基于曲线拟合的无线传感器网络目标定位算法

针对无线传感器网络的目标定位精度问题,提出了一种基于曲线拟合的目标定位算法.采用最小二乘法对目标经过的各个位置进行拟合,计算出近似目标运动轨迹的曲线参数;进而通过分段曲线拟合的方式,引入更多位置信息参加目标定位,从而减少定位过程中的误差因素,最终实现对网络中运动目标的定位与跟踪.实验结果表明,该算法具有比一般曲线拟合方法更高的目标定位精度,有效提高了无线传感器网络目标定位的准确性.     

无线传感器网络中基于二次估计的被动式目标定位方法

针对无线网络环境中目标被动式定位问题,提出二次估计的定位方法,并予以验证。重点研究了独立空间与连续空间估计方法,以及均值估计方法中的位置均值估计与时间均值估计定位方法,将这些方法分层、有机地集成于一个定位模型之中,建立二次估计定位模型。通过实际实验,证明了二次估计定位方法的可行性,并与其他传统方法进行比较,表明该方法能够实现室外环境下目标被动式定位,且定位精度较其他方法有所提升,可以满足实际应用的需求。     

基于RSS的WSN多目标定位压缩感知算法优化

提出了一种将压缩感知算法应用于WSN多目标定位的系统框架,采用残差最优匹配的方法对压缩感知重构算法进行了改进,提高了定位精度,提出了根据重构结果判断定位是否成功的算法框架,该框架能更大程度的减少需要网络通信的数据量,并改变了当前的压缩感知重构算法的结果评价对稀疏度K的依赖。本算法适用于通信条件恶劣的WSN场景,仿真结果显示了本算法应用于WSN多目标定位的性能优于BP、CosAMP、GMP算法。     

基于BP算法的无线传感器网络定位

无线传感器网络（wireless sensor network,WSN）是一种应用广泛的全新的信息获取和处理方式,可以实现复杂的大规模监测和追踪任务。节点定位是无线传感器网络中的关键技术之一.位置估计的精度直接影响WSN后继的网络传输和监测性能。本文利用BP神经元网络方法对定位进行优化,并对测度结果进行验证。结果表明该算法提高了定位精确度。     

三维无线传感器网络中基于格概率的目标定位算法研究

提出一种基于格概率的目标定位算法,不仅可以有效消除单个传感器节点测量信号强度时存在的不确定性,还可解决检测到目标的节点数目小于4时其他方法无法解决的定位问题.同时还提出一种自学习修正方法,通过实时地修正信号衰减模型中的相关参数,可避免环境动态变化带来的定位失真.仿真结果显示,所提定位算法具有良好的定位精度和较强的抗干扰...     

无线传感器网络的目标跟踪能量优化策略

为了满足无线传感器网络的目标跟踪性能要求,解决节点能量消耗不均衡的问题,建立了面向无线传感器节点底层硬件和时序流程的能量模型,在节点通信过程中使用量化算法对数据进行压缩量化,在此基础上综合考虑节点的跟踪精度及剩余能量,提出了基于能量优化策略的调度算法,并采用双重唤醒/休眠机制来延长网络寿命.该策略采用分布式计算方式,易...     

无线传感器网络中免于测距的声音定位算法

为在无线传感器网络中实现声音定位,从降低计算复杂度和减小噪声干扰的角度提出了一种基于中垂线分割的免于测距的声音定位算法.该算法采用免于测距的中垂线分割法确定声源所在定位区间,时间复杂度为O(N2),低于时间复杂度为O(N3)的基于测距的传统定位算法.通过对测量噪声的深入研究,提出了噪声敏感区概念.该算法在针对噪声敏感区...     

