基于Pearson相关系数的快速虚拟网格匹配定位算法

针对室内环境下位置指纹匹配定位算法中离线数据库采集工作量较大的问题,提出了一种基于Pearson相关系数的快速虚拟网格匹配的定位算法。首先,将接收信号强度指示（RSSI）进行高斯滤波预处理得到接收信号强度向量;然后,利用Bounding-Box方法确定初始虚拟网格区域,将该网格区域快速迭代细分并计算网格中心点到各信标节点的距离对数向量,计算接收信号强度向量和距离对数向量之间的Pearson相关系数;最后,选取Pearson相关系数接近于-1的k个近邻坐标以相关系数加权估计确定待定位节点的最优估计位置。仿真实验结果表明,在1m虚拟网格且RSSI噪声标准差为3dBm的条件下,算法定位误差小于2m的概率大于94.2%,其定位精度优于位置指纹匹配算法,且无需建立RSSI指纹数据库,大大减少了定位工作量。     

基于四面体质心迭代的三维APIT定位算法研究

本文针对三维无线传感器网络中APIT定位算法覆盖效率低的问题,提出一种基于质心迭代的三维APIT定位算法（TC-APIT）。该算法对包含未知节点的四面体进行质心迭代求解,减少了网格扫描法的计算量。同时该算法将已经定位的未知节点晋升为锚节点,对网络中的稀疏节点进行重新定位。仿真结果表明：改进后的算法相比于原有APIT定位算法,实现了稀疏节点定位,覆盖率增大12%左右。     

无线传感器网络网格定位算法

根据未知节点必定处于周围一跳锚节点通信半径范围内重叠区域内的基本事实,提出了基于非测距定位的分布式Intersection-Grid-Sector（IGS）定位算法。IGS算法以锚节点通信半径的10%作为网格大小来获取重叠区域,并把重叠区域的每个网格坐标求质心作为未知节点估计坐标的方法。仿真结果表明比Bounding Box精度明显提高,比经典质心提高近20%。     

二次栅格扫描与三角形质心迭代的定位算法

为了提高无线传感器网络的定位精度,在Grid-Scan算法的基础上提出一种改进的二次栅格扫描定位算法,再利用三角形质心迭代法进一步提升定位精度。首先通过比较未知节点的所有邻居锚节点到该未知节点的信号强度,找到最近邻居锚节点,利用最近邻居锚节点对可再定位的未知节点所在的估计区域进行二次栅格扫描,再利用PIT法则对定位区域进一步缩减,最后对质心三角形质心进行迭代计算得到最终定位点。仿真结果表明,在相同的网络环境下,与传统算法相比,改进算法明显提高了平均相对定位精度。     

二次栅格扫描与锚节点递减栅格扫描的定位算法

为了提高无线传感器网络的定位精度,在Grid-Scan算法的基础上作进一步的改进。首先利用二次栅格扫描确定初始定位点,并产生缩小的定位区域;在该缩小区域内,将邻居锚节点与初始定位点间的距离转换为理论信号强度值,再对比邻居锚节点实际接收未知节点的信号强度,对邻居锚节点进行有条件递减,得到递减锚节点栅格扫描法则,最终确定未知节点的估计位置。通过仿真实验的对比,改良后的定位算法在一定程度上提高了定位精度。     

无线传感器网络中四面体三维质心定位算法

在研究普通三维质心定位算法和APIT-3D定位算法的基础上,提出了一种新无线传感器网络定位算法,即四面体三维质心定位算法。为降低计算复杂度,该算法用三维质心迭代算法代替了APIT-3D定位算法中的网格扫描算法,并在节点分布不均匀和低连通度的情况下,使用RSSI均值加权质心定位算法以提高节点覆盖率。仿真实验表明:该算法在无线传感器网络连通度低或节点分布不均匀时能获得较好的定位精度和定位覆盖率,并且与APIT-3D定位算法相比有效降低了计算复杂度。     

