基于LS-SVR的无线传感器网络节点定位算法

文章针对无线传感器网络（WSN）节点定位算法DV-HOD的节点间距离估计误差对定位准确度影响较大的问题,提出一种基于LS-SVR（最小二乘支持向量回归机）的定位算法L-LSSVR。该算法根据已知锚节点坐标信息,通过对探测区域网格化采样,得到包含未知节点到各锚节点的距离和未知节点坐标的训练样本集,利用LS-SVR训练得到定位模型,定位时以未知节点到各锚节点经多跳测距得到的距离向量作为模型的输入,将模型输出作为未知节点的估计坐标。在节点均匀分布和随机分布的网络中进行节点定位实验,结果表明,定位算法L-LSSVR能有效地降低距离估计误差对定位准确度的影响,减小平均定位误差,其中,在节点均匀分布的情况下L-LSSVR算法的平均定位误差比DV-Hop算法减小8.1～17.8%,在随机分布的网络中减小8.7～27.0%。     

基于GSO与加权质心的DV-Hop定位算法

由于经典DV-Hop定位算法中定位精度较低,提出一种改进算法。首先,未知节点计算到各信标节点的距离时,采用不同平均每跳距离。其次,采用GSO(galactic swarm optimization)思想把网络中的信标节点分为不同种群,使用粒子群优化算法估计每个种群中未知节点的最优位置,其最优位置构成一组次优解集。最后,利用加权质心算法优化次优解集作为未知节点的坐标。实验仿真表明,该方法能有效降低未知节点的定位误差。     

基于移动信标的无线传感器网络混合节点定位算法

节点定位是无线传感器网络中的关键技术之一。本文在采用装备有GPS装置的移动信标的基础上,提出了加权质心定位方法和Unscented—KF滤波组合定位算法。算法首先利用加权质心定位方法,获得无线传感器网络未知节点的初步位置,再用Unscented—Kalman filter进一步提高定位精度。算法可以实现传感节点的低成本定位,容易达到很高的定位精度、可实现分布式定位计算。仿真结果显示,与算法较常用的极大似然估计相比,未知节点的定位精度有较大的提高。本算法定位过程中节点间无通信开销,计算量小,节省了宝贵的节点能量。在本文中算法是基于RSSI测距方式,它还可应用于TDOA,TOA等基于测距的定位算法中,具有较普遍的应用意义。     

基于隶属度的二次求精矢量跳距定位算法

DV-HOP(distance vector-hop)定位算法中,未知节点与锚节点之间的距离计算存在误差,引起计算坐标与实际位置偏离,影响定位精度.针对这一问题,提出一种基于隶属度的二次求精矢量跳距定位算法,采用对应的锚节点跳距校正值计算节点间距离,减小计算误差;运用自动控制理论中反馈控制原理,将未知节点与锚节点的距离范围信息作为输入量,未知节点的估计坐标信息作为输出量,通过隶属度函数进行偏差分析,二次求精校正未知节点位置.通过仿真对算法性能进行对比分析,结果表明该算法具有较高的定位精度;并通过应用环境测试,验证了算法的可行性.     

无线传感器网络移动节点辅助定位算法

从目标跟踪(用多个静态已知位置的传感器跟踪和预测一个移动的目标)的逆向方法出发,提出一种采用可移动节点在未知节点布设区域上空进行行列扫描,同时向未知节点发射相应标识信号给未知节点的定位算法--LA-SCAN.它具有至少两个优势:1)由于未知节点只需接收第一次标识号,用于节点定位的通信能耗极低;2)未知节点只需要移动节点移动间距、布设区起点位置和接收到的标识号即可计算m估计坐标.理论分析和仿真结果表明LA-SCAN算法具有高的性能表现.     

基于球面坐标的无线传感网络三维静态定位

针对当前提出的基于球面坐标的三维动态定位机制不适用于锚节点不能移动的情况,提出了一种静态的定位方法：在锚节点和未知节点都分布好的场景中,采用PIT（Point-In-Tetrahedron）方法选取用来定位的4个锚节,并将这4个锚节点构成球体的球心坐标作为该未知节点的估计坐标。通过仿真分析,结果表明定位精度比未采用该方法的情况有明显的改进。     

