基于移动信标节点的无线传感器网络定位算法研究

研究了无线传感器网络中的节点定位算法问题,提出了一种新的基于移动信标节点的定位算法。该算法利用一个移动信标节点遍历整个网络,并周期性地广播包含其当前位置信息的分组,当未知节点接收到三个(或以上)与它的距离为通信半径的位置信息分组后,利用三边法计算自身位置。进而,考虑通信半径存在摄动的情况,利用极大似然法替代三边法提高算法的抗干扰能力。最后,通过仿真研究了该算法的特性,并与DV-Hop定位法进行了比较,仿真结果表明该定位方法在定位误差、通信量和网络结构适应性等方面均表现出良好的性能和优越性。     

基于APIT技术的无线传感器网络目标定位算法

针对无线传感器网络的目标定位问题,提出了一种基于能量的目标定位算法.首先通过移动锚节点轨迹的采集,形成虚拟锚节点,利用三边定位确定未知节点的位置,增加锚节点的密度.采用近似三角形内点测试(APIT)算法对目标节点进行定位,并加入了加权质心因子,用锚节点对目标节点的不同影响力来确定加权因子,以提高定位精度.仿真结果表明:该算法可以有效地提高无线传感器网络目标定位的精度.     

双层协作的无线传感器网络目标跟踪方法

通过在无线传感器网络中引入双层监测机制,提出一种基于象限定位的目标跟踪方法。该方法依据位置关系选取相关性高的内外层节点,利用外层节点的快速侦测和内层节点的准确定位对移动目标进行定位跟踪,同时向汇聚节点快速上传移动目标轨迹。理论分析和实验结果表明,该方法可以降低无线传感器网络功耗,提高目标定位精度。     

一种基于CKF的无线传感器网络分布式定位算法

为提高无线传感器网络节点定位的精度,降低算法计算复杂性,提出了一种基于容积卡尔曼滤波的无线传感器网络分布式节点定位算法。该算法假定移动锚节点按预定路径在传感区域移动,并周期性广播自身位置信标信息;每个未知位置节点首先收集多个锚节点信标信息及信号强度信息,然后估算出锚节点信标位置与未知节点的距离,最后在未知节点上运用容积卡尔曼滤波算法完成自身位置的分布式定位。仿真结果表明：本文所提算法具有优良的定位性能,定位精度和无迹卡尔曼滤波算法相当,明显优于极大似然估计定位算法,而计算复杂性则低于无迹卡尔曼滤波算法。     

基于核函数法及粒子滤波的煤矿井下定位算法研究

煤矿井下受限空间中,射频信号强度受到多径衰落、阴影效应及人为因素的影响,采用路径损耗模型的定位方法误差较大,提出了基于核函数法及粒子滤波的定位算法。该算法利用指纹匹配技术结合贝叶斯估计,基于核函数法构建模型,搜索训练数据中接近未知节点指纹特征的位置并加权得到初步观测坐标,最后利用粒子滤波将目标运动状态与观测值相融合,平滑位置突变以追踪移动轨迹。实验证明,对于静态目标定位,核函数法效果优于确定型匹配算法和高斯分布模型;对于动态目标定位,所提算法比基于Markov状态转移的算法定位结果更精准。     

基于微粒群模型的移动传感器网络部署研究

传感器节点的部署是无线传感器网络中的很重要的问题,因为它反映了传感器网络的成本和监视能力.为了减少传感器节点部署时产生的覆盖盲区,提高网络的覆盖率,提出了一种新的基于微粒群模型的移动传感器节点位置优化配置算法.该算法根据节点的位置信息建立节点部署优化模型.利用微粒群算法求解该优化模型,优化过程中的最优解作为节点的最终配置位置.仿真结果表明该算法最大可能地减少了网络中的覆盖盲区,有效改善了网络的覆盖率.     

基于协同预测的无线传感器网络全移动节点定位算法

节点定位技术是无线传感器网络的关键问题之一,分析了无线电的路径损耗模型,建立了基于信号接收强度（Received Signal Strength Indicator, RSSI）和距离的拟合关系模型,提出了一种基于协同预测的无线传感器网络全移动节点定位方法。该方法解决了当能够与未知节点通信的锚节点数量少于3个而不能定位的问题,算法利用未知节点历史时刻的位置信息辅助当前时刻的未知节点定位,即把未知节点历史时刻的位置作作为锚节点的位置,速度值作为通信半径对未知节点进行辅助定位。仿真结果表明,与传统RSSI定位算法相比,该算法的定位成功率提高了约30%,每轮的平均相对误差降低了约47%。     

无线传感器网中目标定位算法的研究

该文提出了一种无线传感器网中的目标定位算法,用以获取在无线传感器网监视下的地理区域中移动目标的位置。该算法首先找到一个曾监测到目标的节点,然后利用相邻节点间的本地消息跟踪目标的运动轨迹。论文实现了该算法并与优化的洪泛定位算法进行了比较,仿真结果表明,该算法有效地减少了目标定位过程中传输的消息数量,节省了网络带宽,降低了节点能源的消耗,从而增强了资源受限的无线传感器网的实用性。     

基于智能估计的无线传感器网络定位算法

节点定位是无线传感器网络的基本机制,位置数据是监测事件不可缺少的信息,传感器节点必须首先确定自身的位置.针对无线传感器网络的节点定位问题,提出了基于Free Search优化的智能定位算法,介绍了Free Search优化算法和智能估计的模型.该算法的基本思想是将参数估计问题转化为非线性函数的在线优化问题,利用Free Search获得未知节点坐标的最优估计.仿真结果证明,与最小二乘估计定位算法相比,新算法定位精度显著提高.     

