一种基于移动锚节点的多坐标系定位算法

提出一种分布式节点定位算法:移动锚节点辅助多坐标系定位算法(MBA-MC),用于无线传感器网络节点定位.移动锚节点在WSN节点分布区域内移动,同时周期性发送信标信号,并且在同一位置分别在多个不同的发射功率下发送信标信号.未知位置节点接收信标后估算与锚节点距离范围,然后利用在多坐标系系统下接收的信标信息得到多个扇形的交叠区,并认为交叠区中心就是节点自身位置.仿真结果表明:在相同条件下,本文提出算法比其他算法能取得更好的定位准确性,其全分布式计算定位方式特别适用于大规模的无线传感器网络节点定位.     

一种基于泰勒级数多元变量展开模型定位算法

为了提高无线传感器网络节点定位精度,构建了增加未知节点与未知节点间的距离信息的泰勒级数多元变量展开定位模型.在对该算法的求解过程中,首先利用最大似然估计法得到未知节点的初始位置,再运用加权最小二乘法计算其最优值作为未知节点的估计位置.仿真测试了不同距离测量误差和已知节点数目对定位误差的影响,以及算法的累计分布函数.结果表明,该算法能够有效提高节点定位精度.     

基于估计距离的无需测距定位算法

针对无需测距定位算法定位误差大的问题,提出了一种基于估计距离的无需测距定位算法.首先分析了两个邻居节点之间距离和通信范围相交面积之间的关系,得到一个线性函数.线性函数的输出是一个表示两个邻居节点之间距离远近关系的参数,称之为距离参数.然后用距离参数和锚节点之间的距离计算邻居节点之间的估计距离,最后根据估计距离计算未知节点的估计位置.仿真结果表明,该算法在规则区域和不规则区域的定位误差都要低于当前同类型的定位算法.     

无线传感器网络节点自适应惯性权重定位算法

在无线传感器网络定位算法中,为了降低定位误差,提高定位精度,提出一种结合DV-Hop算法和改进粒子群算法的,基于自适应惯性权重的优化定位算法。首先根据DV-Hop算法估算未知节点与信标节点的距离。然后采用改进的粒子群算法做后期优化。根据每次迭代后粒子位置与全局最优位置的距离,对粒子的惯性权重进行动态调整,使其具有动态自适应性。并且利用进化度作为搜索中止条件,加快算法的收敛速度。通过仿真说明,相较于DV-Hop算法和基于已有改进粒子群优化的DV-Hop算法,自适应惯性权重定位算法可以降低平均定位误差,有效地提高了无线传感器网络中节点的定位精度。     

无线传感器网络分布式射频干涉定位方法

针对现有无线传感器网络节点定位方法复杂度较高的问题,提出了一种基于射频干涉的分布式节点定位方法(DRIPS).首先利用2个锚节点形成射频干涉场,然后用其中1个锚节点的移动产生多普勒效应,从而各节点可通过测量自身低频接收信号场强指示的瞬时频率得到与移动锚节点之间的夹角信息.结合锚节点的地理位置,节点融合多组定位角度信息得到最优的位置估计.DRIPS方法仅需利用节点的常规无线通信设备,不需要额外的辅助测量装备,同时各节点独立进行自身的位置估计,不需要进行集中处理,是一种分布式的定位方法.仿真结果表明,对于200 m×200 m的定位区域,在多普勒频偏的测量精度为1 Hz时,节点的平均定位误差可以达到1 m以内.     

Kalman滤波在WSN定位评估中的应用

针对无线传感器网络实际应用中定位信号的不稳定性,单纯从定位算法角度改进已很难使定位精度有一个新的突破.为此在节点测距过程中提出了改进的自适应对数正态阴影模型;在坐标评估过程中采用了Kalman滤波方法,并利用马尔可夫过程建立移动节点的状态方程,结合未知节点状态数据的测量值估计出坐标位置的最优值.最后将上述两个过程的改进引入到现有的三角形定位算法中,进行引入前后性能对比.实验结果证明,改进的自适应对数阴影模型提高了测距模型的自适应性及测距精度,Kalman滤波和马尔可夫过程的引入减小了移动节点的定位误差.     

