基于扩散策略的分布式多维尺度节点定位算法

针对无线传感器网络节点自身定位问题,提出了一种基于扩散策略的分布式多维尺度定位算法,给出了扩散策略和局部网络信息融合的方法.与传统多维尺度定位算法相比,该算法无须将所有信息集中到中心节点进行定位计算,而是在局部网络内进行定位迭代解算及信息交换再进行坐标信息融合.该算法在迭代过程中将未知节点视为锚节点,将原算法中被忽略的参数量引入优化目标方程,采用一组凸组合权值系数对交换后信息进行加权融合以得到节点自身坐标.仿真结果表明:改进算法与原算法相比在测量噪声较大时平均与最大定位误差均下降约10%,特别是当网络连通度较低时改进算法定位精度更高.     

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。     

分布式传感器网络中基于数据融合的目标定位算法研究

利用分布式传感器网络以及数据融合方法来提高探测系统的检测与定位精度正在成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。算法采用两级自适应调整得到最优加权因子。首先利用线性最小方差估计(LMSE)算法得到权系数的初始值,然后利用训练节点和递归最小二乘(RLS)算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真。仿真结果表明,相比单节点定位,融合算法的定位精度有约一到两个数量级的提高。     

基于交替修正牛顿法的分布式传感器定位算法

为了克服锚节点位置误差影响定位精度这一问题,提出了一种基于交替修正牛顿法的分布式定位算法。首先,将无线传感器网络表示的无向图划分成多个部分重叠的子图,建立可独立求解的子图内定位问题,子图内未知节点根据不准确的锚节点位置和测距信息采用修正牛顿法得到初步估计位置,再融合求平均得到估计位置;其次,根据第一步结果和测距信息采用修正牛顿法更新锚节点位置,使其位置更为精准;最后,未知节点再根据相对准确的锚节点位置更新估计位置。实验结果表明,与现有的分布式算法相比,所提算法具有更好的定位性能和扩展性,能够应用于较大规模的无线传感器网络。     

基于RSSI的多维定标迭代定位算法

定位是无线传感器网络的重要问题.针对基于经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出了RSSI-GA算法,在多维标度技术中直接根据无线信号强度值组成相异性矩阵,从分析个体间的相异性和各节点的距离的几何约束关系入手,建立以未知节点位置为参数的优化数学模型,使用遗传算法求解此模型从而直接计算出节点坐标.仿真结果表明,本算法大大降低计算开销,能有效提高定位精度.     

基于分布式算法的声像定位

根据声像定位应用及FPGA内部结构的特点,对分布式算法的实现做了若干优化,设计了一个具有通用性的高性能声像定位协处理器,并用FPGA最终实现了对声像的虚拟定位.经Xilinx公司FPGAxc5vlx110t验证,即使采用多达512点的HRTF,其处理能力依然可达264.061 Mbit/s,比未经优化的实现节省资源72%.虚拟定位的声像经真人试听测试均包含正确的位置信息,且对原声的失真较小.     

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.     

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.     

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.     

无线传感器网络节点定位算法分析

在各种无线传感器网络应用中,无线传感器节点的精确定位非常关键。在阐述了节点定位问题的基础上,分析了三种典型节点定位算法:质心法、不定形(Amorphous)法和蒙特卡罗法,然后通过仿真实验对算法性能进行对比,研究节点密度、节点速度和采样个数等因素对定位性能的影响。实验结果表明,蒙特卡罗法的误差最小,且在锚节点密度大于1,未知节点密度大于6,取样个数超过50时达到最佳定位性能。     

一种分布式无锚点定位算法的优化与实现

符合分布式和无锚点特点的定位算法一直是传感器网络节点定位技术的一个重要发展方向。通过对大量无锚点定位算法的分析,提出了一种符合分布式特点且定位精度较高的无锚点定位算法。为进一步提高该算法的节点定位精度,建立了该算法的误差模型,通过对其分析,提出了减少目标节点定位误差的方法。为衡量节点估计位置的准确程度,首先提出了2个指标——定位等级与可信度;然后以原算法为基础,利用提出的指标,按照误差分析得出的结论,设计了一种从目标节点邻居表中筛选出高精度邻居节点的优化机制,从而提高了目标节点的定位精度。计算机仿真分析表明,优化后的算法计算节点估计位置的有效性和可靠性均高于原算法,进而证明了这种优化设计的可行性。     

基于欧氏距离的分布式网格定位估计方法

针对网格定位估计方法,提出一种基于欧氏距离的分布式网格定位估计的改进方法.研究了通过比较被测节点与信标节点之间的跳数信息,实现被测节点快速自身定位的方法.研究了利用欧氏距离替代匹配阈值提高定位准确率和利用分布式计算减少网络能量消耗的方法;利用迪杰斯特拉算法研究了计算节点间最小跳数的算法.仿真实验结果表明,该方法具有定位快速、节约成本、节省能量、定位准确率高和鲁棒性好的特点.     

一种基于扩展多维尺度分析的协作定位算法

针对经典MDS(multi-dimensional scaling)算法中心化矩阵的局限性,提出了一种扩展MDS算法。具体地,首先推导出了MDS算法中生成相对地图所需的中心化矩阵的满足条件,然后根据条件寻找可以获得更高定位精度的中心化矩阵。理论分析与仿真实验表明,节点的定位精度得到了提升。     

无线传感器网络的移动节点定位算法研究

利用物体运动的连续性,将移动节点的运动规律与距离测量相结合提出了运动预测定位算法,该算法不需要额外的硬件支持,适应能力强,在信标节点密度比较低时提高了性能.     

基于遗传算法的分布结构模糊神经网络

提出了一种用于模糊系统建模和分析的分布结构模糊神经网络,这种网络将所有输入变量的从属度与各输出变量的从属度通过分布结构独立对应起来,利用遗传算法得到网络的权与输入变量的从属函数最优化参数,最后给出计算机模拟结果。     

一种用于无线传感网中的能量自适应分布式分簇算法

通过综合考虑节点分布和剩余能量水平,并对簇的形成过程进行优化,引入机制保证簇的能量消耗均衡,以改进网络生存时间和覆盖率. 所提出的分布式分簇算法经过仿真结果表明,新算法相对于现有的多种算法在能量均衡性和网络生存时间上有较大改进,半数节点生存时间延长一倍以上,而负载均衡性仍保持在相同水平上.     

基于无线传感器网络的优化点集覆盖算法

针对无线传感器网络对目标区域覆盖过程中会产生大量冗余节点,从而导致网络能量消耗过快以及节点覆盖的不完全性等不足,提出了一种基于优化点集覆盖算法.该算法利用高斯正态密度函数和覆盖区域的概率函数对点集进行优化,通过节点感知半径与节点数之间的定量关系给出满足一定覆盖率要求下最优节点集,进而优化了网络资源,提高了网络生存周期和...     

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%.