传感器网络基于移动信标改进的DV-Hop定位算法

无线传感器网络节点定位算法的精度多依赖于信标节点的密度,但信标节点成本高,约为普通节点的100倍以上,为了降低定位的成本,提出了一种基于移动信标和DV-Hop的无线传感器网络节点定位算法(MBWDV-Hop)。该算法在DV-Hop定位算法的基础上,利用一个移动的信标节点在网络中按预定的路径移动并不断地广播自己的位置信息,形成多个虚拟信标,未知节点记录到每个虚拟信标的跳数,并采用加权处理的方法计算平均跳距及其与各虚拟信标的距离,最后利用三边测量法计算未知节点的位置信息,实现节点精确定位。由于只采用一个移动信标,降低了定位的成本和布网的复杂度。最后通过仿真证明算法可以提高定位精度,降低定位成本,提高了定位的效率。     

基于移动节点的三维水下传感器网络定位

为有效解决传感器节点在水中的移动性问题,而节点移动主要是因为水流和随机干扰,提出了一种基于移动节点的定位算法—MNLS（移动节点定位算法）．移动节点定位算法是在分析现有相关定位算法的基础之上,提出了首先预测节点的运动轨迹,然后进行节点的测距与定位的算法思路．利用MATLAB对算法进行了仿真,实验结果表明MNLS与chan算法相比较,单个节点的定位精度以及不同速度下节点的定位精度都得到了提高,因此,该算法对水下传感器网络定位有着实际的应用价值．     

基于无线传感器网络的河流中稳态扩散污染源定位研究

针对河流中污染源定位问题,首先分析了河流污染源扩散模型,给出了一种处理完全吸收边界,不完全反射边界以及完全反射边界的通用河流污染源稳态扩散模型。改进了在边界约束下以测量值与理论值之差的平方和为目标的非线性最小二乘算法,并提出了一种新的最小二乘污染源定位算法。该算法弥补了直接非线性最小二乘算法在数值计算过程中稳定性较差的缺点。最后,仿真研究了浓度测量噪声,节点漂移误差和反射系数误差对定位性能的影响。仿真结果表明:已知信息的误差越大,则定位均方根误差越大;传感器节点个数越多,估计精度越高,但当节点增加到一定数量时,继续增加节点对定位精度的影响会减小。另外,仿真结果验证了非线性最小二乘算法的优越性,说明了算法在河流污染源定位应用中的有效性。     

无线传感器网络中载体的自主移动策略

针对部署在复杂环境中或者不易抵达区域的无线传感器网络(WSN)由于受环境影响,其节点修复、定点投放或搜索救援等环节存在人身安全、不易修复等问题,提出一种WSN中载体的自主移动策略。该策略首先基于少量锚节点,结合最大似然估计算法和接收的信号强度指示(RSSI)定位技术实现移动载体自身定位;然后依靠数学模型,根据当前获取的定位信息及目标节点坐标,完成下一步目标节点的选取和前进角度的修正,以最终实现移动载体的自主移动。仿真结果表明,该策略能够确保载体沿较短路径,在较短时间内到达目的地;且传感器节点密度越大,该策略成功率越高,分别对规模为130、180、300的无线传感器网络进行了仿真,成功率高达96.7%。     

基于无线传感器网络的同时定位与跟踪

研究无线传感器网络在位置信息不确定时,同时定位无线传感器网络节点并跟踪移动目标。利用RSSI测量节点对之间的距离,多维定标技术根据距离矩阵完成传感器网络的初始定位。估计与更新阶段提出了压缩EKF滤波确定传感器节点位置和目标位置。仿真结果显示:算法在较低的网络覆盖率下有较高的定位和跟踪准确度,在初始定位误差为5m时,节点和跟踪误差均小于3m,特别是在长距离的跟踪任务中有很好的精度和实时性。     