WSN中基于最小信号强度和的APIT定位算法

针对传统APIT算法存在边界效应的问题,提出了一种基于最小信号强度和的新的三角形内点测试算法NAPIT。该算法首先在锚节点组成的三角形中找到一点,使得该点收到三个锚节点的信号强度之和最小;然后将最小值作为阈值来判定有效三角形;最后利用网格扫描算法来确定未知节点的坐标位置。仿真结果表明,NAPIT算法能够在一定程度上减少In-To-Out Error和Out-To-In Error的发生次数,有效提高了节点定位精度,并且很大程度地提升了节点定位覆盖率。     

一种改进的质心定位算法

在无线传感器网络中,确定传感器节点的位置至关重要.通过对传统的质心定位算法进行分析,考虑到接收信号强度直接影响到未知节点的定位精度,提出了一种基于RSSI的改进的质心定位算法.该算法将每个未知节点的通信区域划分为6个部分,通过比较RSSI,找到对未知节点更为精确的估计区域,从而对未知节点作出更为精确的位置估计.仿真结果表明,相比于原始的质心定位算法,改进后的质心定位算法大大提高了无线传感器网络节点的定位精度.     

基于Voronoi图划分的节点模糊信息定位算法

针对基于接收信号强度的无线传感器网络节点定位算法精度低的问题,提出一种基于Voronoi图划分的节点模糊信息定位算法。根据锚节点个数对定位区域进行Voronoi图划分,将整个定位区域划分为不同的Voronoi区域,同时获得各个Voronoi区域的顶点坐标。使用高斯滤波方法筛选出可以作为参考节点的顶点坐标,通过顶点坐标和锚节点联合定位未知节点。利用模糊信息定位方法计算出未知节点的最终位置。实验结果表明,相比M ANLFI算法和FINL-DT算法,该算法能够有效提高节点定位精度,降低网络能耗。     

基于网格扫描的无线传感器网络定位算法

分析典型的测距无关定位算法APIT与API2T,指出其存在定位精度低与覆盖率低的缺陷。针对该问题,提出一种基于网格扫描的无线传感器网络定位算法——API3T。重新定义邻居节点,改进网格扫描策略,从而减少In-To-Out错误和Out-To-In错误。仿真实验结果表明,该算法的定位精度与覆盖率较高。     

基于二次栅格扫描的无线传感器网络定位算法

为了提高无线传感器网络的定位精度,在栅格扫描算法的基础上提出了一种基于二次栅格扫描的无线传感器网络定位算法.利用未知节点与两跳范围内的锚节点的连通性约束信息,在近节点对未知节点进行栅格扫描得到其初始位置估计的基础上,引入远节点对未知节点再次进行栅格扫描,从而提高定位精度.算法增加了远节点栅格扫描的计算量,但不需要额外地增加节点的硬件功能.仿真结果表明,与仅利用近节点的栅格扫描算法相比,该算法在锚节点密度增大的过程中可以更快地提高定位精度.     

Grid-Scan定位算法的虚拟锚节点策略改进

针对无线传感器网络中Grid-Scan算法定位精度较低的问题,提出了一种基于虚拟锚节点策略的Grid-Scan定位算法。具体做了三个方面的工作：对未知节点设置可定位阈值,邻居锚节点数大于可定位阈值的未知节点使用Grid-Scan算法进行定位,定位后的节点升级为虚拟锚节点;邻居锚节点数小于可定位阈值的未知节点利用极大似然法完成定位,定位后的节点升级为虚拟锚节点;锚节点及虚拟锚节点共同参与对剩余未知节点的定位。仿真结果表明,改进算法在不同锚节点密度、不同通信半径和不同栅格大小的网络中以及通过不规则传播模型后都具有较好的定位精度。     

