一种基于RBF神经网络的无线传感器网络定位模型

在无线传感器网络覆盖区域内的不同位置采集信号强度值,利用径向基函数(RBF)神经网络建立信号强度到节点坐标之间的映射模型,将采集到的信号强度值作为神经网络的输入矢量进行训练,利用训练好的神经网络实现未知节点的定位。实验结果表明,该模型具有较好的定位精度,其平均定位误差低于10%。     

基于RSSI的无线传感器网络环境参数分析与修正方案

定位技术是无线传感器网络数据采集的基础服务,而定位精度的高低在很大程度上取决于距离测量的精度.基于RSSI(接收信号强度)测距技术无须添加任何硬件设施、用较少的通信开销和较低的实现复杂度,十分适应于能量受限的无线传感器网络.通过对RSSI测距模型进行分析,并提出一种针对室内环境的参数修正方案.通过自行研发的传感器节点Ubicell上进行验证分析,实验表明,采用环境参数修正方案后,明显提高了测距的精度.     

一种基于RSSI校正的加权质心定位算法

节点自定位技术一直是无线传感器网络中的关键技术,而基于接收信号强度指示(RSSI)的定位技术则是目前的研究热点。在对传统的加权三角形质心定位算法分析的基础上,提出了一种改进的定位算法。在测距阶段,将信标节点之间的距离和信号强度同时作为参考来校正RSSI值;在定位阶段,对传统加权三角形质心定位算法的权值进行修正。通过仿真证明改进算法比传统算法的定位精度有明显提高。     

基于有源射频识别信号强度的室内移动机器人测距方法

为采用几何法进行室内移动机器人定位,提出了基于有源射频识别(RFID)信号强度测距方法.分析了无线信号传播的特点和无线信号强度指示(RSSI)测距的原理,建立对数-常态分布传播损耗模型.采用有源RFID的HR-6020C读写器和WS-HT06电子标签构建实验系统,其中读写器作为基站固定于一点,电子标签作为移动节点时刻发送信号.通过实验得到距离与RSSI值关系曲线,利用有源RFID系统对理论模型中的参考点信号强度和比例因子进行标定,并分析了测距精度.影响测距精度的因素主要包括标签的位置、数量和实验环境等.根据确定的传播损耗理论模型进行了测距实验.结果表明,在3 m范围内测距最大偏差为41.68 cm.这为基于RFID的室内场馆移动机器人定位提供了依据,可以满足机器人的定位精度要求.     

移动无线传感器网络下的采煤机定位精度

基于节点的信号强度和距离解算模型,建立局域强信号与定位子空间的对偶映射,在此基础上推导包含测距误差和锚节点误差的拓展克拉美-罗下限方程。仿真研究无线测距误差、锚节点密度和锚节点基准坐标漂移方向等多因素对采煤机定位精度的影响,并在实验室三机模型上进行测试。实验结果表明:由无线测距误差引起的采煤机定位误差占到92.9%,且沿采煤机截割方向误差分量占78.11%以上,而通过增加锚节点密度以及减少移动节点与锚节点间垂直距离能减少定位误差。实验结果与仿真结果基本一致。研究结果可为移动传感器网络下采煤机精确定位提供理论与技术支撑。     

基于无线传感器网络的室内停车场定位系统研究

以TI公司CC2530芯片为核心,提出基于无线传感网络的测距和定位算法来解决"取车难"的问题.系统着重在测距算法上进行优化,先采用接收信号强度(RSSI)测距,再通过高斯模型进一步提高测距准确性,最后利用优化的测距数据来进行三边定位算法定位,确定车辆的位置,从而达到方便取车的目的.     

基于信标节点RSSI自校正的WSN三维定位

针对目前无线传感器网络(WSN)三维定位算法中存在的定位精度低、依赖基础设施等同题,在对四边测量法和接收信号强度指示( RSSI)测距模型分析的基础上,提出一种信标节点自校正三维定位算法.该算法将信标节点充当盲节点,得到其RSSI值测量误差和网络定位误差,并在计算中采用加权平均的思想.仿真结果表明:该算法能够提高三维定...     