基于网络空洞边界节点检测的DV-Hop改进算法北大核心CSCD

针对存在空洞的各向异性的传感器网络中,DV-Hop算法由于跳数估计不准确而导致精度降低的问题,提出了一种基于网络空洞边界节点检测的DV-Hop改进算法。首先利用一些可移动的锚节点标记并定位空洞边界上节点的坐标,再通过边界节点进而优化未知节点与信标节点间的跳数值,最后用改进的加权最小平方法进行未知节点自定位。仿真结果表明,当传感器网络中含有面积较大的空洞时,利用提出的算法能够让定位误差很大程度上减少,并且该算法可以更好地应用于实际场景。     

基于射频模块的室内定位系统设计及试验

针对大型室内空间移动设备的定位问题,对室内定位理论及应用进行了研究,设计了基于无线射频模块的室内定位系统。系统硬件以STM32F103微控制器为核心芯片,结合3个nanoPAN5375模块分别构成了3个固定节点,由STM32F103微控制器和1个安装有nanoPAN5375的小车构成了移动节点,软件采用三边质心算法和卡尔曼滤波算法实现了实时定位。试验结果表明,移动节点能以10 cm/s的速度自动行走到设定坐标;增加固定节点组成的等边三角形边长后,可得到较为精确的移动节点位置。该系统具有较好的实用性,其设计方案可应用于室内车间、矿井、隧道、设施农业等需要在室内使用定位技术的场所。     

基于MDS的无线传感器网络定位算法的优化

介绍了一种改进了的基于多维标度的迭代定位算法(MDS),该算法把参考节点的质心坐标设置为迭代初始值。分析了该算法存在的缺点,提出一种平滑优化算法。仿真结果表明:平滑后的MDS迭代定位算法,迭代次数大大减少,定位精度显著提高。在同样的定位精度下,平滑后的算法需要的锚节点数明显减少。算法具有实际应用价值。     

无线传感器网络中一种改进的DV-HOP定位算法

在无线传感器网络中,节点定位技术占有非常重要的地位。为了提高节点定位精度,在研究和分析传统DV-HOP定位算法的基础上提出了一种改进算法。该改进算法中,每个信标节点通过分析实际距离和估计距离之间的误差,可进一步修正平均每跳距离;然后在未知节点坐标计算过程中引入二维双曲线定位算法代替传统的三边测量法,可减少节点计算误差。仿真结果表明,在无需增加额外的硬件设备的条件下,改进的DV-HOP算法与传统的DV-HOP算法相比,能够更加有效地提高节点的定位精度。     

基于遗传算法优化的节点定位技术

针对于基于距离的节点定位技术,为提高节点的定位精度,将遗传算法用于距离的优化处理。本文首应用遗传算法进行基于距离的最优解的求解,然后将求解后的结果用于质心定位算法。仿真结果表明,应用遗传算法优化后的定位算法,节点定位精度明显提高,可用于节点定位技术的优化处理。     

农田环境无线传感器网络无锚节点定位算法

无锚节点定位算法不需要添加额外硬件,无需锚节点或少量参考节点,仅利用自身的无线收发器即可实现整个网络的节点定位,使定位成本大大降低,是解决由大量廉价节点组成大规模网络定位问题的较好方法.以农田应用为背景,提出一种无锚节点定位算法.该算法从普通节点中选取基准节点以形成坐标系,其他未知节点根据自己到基准节点的距离计算出自身坐标,最终得到所有节点的相对位置.还以实测求平均方法解决了无锚节点定位算法的累积误差问题.算法具有分布式特点,实现过程简单,实用性强.     

无线传感器网络动态加权DV-Distance算法

无线传感器网络DV-Distance定位算法,采用未知节点与锚节点间的累计跳段距离代替欧式距离计算节点位置,存在较大的定位误差.针对这一问题,提出一种动态加权DV-Distance改进定位算法,基于未知节点的修正模式,保证定位网络中每个未知节点具有不同的修正系数;通过动态加权修正模型,用锚节点间距离、跳数等信息计算修正系数,采用动态加权的方法将不同方向上的修正系数进行整合,修正未知节点与锚节点间累计跳段距离,提高算法的定位精度.通过仿真验证了算法具有更高的定位精度;并进一步通过实验验证了算法的有效性和可行性.     