基于GPSO-DVHop的传感器节点定位方法

为了减少无线传感器网络节点的定位误差,提出一种分群粒子群优化（GPSO）算法修正DV-Hop误差的传感器节点定位方法（GPSO-DVHop）。提出一种节点距离修正值策略,减少未知节点与锚节点间距离的估计误差,采用GPSO算法修正DV-Hop的节点定位误差,最后在Matlab 2012平台上对算法性能仿真分析。相对于对比传感器定位方法,GPSO-DVHop提高了传感器节点定位精度,仿真结果验证了GPSO-DVHop的有效性。     

基于BADV-Hop的无线传感器网络节点定位方法

针对无线传感器网络（WSNs）节点的定位误差较大的问题,提出一种蝙蝠算法（BA）和DV-Hop算法融合（BADV-Hop）的定位算法.首先测量未知节点与锚节点之间的距离,然后采用DV-Hop算法初步确定未知节点的坐标,再采用BA校正DV-Hop算法的定位误差,最后在Matlab 2012平台上对算法性能进行仿真分析.实验结果表明：相对于DV-Hop算法,BADV-Hop算法提高了传感器的节点定位精度.     

无线传感器网络的分区域质心定位算法

针对无线传感器网络（WSNs）质心定位算法定位精度较低和一般的改进型质心算法计算复杂及数据通信量大的问题,提出一种新的质心定位算法——分区域质心定位（RPCL）算法.该算法将包围未知节点邻居锚节点组成的三角形划分为7个区域,每个区域的确定1个质心作为未知节点的估计位置.仿真结果表明：RPCL算法的平均定位误差比一般的质心定位算法减小20％以上;参数优化后,误差减少到49％左右.     

NLOS环境下无线传感器网络TOA定位算法

针对现有定位算法定位精度低、适用场景少的问题,提出一种非视距传播（NLOS）环境下的无线传感器网络电波到达时间（TOA）定位算法。对未知节点位置进行初步估计,将该估计值作为初始迭代参考点,利用泰勒级数展开法进行迭代计算,得到未知节点位置的二次估计值。使用二次估计值反推得到未知节点与各传感器锚节点的近似距离,将原始TOA测量距离与该近似距离之差作为非视距传播误差值,从而剔除NLOS误差较大的TOA测量组,利用误差修正后的TOA测量组再次进行泰勒级数迭代处理,实现未知节点的精确定位。仿真结果表明,该算法可有效抑制NLOS误差,相比传统定位算法,其定位误差小、定位精度高。     

基于RSSI距离修正的WSNs定位算法

针对无线传感器网络(WSNs)易受外界因素影响,导致三边定位的锚圆不能相交的情况,提出了一种接收信号强度指示(RSSI)距离修正定位算法。通过对锚圆半径进行修正,形成3个锚圆相交的区域,然后用加权定位法对未知节点进行准确定位。仿真和实验结果表明:在6 m×10 m的区域范围内,该算法的平均定位误差为0.62 m,和其他定位方法相比,有更好的定位精度。     

基于差分演化的无线传感器网络节点定位

针对无线传感器网络（WSN）节点的定位问题,提出一种基于差分演化的WSN节点定位算法。根据相邻节点间估计距离和测量距离之间的偏差构造目标函数,利用差分演化算法求出函数的最优解,达到最优解时的节点坐标即为未知节点的估计坐标。实验结果表明,该算法在锚节点比例为10％,节点无线通信半径R为1．8r的情况下,平均定位误差不超过5％,与带梯度搜索的半定规划定位算法相比,其定位精度更高。     

基于帝国主义竞争算法的WSNs定位方案

遗传算法(GA)在无线传感器网络(WSNs)定位时存在收敛速度慢、精度低等弊端,针对以上问题,提出了一种利用帝国主义竞争算法(ICA)优化WSNs定位的方案。首先,使用了采样的方法来估计未知节点的初始位置;其次,依靠信标节点和相邻节点的相关信息建立了以最小化全局误差的三维空间的数学定位模型;最后,使用了最新的社会启发算法—ICA来进行定位优化。实验结果表明:与GA定位相比,ICA在WSNs定位上具有定位精度高、收敛迅速的优势。