基于微粒群算法的无线传感器网络节点定位方法

为了进一步提高无线传感器网络未知节点定位精度,将节点定位问题和微粒群算法结合在一起,提出了基于微粒群算法的节点定位算法。该算法是一种基于距离的定位算法,根据未知节点到锚节点的距离直接搜索出未知节点的坐标。实验结果表明,和一般的固定节点定位算法相比,该算法具有更高的定位精度,并适用于移动节点的追踪定位。     

基于微粒群优化的三维无线传感网定位算法研究

为解决三维空间下无线传感器网络节点的精确定位问题,提出了一种三维空间微粒群搜索算法(3D-PSO),将节点定位用优化问题进行描述.为了提高算法的执行效率和定位精度,提出了一种基于距离的目标函数来评价微粒的适应度.对微粒的搜索空间进行了限制,以加快定位结果的收敛速度.在理想环境和有测距误差的情况下证明了该算法的可行性和有效性.仿真结果表明,与典型的定位算法相比,该算法具有更好的健壮性和更高的定位精度.     

传感器网络节点的微粒群定位算法

为了进一步提高无线传感器网络未知节点定位精度,以微粒群算法为理论基础,加入传感器网络的特征,提出微粒群定位算法。该算法依据未知节点接收到的到锚节点的距离信息,直接搜索出未知节点的位置。实验结果表明微粒群定位算法拥有更高的定位精度,并且抗测距误差更强的优点。     

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.     

一种改进的基于移动信标的节点自定位算法设计

为了降低由过多固定信标辅助定位导致的网络成本开销,研究了一种改进的基于移动信标的节点自定位方法。首先,给出了移动信标运动的高斯马尔可夫模型,在对传统质心算法进行改进的基础上提出了一种基于RSSI比值的加权质心算法实现节点的初定位;然后,建立了节点位置的状态方程和RSSI强度值的观测方程,通过扩展的卡尔曼滤波算法实现对节点位置的迭代求精;最后对文中基于移动信标的节点定位算法进行了定义和描述。仿真实验表明,文中方法在仅有一个移动信标的情况下能实现节点的准确定位,且与其它方法相比,具有较小的定位误差。     

基于随机微粒群算法的分布式节点定位方法

提出了基于随机微粒群优化算法的定位方法。设定网络中存在部分锚节点,且相邻节点之间可以获取距离信息,待定位节点在获取足够的相邻锚节点或已定位节点的距离、位置信息后,使用随机微粒群优化算法实现定位。仿真表明,该方法比多边测量法和基于标准微粒群优化算法的定位方法具有更高的性能。     

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％。     

一种无需测距的无线传感器网络加权质心定位算法

目的提出一种无需测距的加权质心定位算法:RFWCLA(range free weighted centroid locali-zation algorithm)。方法算法利用相邻节点的邻节点集,估计出节点到相邻信标节点间的距离,从而进行加权质心定位。结果仿真结果表明,相比于质心定位算法,RFWCLA算法提高了定位精度。结论 RFWCLA是一种有效的无线传感器网络定位算法。     

基于改进型粒子群优化的节点自定位算法

为了提高测距误差影响下无线传感器网络节点自定位精度,提出一种基于距离的节点自定位新算法.对混沌搜索与粒子群优化进行算法融合,给出一种改进型粒子群优化算法,将其应用于节点自定位.新算法利用未知节点与信标节点之间的距离信息,通过改进型粒子群优化算法获取未知节点的位置.仿真结果表明,改进型粒子群优化算法对两种标准测试函数的搜索结果优于一般的粒子群优化算法.在测距误差和信标节点数量相同的条件下,相对于最小二乘估计法,新算法在各个测距误差级上的定位精度更高,其定位误差随测距误差增大而上升的趋势更缓慢.新算法具有更好的鲁棒性,适用于测距误差较大、信标节点数量较少的情况.     

基于分布式的无线传感器节点定位算法研究

本文分析了无线传感器网络的特点和目前己有的各类定位算法的基本思想及性能,并对现有的几种无线传感器网络分布式节点定位算法进行了深入的研究,从而确定了有效的定位算法对每个节点的位置具有重要的理论意义与实用价值。     

基于PSO优化LSSVR的三维WSN节点定位方法简

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。     

WSNs中节点协同声源定位协议研究

声源定位是无线传感器网络重要的应用领域之一.由于实际环境中的声源大部分是运动的,因此设计一种快速准确的声源定位协议是关键.文章研究了一种多传感器节点协同的声源定位协议,完整考虑了节点处理声音和射频信号的响应时间,分析了它们对该声源定位协议定位精度的影响,推导出声源定位边界性条件.实验结果表明该协议相对于现有的精确声源定...     

重采样和天牛须协同演化粒子群的WSN覆盖控制算法

为了最大程度提升无线传感器网络(WSN)的覆盖范围并降低能耗,延长网络生命周期,提出了基于重采样技术和天牛须搜索的协同演化粒子群优化(RBASPSO)算法来优化WSN的覆盖控制问题。重采样技术平衡了粒子群算法的全局搜索能力和收敛速度,增加了粒子群整体多样性,防止算法过早收敛,加强粒子在搜索过程中跳出低质量谷底的能力; 天牛须搜索依靠个体的两个触角搜索其邻域,增强了粒子群中单个粒子的搜索能力。RBASPSO算法采用覆盖率和节点休眠率的加权作为优化WSN覆盖控制的目标函数,通过重采样技术和天牛须搜索的协同演化,既加强了单个粒子的搜索能力,又确保粒子群的多样性及活跃性,提升WSN覆盖性能。实验结果表明,RBASPSO算法不仅能有效处理复杂多峰问题; 而且可以有效提高WSN网络覆盖率,延长网络生命周期。     

基于PCA和神经网络的人脸识别

介绍一种基于PCA和神经网络结合的人脸识别方法。该方法首先利用主成分分析方法对整幅图像进行特征提取,获得最佳描述特征,从而减小神经网络的输入。然后将降维之后的图像数据输入到一个前向传播神经网络中训练。神经网络的权值采用粒子群算法进行优化,用标准人脸数据库中的样本进行测试,最后将该方法与其他方法作了比较。实验结果表明,该方法能够取得更好的效果。     

基于区域划分的DV-Hop定位算法的改进

DV Hop节点定位算法采用跳数乘以每跳平均跳距估算节点间的距离,而跳数和每跳平均跳距受网络的节点密度、节点的通信半径等参数影响较大。针对DV Hop算法存在的不足,提出一种基于跳数区域划分的DV Hop定位改进算法——HRDV Hop（Hop regional division DV Hop,HRDV Hop）。对一跳区域的节点测距引入RSSI技术,两跳或以上区域的节点采用跳数值修正法,再辅以限制跳数机制。MATLAB仿真测试结果表明,在相同的网络硬件和拓扑环境下,改进后的算法能更有效地降低节点间的距离估算误差,提高定位精度。     

基于移动锚节点的粒子群优化定位算法

在无线传感器网络的一些应用环境中,无线信道损耗模型参数未知,无法直接基于RSSI测距定位。本文针对这类应用环境,研究并提出基于移动锚节点的粒子群优化定位算法,利用移动锚节点代替传统典型算法中的静态锚节点,并将节点定位问题抽象为非线性约束优化问题,利用粒子群优化技术求解定位。仿真、分析结果证明,该算法定位精度较高,对环境噪声变化具有较强的适应能力。