WSN中存在测距误差的无锚点分布式自定位方法

无线传感器网络中,采用RSSI方法进行自定位时,测距误差会影响定位精度。提出了一种分布式的无锚点定位方法,在对测距误差进行正确估计的基础上,求得各节点的相对位置。首先将测距误差定义为一个目标函数,使用最速下降法来分布式地求解全局非线性优化问题,以使这个目标函数最小化,然后利用节点间的估计距离与实际测量距离的偏差值来修正节点的估计坐标。仿真实验对各种影响参数进行了评估,结果证明:在无锚节点且距离测量值存在误差的情况下,满足一定的节点连通度时,能够提高节点定位精度。     

基于电磁波及超声波联合测距的井下定位方法

研究煤矿井下电磁波、超声波联合定位方法,根据井下巷道的空间结构特点,由锚节点和网关节点形成无线传输网络,网关节点布置在巷道的端点,锚节点一字排开等间距吊挂在巷道顶部中央,使巷道内任意位置都至少有两个锚节点接收到移动节点发射的电磁波信号。 移动节点通过判别锚节点电磁波信号强度确定移动节点与锚节点的位置关系;移动节点采用基于超声波的TOF检测方法进行巷道横向测距,移动节点和锚节点节采用基于电磁波信号强度的对数-常态分布模型进行巷道纵向测距,最终确定移动节点的二维坐标。 仿真结果表明,提出的定位方法误差较小,超声波在巷道横向的测距误差很小,巷道纵向50 m范围内,最大误差不超过5 m。 联合定位方法使用少数锚节点获得高定位精度,可以应用于煤矿井下。      

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。     

无迹卡尔曼滤波在无线传感器网络节点定位中的应用

传统的基于距离的无线传感器网络节点定位技术,由于测距过程产生较大的误差,从而使定位精度不高.文中在基于接收信号强度(RSSI)测距、三边测量法初始定位的基础上,提出以接收信号强度为观测量,将无迹卡尔曼滤波(UKF)算法应用到节点精确定位中.通过仿真验证使用该方法后,相比以距离为观测量的UKF定位方法,节点的定位精度有一定的提高,并进一步定量的分析比较了两种实现模型下节点定位算法的误差概率分布.在此算法的基础上,通过权衡平均定位误差与算法运算复杂度之间的关系,给出最佳定位锚节点数量,并模拟具体环境,验证了文中节点定位算法的实用性.     

RSSI模型参数动态修正的协作定位算法

提出一种结合接收信号强度指示(RSSI)模型参数动态修正和协作定位的RSSI改进算法.首先,利用高斯滤波对RSSI值进行优化,根据锚节点间的距离和RSSI值动态修正RSSI模型参数;然后,利用共线度有效阈值选取适合定位的锚节点组,由加权三边定位法得到节点坐标;最后,引入协作定位,利用锚节点置换策略自适应地选取已定位节点进行升级,升级节点作为锚节点参与协作定位.实验结果表明:在相同的环境下,RSSI改进算法较其他算法能有效降低测距误差,提高未知节点的定位精度.     

应用三个移动锚节点的非测距定位方法

针对使用单个移动锚节点的非测距定位方法精度较低的问题,提出一种使用三个移动锚节点的非测距定位方法:三个锚节点在移动过程中相对位置不变,并周期性广播数据包,而未知节点利用接收到的具有相同时间戳的两个或者三个锚节点信息进行质心定位.采用Scan作为信标的移动路径,并使用OMNET++进行了仿真实验,结果表明,该方法比使用单个移动锚节点提高了定位精度,且不受节点部署密度的影响.     

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.     

基于RSSI测距的井下人员定位算法改进

针对矿井下基于RSSI算法的定位系统容易受到其他节点信号干扰,以及在井下测量节点距离时,因受到井下环境影响出现的测距误差,进而影响三边定位算法的精确度和稳定性。论文利用接收到的已知节点角度信息,把在井下定位分割成各个定位小区来过滤其他节点的信号干扰,以解决因信号干扰造成的定位小区混乱。在确定定位小区之后,利用对重叠区域进行标记缩小定位范围,对标记最多次区域采用质心算法,以此来提高定位精确度和稳定性。仿真表明:该方法在井下人员定位过程中精确度高、稳定性强,比传统传统RSSI定位算法在井下更为优越。     

