无线传感器网络中一种改进的加权质心定位算法研究

在无线传感器网络的应用中节点的定位信息是非常重要的。本论文提出一种改进的加权质心算法,该算法是基于平面多边形定点凹凸性原理进行实现的,算法中选择自由传播模型和对数距离路径分布模型来计算无线电波传播过程。改进的质心算法能够提高定位的精度,仿真实验验证了该算法的平均定位误差,仿真实验结果表明,在相同的条件下,该算法的定位精度高于加权质心算法。     

一种无需测距的无线传感器网络加权质心定位算法

目的提出一种无需测距的加权质心定位算法:RFWCLA(range free weighted centroid locali-zation algorithm)。方法算法利用相邻节点的邻节点集,估计出节点到相邻信标节点间的距离,从而进行加权质心定位。结果仿真结果表明,相比于质心定位算法,RFWCLA算法提高了定位精度。结论 RFWCLA是一种有效的无线传感器网络定位算法。     

基于RSSI的加权质心定位算法优化研究

在无线传感器网络(WSNs)中,定位精度和算法收敛速度是节点定位的关键因素.本文提出了一种改进的WCBD(Weighted Centroid Based on Distance)算法,该算法基于接收信号强度指示(RSSI),结合加权质心定位算法,研究参考节点与目标节点之间的距离,然后针对加权质心定位算法中的权重系数选择提出了新的思路,使之提高定位精度.仿真结果表明,与W-Centroid算法和WR-Centroid算法相比,WCBD算法通过误差调整和迭代,有效提高了算法的收敛速度和定位精度.     

一种基于RSSI校正的加权质心定位算法

节点自定位技术一直是无线传感器网络中的关键技术,而基于接收信号强度指示(RSSI)的定位技术则是目前的研究热点。在对传统的加权三角形质心定位算法分析的基础上,提出了一种改进的定位算法。在测距阶段,将信标节点之间的距离和信号强度同时作为参考来校正RSSI值;在定位阶段,对传统加权三角形质心定位算法的权值进行修正。通过仿真证明改进算法比传统算法的定位精度有明显提高。     

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。     

基于自适应基准值改进的RSSI加权质心定位算法

提出一种根据设定接收的信号强度指示基准值改进的加权质心算法. 先通过锚节点向周围发散自身坐标等相关数据包, 然后假设某一参考节点为未知节点, 测得与周围锚节点传播过程中的信号强度损耗值, 判断最小的接收信号强度指示值, 优化样本集合, 将修正的信号指示值参数作为相应新表节点的权重, 并求得定位误差. MATLAB仿真结果表明, 该算法相比于传统算法的定位精度更高, 定位误差波动更小, 且有较强的机动性和可适应性.     

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。     

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。     

无线传感器网络质心定位算法的OPNET仿真实现

在研究无线传感器网路节点定位技术的过程中,针对搭建硬件实验平台不易实现的问题,使用OPNET MODELER对节点定位技术进行仿真建模.在分析无线传感器网络特点的基础上,合理选择无线链路的管道阶段,构建接近真实的无线网络环境,给出了仿真模型,精确刻画了质心定位算法在网络节点定位中的具体应用过程.结果表明,通过建立节点、...     

改进型无线传感器网络的质心定位方法

针对传统质心定位算法定位精度受锚节点密度影响大,但锚节点成本高而不能大量使用的问题,采用移动锚节点,引入高斯马尔科夫移动模型对锚节点移动路线进行规划,使锚节点在待测区域内随机移动形成更多的虚拟锚节点,代替传统定位算法中的锚节点,提高了质心定位算法中对未知节点的覆盖率与定位精度.仿真结果表明,该方法有效且能应用于大型无线传感器网络定位.     

一种基于接收信号强度指示的改进型定位算法

针对无线传感器网络在道路监控、管道传输等一维环境中出现的因经验模型基站移动或环境发生改变时需要重新建立数据库的问题,提出了一种基于接收信号强度指示(RSSI)的一维经验模型定位算法(1-DEMRSSI).该算法基于一维线性定位的思想,利用信号强度比值来确定未知节点的位置,所以只需要建立一次信号强度比值数据库.仿真结果表明,1-DEMRSSI 算法比 RSSI 算法的运算量小,且一次定位时间可缩短10%左右,定位精度提高 14.2%～66.4%,其在一维线性应用领域表现出了良好的灵活性和实用性.     

一种改进的自适应质心跟踪算法

针对自适应质心跟踪算法对扩展目标跟踪时,易出现目标丢失的问题,提出了在自适应质心跟踪算法中,加入3点线性预测器和5点平方预测器构成综合预测器,对所跟踪目标的位置参数进行预测.通过估计目标区内背景所占比例,解算出目标的直方图分布函数,利用Bayias决策找出目标和背景像素的分类,从背景图像中分离目标像素,获得目标的质心坐标.改进算法可以实现对小目标直至扩展目标的跟踪,且基本不受目标大小、旋转变化的影响,其稳定性、可靠性和精度都较高.实验结果也表明,改进算法较好地克服了原算法跟踪时易丢失扩展目标的问题,不但扩展了自适应质心跟踪算法的适应范围,而且提高了跟踪精度.为有效提高导弹图像末制导的攻击精度提供了一定的参考.     

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.     

无线传感器网络改进质心算法的节点自定位

节点自定位是无线传感器网络的关键技术之一。在对距离无关的定位机制质心算法研究的基础上,采用极大似然估计法,估算信标节点与未知节点间的距离,以距离作约束降低误差值,从而提高定位的精度。通过MATLAB仿真,结果表明算法能够有效提高定位精度。     

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。     

一种基于人工神经网络的无线传感器网络定位算法

提出了一种基于人工神经网络(ANN)的无线传感器网络定位方法,RSSI的结果被用来作为人工神经网络的输入,采用遗传算法优化人工神经网络的结构.采用MATLAB进行仿真,模拟20 m×20 m室内静态网络环境下的8个已知位置节点.实验结果表明,该方法比传统方法的定位精度高、适应性强,效果较好.     

夏克-哈特曼阵列光斑质心探测误差比较

在相同信噪比的情况下,通过数值仿真对夏克-哈特曼波前传感器阵列光斑的4种质心探测算法进行质心探测误差对比.仿真结果表明,强加权质心算法具有较好的适用性,该算法在信噪比小于5时,质心探测误差低于0.5像素.在对阵列光斑进行质心探测时,同时考虑质心探测误差和探测速率,有效提高了质心探测的准确性和快速性.     

基于分布式加权多维定标的节点自身定位算法

提出了一种基于对称K最邻近（SKNN）传感器网络节点分布式精确定位算法．该算法首先采用SKNN方法选择每个节点的邻居节点，通过接收信号强度（RSS）方法测得每对节点之间的距离，构建节点距离矩阵，并以距离矩阵为输入，应用分布式多维加权算法对矩阵进行处理，从而获得传感器网络节点之间的局部映射关系．最后，根据参考节点的坐标对节点局部映射关系进行匹配，以获取节点坐标的全局映射．仿真实验表明，采用所提算法可以加强定位精度，提高计算效率，在有25个节点的传感器网络中，定位误差要比dwMDS方法低大约5%。