基于人工蜂群的WSN故障数据挖掘算法

为了有效提高无线传感器网络中故障数据的判别能力,本文结合人工蜂群算法提出了一种新的挖掘算法FDMA(Fault Data Mining Algorithm)。该算法首先利用小波变换降低故障数据的突发性,以达到对故障数据的标准化处理。其次,基于关联系数来划分故障数据分布区间,并建立了数据挖掘的目标函数,同时利用人工蜂群算法对目标函数进行优化。最后,通过实际传感器样本数据进行仿真实验,对比研究了FDMA算法与其它算法之间的性能状况(包括吞吐量、延迟时间、丢包率和能耗),结果发现FDMA算法具有较好的适应性。     

人工蜂群优化神经网络的无线传感器节点定位算法

为了改善传感器节点定位性能,提出了人工蜂群优化神经网络的无线传感器节点定位算法。首先测量3个锚节点与定位传感器节点之间的参数,然后采用人工蜂群优化神经网络对测距误差进行建模与预测,并根据检测结果确定权重,最后根据三边定位算法进一步提高定位精度,并采用仿真实验测试其有效性。结果表明,该文算法提高了定位的精度,加快了定位的速度,定位实时性优异。     

改进蜂群算法的 WSN 节点分布优化研究

为合理部署无线传感器网络节点, 减少目标区域的覆盖盲区, 提出了基于择优型全局人工蜂群算法的优 化方案。 改进算法引入择优机制对各蜜源进行区分, 借鉴差分进化变异策略对优等蜜源进行邻域搜索, 采用全 局引导机制对劣等蜜源进行寻优, 提高迭代效率、 收敛速度以及全局搜索能力。 将此算法应用于 WSN (Wireless Sensor Network)节点分布优化问题, 并与人工蜂群算法、 全局人工蜂群算法的优化结果进行比较。 仿真结果表明, 与这两种算法相比, 平均覆盖率提高 1% 以上, 最差覆盖率提高 2% 以上。 该算法的节点优化 方案对目标区域的覆盖性能明显优于其他两种算法, 有效提高了 WSN 的感知性能。     

人工蜂群算法优化支持向量机的传感器节点定位

为了提高传感器节点的定位效果,针对支持向量机参数优化问题,设计一种人工蜂群算法优化支持向量机的传感器节点定位模型.首先采集传感器节点的相关数据,提取有效参数;然后采用支持向量机建立传感器节点定位模型,并采用人工蜂群算法解决支持向量机的参数选择问题;最后在MTALAB2014平台进行传感器节点定位实验.实验结果表明,该模型可以反映当前传感器节点的位置,获得较精准的传感器节点定位结果.     

煤矿井下基于RSSI校正测距的WSN节点定位算法

针对煤矿井下人员及设备定位监控严重不足的情况,提出了基于RSSI校正测距的WSN节点定位技术。模拟井下环境,使用协议分析仪Packed Sniffer嗅探节点接收RSSI值,以确定环境参数;采用高斯理论模型过滤RSSI值,利用对数-正态分布理论模型计算距离;最后应用改进的三边质心定位算法求得未知节点坐标。RSSI校正测距定位与CC2431定位引擎定位的误差对比表明,文中所提算法的定位性能较好。该研究为井下无线传感器网络定位系统的设计提供了参考依据。     

基于锚节点主动部署机制的WSN节点定位算法综述与分析

无线传感器网络的应用中,网络的位置信息由特定的节点定位算法获得,节点定位算法的选择与实际监测环境的特点和具体性能需求等因素有关.基于锚节点部署的方式,将无线传感器网络节点定位算法分为基于固定和移动锚节点辅助下的2大类定位算法,详细分析了2类算法下的典型算法,对未来无线传感器网络节点定位算法的研究进行了展望.     

一种基于RSSI的煤矿井下WSN节点快速定位算法

为提高煤矿井下传感器网络节点定位的实时性,提出了一种基于接收信号强度(RSSI)的快速定位算法.该算法在井下巷道锚节点双链式部署结构的基础上,运用高斯密度函数对节点接收到的锚节点信号强度最大的RSSI信号进行滤波处理,再应用指数因子和滤波后RSSI值直接计算确定未知节点的坐标.指数因子采用一种改进的量子粒子群优化算法及定位均方根误差最小的准则进行优化.所提出的算法具有定位速度快、计算量小的优点,仿真实验结果验证了算法的可行性与有效性,适用于煤矿井下无线传感器网络实时定位系统中.     