无迹卡尔曼滤波在无线传感器网络节点定位中的应用

传统的基于距离的无线传感器网络节点定位技术,由于测距过程产生较大的误差,从而使定位精度不高.文中在基于接收信号强度(RSSI)测距、三边测量法初始定位的基础上,提出以接收信号强度为观测量,将无迹卡尔曼滤波(UKF)算法应用到节点精确定位中.通过仿真验证使用该方法后,相比以距离为观测量的UKF定位方法,节点的定位精度有一定的提高,并进一步定量的分析比较了两种实现模型下节点定位算法的误差概率分布.在此算法的基础上,通过权衡平均定位误差与算法运算复杂度之间的关系,给出最佳定位锚节点数量,并模拟具体环境,验证了文中节点定位算法的实用性.     

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。     

基于无线传感网定位的网关功能模块的实现

为有效利用无线传感器网络采集的数据,设计了具有定位功能的网关功能模块。该模块的开发基于LINUX系统,其功能在REAL210(V6.2)嵌入式开发板上测试实现。模块可以使传感器节点组网形成路由信息,对传感器网络中节点进行资源分配和时间同步,最终实现节点定位。定位功能面向大型无线传感器网络,通过建立距离层级模型实现。测试结果证明,系统定位快速、准确,可以广泛地应用在大型无线传感器网络定位或监测等场合。     

基于移动锚节点的无线传感器网络节点定位

为了更好地解决无线传感器网络节点定位精度和复杂测距技术之间的矛盾,提出了一种基于移动锚节点的非测距的定位技术。9个装备有GPS接收机的可移动锚节点形成一个圆形定位区域,位于定位区域内的待定位节点接收锚节点发射的信号,并记录接收信号强度。比较接收信号强度确定自己所处区域,从而实现定位。仿真结果表明,该节点定位技术平均定位精度约为10%,与其他类似定位技术相比能够明显提高节点定位精度。     

基于移动锚节点的无线传感器网络节点定位

为了更好地解决无线传感器网络节点定位精度和复杂测距技术之间的矛盾,提出一种基于移动锚节点的非测距的定位技术。9个装备有GPS接收机的可移动锚节点形成一个圆形定位区域,位于定位区域内的待定位节点接收锚节点发射的信号,并记录接收信号强度,比较接收信号强度确定自己所处区域,从而实现定位。仿真结果表明,该节点定位技术平均定位精度约为10%,与其他类似定位技术相比,能够明显提高节点定位精度。     

基于深度和距离感知的三维水下传感器网络路由算法

由于水下传感器网络具有节点深度差大、定位困难、传输损耗大、电池难以更换等特点,针对二维平面网络提出的传统路由算法和基于地理位置的三维网络路由算法均难以适用。鉴于以上原因,提出一种基于节点深度和距离感知的三维水下传感器网络路由算法———DDSR(Depth and Distance Sensing based Routing)算法。路径节点通过自身安装的深度传感器感知深度,通过接收信号的强度计算出相邻节点间的距离,然后按照向上(水面方向)和向内(sink柱面方向)传输的原则完成路由。仿真结果表明,该算法在网络能耗、传输成功率以及端到端延时等方面均取得令人满意的性能,证明了该算法在三维水下传感器网络中的有效性。同时,该方案具有较低的算法复杂度,易于实用化。     

传感器定位节点的应用设计与实施

将定位功能融入到节点中,设计并实施了一种具有定位功能的传感器网络节点.该节点具有内置定位引擎,通过获取节点间的接收信号强度,转换成相应的距离信息.当获取3个以上已知节点坐标后,采用极大似然估计法给节点定位.实验结果表明,该节点定位精度3 m,可以满足一般传感器网络应用的需要.     