基于蜂窝结构的改进混合无线传感器网络覆盖优化算法

基于蜂窝结构的混合无线传感器网络（HWSN）覆盖优化算法HWSNBCS存在移动节点平均移动距离较大的问题,为此,提出一种改进的HWSN覆盖优化算法IHWSNBCS。寻找移动传感器节点初始位置与通过HWSNBCS算法得出的候选目标位置之间的最优匹配,将移动节点移动距离之和最小化问题转化为二分图最优匹配问题,利用带权二分图匹配算法KM寻找该匹配问题的最优解,从而得到移动节点最终的目标位置,并实现对HWSNBCS算法移动节点平均移动距离的进一步优化。实验结果表明,IHWSNBCS算法在取得与HWSNBCS算法相同网络覆盖率的前提下,移动节点的平均移动距离减少幅度达到38.87%~43.28%,单个移动节点的最大移动距离减少幅度达到22.65%~66.58%,降低了系统因重新部署移动传感器节点所产生的能耗以及单个传感器节点因能量耗尽而失效的概率,从而延长了网络生命周期,同时,IHWSNBCS的ΔCov-Dist性能指标为HWSNBCS算法的1.64~1.76倍,表明移动节点移动相同距离时IHWSNBCS算法的网络覆盖率提升更大。     

Energy-balanced multiple-sensor collaborative scheduling for maneuvering target tracking in wireless sensor networks

An energy-balanced multiple-sensor collaborative scheduling is proposed for maneuvering target tracking in wireless sensor networks (WSNs). According to the position of the maneuvering target, some sensor nodes in WSNs are awakened to form a sensor cluster for target tracking collaboratively. In the cluster, the cluster head node is selected to implement tracking task with changed sampling interval. The distributed interactive multiple model (IMM) filter is employed to estimate the target state. The estimat...     

基于射频识别和无线传感网融合技术的仓储定位方法研究

针对射频识别在大规模仓储定位环境下节点数量要求过高,有效覆盖面积较小问题,提出一种基于移动锚节点的二次定位方法。传统质心算法必须在节点的3度覆盖下才能有效定位,造成节点浪费。综合射频识别和无线传感网融合技术,构造一种新的锚节点,将传统定位过程中的节点划分为固定锚和移动锚,首先利用固定锚进行初步定位获得未知标签位置范围,然后利用定位向量判定移动锚的停止位置。最后,采用基于信号强度的加权质心定位算法,进行二次精确定位。仿真结果表明,该方法能有效减少锚节点数量,弥补射频信号覆盖不完全区域的定位,提高定位精度和覆盖范围,具有一定的实际应用价值。     

基于非凸约束信息的传感器网络节点定位方法

节点定位是无线传感器网络中的关键性问题,大多数定位方法无法评估每个节点的定位精度。该文提出一种无需测距的定位算法,将传感器节点的真实位置限定于一个区域中,使用该区域的面积评估传感器节点的位置精确度,利用网络中的非凸约束提高定位精度。仿真结果表明,在使用非凸约束的情况下,对于节点总数为250,20%为已知位置节点的传感器网络来说,90%的节点能较好地被定位。     

Cooperative localization for disconnected sensor networks and a mobile robot in friendly environments

Localization for a disconnected sensor network is highly unlikely to be achieved by its own sensor nodes, since accessibility of the information between any pair of sensor nodes cannot be guaranteed. In this paper, a mobile robot (or a mobile sensor node) is introduced to establish correlations among sparsely distributed sensor nodes which are disconnected, even isolated. The robot and the sensor network operate in a friendly manner, in which they can cooperate to perceive each other for achieving more accurate localization, rather than trying to avoid being detected by each other. The mobility of the robot allows for the stationary and internally disconnected sensor nodes to be dynamically connected and correlated. On one hand, the robot performs simultaneous localization and mapping (SLAM) based on the constrained local submap filter (CLSF). The robot creates a local submap composed of the sensor nodes present in its immediate vicinity. The locations of these nodes and the pose (position and orientation angle) of the robot are estimated within the local submap. On the other hand, the sensor nodes in the submap estimate the pose of the robot. A parallax-based robot pose estimation and tracking (PROPET) algorithm, which uses the relationship between two successive measurements of the robot's range and bearing, is proposed to continuously track the robot's pose with each sensor node. Then, tracking results of the robot's pose from different sensor nodes are fused by the Kalman filter (KF). The multi-node fusion result are further integrated with the robot's SLAM result within the local submap to achieve more accurate localization for the robot and the sensor nodes. Finally, the submap is projected and fused into the global map by the CLSF to generate localization results represented in the global frame of reference. Simulation and experimental results are presented to show the performances of the proposed method for robot-sensor network cooperative localization. Especially, if the robot (or the mobile sensor node) has the same sensing ability as the stationary sensor nodes, the localization accuracy can be significantly enhanced using the proposed method.     

动态组簇的协同定位算法

提出一种动态组簇的协同定位方法,用于基于传感器网络的目标定位和跟踪.该方法包括数据融合算法和虚拟簇漂移(virtual cluster shift,VCS)机制两部分.数据融合算法部分采用均值漂移(mean shift)算法.虚拟簇漂移机制分布式地在组织目标周围的锚节点建立临时簇.簇首管理簇成员,收集感知数据,执行融合算法.当虚拟簇无法锁定目标时,簇首指定离目标最近的簇成员担任新簇首,簇的成员也进行更替,由此将虚拟簇移动(shift)到合适的位置.分析和仿真结果显示,采用动态组簇的协同定位方法跟踪目标可以大幅度降低通信开销,产生的通信量仅为以往集中式定位算法开销的1/3.