移动和传感器观测建模为隐马尔可夫模型(HMM),并提出了HMMQMDP算法,把问题分解为运动模型估计和节点调度两个阶段:运动模型估计阶段是根据传感器采集的观测序列估计目标状态转移概率;节点调度阶段则被建模为部分可观测马尔可夫决策过程(POMDP),综合考虑决策的短期和长期损失,应用QMDP算法近似求解优化策略.仿真结果表明:该算法可以根据观测样本有效地学习和估计目标运动模型,提升节点调度算法的效果.     

基于机器学习的无线传感网络室内定位研究

无线传感网络在能耗量化传导过程中具有随机分布性,导致网络节点的室内定位精度不高,为了提高网络的室内定位准确性,提出基于机器学习的无线传感网络室内定位方法.构建无线传感网络室内定位的节点优化部署模型,采用能量负载均衡控制方法进行无线传感网络的路由探测协议设计,建立无线传感网络节点传输的链路均衡配置模型,采用机器学习算法进行无线传感网络室内定位过程中的自适应寻优,提取无线传感网络节点输出信号的能谱特征量,根据能谱的聚类属性进行无线传感网络室内定位优化.仿真结果表明,采用该方法进行无线传感网络室内定位的精度较高,能量开销较小,网络节点的组网部署能力得到提升.     

无线传感器网络下的粒子滤波分布式目标跟踪算法

针对无线传感器网络环境下的机动目标跟踪问题,提出了一种描述目标机动加速度的目标状态空间模型,以此模型为基础开发出基于粒子滤波的单目标和多目标跟踪算法.基本思想是:在状态空间中通过寻找一组传播的随机样本来获得近似后验概率分布,并以样本均值代替积分运算,从而求得最小状态方差估计.仿真结果表明,所提算法可以较好地解决无线传感器网络环境下的机动目标跟踪问题,速度跟踪精度、机动加速度跟踪精度均较经典分布式粒子滤波算法分别提高20%、27%.