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.     

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%.     

基于多色集合理论的概念设计形式化解决方法

应用多色集合理论的个人颜色、统一颜色和递阶结构树建立了产品的概念设计递阶结构信息模型，分析了概念设计产品信息模型中的三类约束关系，并用统一颜色和元素个人颜色之间的的模块布尔矩阵对这些约束关系进行了形式化描述．提出了产品概念设计推理过程的形式化方法，实现了从产品功能需求到方案元表示的可行方案的推理过程，并把推理结果提供给下层设计进行优选和评估．最后，以隔振系统的概念设计为例验证了该方法．研究结果表明，该方法可以快速地对产品概念设计进行信息建模，为知识创新提供了一个全新的思路。     

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%。     

一种高效节能分布式传感器网络覆盖协议

提出了一种分布式高效节能的传感器网络覆盖协议(CEP),在保证网络性能的前提下,每个节点将工作周期分为多轮,在每轮中与邻居节点协商,并根据剩余能量来调度自身的工作模式,从而保证网络在每轮中以最少的节点处于工作模式,同时保证能耗均匀地分布在工作节点之上.仿真结果表明,随机均匀部署的传感器网络在满足覆盖度要求前提下的CEP,能使网络生命周期较LEACH方法延长了200%,计算复杂性降低10%.该协议可以广泛应用于与传感器网络节点部署、拓扑控制以及目标监控等相关的领域.     

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%.