无线传感器网络中的分布式节点定位方法

提出一种基于流形学习的分布式Hessian局部线性嵌入（DHLLE）定位方法,给出了基于流形学习算法的定位框架.DHLLE方法采用同情最邻近算法来选择节点邻居列表,并应用Hessian局部线性嵌入（HLLE）算法获取传感器网络节点的局部映射,再通过对局部映射合并获得所有节点的全局映射,最后通过对参考节点进行坐标匹配以取得所有节点的全局坐标.仿真结果表明,DHLLE方法能够快速、准确地对节点进行定位,且复杂度低,节点能耗小,其性能超过了分布式加权多维定标等算法.     

一种基于局部信息最小二乘法的节点定位算法

针对一些面积较大、节点分布密度过低的实际应用场景中,由于节点间距离测量误差过大而导致定位算法结果精度较低的问题,提出一种根据各邻居节点相关信息划分为若干个局部网络块的节点定位算法.该算法首先将无线传感器网络节点定位技术与机器学习领域中的降维方法相结合;然后根据节点间的距离越近,测量精度越高的规则及在一定通信半径内的各邻居节点相关信息共建网络块;最后将网络块组建成全局坐标系,利用全局构建以及锚节点的具体信息映射出各节点的坐标.仿真实验结果表明,该算法较其他节点定位算法在节点定位精度方面表现更优.     

无线传感器网络DV-Hop算法改进与性能

为了提高无需测距的跳距矢量(DV-Hop)定位算法在节点随机分布且拓扑动态变化的无线传感器网络中的节点定位精度,在分析DV-Hop算法实现思想的基础上,针对多边定位法计算出的估计坐标存在较大误差的问题,采用泰勒级数展开法构建了坐标值的数值迭代求精算法,并对改进DV-Hop的性能进行了3个方面的仿真研究:确定了算法迭代步长收敛门限值的选择准则,对比分析了选定门限值条件下DV-Hop算法改进前后的定位性能,给出了不同信标节点和网络节点条件下的统计迭代次数,并以此衡量改进算法的计算量和收敛速度。仿真结果表明,合理选择迭代门限值时,通过适当增加定位节点的计算量,改进算法可明显改善定位精度和定位误差稳定性,是一种可行的无线传感器网络节点定位的解决方案。     

无线传感器网络中一种跨层基于多维定标的无锚点定位算法

为解决现有基于多维定标(MDS)的节点定位精度受锚节点数目和网络连通度限制问题,提出一种跨层基于多维定标的无锚点定位算法(CMDS).在网络中无锚点的情况下,采用跨层设计思想,将迭代MDS算法与LEACH协议相结合,充分利用路由结构,实现了网络节点的定位.仿真结果表明:在节点随机分布情况下,LEACH协议执行9轮之内,可完成全部节点的定位;当网络规模为120个节点时,CMDS算法定位误差仅为MDS-MAP(P,R)的25%.     

基于分布式加权多维定标的节点自身定位算法

提出了一种基于对称K最邻近（SKNN）传感器网络节点分布式精确定位算法．该算法首先采用SKNN方法选择每个节点的邻居节点，通过接收信号强度（RSS）方法测得每对节点之间的距离，构建节点距离矩阵，并以距离矩阵为输入，应用分布式多维加权算法对矩阵进行处理，从而获得传感器网络节点之间的局部映射关系．最后，根据参考节点的坐标对节点局部映射关系进行匹配，以获取节点坐标的全局映射．仿真实验表明，采用所提算法可以加强定位精度，提高计算效率，在有25个节点的传感器网络中，定位误差要比dwMDS方法低大约5%。     

基于测距权重的蒙特卡罗定位改进算法

针对传统蒙特卡罗定位算法采样效率低,对锚节点密度要求高的特点,本文基于蒙特卡罗定位算法MCL提出一种改进的移动传感器网络的节点定位算法IMCB.该算法利用历史锚节点信息和RSSI测距,以及运动模型的改进对待定位节点的位置采样范围进行了进一步限制,对有效采样点的权重进行了区分.仿真结果表明:该算法的定位精度相比MCB算法提高了16.6%.     

基于RSSI的加权质心定位算法优化研究

在无线传感器网络(WSNs)中,定位精度和算法收敛速度是节点定位的关键因素.本文提出了一种改进的WCBD(Weighted Centroid Based on Distance)算法,该算法基于接收信号强度指示(RSSI),结合加权质心定位算法,研究参考节点与目标节点之间的距离,然后针对加权质心定位算法中的权重系数选择提出了新的思路,使之提高定位精度.仿真结果表明,与W-Centroid算法和WR-Centroid算法相比,WCBD算法通过误差调整和迭代,有效提高了算法的收敛速度和定位精度.     

距离修正的混沌粒子群多维标度定位算法

针对不规则网络以及网络空洞造成估计距离与欧氏距离相差较大,导致定位精度不足这一问题,提出一种距离修正的混沌粒子群多维标度定位算法(CMDS-CPSO).首先通过递推策略计算节点对距离,利用接收信号强度对距离加权修正,以减少距离误差,回避网络空洞问题.然后采用混沌粒子群算法对坐标转化参数问题进行优化,进一步降低坐标转换中参数所带来的影响.通过对比SPSO-MDS算法与MDS-DMC算法,仿真结果表明,距离修正的混沌粒子群算法能够明显改善节点定位精度,具有更好的鲁棒性和对不规则网络的适应性.     

大规模传感器网络局部半定规划的节点定位算法

针对大规模无线传感器网络中节点定位问题,提出了一种高效、准确、分布式的局部半定规划(LSDP)定位算法.根据节点重要度,将大规模无线传感器网络分割为多个局部网络,局部网络采用半定规划的方法对其辖内的节点进行相对定位构建的局部相对映射,应用合并算法将局部相对映射拼接为全局相对映射,再通过参考节点匹配将全局相对映射转换为全局绝对映射,从而获得整个无线传感器网络内部所有节点的详细位置信息.实验结果表明,网络在规则分布下,LSDP的节点定位误差仅为理想通信时的98%,在随机均匀分布下的定位误差减小了90%.     

无线传感器网络节点定位改进算法

提出一种改进的距离无关无线传感器网络节点定位算法——变系数弹簧模拟算法.该算法首先得到锚节点跳数距离和平均每跳距离,然后计算出节点的初始位置,再通过模拟方法对节点位置迭代求精.仿真结果显示,在相同的锚节点比例和平均连通度情况下,该算法明显优于DV-op算法.