基于摄影测量的水下无线传感器网络定位算法

针对水下无线传感器网络节点定位算法存在的水下测距技术实现难度大和未知节点获取多个信标节点位置信息时网络开销大等问题,提出一种基于摄影测量的并发式共线定位算法(PCL).首先,利用矢量水听器阵列获得携带水下节点方位信息的信号;然后引入细菌觅食优化算法(BFO)对信源信号的波达方向(DOA)进行最大似然估计,在获得节点的方位估计后,算法通过判定未知节点与其周围信标节点的共线程度,进一步结合摄影测量原理对满足共线度阈值的未知节点进行坐标解算;最后将已定位的未知节点升级为信标节点进行迭代定位完成定位过程.仿真结果表明:算法在提高节点定位精度的同时,减少了未知节点定位对于信标节点数量的需求.     

一种基于遗传算法的无线传感器网络节点定位技术研究

本文分析了基于误差的最小二乘估计定位原理,提出一种基于遗传算法的无线传感器网络节点定位技术。建立所有节点的定位误差之和最小的数学模型,利用遗传算法求解模型的最优解,从而得到未知节点的最优的估计位置。实验仿真结果表明该算法对未知节点的定位精度高,条件简单,适合各种规模的无线传感网络节点的定位。     

基于加权虚拟力的无线传感器网络定位算法

针对AHLos算法容易出现误差累积的缺陷,基于邻居信标节点对未知节点的虚拟力,提出了加权虚拟力无线传感器网络定位算法。在虚拟力的作用下,未知节点从估计位置向真实位置移动;与此同时,使用加权因子,对在定位过程中具有不同可信度的信标节点加以区分;最后通过根据精度要求所设定的虚拟力门限值确定最终估计位置。仿真实验结果表明:所提出的新算法较之与AHLos算法,定位精度有所提高。     

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.     

Dv-hop定位算法在农田无线传感器网络监测系统中的应用

针对农田无线传感器监测系统,根据Dv-hop算法定位过程,在研究已有Dv-hop改进算法的基础上,提出了对Dv-hop定位技术在平均每跳距离估计方法及未知节点平均每跳距离估算采用不同参考节点平均每跳距离等两方面的改进措施。采用MATLAB仿真环境对算法进行了验证,结果表明改进后的算法较原算法在定位精度上有提高。     

基于接收信号强度指示加权融合的定位算法

基于接收信号强度指示的无线传感器网络定位问题,提出一种改进Kalman滤波方法,消除测距过程中的非视距误差,得到标签与节点间的估计距离.然后,分析标签与节点的距离、定位单元质量和标签所处的位置三方面对定位精度的影响,提出一种改进三边定位算法,并根据滤波后的估计距离计算得到的多个定位坐标进行加权融合.最后,通过Matlab仿真验证所提算法的有效性.     

综合卡尔曼滤波的多传感器协同室外定位研究

为了拓展移动机器人应用场景、满足室外定位的高精度需求,提出一种基于综合卡尔曼滤波的协同室外定位算法,可解决室外复杂环境下独立传感器失灵、机器人实时定位漂移的问题.首先构建GPS和超宽频非线性定位系统模型,测试不同滤波算法对该模型的预测效果,分析对比解算速度和均方根误差,从而确定适合定位系统的最优算法;然后针对GPS信号受环境遮挡导致丢失或失准的情况,构建超宽频和惯性测量单元非线性定位补偿系统,利用基于误差的卡尔曼滤波算法预测机器人位置姿态;通过融合两种非线性系统下估计得到的不同状态向量,确定机器人室外真实位置姿态,进一步提高机器人室外定位精度,保证定位系统的稳定性.试验验证表明,本文算法室外定位误差小于10 cm,在GPS信号微弱的环境下能实时估计目标位置姿态,大幅度降低障碍物干扰的影响,准确预测机器人位置.     

异步无线传感网络同时定位与跟踪算法

针对异步无线传感网络环境下同时节点定位和目标跟踪问题,提出了一种可以同时进行传感器节点定位和目标跟踪的算法.该算法利用增广状态向量法对目标状态和节点位置进行同时估计,并利用固定点平滑算法对目标状态进行最优估计,实现了异步无线传感网络环境下的目标状态的最优估计以及节点位置的估计.结合节点位置和目标状态的增广状态向量取代了传统目标跟踪算法中的状态向量,在滤波算法中被用于节点位置和目标状态的同时估计.仿真实验证明:在相同的测量次数和通信次数情况下,本算法不但能够取得更高的节点位置估计精度和目标状态估计精度,而且能够取得更多目标状态的估计结果.     