基于累加跳距和校正因子的无线传感网定位算法

针对无线传感网中DV-Hop定位算法利用平均跳距乘以跳数来估算距离,并未对估计节点坐标重新评价而导致误差较大的问题,提出一种基于累加跳距和校正因子的DV-Hop定位算法。该算法首先利用最小均方误差法求出各锚节点平均跳距,未知节点根据所有锚节点平均跳距加权求出自身平均跳距,然后累加链路中各未知节点平均跳距求出节点间距离,最后估算锚节点位置并与实际锚节点位置比较,得出校正因子修正未知节点坐标。仿真结果表明,该算法与传统DV-Hop算法及相关文献算法相比,能够有效降低距离误差,提高定位精度。     

基于K最近邻分类的无线传感器网络定位算法

针对无线传感器网络中,大部分节点硬件配置低,缺少自定位能力的问题,提出一种基于K最近邻分类的分布式算法LKNN.将定位问题转换成为分类问题,根据信标节点的位置信息和相距跳数计算节点间的相似度,利用K最近邻(KNN)二分分类横纵坐标,确定未知节点的坐标,经过质点弹簧算法MSO进一步优化节点的估计位置.仿真研究表明,LKNN算法定位过程中,K最近邻算法分类准确度高,质点弹簧算法可以改善边界效应,提高边缘区域节点的定位精度.相比于DV-Hop算法,LKNN定位效果更为理想,尤其是在C形随机分布的不规则网络中,平均误差和误差的标准差减小20％ ～50％.进一步实验结果验证了LKNN算法的有效性和实用性.     

基于混沌粒子群与Taylor算法的协同定位算法研究

针对无线传感器网络中运用TDOA方法定位时,Taylor算法容易受到初始估计值影响,导致节点定位精度低、不容易收敛,因此提出了一种基于混沌粒子群与Taylor算法协同定位的方法。该算法首先运用混沌粒子群算法求解TDOA方程组,得到一个具有较高精度的未知节点的估计坐标值,将这个估计值作为Taylor算法的初始值进行迭代运算,最终完成对未知节点的坐标估计。仿真结果表明,该算法提高了节点的定位精度和定位速度。     

基于蜂窝网络区域划分的节点定位算法

针对无线传感器网络节点在非测距的情况下定位误差较大的问题,采用将锚节点布置在每个单元蜂窝顶点以及中心处的部署方案,利用整个网络的几何特征进行区域划分;根据节点之间的跳数关系,将未知节点的估计位置与满足条件的区域一一对应起来,完成未知节点定位.利用MATLAB7.0仿真环境进行了算法仿真试验并分析了试验结果.对于单元蜂窝网络和簇蜂窝网络,在锚节点密度相同的情况下,定位误差为20％左右,且定位精度的变化趋于稳定,因此,算法更适合大规模网络节点定位.     

比例差分修正的RSSI测距WSN节点定位研究

在无线传感器网络中节点定位技术占据着核心地位。基于传统RSSI的多边定位算法,提出了差分修正的井下无线传感器网络RSSI节点定位算法,通过不同锚节点之间的相互关系得到比例差分系数,将其应用在测量节点定位。目标未知节点首先读取在信标节点信息,利用卡尔曼滤波法除去信号中的噪声,获得更加精确的距离值,通过锚节点构建差分模型,利用比例差分的方法对RSSI测距进行修正,并对改进算法进行了仿真实验。结果表明,比例差分系数修正的RSSI测距定位算法的定位精度要远远高于传统RSSI测距定位算法,能够为井下的节点定位提供理论依据。     

基于网络空洞边界节点检测的DV-Hop改进算法

针对存在空洞的各向异性的传感器网络中,DV-Hop算法由于跳数估计不准确而导致精度降低的问题,提出了一种基于网络空洞边界节点检测的DV-Hop改进算法。首先利用一些可移动的锚节点标记并定位空洞边界上节点的坐标,再通过边界节点进而优化未知节点与信标节点间的跳数值,最后用改进的加权最小平方法进行未知节点自定位。仿真结果表明,当传感器网络中含有面积较大的空洞时,利用提出的算法能够让定位误差很大程度上减少,并且该算法可以更好地应用于实际场景。     

基于量子遗传算法的WSN定位算法

针对无线传感网络由于位置信息等原因造成的定位误差较大、精度不高等问题,在继承DVHop定位算法优点的基础上对其进行改进,提出了一种基于量子遗传算法的无线传感器网络节点定位技术。将其应用于DV—Hop算法的第3阶段,对节点的位置进行校正,利用量子遗传算法求解模型的最优解,从而得到未知节点的最优估计位置。改进的DV—Hop定位算法与原算法相比,改进的算法能够改善定位覆盖率低的问题,在锚节点比例较低的情况下有更高的定位精度。