改进的无线传感器网络无偏距离估计与节点定位算法

针对无线传感器网络中基于跳数的节点定位算法不能满足无偏距离估计、节点定位误差大的问题,提出了一种改进的无偏距离估计与节点定位算法(UEDV-hop,Unbiased Estimation DV-hop)。该算法分析期望距离和跳数的关系,建立一种新的期望距离与跳数模型,根据节点通信半径是否已知分别推导了两种UEDV-hop的求解形式。仿真实验结果表明:所提的两种UEDV-hop算法的估计距离在不同跳数时都近似等于该跳期望距离,算法在距离估计和节点定位精度上相对于DVhop(Distance Vector-hop)算法及基于最小二乘法改进的DV-hop算法都有较大提高,在节点数目等于2 500时,UEDV-hop算法的估计距离误差比DV-hop算法降低了9.5%,定位精度提高了55%。     

基于跳距修正与差分进化优化的改进DV-Hop定位算法

为了提高传统DV-Hop(distance vector-hop)算法的定位精度,提出一种基于跳距修正和差分进化优化的改进DV-Hop(differential evolution distance vector-hop,DEDV-Hop)算法。由DV-Hop的算法原理可知,锚节点间的距离测量误差是算法定位误差的主要来源,由此根据锚节点间的不同跳数引入权重因子,从而减小平均每跳距离误差,并且利用差分进化算法对最小二乘法计算出的节点坐标进行二次优化,最终提高系统的整体定位精度。为了验证算法的有效性,在相同实验条件下,通过设置不同的定位参数将提出的算法与同类的经典算法进行实验对比。实验结果表明,DEDV-Hop算法可以有效减少节点平均定位误差,其定位精度明显优于其他几种算法。     

一种改进的DV-Hop定位算法

传统的DV-Hop定位算法由于跳数计算和跳距估计存在偏差,影响定位精度,产生误差.对此,为了减小定位误差率,提出一种改进算法.所提出的算法引入基于跳数细化来计算节点间的跳数的方法,进而细化平均每跳距离,使得未知节点定位精度提高,并对细化的程度进行划分对比,来判断划分程度对定位误差的影响.最后在Matlab仿真平台上对所提出的算法进行验证.仿真结果表明无论针对信标节点变化还是节点变化,细化程度越细,定位误差越小.     

无线传感器网络中DV-Hop定位算法的改进

针对无线传感器网络DV-Hop定位算法中节点个数较少时跳段距离估算误差大,及只有2个锚节点时无法定位等问题,提出了一种改进的DV-Hop定位算法.新算法综合了功率控制和计算全网平均每跳距离等措施,提高了跳段距离估算精度,降低了定位误差;同时针对只有2个锚节点时无法定位问题,采用了2个锚节点的定位模型.仿真实验结果表明,改进算法可以明显提高定位精度和定位覆盖率.     

距离估计修正的定位算法优化研究

在无线传感器网络(WSNs)节点定位中,定位精度是传感器节点定位的关键因素.提出一种距离估计修正定位算法,通过节点之间的跳数加权和平均每跳距离误差修正的组合优化方法实现节点的距离估计预处理,再使用L-M算法进行节点定位计算.设定不同节点规模、锚节点比例、节点通信半径情况下的仿真分析,与IDV-Hop和TWDV-Hop算法相比较,优化算法在定位精度性能方面有较大提升.     

基于 RSSI 跳数连续的 DV-HOP 改进算法

针对经典DV-HOP(distance vector-hop)算法中节点间跳数信息对定位精度有较大影响这一问题,提出了一种基于接收信号强度指示(receive signal strength indicator,RSSI)的改进算法.该定位算法引入了连续跳数的定义,首先利用RSSI测距模型把直接邻居节点接收到的RSSI值转换为两节点之间的距离,再根据连续跳数的定义计算出两节点间的连续跳数.在相同的仿真网络环境里,与经典的DV-HOP算法相比,归一化定位误差降低了30％ ～ 45％;与其他改进定位算法相比,归一化定位误差也有不同程度的降低.仿真结果表明该改进算法大幅度地提高了定位精度.     

基于区域划分的DV-Hop定位算法的改进

DV Hop节点定位算法采用跳数乘以每跳平均跳距估算节点间的距离,而跳数和每跳平均跳距受网络的节点密度、节点的通信半径等参数影响较大。针对DV Hop算法存在的不足,提出一种基于跳数区域划分的DV Hop定位改进算法——HRDV Hop（Hop regional division DV Hop,HRDV Hop）。对一跳区域的节点测距引入RSSI技术,两跳或以上区域的节点采用跳数值修正法,再辅以限制跳数机制。MATLAB仿真测试结果表明,在相同的网络硬件和拓扑环境下,改进后的算法能更有效地降低节点间的距离估算误差,提高定位精度。     

基于细菌觅食算法和跳段校正的无线传感器网络定位算法

对目前应用较为广泛的DV-Hop 定位算法进行了分析,针对其在跳段估计及位置计算中的不足,提出了一种基于细菌觅食算法（BFA）和跳段校正的定位算法BFA-HC.该算法首先根据接收信号强度指示（RSSI）阈值优化节点间的跳数,在此基础上基于最小均方误差准则计算锚节点的平均每跳距离,当未知节点获得3 个或以上锚节点的距离后应用细菌觅食算法进行位置估计.仿真结果显示,BFA-HC 算法在不同网络规模、不同网络连通度及不同锚节点比例条件下均可以显著提高传感器网络节点的定位精度.     