基于检测概率和波达角估计的单接收机定位方法

为了解决对未知干扰源定位的问题,采用基于检测概率和波达角估计的单接收机定位方法,只需一个参考节点就可以确定干扰源的位置。该方法采用能量检测作为接收机的感知模型,利用接收机的感知结果估计距离参数;使用天线阵列的测量数据,采用多重信号分类算法估计角度参数,从而得到目标的坐标。仿真实验证实了该方法精度较高,能够有效估计干扰源的位置。     

基于细菌觅食算法和跳段校正的无线传感器网络定位算法

对目前应用较为广泛的DV-Hop 定位算法进行了分析,针对其在跳段估计及位置计算中的不足,提出了一种基于细菌觅食算法（BFA）和跳段校正的定位算法BFA-HC.该算法首先根据接收信号强度指示（RSSI）阈值优化节点间的跳数,在此基础上基于最小均方误差准则计算锚节点的平均每跳距离,当未知节点获得3 个或以上锚节点的距离后应用细菌觅食算法进行位置估计.仿真结果显示,BFA-HC 算法在不同网络规模、不同网络连通度及不同锚节点比例条件下均可以显著提高传感器网络节点的定位精度.     

基于改进LSSVR模型的移动节点定位技术研究

针对最小二乘支持向量回归(least squares support vector regression,LSSVR)模型在移动节点定位过程中存在难以确定最优参数的不足,提出一种基于改进粒子群算法优化LSSVR模型的定位方法.通过最小二乘支持向量回归机构造节点定位的模型,自适应调整惯性权重以及学习因子来提高粒子群算法的寻优性能,并将其应用到LSSVR模型的参数优化中,避免参数选择的盲目性.根据接收信号强度指示(received signal strength indication,RS-SI)测距技术获得节点移动过程中的距离向量,将其输入LSSVR定位模型,估计出未知节点的坐标.仿真结果表明,相对于LSSVR与PSO-LSSVR算法,所提算法的定位精度分别提高了25.9％和19.7％,具有较好的定位稳定性与实时性.     

一种改进的布谷鸟搜索移动信标节点定位方法

针对未知节点静止,信标节点移动方式下的无线传感器网络定位问题进行了研究。为进一步提高无线传感器网络节点的定位覆盖率,提出了一种基于改进布谷鸟搜索算法(AF-CS)的多移动信标节点定位算法。通过RSSI定位和DV-Hop算法获取未知节点坐标的粗略值,采用改进布谷鸟搜索算法迭代求解信标节点移动的目标位置,最后对未知节点进行重新定位。仿真结果表明:多移动信标节点定位算法可有效提高对未知节点的定位覆盖率;AF-CS算法对比原始布谷鸟搜索算法(CS)提高了目标函数定位覆盖率,加快了算法收敛速度。在网络拓扑结构变化时,该算法可通过信标节点移动保持对未知节点较高的定位覆盖率。     

基于移动锚节点的无线传感器网络节点定位算法

针对移动锚节点的定位问题,提出一种基于3个移动锚节点的与距离无关的定位算法,该算法具有避开因测量距离的需要而导致的高硬件成本和高能耗等的功能.主要思想是3个锚节点规则移动遍历整个传感区域,移动过程中实现未知节点的定位.仿真实验结果表明,该算法能够提高节点的定位精度.     

基于估计距离映射的无线传感网定位算法

针对移动无线传感器网络中的定位技术问题,以及现有定位算法在定位误差、网络耗能、分布式处理等方面存在的不足,提出一种先进的估计距离映射定位算法.该算法首先通过构建一个最优线性传换,提供一个从估计矩阵到距离矩阵的映射关系,然后利用映射关系计算距离矢量,最后在此基础上计算节点的位置坐标.仿真结果表明,所提出的算法与其他传统算法相比,定位误差减小,同时降低了网络能耗,从而验证了算法的有效性.