基于三角不等式的加权双曲线定位DV-HOP算法

针对DV-HOP算法中信标距未知节点越远其测距误差越大的问题,提出了一种基于三角不等式的加权双曲线定位DV-HOP算法。该算法在计算信标间的距离和未知节点到一跳信标距离的基础上,利用三角不等式对未知节点到多跳信标的距离进行约束,以减小测距误差。在双曲线定位过程中引入一个与距离成反比的权值,以降低测距误差对节点定位精度的影响。仿真实验表明,在相同的条件下,与DV-HOP及相关改进算法相比,定位精度分别提高了13%和7%以上,且稳定可靠、易于实现。     

对跳距重估与最小跳数修正的DV-HOP算法

针对无线传感器网络DV-HOP算法中存在因平均跳距与最小跳数估计不准而引起的定位误差问题,提出了利用锚节点间距离对锚节点的平均跳距重估以及实现对待定位节点到锚节点最小跳数修正的DV-HOP算法。首先通过锚节点间实际距离与锚节点平均每跳距离与最小跳数乘积的误差值,来实现对待定位节点距离最近的锚节点平均跳距进行重估;并通过修正后的锚节点平均跳距来求出理论锚节点间最小跳数,求出理论最小跳数和实际最小跳数比值的修正系数,并通过修正系数实现对待定位节点的最小跳数修正,最后求出待定位节点到锚节点的距离,采用最小二乘法来计算出待定位节点的位置。仿真表明,改进的DV-HOP算法能降低节点定位的误差,提高定位的精度。     

基于测距修正和蜜獾优化的改进DV_Hop定位算法

针对传统DV_Hop算法在无线传感器网络中定位精度不足的问题,提出一种基于测距修正和蜜獾优化的改进DV_Hop定位算法。首先,通过多通信半径细化节点间最小跳数;其次,利用最小均方差准则与修正因子减少跳距误差;最后引入全局寻优性能优异的改进蜜獾算法代替最小二乘法计算未知节点坐标,进一步降低计算误差。经网络仿真验证,在不同条件下,优化算法较传统DV_Hop算法和改进算法（PDDV_Hop）定位误差平均下降16.62%、3.92%,能够有效地提高定位精度,且优化算法定位精度受锚节点数量影响较小,可在保证定位精度的前提下降低锚节点部署成本。     

网络模式下配电物联网载波通信匹配组网方法

为进一步完善电力线载波通信技术在配电网中组网的灵活性及可靠性,结合拓扑实例,提出网络模式下配电物联网载波通信系统自适应匹配组网方法.构建配电网络链路通信质量矩阵,根据矩阵元素对网络中各通信节点进行区域网的划分及中继节点的选取,完成网络各通信节点的初步组网;在网络模式下采用混沌粒子群优化算法,依次对各区域网内部节点进行节点间的自适应阻抗匹配优化,根据匹配优化结果调整相应节点的阻抗匹配单元参数,以改善信道衰减特性,增大信道传输容量;在网络匹配完成后更新网络链路通信质量矩阵,对初步组网结果进行修正,在保证通信可靠性的同时减小传输延时,进而实现坚强可靠的组网.与传统蚁群路由算法相比,所提算法考虑了配电网的实际拓扑结构与信道特性,在组网的同时完成了网络中各通信节点间的匹配协调,使得中继节点的选取和链路的分配更合理,其通信容量大,传输延时小,通信更可靠.     

基于网络跳距修正的DV-Hop定位算法

针对DV-Hop算法在网络拓扑结构不规则的环境中存在较大误差的问题,提出改进的DV-Hop算法,该算法通过引入全网平均每跳误差修正值获得未知节点到锚节点的有效距离,可避免后续计算过程中误差的累积。利用MATLAB7.5.0仿真平台对DV-Hop算法和改进算法进行仿真分析的结果表明,在没有增加通信开销的基础上,随着锚节点所占比例的增加,改进后的DV-Hop算法比原DV-Hop算法在定位精度、覆盖率及稳定性上都得到了大大提高。     

