一种基于核方法的无线传感器网络定位算法

无线传感器网络（WSN）作为一种新兴的分布式网络技术,被认为是21世纪改变世界的十大革新技术之一。定位是无线传感器网络的重要支撑技术之一,实现传感器节点自定位是提供监测目标位置信息的必要条件。而实现高效、可靠、准确的节点定位对目标跟踪具有重要意义。不幸的是,环境噪声使得节点的定位精度降低。基于此,该文提出一种基于核方法的无线传感器网络定位算法。实验表明,在WSN中通过采用卡尔曼滤波的核方法定位算法,一定程度上减少了随机噪声对节点定位精度的影响,有效的降低了系统定位误差,实现一定程度的抗干扰。     

矿井安全智能监测无线传感器网络关键技术研究

无线传感器网络（WSN）是一种现代智能自动化的世界最新无线监测网络技术,综合了多个领域的先进技术,具有广泛的应用前景。对煤矿安全智能无线监测采用最新WSN技术进行了探索,尤其对井下安全监测需要解决WSN的无线通信、传输路由协议和定位算法三个关键技术进行了研究。     

简易WSN定位算法及其实现

为实现高效、 低功耗的区域定位, 综合主流的WSN（Wireless Sensor Network）定位技术, 提出RSSI（Received Signal Strength Indication）修正的质心定位实用算法, 并搭建了无线传感网络, 制定了高效的通信定位协议。根据通信协议, 上位机发送指令试探性寻址盲节点, 盲节点应答并通过其相邻的参考节点的感知进行反馈, 最终上位机基于RSSI的运算进行盲节点的坐标定位。实验结果表明, RSSI修正的质心定位算法可高效地对节点进行定位, 降低盲节点功耗, 具备现实应用的价值。     

一种基于RSSI距离比的传感器节点定位算法

随着无线传感器网络的应用与发展,WSN作为一种全新的信息获取和处理技术已得到广泛应用。如何对传感器网络节点进行快速、精确的定位,已成为WSN系统急需解决的问题。为此,提出了一种基于RSSI距离比的MDS定位算法。该算法巧用RSSI距离比,结合Euclidean测距技术计算节点间距离矩阵,运用MDS算法建立相应的全局坐标系统。根据已知锚节点物理位置,通过坐标变换(旋转与平移)最终确定未知节点的物理位置。实验结果表明:该方法能有效地提高定位的精度,对开发高精度定位系统具有重要的参考价值。     

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。     

引入数据融合的WSN定位算法

理论分析指出,一些不基于测距的WSN定位算法往往需要节点间进行大量的信息交互,存在大量的突发性通信,降低了网络工作效率,浪费了WSN中宝贵的能量。针对此问题,在定位算法中引入数据融合技术,通过仿真验证,引入数据融合的定位算法可以有效的减少执行定位算法所需的无线分组个数和总的通信量。     

一种WSN动态电压调节算法

针对WSN（Wireless Sensor Networks,简称WSN）系统的特性提出了相应的代价函数模型,应用线性规划方法求辑,得到由时间参数组成的控制变量,从而实现动态电压调节（Dynamic Voltage Scaling,简称DVS）算法,根据代价函数对提出的算法进行了模拟计算,数值结果表明,在WSN中,节点应用DVS算法进行动态电压调节能在满足时限要求的基础上较大程度节省节点能量。     

基于Matlab的WSN定位算法仿真设计

在对比分析多种WSN定位算法原理基础上,重点讨论了基于matlab软件平台的仿真分析。得到了WSN节点分布、测距和定位的仿真程序及结果。结果表明,基于TDOA的WSN定位算法具有不需要节点间全局同步,具有节点功耗和成本低等优点。     

传感器网络节点分层动态ID分配算法

集成了传感器、微机电系统和网络3大技术而形成的无线传感器网络（WSN）是一种全新的信息获取和处理技术。无线通信模块是WSN节点最耗能的部件,节点标识是WSN节点每次通信必不可少的,减少发送数据量能够明显提高节点使用寿命,从匿名网络的角度考虑传感器网络节点分配问题,在分析了现有未知匿名网络标识分配算法缺陷的基础上,指出命名算法实现过程的3个阶段,并提出一种新的具有高效节能特性的分布式传感器网络节点分层动态ID分配（LDIA）算法,应用NS2仿真环境对该算法进行了验证,并同DFS算法、0—1-Split算法、L—P算法以及W＆L算法对比,仿真研究结果表明,该算法不仅能够满足WSN部署方便、成本低廉、灵活的可扩展性,而且具有高效、节能等特性。     

无线传感器网络中适于协作定位的全局节点选择

为了有效解决无线传感器网络(WSN)节点定位精度和测距技术复杂性之间的矛盾,基于WSN随机分布特性和天线阵列几何结构约束,通过节点协同形成的虚拟天线阵列对WSN进行定位,提出了一种适于定位的虚拟阵列节点选择方法.仿真结果和理论分析表明,当波达角估计算法的性能满足要求时,该方法具有很强的可行性和优良的定位性能.     

