基于加权质心和DV-Hop混合算法WSN定位方法研究

为了提高无线传感器网络中节点定位的精确度,分析了DV-Hop(distance vector-hop,距离向量-跳段)定位算法和质心算法的优缺点,提出基于加权质心和DV-Hop混合算法,并用MATLAB进行了仿真实验.实验结果表明,在基准节点密度相同的条件下,混合算法的定位精度比DV-Hop平均提高了20%,比质心算法平均提高了15%.该混合算法在提高无线传感器节点精确度上是有效的.     

基于蝙蝠算法的DV-Hop定位改进

无线传感器网络DV Hop定位算法在定位过程中,由于待定位节点和锚节点之间的估算距离存在误差,这就使得定位结果必然会有误差,因此定位问题的本质就是最小化定位误差;蝙蝠算法是一种具有良好性能的智能优化算法,根据节点间的距离和锚节点的位置,应用蝙蝠算法对DV-Hop的定位结果进行了优化;基于蝙蝠算法的DV Hop优化,无需额外增加硬件设备和节点间的通信数据量;仿真实验证明,应用蝙蝠算法改进的DV-Hop定位较原始DV Hop定位平均提高定位精度35％以上.     

基于RSSI加权质心和GASA优化的WSN定位算法

针对无线传感器网络节点在自身定位中广泛存在较大的定位误差的问题,提出一种基于RSSI加权质心和GASA优化的无线传感器网络定位算法。该算法假设无线传感器网络中存在一定比例的位置已知的锚节点,利用RSSI加权质心算法计算未知节点与锚节点间的距离,建立以未知节点位置为参数的数学模型,用GASA优化算法计算最优解从而获得未知节点的位置,实现未知节点自身的定位。仿真实验的结果表明,当锚节点个数为30,算法的平均定位误差在10%以内,比RSSI加权质心算法降低了10%~15.5%左右,并且随着节点个数的增加平均定位误差降低。     

无线传感器网络节点自定位算法仿真研究

研究无线传感器网络节点自定位问题,由于传感器节点固定能量有限,给识别定位一路带来困难.针对无线传感器中,节点定位误差较大,精确度不高等问题缺陷,提出了一种跳数和RSSI测距技术的DV - Hop定位算法,可有效利用每跳的统计信息并结合RSSI测距技术,在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围.仿真结果表明,改进算法在不同的节点比例和节点数的情况下,定位误差小和定位范围广等性能,与原始的DV - Hop定位算法相比定位误差明显减小,精度明显提高.表明算法是一种高效节能的定位算法.     

基于蛙跳改进算法的无线传感器网络定位*

针对无线传感器网络（WSNs）定位过程当中传统的DV‐Hop定位算法在计算锚节点与未知节点之间的平均跳距时存在较大误差的问题,论文根据蛙跳算法（S FL A ）计算速度快,全局搜索寻优能力强的优势,结合定位的实际问题,提出了一种改进的蛙跳算法。并将其引入到DV‐Hop的算法设计中,实现节点的定位。     

配电网中基于分簇定位的WSN节点故障定位研究

针对电网故障检测中使用的无线传感器网络节点定位精度较低,分簇不均问题,提出了一种基于DV￣Hop算法改进均值粒子群算法(PSO),首先DV￣Hop算法改进均值粒子群算法中粒子的速度与位移,使动态无线传感器网络重新定位簇头节点坐标更加接近真实值;然后递归神经网络学习算法迭代值逼近最合适的惯性权重值,优化均值PSO粒子群算法使其达到最优搜索能力。最后由Sink节点对每一次动态分簇后网络节点进行数据采集后对电能耗尽的节点进行无线充电。仿真结果表明,改进后的PSO算法比PSO算法聚类分簇误差更小,节点定位配电网故障的精确度提高12.8％,有效地延长了网络生命周期。     

基于平均跳距估计的改进DV-Hop定位算法

传统DV—Hop定位算法只考虑了最近一个锚节点估计的平均每跳距离,而单个锚节点估计的平均每跳距离值无法准确地反映网络的实际平均跳距,导致定位误差较大。针对这一问题,提出一种基于平均跳距估计的改进DV—Hop定位算法。改进算法在计算未知节点到各个锚节点距离时,考虑到离该未知节点最近的锚节点到其它锚节点的距离及跳数的不同,计算出不同的平均跳距,使其更接近于实际平均跳距。仿真结果表明,与传统DV—Hop算法相比,改进算法在不需要增加节点的硬件开销的基础上能更有效地提高定位精度,并且算法简单,计算量小,是无线传感器网络中节点定位的一种实用方案。     

基于DV-Hop定位算法和RSSI测距技术的定位系统

针对 DV Hop算法在实验环境中存在的问题，加入接收信号强度指示器（RSSI）测距模块辅助定位，对算法进行改进。为了实现定位系统，首先，需要建立当前实验环境的RSSI模型；然后，应用该模型，从锚节点和非锚节点两方面分别控制DV Hop定位过程。实验证明：改进后的定位系统在增加少量计算复杂度的情况下，改善了系统的稳定性，提高了定位的精度，可以被应用到无线传感器网络中。     

一种无线网络传感器节点定位算法的改进

无线传感器网络是目前IT领域的研究热点之一,具有十分广泛的应用前景.在传感器网络中,位置信息对传感器网络的监测活动至关重要,确定事件发生的位置或获取消息的节点位置是传感器网络最基本的功能之一,对传感器网络应用的有效性起关键的作用.针对无线传感器网络中RSSI的定位能耗高和质心算法定位精度低的特点,提出一种新的改进算法.并从不同的信标节点比例、节点通信半径等方面比较质心算法,DV-Hop算法和改进算法的性能.仿真实验结果表明,改进算法比质心算法在定位精度上有明显提高.     

