基于线性回归的无线传感器网络加权质心定位算法

在建立定位算法求解数学模型和定位性能的基础上,提出一种基于线性回归的加权质心定位算法。该算法首先利用节点之间的跳数对质心定位算法进行加权处理、中心化处理,然后利用线性回归的数学模型对节点进行校正,最后对校正位置进行修正。通过Matlab程序仿真,与原始质心算法相比,改进算法的平均定位误差下降了50%以上,并且在信标节点密度较低的情况下,可使节点定位比率提高至接近1。     

一种改进的加权质心定位算法

针对无线传感器网络质心定位算法精度不高的问题,提出了一种利用信号强度比值的加权质心定位算法(RR-WCL).系统中的信标节点周期性地发送自身信息,未知节点在收到信标节点的信息之后只记录同一个信标节点的信号强度均值,在收到超过阈值的信标信息后,建立信标节点集合、信号强度集合和信标节点位置集合,最后将未知节点接收到的信标节点信号强度的比值作为加权因子进行定位.仿真和真实系统实验结果表明,RR-WCL算法在不同环境下表现稳定,随着信标节点数目的增加,与质心算法相比,其定位精度可提高6.4%～37.25%,与加权质心算法相比,其定位精度可提高5.12%～11.23%.     

基于RSSI的加权质心定位算法的实现

提出了一种基于RSSI的加权质心定位算法,即将RSSI方法和质心定位算法相结合,用信标节点对未知节点不同的RSSI值来确定加权因子,以提高质心算法的定位精度.加权质心定位算法计算简单,只需较少的通信开销和较低的实现复杂度,这在能量有限的网络节点中是非常重要的.     

基于遗传算法和加权质心算法的无线传感器网络定位算法

文章通过研究质心算法的基本原理及定位算法的数学模型,对质心算法中的平均误差值进行研究,再利用遗传算法对改进的模型进行优化。通过Matlab仿真,结果显示：使用遗传算法优化无线传感器网络的定位问题,可以在较短的时间内得到精度较高的未知节点位置。     

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。     

水声传感器网络节点自定位的遗传算法优化研究

水声传感器网络节点自定位技术是传感器网络在海洋环境监测应用的基础。针对质心算法在随机分布中定位精度较低的缺点,采用信标节点与未知节点之间的距离作为约束,并对该约束采用泰勒级数方式展开;由此建立相应的数学模型,通过遗传算法对该模型进行优化;此外,根据信号传播特点,采用的是等高线传输模型。仿真结果表明,该方法能够实现水声传感器网络未知节点的有效定位。     

基于高斯混合模型的无线传感器网络定位算法

针对距离误差对定位结果的影响,提出一种基于高斯混合模型的无线传感器网络定位算法.该算法将高斯混合模型方法引入到无线传感器网络的定位问题中,通过高斯混合模型分析找出误差较大的距离信息并将其剔除,对剩余距离信息使用三边测量定位法进行定位求解,同时结合加权定位算法进行位置估计.仿真实验结果表明,改进算法能提高定位精度,且定位结果更稳定.     

基于质心-Taylor的UWB室内定位算法研究

针对室内环境影响定位精度的非视距传播(non-line-of-sight,NLOS)问题,在对基于到达时间差(time difference of arrival,TDOA)的超宽带(ultra wideband,UWB)室内定位模型和算法进行分析研究的基础上,提出了质心-Taylor混合定位算法。该算法利用对测距误差不敏感的质心算法对目标进行初始粗定位,然后将其作为Taylor级数展开法的迭代初值进行二次精细定位,并动态地将前期定位完毕的节点转化为后续定位过程的参考节点,最大限度地利用不断增加的已知信息,在提高Taylor初值质量的前提下减少预设参考节点数目,降低系统硬件成本。采用MATLAB软件进行了模拟仿真。仿真结果表明,该算法定位性能优越,尤其在NLOS测距误差较大的环境下能有效地提高系统的定位精度。     

无线传感器网络质心定位算法研究

质心算法是无线传感器网络中一种典型的无需测距定位算法。针对不同节点个数、锚节点个数、锚节点单位时间内发送信息的个数以及阈值对定位性能具有较大影响的问题,系统仿真了在固定监测区域内上述参数与定位误差、定位率以及定位时间的关系。通过仿真结果分析得出未知节点的邻锚节点个数是影响定位率及定位精度的主要因素,另外在确保较高定位率的基础上,在固定监测区域内存在较优的参数设置。仿真结果表明,参数优化后的质心算法有效的提高了定位精度及定位率。     

WSN 基于节点位置相对关系定位的数学属性研究

为解决无线传感器网络基于位置相对关系进行定位算法中, 定位精度过度依赖信标节点密度问题, 通过3 种非测距定位算法、质心算法、APIT (Approximate Point in Triangulation)算法及AIGS (Annulus Intersection andGrid Scan)算法的原理研究, 给出了信标节点密度与定位精度和能耗之间的数学关系, 并提出基于迭代的改进算法。3 种算法定位精度正比于信标节点密度, 算法能耗正比于信标节点密度, 在同一个监测区域, 信标节点比例相同情况下, AIGS 算法定位精度最高, 质心算法定位精度最低。当信标节点稀疏时, 将部分未知节点通过质心算法转化为信标节点迭代算法, 在较低信标节点比例条件下提升3 种算法定位精度。