异构网络中下行链路的干扰抑制研究

针对蜂窝网与无线局域网(WLAN)共存的异构网络干扰问题,提出一种干扰抑制方案:在发送端加设预编码矩阵,最大化期望信号强度,减小干扰信号强度;在接收端加设干扰抑制编码矩阵,抑制蜂窝网络基站对无线局域网内用户设备的干扰及无线接入点(AP)对非期望用户设备的干扰.仿真结果表明:该方案可以抑制异构网络下行链路的干扰问题,提高异构网络用户的传输速率.     

分布式自组织网络动态功率控制机制的研究与实现

针对自组织网络的功率控制机制,提出了一种适用于自组织网络的分布式动态功率控制机制.源节点首先向目的节点申请保护时隙作为专用数据通信时隙,申请成功后源节点根据接收到的响应报文的发送功率和接收信号强度指示器,计算出源节点到目的节点的最优发送功率,减少发送功率从而节省节点能耗.基于CC2430无线模块开发了实验验证平台对该机...     

改进的蜂窝网室内定位匹配算法

针对无线信道的动态衰落特性,基于蜂窝网的室内定位存在较大误差,提出一种改进的蜂窝网室内定位匹配算法——基于主成分分析法(principal component analysis,PCA)的子空间匹配算法,不仅保证系统实时性,而且有效地剔除大误差点,提高定位精度.该算法利用无线蜂窝信号非视距传播造成的位置特性构建离线指纹数据库,根据在线接收信号从离线指纹库中提取子指纹库,利用PCA算法对在线实测数据及子指纹库进行有效地降维,构建子空间,并结合加权K近邻匹配算法(weighted K nearest neighborhood,WKNN)估计出多个位置坐标,利用3σ准则对这些位置做筛选,输出最终定位结果.实验结果表明,基于PCA的子空间匹配算法在保证定位实时性的前提下,能有效剔除大误差点,提高整体定位性能.     

用模糊神经网络求解多级交换网路由重排问题

研究利用人工神经网络求解多级交换网路由重排问题，提出了一种求解路由重排问题的模糊控制神经网络算法。大量的计算机模拟结果表明，该算法与其它同类算法相比较具有收敛速度快，结果有效性高，自适应性强等特点。利用ＴＭＳ３２０Ｃ３０数字信号处理器构成了虚拟硬件系统，实时实现了多级交换网路由重排控制器，理论计算与测试结果一致。该工作为神经网络与模糊系统相结合探索了一条新的途径。     

基于小波分析法与神经网络法的非平稳风速信号短期预测优化算法

为提高传统神经网络对非平稳风速的预测精度,提出一种基于小波分析法与神经网络法混合建模的优化算法。该优化方法引入小波分析法对实测非平稳风速信号进行分解,将非平稳性原始风速序列转化为多层较平稳分解风速序列,再利用BP神经网络对各分解层风速序列建立预测模型,最终加权各层预测结果获得风速超前多步预测结果。仿真结果表明:该优化算法实现了风速的高精度短期多步预测,将传统神经网络法对应超前步数的平均绝对相对误差分别提高了55.56%,32.43%和34.58%,其超前1步、3步和5步预测的风速平均相对误差分别为0.48%,1.50%和2.97%。优化网络具备信号分解与自学习能力。     

基于BP神经网络的城市供水系统管网预测

针对城市供水系统的复杂性、非线性、时变化性以及多因素影响的特点，探讨了建立基于BP神经网络城市供水管网预测的原理，阐述了建立基于BP网络的城市供水时序预测模型方法．根据管网的节点压力历史数据纪录，建立基于神经网络的管网压力时序预测模型，对未来某一时段的节点压力进行预测．从预测过程和结果分析，基于BP神经网络城市供水管网预测方法操作简单，运行速度快，误差修正方便，精度高．图2，表1，参12．