基于RSSI的WSN节点室内定位分析

基于实验的基础,对基于接收信号强度（received signal strength indication,RSSI）的无线传感器网络（wireless sensor network,WSN）节点室内定位的几种不同情况进行分析.根据室内无线传播模型和实际测量数据得到RSSI室内传播模型;比较在不同位置的未知节点定位精度的不同;针对三点定位结果不理想的问题,采用粒子群优化（particle swarm optimization,PSO）算法对定位结果进行优化;比较不同数量的源节点对于节点定位精度的影响.当信标节点数量比较多时,通过筛选一些可靠的信标节点来提高定位精度.     

基于测距和自学习粒子群算法的WSN节点定位

针对WSN中现有节点定位方法具有的定位精度不高的缺点,提出了一种基于RSSI测距和改进量子粒子群算法的节点定位方法。首先,描述了基于RSSI接收信号强度指示的节点定位原理,在此基础上,采用最小二乘法估算节点位置进行节点粗定位。然后,定义了一种基于改进量子粒子群算法的节点定位算法进行节点终定位,为了提高算法的全局收敛能力,在每个粒子中放置学习自动机,使得粒子具有自学习能力,在量子可行空间中自适应地选择对应的动作。最后,通过仿真实验对所提方法进行验证。实验结果表明:文中方法能较为精确地进行节点定位,与其他方法相比,具有测距误差和定位误差小的优点,具有一定的优越性。     

基于果蝇——广义回归神经网络优化的WSN节点定位算法

针对无线传感器网络(WSN)基于测距的定位算法中,利用节点坐标计算方法获得的节点坐标位置存在较大误差的问题,提出一种无需进行坐标计算的果蝇—广义回归神经网络(FOA-GRNN)优化的WSN节点定位算法.该算法利用广义回归神经网络(GRNN)较快的学习速度和较强的逼近能力建立WSN节点定位模型,通过果蝇优化算法(FOA)调整广义回归神经网络的平滑参数,降低调整平滑参数时人为因素的影响,由神经网络直接输出未知节点坐标.仿真实验表明,通过果蝇算法优化的FOA-GRNN模型的节点定位精度比未经优化的GRNN模型的节点定位精度高.同时,比较了FOA-GRNN模型与BP神经网络模型、虚拟节点BP网络模型(VNBP)在WSN节点定位中效果,表明FOA-GRNN模型在WSN节点定位精确性方面具有明显优势.     

WSN中面向移动锚点的节点定位算法

为降低无线传感器网络中锚点定位的网络成本,提高资源利用率,提出一种新的无线传感器网络定位算法,通过利用共线和非共线移动锚点来实现传感器节点定位.该方法利用相邻节点间的距离估计值以及锚点提供的关于报文传输方向的相关信息来估计节点的位置,每个节点从两个独立方向定位其位置.然后使用卡尔曼滤波器来提升每个节点的定位精度.研究结果表明:相比于单方向方法和加权平均方法,基于卡尔曼滤波器的方法估计误差分别下降31%和16%;同时,该方法还克服了使用移动锚点导致的共线性问题.     

WSN定位算法中信标节点的摆放与选择

目前已有的无线传感器网络节点自定位算法研究中,针对信标节点的研究较少,而如何选择信标节点,以及信标节点如何摆放,都对定位精度有比较大的影响.为了定量地研究这个问题,首先证明了信标节点摆放方法与节点是否能被定位之间的关系的一个定理,然后给出三维空间中信标节点的摆放方法,最后提出一种基于线性方程组的条件数的信标节点选择算法,以便尽可能地提高基于测距的未知节点自定位精度.     

基于随机时空联合维度校准机制的WSN恶意节点定位算法

为提高无线传感网对恶意节点的查证识别能力,提出一种基于随机时空联合维度校准机制的WSN恶意节点定位算法.首先,采取一一映射机制,按照空间和时间维度进行时空建模,以提高网络对恶意行为的敏感程度.根据归一化后的节点均值,采取窗口方案对节点数据予以截断处理,以增强恶意节点的查证效果.随后,结合对角化时空矩阵协方差,采取特征值匹配模型,利用特征值的平均分布对恶意行为进行二次匹配,从而提高对疑似行为的过滤质量.仿真实验表明,与当前无线传感网恶意节点定位领域常用的DAR-UI算法及SC-RFL算法相比,所提算法具有更高的网络恶意节点识别频次和更短的首次恶意行为识别时间.     