一种基于RSSI校验的无线传感器网络节点定位算法

由于事件发生的位置和获取信息的节点位置是无线传感器节点监测消息中所包含的重要信息,因此如何进行无线传感网络节点自定位成为了当前的一个研究热点.在过去权质心算法的研究基础上,本文提出了基于RSSI校验的无线传感器网络节点定位算法,利用固定节点之间的距离和RSSI值来校正移动节点与每个固定节点之间的权值,从而提高了算法的定位精度.实验结果表明,在相同实验环境下本算法的精度优于以往的权质心算法.尤其在平均定位误差方面,前者比后者改进了大约25%.     

基于布谷鸟算法的WSN节点定位研究

传感器节点定位技术是无线传感器网络（WSN）的核心技术之一。文中针对DV-Hop传感器定位算法在定位过程中产生累积误差的问题,首先提出改进的DV-Hop算法修正DV-Hop算法中的平均跳距,然后应用Cuckoo（布谷鸟）搜索算法进一步减少传感器节点定位的误差,最后采用仿真实验对其性能进行测试。仿真实验结果表明,文中所提出的混合算法,与纯DV-Hop算法相比,不但使用更少锚节点节省硬件成本,而且定位精度较高。混合算法能够达到理想的定位精度与效果,具有较高的实用价值。     

改进卡尔曼滤波的井下组合导航定位算法

为解决井下人员定位算法定位精度不高的问题,提出基于微惯性导航系统和无线传感器网络的井下组合导航定位算法.通过井下无线网络、惯性定位终端采集相关信息数据,利用行人航迹推算算法和改进加权质心定位算法分别估算出目标点的坐标和速度.将这两种算法通过正弦余弦蝙蝠融合算法优化后的卡尔曼滤波组合导航定位,估算出目标点最终的位置坐标....     

基于全质心-Taylor的UWB室内定位算法

针对室内环境下的非视距(NLOS)传播给定位精度造成较大误差的问题,通过对超宽带(UWB)定位模型进行分析,提出了一种基于全质心-Taylor的混合定位算法.采用对测距误差不敏感的全质心算法将锚点测距数据分组运算,获得目标节点的初始粗定位信息,采用质心修正算法对粗定位节点进行优化运算,从而确定Taylor级数展开初值,再进行迭代求解,进行第二次精细定位.实验结果表明:与Chan-Taylor算法、最小二乘估计(LSE)-Taylor算法相比,本文算法定位精度有明显提高.     

WSNs中基于RSSI优化的节点定位算法研究

为了提高基于接收信号强度(RSSI)定位算法的定位精度,提出基于RSSI改进的混合蛙跳的定位算法(MRSSI-SFL)。MRSSI-SFL算法用正态分布优化RSSI值,降低测距精度。再利用加权质心定位算法进行粗略定位,并依此估计设置搜索区域,随后利用蛙跳算法进行迭代求精。实验结果表明,相比基于RSSI测距的加权质心定位算法,提出的MRSSI-SFL定位算法有效地提高了定位精度。     

一种基于RSSI的贝叶斯室内定位算法

为提高室内定位系统中基于接收信号强度指示(RSSI)的定位精度,提出一种基于RSSI的贝叶斯室内定位算法。在对RSSI信号进行高斯滤波预处理后,利用三角形质心算法计算未知节点的初始坐标,对该初始坐标进行贝叶斯滤波处理,得到更加准确的坐标。实验结果表明,该算法能降低定位误差,定位精度可达98%。     

基于动态损耗因子和权重的改进质心定位算法

针对无线传感器网络（WSN）节点的定位精度受环境和误差权重因子的影响问题,提出一种对路径损耗因子和误差权重因子动态修正的质心定位算法。前期根据实测和路径损耗模型,加权修正得出动态损耗因子;后期通过划分矩形区域,构造权重因子矩阵。首先,使用动态损耗因子,代入传统加权质心定位算法估算出未知节点的位置;然后,查询误差权重因子矩阵,确定最优权重因子,重新计算出未知节点坐标。实验结果表明,改进的算法降低了平均误差和最小误差,定位精度比普通质心算法提高了58%,比动态修正质心算法提高了21%,比动态加权质心算法提高了11%,定位精度有所提高。     

基于锚球交域投影质心的WSNs三维定位算法

针对无线传感器网络(WSNs)在三维空间的应用场景中,基于质心算法提出了一种基于锚球交汇区域投影质心的WSNs三维定位算法。该算法通过求得锚球空间交汇区域在XOY平面和YOZ平面的投影的质心,从而确定未知节点可能的空间坐标。算法将三维空间位置求解问题通过投影的方法转换成二维平面位置问题求解降低了算法的计算量,锚球在平面上的投影为与锚球同心同半径的圆。因此,通过计算投影区域质心可以得到高精度的未知节点的空间坐标。理论分析与仿真实验结果均表明:该算法具有计算量小、定位精度高、稳定性好等特性。     

基于质点弹簧模型的无线传感器网络非测距定位算法

在无线传感器网络定位中,非测距定位因功耗低、成本低而备受关注,但其较低的定位精度限制了其应用范围。提出了一种精度较高的基于质点弹簧模型的非测距定位算法L-MSM( Localization based on Mass Spring Model)。该算法首先使用复杂度低、通信开销小的质心算法进行粗定位,然后利用改进的质点弹簧模型进行优化,使质心算法定位后成簇聚集的节点分散开来并趋近实际位置,从而实现精确定位。仿真结果表明,在通信半径较小时,L-MSM算法的定位精度相对于质心算法有显著的提高。