基于动态贝叶斯 LS-SVM 的水下节点移动预测定位算法

针对水下无线传感器网络环境的复杂性和节点的动态性所导致的节点定位精度低的问题,提出了一种基于动态贝叶斯 LS-SVM 的水下无线传感器网络节点移动预测定位算法;该算法以信标节点到通信半径内所有信标节点的距离和跳数矩阵作 为训练集;利用贝叶斯证据框架构建贝叶斯 LS-SVM 模型,将未知节点与信标节点之间的跳数向量作为测试集;将测试集代入 到训练好的贝叶斯 LS-SVM 模型中来确定节点之间的距离,进而建立节点与信标节点距离矩阵的方程并利用最大似然估计法 对未知节点坐标进行估算;最后,通过循环迭代的方式对所有未知节点进行定位的同时使用自适应增减算法动态调整模型参数 和预测模型,以适应数据的动态变化;实验结果表明,该算法相同的节点密度下相较于 SLMP 算法、RTLC 算法、NDSMP 算法以 及 MPL 算法的平均定位误差分别降低了 24. 77%、22. 25%、3. 1%、6. 5%,有效地实现了水下未知节点的动态定位。     

基于改进蝙蝠优化算法的无线传感器网络定位研究

为解决传统DV-Hop算法在无线传感器网络中存在的定位误差大的问题,提出了一种基于改进蝙蝠优化算法的无线传感器网络(WSN)定位方法。首先,构建WSN协同定位模型,并将传统蝙蝠算法与元胞自动机进行融合取代DV-Hop算法中的最小二乘法来计算网络中未知节点的位置,提高算法的搜索能力;其次,引入小生境技术和个体灾变机制,避免算法陷入局部最优,提高全局搜索能力;最后,通过仿真实验进行性能对比分析。实验结果表明,所提算法在节点呈随机分布、C型分布和O型分布的情况下均能够有效实现对未知节点的准确定位,且定位精度和收敛速度均优于对比算法;所提算法的定位精度随锚节点总数、锚节点比例以及通信半径的增加而增加,随传感器测距误差增加而减小。     

伪随机码相关检测的MDS MAP定位算法

针对当前无线传感器网络超声波设备定位精度不高的问题,改进了伪随机码相关的MDS-MAP定位算法。首先利用伪随机码相关检测技术,对节点发射出的超声信号进行编码,有效地增加了节点的测距距离和测量精度。然后对于未能测量到距离的节点使用Euclidean和最短路径融合算法进行处理,然后使用MDS-MAP算法生成节点的相对坐标,最后利用平面转换模型获取节点的最终坐标位置。仿真实验结果表明改进算法在不同网络规模和测距误差条件下均能够获得更高的定位精度和较小的定位误差。     

智能电网可靠性需求约束下无线发射功率模型预测控制

在基于无线传感器网络(WSN)的智能电网数据采集与通信的应用中,通信可靠性是WSN的关键技术指标。提高发射功率会增加通信的信号强度和可靠性,但同时会导致节点间相互干扰增加。针对这一矛盾,基于自适应模型预测控制的方法,研究智能电网中WSN发射功率优化问题。依据无线通信链路路径损耗模型分析了影响智能电网无线通信信噪比的主要因素,并构建了系统状态空间模型;通过实时估计信噪比随机波动置信区间下界对系统期望信噪比给定进行补偿,并基于模型预测控制的算法,优化求解节点发射功率;最后,通过仿真软件将所提算法与自适应传输功率控制(ATPC)算法及势反馈控制(PFC)算法进行对比分析,并采用WSN硬件平台对算法进行测试。结果表明,所提出的自适应模型预测控制算法可以在保证智能电网无线通信可靠性条件下,降低由节点发射功率较大导致的相互干扰。     

融合测距修正和哈里斯鹰优化的DV-Hop定位算法

针对传统DV-Hop定位算法在无线传感器网络节点定位时精度偏低的问题，本文提出了一种基于测距修正和哈里斯鹰优化算法的DV Hop改进算法。该算法采用多通信半径调整网络节点最小跳数，利用最小均方差和权重因子优化网络节点平均跳距，采用改进的哈里斯鹰算法替代最小二乘法进行位置计算，引入Tent混沌映射、精英群体制度和正余弦优化策略以避免算法过早陷入局部优化，通过最优解求解得到网络节点近似坐标值。仿真结果表明，在不同条件下，改进算法与传统DV-Hop算法和ABCDV-Hop算法相比能够具有更好的定位能力，节点定位误差平均下降20.13%和7.74%，定位精度较高。