基于TOA测距的目标跟踪系统

本文分析现有无线传感器网络TOA定位技术,针对其缺陷提出了一种改进算法,提高了定位精度。并设计了一个使用该算法的目标跟踪系统。实验证明该算法定位精度高,稳定度高,实用性好。     

基于WSN的目标定位跟踪在C4ISRT中的应用

通过对无线传感器网络的体系结构、节点组成以及网络特点的深入分析,研究了无线传感器网络在军事方面的应用。重点研究了无线传感器网络在C4ISRT中的应用,特别是用于战场环境侦查与监控、目标定位、目标跟踪、毁伤效果评估等领域的应用。由于无线传感器网络在信息获取、传输和监测中具有独特的优势,必将成为未来C4ISRT系统中不可或缺的一部分。     

一种强背景噪声下的WSN目标定位算法

为了进一步提高无线传感器网络(WSN)目标定位解算精度,提出了一种改进的Cubature粒子滤波(ICPF)定位算法.该算法运用最小二乘法估计移动目标当前初始时刻的位置,使用Cubature卡尔曼滤波和Gauss-Newton迭代法来充分利用测量更新后的状态最新信息,精确设计目标状态重要性密度函数,为粒子滤波提供相应的建议分布,从而能够更加有效改善粒子滤波器的性能.仿真实验结果证明,提出的改进算法在强背景噪声下能有效提高定位精度且收敛性增强,其性能优于标准粒子滤波(PF)、扩展粒子滤波(EPF)及Unscented粒子滤波定位算法(UPF).      

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...     

基于交替迭代的压缩感知多目标定位算法

针对目前的多目标定位算法在定位精度等方面的不足,将交替迭代应用于压缩感知多目标定位方法。该方法首先利用压缩感知理论将传感器感知到的目标信号强度矩阵表示为测量矩阵与稀疏向量的乘积,将多目标定位问题转换为对稀疏信号的重构问题;然后运行传统压缩感知定位算法得到目标的粗略位置估计;最后通过交替迭代对定位结果不准确的目标进行精确定位。交替迭代过程中,采用菱形搜索寻找目标的精确位置。仿真结果表明:与传统的基于压缩感知的定位算法相比,该算法提高了不在网格中心的目标定位精度,改善了多目标间相互影响对定位干扰大的问题,具有较高的多目标定位精度。最后,以重庆某电力公司的室内运维巡检区域作为实验场所,将该方法应用于实际的巡检定位,取得了较好的室内定位结果。     

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％。     

传感器定位节点的应用设计与实施

将定位功能融入到节点中,设计并实施了一种具有定位功能的传感器网络节点.该节点具有内置定位引擎,通过获取节点间的接收信号强度,转换成相应的距离信息.当获取3个以上已知节点坐标后,采用极大似然估计法给节点定位.实验结果表明,该节点定位精度3 m,可以满足一般传感器网络应用的需要.     

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。     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法.算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理.指出了该定位算法的关键技术,并对其进行了仿真验证.仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率.     

基于迭代双通信半径的传感器网络DV-Hop算法

为了提高DV-Hop算法的定位精度,提出了一种基于迭代双通信半径的DV-Hop改进算法。首先针对当前网络拓扑结构选取一个合适的通信半径,并用它与节点的默认通信半径一起估计信标节点间的平均每跳距离,最后使用迭代算法对得到的平均每跳距离进行修正,选择误差最小的平均每跳距离对未知节点与信标节点间的距离进行计算。仿真实验结果表明,改进算法在不明显提高算法复杂度与通信量的基础上大大提高了定位精度。     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法。算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理。指出了该定位算法的关键技术,并对其进行了仿真验证。仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率。     

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.     

基于证据数据分类算法的水声目标识别研究

证据分类算法已被广泛应用于模式识别中。针对传统证据近邻算法在证据权重和组合规则上的局限,研究了一种新的基于DSmT的证据K近邻识别算法(DSmT-KNN)。首先在水声目标的各类别训练模板库中,利用目标数据与各近邻的特征相似度来分别构造基本置信指派,并根据K个近邻数据的距离大小对构造的置信指派进行加权。然后利用DSmT规则对加权证据进行融合。最后根据每个类别下融合结果的算术平均值来判断目标的类别属性。通过水声目标实测数据实验,将DSmT-KNN与其他几种常见的方法进行了对比分析,结果表明新算法能有效提高系统的识别准确率。