基于RSSI的WSN抗干扰定位算法

针对RSSI受外界因素影响较大,测距和定位精度很难得到保证的问题,从方差级干扰与均值级干扰两个层面对RSSI进行修正.首先在RSSI采集阶段提出一种基于离差的高斯模型(D-Gaussian)对方差级干扰进行过滤,以提高RSSI信号的可用性;其次在测距阶段,引入一种EWMA动态窗口机制并将其命名为R-EWMA,对均值级干扰进行处理.实验结果表明,研究工作有效地缓解了在传统定位算法中硬件成本与定位精度之间的矛盾,对RSSI的处理可以从根本上减少基于RSSI定位算法误差     

基于WSN的DV_Distance定位算法研究

近年来,无线传感器网络的节点定位技术得到了广泛的研究和关注,确定事件发生的位置是无线传感器网络的功能之一,对无线传感器的研究起着至关重要的作用。本文针对DV_Distance定位算法得到的距离值误差较大的问题,提出一种定位精度相对较高的改进型DV_Distance算法。     

基于三重修正的WSN节点定位方法

由于无线传感器网络中需要对未知节点定位,但是传统定位方法存在定位精度低的缺点。为了有效应对传感器网络定位误差较大的问题,该文提出一种基于三重修正的定位算法。首先,给出了新的计跳机制计算公式;然后,结合质心定位算法来计算未知节点的跳距;再利用最小二乘法对未知节点与锚节点间的距离矩阵进行修正;最后,利用高斯牛顿法对未知节点与锚节点所组成的非线性方程组进行优化求解。另外,再通过Matlab进行仿真实验,分析了不同因素对定位误差的影响。通过对比其他3种定位算法的定位效果,验证了该文所提算法能够有效提高定位精度。     

基于WSN节点定位与道路方位信息的地图匹配改进算法

全球定位系统具有高精度、低成本、实时性好等优点,但由于市区卫星信号容易受遮挡,GPS无法有效发挥作用,因此结合无线传感网络节点定位技术,可以提高地图匹配算法的匹配精度.根据航向角、道路倾角以及定位点到候选路段的距离等信息,对车辆导航系统中的地图匹配算法进行分析研究,在已有权重算法的基础上,提出一种基于方位信息度地图匹配的改进算法,并利用MATLAB环境下进行仿真实现.     

基于自适应搜索的人工蜂群算法

针对基本的人工蜂群算法(basic Artificial Bee Colony algorithm,ABC)收敛速度慢和容易陷于局部最优等不足,采用混沌算子和逆向学习算子相混合的初始化种群的方法,有效地改进了初始种群的多样性;在雇佣蜂和观察峰的位置更新上,提出了自适应搜索算子.改进后的算法(Improved ABC,IABC)测试了5个标准单峰或多峰函数,结果表明,IABC算法在搜索效率、最优解质量、稳定性均优于ABC算法.     

基于行动轨迹的人工蜂群算法

人工蜂群算法中蜜蜂在开采蜜源时,随机选择维度,随意决定开采方向和步伐来搜索新蜜源,没有利用以往的搜索经验,导致其收敛速度过慢.对此提出了基于行动轨迹的人工蜂群算法,记录跟随蜜蜂开采蜜源的行动轨迹,并以此为经验引导下一次开采,以提高人工蜂群算法的开采能力.通过对优化函数寻优测试,实验结果表明该算法不仅加快收敛速度,提高寻优能力,还具有良好的鲁棒性和稳定性.     

基于人工蜂群算法的TSP仿真

针对标准蚁群算法求解的旅行商问题(TSP)存在收敛速度慢,易陷入局部最优等缺陷,将求解组合优化问题的过程转化为蜜蜂群寻找优良蜜源的过程,并分析了人工蜂群算法及3种基本算法模型,3种引领因子更新策略,讨论了转移因子动态更新公式及状态转移公式,研究了利用该算法求解TSP问题的具体步骤,通过典型的TSP实例进行了仿真实验,结果表明该算法能够克服早熟现象,迭代次数少,收敛速度快,通用性强,比标准蚁群算法具有一定优势.