基于RSSI修正的相似度推荐定位算法

针对RSSI测距容易受到环境干扰,提出一种基于RSSI修正的相似度推荐定位算法.该算法对RSSI测距数据进行残差修正,以减小RSSI误差对定位精度的影响,并利用样本点与未知定位区域的相似度来确定未知节点的坐标,降低了计算复杂度.仿真结果表明算法有效可行,可较好地改善节点定位精度.     

基于微粒群算法的无线传感器网络节点定位方法

为了进一步提高无线传感器网络未知节点定位精度,将节点定位问题和微粒群算法结合在一起,提出了基于微粒群算法的节点定位算法。该算法是一种基于距离的定位算法,根据未知节点到锚节点的距离直接搜索出未知节点的坐标。实验结果表明,和一般的固定节点定位算法相比,该算法具有更高的定位精度,并适用于移动节点的追踪定位。     

无线传感器网络的改进DV-hop定位算法研究

针对传统DV-hop定位算法在计算未知节点与锚节点之间的跳数以及跳距时误差较大的问题,提出一种跳数优化以及跳距加权的改进DV-hop算法.首先,该算法根据节点的通信半径将节点间的跳数进行优化,使得节点之间的跳数更加接近真实值;其次,综合考虑参与未知节点计算的锚节点的分布情况与距离,得出加权跳数;最后,利用改进的最小二乘法进行计算未知节点坐标.利用M A T L AB2016a对改进算法进行仿真,实验结果表明,该算法能够有效地降低误差,提高未知节点的定位精度.     

基于簇内RSSI测距改进的DV-Hop算法

针对DV-Hop定位算法在实际环境中的定位精度较低、通信量较大等问题,在DV-Hop定位算法的基础上提出了一种基于簇内RSSI测距改进的DV-Hop定位算法.该算法利用以信标节点为簇头的分簇策略后,信标节点只发送校正值给其邻居节点,无需泛洪广播,且未知节点只需被动接收,无需交互通信,从而降低网络通信总量;簇内节点利用RSSI测距方案计算其与最近信标节点的距离,相比DV-Hop定位算法以校正值代替一跳通信范围内的所有节点距离更加精确,从而提高节点定位精度.     

基于迭代双通信半径的传感器网络DV-Hop算法

为了提高DV-Hop算法的定位精度,提出了一种基于迭代双通信半径的DV-Hop改进算法。首先针对当前网络拓扑结构选取一个合适的通信半径,并用它与节点的默认通信半径一起估计信标节点间的平均每跳距离,最后使用迭代算法对得到的平均每跳距离进行修正,选择误差最小的平均每跳距离对未知节点与信标节点间的距离进行计算。仿真实验结果表明,改进算法在不明显提高算法复杂度与通信量的基础上大大提高了定位精度。     

一种基于泰勒级数多元变量展开模型定位算法

为了提高无线传感器网络节点定位精度,构建了增加未知节点与未知节点间的距离信息的泰勒级数多元变量展开定位模型.在对该算法的求解过程中,首先利用最大似然估计法得到未知节点的初始位置,再运用加权最小二乘法计算其最优值作为未知节点的估计位置.仿真测试了不同距离测量误差和已知节点数目对定位误差的影响,以及算法的累计分布函数.结果表明,该算法能够有效提高节点定位精度.     

基于未知-信标迭代及圆环交汇的WSN定位算法

针对圆环交汇与网格扫描算法在定位时要求信标节点数量满足一定规模的缺陷, 提出一种未知 信标迭代的基于圆环交汇与网格扫描改进算法. 该算法通过将已定位的未知节点视为已知条件使用, 引入信标节点迭代方法, 解决了少量信标节点定位精度低的问题, 增加了未知节点中已定位节点的循环利用. 实验结果表明, 改进算法提高了定位精度, 并降低了对信标节点规模的依赖.     

传感器网络节点的微粒群定位算法

为了进一步提高无线传感器网络未知节点定位精度,以微粒群算法为理论基础,加入传感器网络的特征,提出微粒群定位算法。该算法依据未知节点接收到的到锚节点的距离信息,直接搜索出未知节点的位置。实验结果表明微粒群定位算法拥有更高的定位精度,并且抗测距误差更强的优点。     

无线传感器网络中IWCL-RSSI算法的改进

为了进一步提高无线传感器网络中节点定位精度,本文在研究基于接收信号强度指示RSSI(Received Signal Strength Indicator)的加权质心定位算法基础上,提出了一种改进的加权质心定位算法(IWCL-RSSI,Improved Weighted Centroid Localization Based on RSSI)。该改进的IWCL-RSSI算法增加了靠近未知节点的信标节点的权值,提高了未知节点的定位精度。实验结果表明,改进的IWCL-RSSI算法的节点定位精度比IWCL-RSSI算法要高。     

基于最优节点通信半径的改进DV-Hop定位算法

针对DV-Hop定位算法在节点随机分布的无线传感器网络中定位误差大,以及现有改进算法需要增加通信开销的问题,提出一种基于最优节点通信半径的改进DV-Hop定位算法.该算法在传统DV-Hop算法的基础上,通过分析网络节点分布特性得到最优节点通信半径,同时利用误差分析获得受扰动影响最小的锚节点优化分布方案,然后使用最小二乘法校正锚节点的平均跳距,最后采用加权方法修正未知节点位置.仿真结果表明,在不增加网络通信量的情况下,文中算法的定位精度高于现有算法.     