自适应采样间隔的无线传感器网络多目标跟踪算法

多目标跟踪是无线传感器网络当前研究的热点问题。针对多目标跟踪存在耗能较大,跟踪丢失等问题,提出了一种自适应采样间隔的多目标跟踪算法。采用跟踪目标的定位元数据来对目标的运动模式进行建模。基于扩展的卡尔曼滤波器来预测跟踪目标状态,采用预测目标定位的概率密度函数构建跟踪簇。通过定义跟踪目标中心,基于马氏距离来量化主节点 MN 的选举过程。通过跟踪目标重要性和其与MN之间的距离来量化目标的影响强度,并以此构建自适应采样间隔的多目标跟踪算法。基于MATLAB进行了仿真实验,实验结果显示,本文设计的跟踪算法能准确预测目标的运动轨迹,能随着运动目标的状态实时采用自适应的采样间隔。通过数据分析得知,本文提出的算法能在实现 WSN网络节能的基础上提高跟踪精度。     

基于鼠标移动轨迹的真随机数产生方法

给出一种运用计算机中鼠标移动轨迹这一随机事件产生真随机数的算法,与传统基于鼠标的随机数生成算法相比,在采样原始数据过程中,该方法得到的数据随机性更高,与其他用物理过程产生真随机数的算法相比,不用接额外的电路和设备,成本较低,从而解决了产生真随机数开销过大的问题.通过对产生的随机数进行均匀性和独立性检验,结果表明该方法所...     

基于跳数阈值和节点分类的DV-Hop改进算法

为提高DV-Hop(Distance Vector-Hop)算法在随机传感器网络(WSN: Wireless Sensor Networks)中的定位性能, 提出一种基于跳数阈值和节点分类的改进算法。该算法信标设定跳数阈值选择较远的信标估计平均每跳距离, 未知节点根据跳数信息对信标进行分类, 并计算与信标的加权修正距离。同时仿真研究了节点密度、 信标比例、 节点通信半径对算法性能的影响。仿真结果表明, 在随机网络中改进算法能更好地估计跳距信息, 并有效提高定位精度和降低最大定位误差。     

基于立体视觉的空间球体快速定位方法

采用双目立体视觉系统,对空间球体三维视觉定位方法进行了研究,提出了基于双视锥曲面的球体定位方法.为了实现对球体三维位置的动态实时检测,提出一种基于预测的椭圆曲线快速搜索算法.该算法采用随机Hough变换的取样思想和启发函数预测椭圆搜索区域,减少Hough变换的计算量.为了提高Hough表的操作效率、减少存储空间,设计了一种有效的Hough表存储结构.通过多种方法的综合应用,降低了球体三维定位的计算量和对存储空间的需求,并在实验中验证了所提出的方法.     

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.     

基于蚁群算法的无线传感器网络优化

无线传感器网络（WSN）中的传感器节点由一次性电源供电,能量优化关乎整个网络的寿命.优化网络拓扑结构有利于提高WSN整体的能量利用率.ACO是一种基于种群（population based）的启发式仿生进化算法.提出了基于ACO的WSN的网络优化算法,以16个固定位置节点和20个任意位置节点的WSN为对象进行了仿真研究.实验结果验证了该算法的有效性.     

基于梯度提升回归树的井下定位算法

为了提高井下定位系统的定位精度,提出了基于梯度提升回归树(gradient boost regression tree, GBRT)的井下定位算法。本文首先介绍了GBRT算法的实现过程,然后利用射线追踪算法模拟井下多径信号叠加后的接收信号强度(received signal strength, RSS)数据集,最后对比了GBRT、K最近邻(k-nearest neighbor, KNN)、随机森林(random forest, RF)、支持向量机(support vector machine, SVM)和神经网络多层感知器(multi-layer perceptron regressor, MLPR)算法的定位结果并对GBRT的定位结果进行5点平均滤波。实验结果表明,在100个点组成的行人轨迹定位中,GBRT算法的定位结果的均方误差为0.381米,明显优于其他四种算法,平滑滤波后的定位轨迹更加贴合真实轨迹。因此,本算法可以有效提高定位精度,可以满足井下定位系统的精度要求。     

基于位置信息的WSN数据汇聚路由算法

文章以无线传感器网络在建筑环境下的应用为研究背景,根据建筑能耗监测系统中无线数据传输网络特性,按位置信息对网络节点进行分簇,设计网络2级结构模型;并设计适合该网络模型的基于位置信息的WSN数据汇聚路由算法,保证簇头节点从邻居列表中选择最佳下一跳节点,最终实现与Sink节点的数据通信功能。仿真分析表明所设计的路由算法具有低时延、高可靠性、节能等优点。     

无线传感器网络节点命名算法的研究

针对无线传感器网络节点的命名问题,在分析出现同名现象的数学原理基础上,提出一种以概率理论为基础的命名算法.得出任意两个节点名字相同概率在极小的条件下,网络节点数和名字空间大小两者间的函数关系.并在此基础上,给出当两个无线传感器网络合并时,是否需要对新网络的节点进行重新命名的判别公式.算法的实现满足分布性和高效节能的要求.仿真试验表明,该算法是行之有效的.     

基于深度森林算法的分布式WSN入侵检测模型

针对现有的特征选择算法和分类算法在无线传感器网络(WSN)入侵检测系统中检测性能表现不佳、检测实时性差、模型复杂度高等问题,提出一种基于随机森林和深度森林算法的分布式WSN入侵检测模型.该模型首先对传感器节点流量数据进行预处理;然后将轻量级随机森林分类器部署到传感器节点和簇头节点,传感器节点和簇头节点合作对流量数据进行处理,并在基站上采用深度森林算法从大量流量数据中发现攻击行为;最后对WSN中的入侵行为进行实时分类入侵检测.使用无线传感器数据集WSN-DS和NSL-KDD数据集来评估所提出的模型性能.实验结果表明,该模型与现有的入侵检测模型相比,具有良好的检测性能,实时性较高,可避免模型过度拟合.