基于邻居节点空间顺序序列优化的DV-Hop定位算法

DV-Hop定位法是一种典型的利用多跳信标的定位策略。该算法使用跳数乘以网络平均跳距来代替节点间的实际距离,而平均跳距离的计算精确度与网络的性状、节点密度、拓扑结构等有很大关系,直接影响到DV-Hop算法的定位精度。针对DV-Hop算法这一缺陷本文就节点比较稀疏网络中,通过空间顺序系列优化的方法来减小计算上的误差。     

一种基于DV-Hop节点的室内定位改进算法

对现有基于最小二乘法的DV-Hop定位算法进行分析和仿真,针对该算法定位精度依赖信标节点之间跳距和跳数这两个信息的不足,给出一种可对信标节点之间的跳距和跳数关系做出误差修正的改进的误差修正DV-Hop(ECDV-Hop)算法.仿真结果表明:在相同的室内环境下,ECDV-Hop算法与传统DV-Hop算法相比,定位精度得到一定的提高.     

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。     

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。     

无线传感器网络环境感知的节点定位方法

 节点定位是无线传感器网络的关键技术之一,许多应用都跟节点位置息息相关。针对基于RSSI的定位算法测距误差通常较大的问题,提出了一种环境感知的节点定位方法,该方法首先根据导标节点之间的相互关系,将网络覆盖区域划分为若干子区域,然后再通过他们之间的相互协作,分别确定出无线信号在不同子区域环境下具体的传播损耗模型,从而提高测距精度和定位精度。仿真结果表明,该方法能提高测距精度约15%~30%。     

一种改进的无线传感器网络DV-Hop定位算法

针对无线传感器网络DV-Hop定位算法中信标节点与未知节点之间的平均跳距估算误差较大的问题,提出一种改进的DV-Hop算法并进行仿真检验。改进后的算法对传统算法中节点每跳距离选取进行了调整,还采用加权平均法计算节点平均每跳距离。仿真结果表明,改进的DV-Hop算法显著提高未知节点的定位精度。     

传感器定位节点的应用设计与实施

将定位功能融入到节点中,设计并实施了一种具有定位功能的传感器网络节点.该节点具有内置定位引擎,通过获取节点间的接收信号强度,转换成相应的距离信息.当获取3个以上已知节点坐标后,采用极大似然估计法给节点定位.实验结果表明,该节点定位精度3 m,可以满足一般传感器网络应用的需要.     

基于随机微粒群算法的分布式节点定位方法

提出了基于随机微粒群优化算法的定位方法。设定网络中存在部分锚节点,且相邻节点之间可以获取距离信息,待定位节点在获取足够的相邻锚节点或已定位节点的距离、位置信息后,使用随机微粒群优化算法实现定位。仿真表明,该方法比多边测量法和基于标准微粒群优化算法的定位方法具有更高的性能。     

基于信息融合的海底管道机器人自主定位控制

提出了利用电涡流传感器探测油气管线中的焊缝,实现管道机器人在管线内的粗略定位,再结合里程仪进行相邻焊缝间精确定位的定位控制方法．针对管道机器人爬行速度不稳定所导致的焊缝漏检问题,提出了利用里程定位信息容错漏检焊缝的产生式规则．此外,为了保证里程信息的可靠性,应用多个里程仪为管道机器人提供里程定位数据,并采用一致性数据融合算法对冗余里程信息进行融合处理,同时提高了管道机器人的管内定位精度．模拟油气管道台架上进行的管内定位实验和现役石油管线上的工程应用验证了该定位方法的可行性．     

一种WSN环境下多机器人协作式声源定位方法

研究多机器人协作式任务执行具有现实意义。针对目前机器人声源定位算法不能满足多机器人协作式搜寻声源的场合,提出一种无线传感器网络(Wireless Sensor Networks, WSN)环境下的多机器人窄带声源定位方法。该方法根据接收信号强度对多个机器人的全局坐标进行测距定位,利用到达时间差(Time Difference of Arrival,TDoA)定位方法估计机器人与声源的相对距离,并结合全相位傅里叶变换(all-phase FFT,apFFT)算法提高相对距离的估计精度,最后通过测距定位算法得到声源的全局坐标值。在4个WSN节点和3个机器人组成的系统中进行方法测试,实验结果表明：该方法能实现三机器人协作式的声源定位任务,定位准确率较高,可满足搜救场合中声源定位的要求。     

粒子群算法修正测距的无线传感器网络节点定位

为获得理想的节点定位结果, 设计一种基于粒子群修正测距的无线传感器节点定位算法. 首先对经典无线传感器节点定位算法DV-Hop的工作原理进行分析, 找到导致测距误差的因素; 然后用粒子群算法对无线传感器节点之间的测距进行修正, 以减少节点间的测距误差, 并对标准粒子群算法的不足进行相应的改进; 最后通过仿真实验与当前经典无线传感器节点定位算法进行对比测试. 测试结果表明, 在相同工作环境下, 该算法提高了无线传感器节点的定位精度, 且未增加额外硬件开销.     

无线传感器网络节点自适应惯性权重定位算法

在无线传感器网络定位算法中,为了降低定位误差,提高定位精度,提出一种结合DV-Hop算法和改进粒子群算法的,基于自适应惯性权重的优化定位算法。首先根据DV-Hop算法估算未知节点与信标节点的距离。然后采用改进的粒子群算法做后期优化。根据每次迭代后粒子位置与全局最优位置的距离,对粒子的惯性权重进行动态调整,使其具有动态自适应性。并且利用进化度作为搜索中止条件,加快算法的收敛速度。通过仿真说明,相较于DV-Hop算法和基于已有改进粒子群优化的DV-Hop算法,自适应惯性权重定位算法可以降低平均定位误差,有效地提高了无线传感器网络中节点的定位精度。