面向UWB导航精度与时延间关系的研究与仿真

超宽带UWB(Ultra-wide bandwidth)协作式导航系统中节点通过共享信息估计节点位置,这种共享模式提高了定位的精度,但延长了媒体介质访问MAC(Medium access control)时延.在设计UWB导航系统必须考虑定位精度和MAC时延间的关系.为此,对协作式场景下的定位精度和MAC时延的关系进行分析与研究,并且基于定位精度、MAC时延的下限界值LBs(Lower bounds)量化了定位精度与MAC时延的关系,同时,分别推导出定位精度和MAC时延的LBs表达式.最后,对协作式COOP(cooperative)、协作式的选择模式COOS(cooperative-selective)两个不同场景进行仿真,仿真结果表明,通过传统的方式,如增加锚节点ANs(Anchors)数量、增加发射功率,可以提高定位精度,但是会引起大的MAC时延,同时,数据表明当锚节点数较少时,协作模式能够降低MAC时延.     

WSN 基于节点位置相对关系定位的数学属性研究

为解决无线传感器网络基于位置相对关系进行定位算法中, 定位精度过度依赖信标节点密度问题, 通过3 种非测距定位算法、质心算法、APIT (Approximate Point in Triangulation)算法及AIGS (Annulus Intersection andGrid Scan)算法的原理研究, 给出了信标节点密度与定位精度和能耗之间的数学关系, 并提出基于迭代的改进算法。3 种算法定位精度正比于信标节点密度, 算法能耗正比于信标节点密度, 在同一个监测区域, 信标节点比例相同情况下, AIGS 算法定位精度最高, 质心算法定位精度最低。当信标节点稀疏时, 将部分未知节点通过质心算法转化为信标节点迭代算法, 在较低信标节点比例条件下提升3 种算法定位精度。     

非均匀场景下的协作定位基本限的研究

针对实际救援场景中由障碍物、复杂环境等因素导致的定位精度差的问题,提出将协作定位的思想应用于被困人员非均匀分布的实际场景中,在此基础上进一步提出了该场景下高效、低成本信标节点的布置.首先分析了协作定位系统的原理及其参数模型,并利用等效费歇尔信息矩阵(equivalent Fisher information matrix,EFIM)得到协作定位精度的基本限,即平方位置误差界(squared position error bound,SPEB),然后模拟2个实际中典型被困人员非均匀分布场景,在此基础上仿真,并比较模拟场景下协作模式与非协作模式的SPEB值,以及该场景下不同信标节点布置的SPEB值.仿真结果表明,被困人员之间的协作能够明显提高其自身定位精度,实际场景下信标节点的布置需要综合考虑建筑结构、成本、精度等因素.     

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.     

一种基于人工神经网络的无线传感器网络定位算法

提出了一种基于人工神经网络(ANN)的无线传感器网络定位方法,RSSI的结果被用来作为人工神经网络的输入,采用遗传算法优化人工神经网络的结构.采用MATLAB进行仿真,模拟20 m×20 m室内静态网络环境下的8个已知位置节点.实验结果表明,该方法比传统方法的定位精度高、适应性强,效果较好.     

基于果蝇——广义回归神经网络优化的WSN节点定位算法

针对无线传感器网络(WSN)基于测距的定位算法中,利用节点坐标计算方法获得的节点坐标位置存在较大误差的问题,提出一种无需进行坐标计算的果蝇—广义回归神经网络(FOA-GRNN)优化的WSN节点定位算法.该算法利用广义回归神经网络(GRNN)较快的学习速度和较强的逼近能力建立WSN节点定位模型,通过果蝇优化算法(FOA)调整广义回归神经网络的平滑参数,降低调整平滑参数时人为因素的影响,由神经网络直接输出未知节点坐标.仿真实验表明,通过果蝇算法优化的FOA-GRNN模型的节点定位精度比未经优化的GRNN模型的节点定位精度高.同时,比较了FOA-GRNN模型与BP神经网络模型、虚拟节点BP网络模型(VNBP)在WSN节点定位中效果,表明FOA-GRNN模型在WSN节点定位精确性方面具有明显优势.     

改进型无线传感器网络的质心定位方法

针对传统质心定位算法定位精度受锚节点密度影响大,但锚节点成本高而不能大量使用的问题,采用移动锚节点,引入高斯马尔科夫移动模型对锚节点移动路线进行规划,使锚节点在待测区域内随机移动形成更多的虚拟锚节点,代替传统定位算法中的锚节点,提高了质心定位算法中对未知节点的覆盖率与定位精度.仿真结果表明,该方法有效且能应用于大型无线传感器网络定位.     

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.     