一种考虑可能区域和智能搜索相结合的定位算法

提出了一种考虑可能区域和智能搜索相结合的无线传感器网络节点定位算法。该算法首先利用各个锚节点到未知节点的距离确定未知节点的可能区域,然后利用微粒群算法(particle swarm optimization, PSO)搜索出落在可能区域内的符合条件的结果,最后取符合条件的结果的均值作为未知节点的估计位置。实验结果表明,该算法定位精度较高,并且具有很强的鲁棒性,相比于一般的定位算法(如最小二乘法),在测距误差为35％的情况下,其定位精度可以提高49％左右。     

一种无线传感器网络节点自定位新算法

节点自定位是无线传感器网络应用的关键。质心算法是基于距离无关的定位技术,但其定位精度不高。本文提出一种虚拟锚节点定位算法,具体方法是在不增加锚节点密度的情况下,首先根据未知节点与其周围定位的锚节点之间的几何约束关系,确定该未知节点的可能出现的区域位置;其次,根据节点之间的几何约束,确定出虚拟锚节点的坐标范围,最后,在已经划定的可能区域内,采用最小二乘法寻求虚拟锚节点与未知节点之间距离差的最小值,以该数值对应的坐标值作为所定位的未知节点的坐标值。仿真结果表明,采用虚拟锚节点算法能够实现未知节点的定位,并能有效提高定位精度。     

一种基于统计流形的定位算法

为了提高传统的统计流形定位算法的精度,提出了一种基于统计流形的新定位算法,充分利用未知节点之间的距离信息,实现多个未知节点的同时定位.该算法建立了包含未知节点之间的距离信息的测距模型,通过自然参数和自然统计量来重新参数化,将测距模型的求解问题转化为弯曲指数分布族的参数估计问题,采用统计流形的自然梯度迭代求解;同时,给出了系数矩阵的一般构造方法,该矩阵的构造除了与未知节点和锚节点之间的距离有关,还与未知节点之间的距离有关.仿真结果表明:与传统算法相比较,新算法定位精度更高,收敛速度更快.     

基于估距方式分类的无线传感器网络定位算法

针对传统无需测距的无线传感器网络定位算法(DV-Hop算法)在估算距离时因存在较大误差而导致定位精度不高的问题,文中提出了基于估距方式分类的无线传感器网络定位算法.该算法引入最优辅助估距锚点,未知节点每次在估算距离时,首先依据所需估算的距离寻找最优辅助估距锚点,再按其估距所属类型进行估距计算,以提高距离估算的精度.为进一步提高定位精度,文中算法在三边定位法中引入"非线性-跳数"加权因子,通过它获得未知节点最终估计坐标的期望.仿真实验结果表明,在适当增加通信开销的条件下,文中算法的定位精度显著提高.     

无线移动Ad Hoc网络的一种节点定位模型

给出了无线移动AdHoc网络的一个节点定位概率模型,证明了当平面网络中的已知节点达到一定的数量要求时,通过模型算法可以充分准确地确定未知节点的位置.通过仿真分析,说明该模型在实际中是可行的、有效的;并且分析了节点移动性对未知节点定位的影响,得出未知节点的定位是随着其移动速度的增大而变得愈加困难,而随着其与已知节点的通信距离的增大而变得愈加容易的结论.     

无线传感器网络中一种改进的DV-Hop定位算法

针对 DV-Hop 算法在无线传感器网络节点分布不均匀时定位误差比较大的问题,提出了一种针对 DV-Hop 的改进定位算法。该改进算法主要是利用 RSSI 测量技术增加锚节点;在给定约束下引入“可能存在区域”这一概念,并以该可能存在区域的面积作为目标函数,对未知节点的位置利用非线性共轭梯度法进行逼近,从而使节点定位误差达到最小。通过仿真验证了节点通信半径和锚节点比例对定位误差的影响,结果表明,该改进算法将节点定位精度提高了5％～10％。     

一种基于凸优化的WSN障碍环境下定位算法

针对传统DV hop算法定位精度较低及定位环境中物体阻碍信息传播导致节点定位失效的问题, 提出一种适用于障碍环境下的高精度定位改进算法. 首先引入一个考虑定位节点的最小跳数误差修正值, 通过该值筛选参与定位的锚节点, 进而优化锚节点的平均跳距; 然后利用三角函数结合两锚节点间的准确距离共同计算未知节点到锚节点的距离; 最后通过对未知节点的位置进行凸优化计算, 使得节点间的数据传播具有最优路径, 优化定位过程, 提高定位精度. 仿真实验结果表明, 改进算法不仅解决了在无线传感器网络障碍环境下难定位的问题, 还可有效提高未知节点的定位精度.     

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.     

一种基于信标节点筛选的无线传感器网络定位算法

对无线传感器网络定位算法进行了探讨,分析和研究了经典的定位算法,提出了一种基于信标节点筛选的定位算法LASBN,该算法筛选出合适的信标节点,并根据未知节点从信标节点所接收到的RSSI值设置权重,最后利用加权质心法进行未知节点的定位。理论分析和实验表明,该算法具有多项式复杂度,能有效地缩小估测误差和提高定位精度。     

无线传感器网络中伪节点规划定位算法

基于接收信号强度指示,提出一种无线传感器网络节点定位的伪节点规划算法FNP(Fake node and programming).算法假设网络中有部分已知位置的锚节点,并将RSSI值转化为未知节点与锚节点间的距离.在区域内插入若干伪节点,利用0-1规划选出满足可通信节点间的距离约束的伪节点,得出未知节点的位置.该算法设计简单,节点间只需广播一次,通信开销少.仿真结果表明,该算法具有较小的节点定位误差.