DV-hop定位算法参数优化仿真研究

在低功耗、低成本、低运算的无线传感器网络中,节点的定位精度受到局限。DV-hop定位算法作为一种经典的无需测距的定位算法,在实际应用中较容易实现,但研究者多致力于提高其定位精度,而对影响定位精度的参数的优化研究较少。在深入分析DV-hop定位算法的基础上,对影响DV-hop定位算法精度的主要参数包括锚节点数、节点通信半径以及网络中的节点总数进行分析和仿真。仿真结果表明,针对不同的节点总数,在锚节点数为12时,存在最优节点通信半径使其定位误差最小。     

单个锚节点的路径规划机制及定位方法研究

为使锚节点在定位中距离待定位节点更近,从而更精确定位,提出单个锚节点的禁忌搜索与分簇相结合的路径规划机制.该机制充分利用待定位节点的分簇信息,优先将簇头点作为锚节点移动的目标点.针对单个锚节点在路径规划机制下的移动,提出利用RSSI测距与AOA角度定位相结合的定位方法.仿真结果表明:与禁忌搜索路径规划机制相比,该机制可以使待定位节点与距其最近的信标点的距离更短;与质心定位算法和DV-HOP定位算法相比,本文方法的定位精度和定位时间都有很大提高.     

无线传感器网络定位算法分析与比较

介绍了无线传感器网络节点定位的概念和技术特点,详细描述了基于测距和无需测距两种定位的机制,并对这些典型的算法和系统进行了全面详细的比较分析。     

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。     

基于测角的自主移动机器人定位算法

给出了自主移动机器人定位的两种算法:解析算法和数值算法·解析法公式较以往的简洁·数值算法结合解析法和高斯牛顿算法,不仅能避免因初值选取不合理而导致求解过程发散的问题,而且能提高运算精度和速度·通过对两种算法的计算机仿真,表明了解析算法具有运算速度快,而数值算法具有精度高的特点·其结果已用于自主移动机器人的研制中·     

智能随机TBFL方法

测试集测试结果对程序错误定位算法（testing-basedfaultlocalization,TBFL）没有考虑到程序和测试用例集本身的信息,而智能随机TBFL方法,则是利用随机理论将测试员、程序员关于测试用例和程序的先验知识和测试结果信息结合起来,去定位程序的错误语句．智能TBFL算法主要从人类处理信息的通常过程着眼,把测试员交给开发人员的测试结果（主要是用例是否失败和用例覆盖语句情况）分两个层次处理,首先构造执行矩阵曰,利用程序先验分布计算测试集捕获错误的能力等级分布,它相当于人类处理信息首先考察信息的正确性和重要性这一事实;其次构造功效矩阵F,利用前述的测试集能力分布计算程序语句出错可能性的等级分布,它相当于人类处理信息时挖掘信息内涵并对信息加以综合从而做出正确判断这一事实．因此文中提出的算法称之为智能算法,它在理论上是可信的．根据文中所提出的两个有关不同TBFL算法比较标准,并在一些实例上把智能算法与其他一些传统错误定位方法进行对比,发现智能算法的功效比较满意．     

多传感器网络中目标定位的改进算法

为提高多传感器网络中的目标定位精度,基于优胜劣汰的进化思想提出一种改进算法.该算法通过循环运算,剔除明显异常的测距数据后,再对目标点进行定位.首先利用最小二乘法,拟合出目标点的初始概位,然后计算各节点到初始概位的距离与测量数据的相对误差的绝对值及相对误差的平均值,判断该平均值是否达到某一经验值,若未达到经验值,则剔除相对误差最大的节点数据,再进行下一轮运算,直到平均值达到经验值,且确保节点数多于3时,此轮次中估算的概位坐标即为目标点坐标.Matlab仿真实验表明,本算法可有效地提高定位精度.     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法.算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理.指出了该定位算法的关键技术,并对其进行了仿真验证.仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率.     

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。     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法。算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理。指出了该定位算法的关键技术,并对其进行了仿真验证。仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率。     

无线传感器网络中DV-Hop定位算法的改进

通过分析DV-Hop算法定位过程误差产生的主要原因,在限制节点间跳数、校正相同跳数的节点之间的跳距和循环升级等3个方面进行改进,并对改进算法进行仿真实验,结果表明:在相同的环境下,本文提出的改进算法能显著提高节点定位精度和覆盖率.     

被动声目标定位与跟踪的实验研究

研究被动声定位和跟踪的可行性。方法设计被动声目标定位,跟踪的实验系统,并进行静目标定位实验与运动 目标定位与跟踪实验。结果实验系统对静目标测向精度较高,而测距精度很低;对恒速运动目标,采用测向信息和多普勒频移信息相融合的算法得到了目标运动速度,距离的精确估计。