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。     

采用三角形节点块处理无线传感器网络节点定位中节点翻转歧义的迭代方法

针对最小二乘法在无线传感器网络的节点定位中产生的节点翻转歧义问题,提出了一种基于三角形节点块处理节点翻转歧义的迭代方法(OPD-IP-INB)。该方法首先采用基于正交投影的节点翻转歧义检测方法对网络中所需定位的节点进行检测,然后根据三角形节点块具有的稳定性,充分利用全网络的连通性信息,通过坐标变换采用逐次寻优性的迭代方法,对发生翻转歧义的节点进行定位处理。仿真结果表明:OPD-IP-INB方法可以很好地处理最小二乘法中的节点翻转歧义问题,而且提高了整个网络的定位精度;与最小二乘法相比,随着信标节点的减少,其定位精度可以提高3%~10%;随着测距误差的减小,其定位精度可以提高2%~7%。     

一种基于残差分析过滤的安全定位算法

在无线传感网络节点定位中,恶意锚节点的出现会降低网络定位性能,为了解决这个问题,根据节点定位过程中的恶意锚节点攻击特性和定位计算中的残差问题,提出一种基于残差分析和过滤的无线传感网络安全定位算法.建立了基于距离的安全定位模型,对网络定位中的残差问题进行了分析,并且通过残差特性过滤掉网络中恶意锚节点,利用剩余锚节点信息和梯度下降法对未知节点实现高精度定位.仿真表明,此算法在多个性能指标下都能取得相对较高的定位精度,并且在高强度的恶意攻击下也能保持较高的定位性能.此算法不但能有效地抵御恶意攻击对节点定位的破坏,还显著地加强了网络的定位安全性.     

基于RSS无源被动定位算法的WSN研究

在节点通信能力和能量有限的WSN中,针对基于无需额外硬件成本的RSS定位方法基础上保证高精度的无源被动定位问题,首先,对全网进行分簇,以簇为单位采用最小二乘法估计目标源位置,然后通过簇头节点将估计结果上传到sink节点;其次,在sink节点处对各单位簇的估计结果进行簇间数据融合以求得最终的定位解算.仿真结果表明,该方法能够实现使用少数节点参与定位却可达到使用全部节点时的定位精度.     

含分布式电源的配电网故障定位改进矩阵算法

由于传统矩阵算法在含分布式发电的配电网故障定位中的适用性变差,提出了一种改进矩阵算法实现对含分布式发电配电网的故障定位。该方法根据变电站母线处分支节点以及与分布式电源相连节点的故障信息,首先确定发生故障的区域,然后在该区域内利用改进的矩阵算法定位故障区段。考虑到故障信息的畸变,该方法针对定位结果的不同采用不同的纠错方法,提高了定位的准确性。该方法降低了矩阵的维度,排除了T接线处的误判。算例验证了所提出方法的可行性及容错性。     

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.     

基于改进距离向量算法的无线传感网定位研究

为了解决传统距离向量-跳段(DV-Hop)定位算法的精确度受限问题,提出了一种基于跳段大小校正和定位优化的改进DV-Hop算法。根据参考节点之间实际距离和估计距离的差异,计算出整个网络中有效的跳段大小,未知节点和参考节点之间的跳段添加了校正值,而接收信号强度指示(received signal strength indicator,RSSI)的数值用于校正单跳的距离,应用莱文贝格-马奈特(Levenberg-Marquardt,LM)算法来估计每个传感器的优化位置。在求值的过程中,研究了影响距离向量-跳段定位精确度的各种因素。仿真结果表明,与传统的DV-Hop和一些现有的改进算法相比,提出算法的定位精度有所提高。     

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。     

基于病毒体投射机制的移动无线传感网节点定位算法

为解决当前移动无线传感网节点定位方案存在感知过程复杂、定位准确度不高,难以适应节点拓扑变化频繁的实际场景等不足,提出了一种基于病毒体投射机制的移动无线传感网节点定位算法。首先,鉴于当前直接测序方案及间接测序方案均存在抗噪能力差的不足,设计了多点定位方案,引入多个锚节点联合定位,定位过程中采用迭代方式降低接收信号强度指示(received signal strength indication,RSSI)误差,有效解决了定位过程中存在的圆环分布现象。随后,考虑移动无线传感网节点存在的拓扑漂移速度较快,且坐标存在随机分布的规律,将锚节点看作病毒体,将移动无线传感网节点看作子病毒体,并针对病毒体-子病毒体之间存在随机拓扑规律,引入了病毒体投射机制,并通过迭代方式设计距离定位方案,模拟移动无线传感网定位过程中定位节点与待定位节点之间的拓扑漂移关系,提高网络对定位过程的感知能力。最后,引入权重调节机制对定位坐标进行误差消除,进一步提高网络定位精度与感知性能,强化对移动状态下节点间拓扑的感知与监控,减少网络抖动对定位过程的影响。仿真实验表明,本文算法与当前常用的凸优化的无线传感网障碍环境下定位算法(location algorithm in wireless sensor network obstacle environment based on convex optimization,OECO)及基于精确定位机制的改进DV-HOP算法(on improved DV-Hop localization algorithm for accurate node localization in wireless sensor networks,AN-DV-Hop)相比,具有更高的定位收敛速度和更低的定位误差低。     

无线传感器网络中一种改进的DV-Hop定位算法

针对 DV-Hop 算法在无线传感器网络节点分布不均匀时定位误差比较大的问题,提出了一种针对 DV-Hop 的改进定位算法。该改进算法主要是利用 RSSI 测量技术增加锚节点;在给定约束下引入“可能存在区域”这一概念,并以该可能存在区域的面积作为目标函数,对未知节点的位置利用非线性共轭梯度法进行逼近,从而使节点定位误差达到最小。通过仿真验证了节点通信半径和锚节点比例对定位误差的影响,结果表明,该改进算法将节点定位精度提高了5％～10％。     

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.