基于平均跳距修正的无线传感器网络节点迭代定位算法

针对无需测距DV-Hop定位算法存在较大定位误差的问题,从3个方面对其进行了改进:采用最小二乘法准则校正了信标节点间的平均每跳距离;基于对多信标节点平均每跳距离的加权处理修正了用于位置估计的平均每跳距离;通过设定定位精度门限,给出了对估计的定位节点坐标进行迭代求精的数值方法.给出了改进定位算法的实现流程,并对算法的性能进行了仿真研究.仿真结果表明,在适当增加节点计算量和通信开销的条件下,改进算法的定位精度和精度稳定性有明显改善,是一种可行的无线传感器网络节点定位的解决方案.     

改进的DV-HOP无线传感器网络定位算法

为了提高无需测距的距离矢量（DV-Hop）定位算法对随机分布网络节点的定位精度。在分析了DV-Hop算法实现思想的基础上,提出了一种锚节点整体均匀分布优化方案,对该算法节点跳数进行优化。另一方面,在双通信半径算法基础上提出了一种三通信半径改进方法,使得两节点之间的跳数与距离的关系更接近线性规律,最后结合两种改进方法,进行整体仿真。仿真结果表明,锚节点均匀分布的三通信半径DV-Hop算法比双通信半径DV-Hop算法提高定位精度约为7%~8%。     

跳数和跳距修正的距离向量跳段定位改进算法

由于在无线传感网络中传感节点随机分布,致使距离向量跳段(DV-Hop)定位算法的定位误差偏大,为此,采用跳数和跳距修正的方法对距离向量跳段定位算法进行改进。在计算信标节点和未知节点跳数的过程中引入节点通信距离的影响,使得节点之间的实际跳数计算更加准确;再利用线性搜索算法获取最优信标节点间的平均跳距,使信标节点的平均跳距更加精确。对比仿真实验结果表明,改进算法大大提升了定位的精度,提升幅度高达15%。     

一种适用于密集车辆V2X网络的中继节点选择和功率分配优化方法简

密集车辆的V2X网络中由于车辆相对位置快速变动,需要低复杂度的快速中继节点选择算法和功率分配优化算法。本文利用V2X网络节点定期广播的心跳信息,提出了一种基于信道容量运算的中继节点选择和功率分配优化方法,避免了大量的循环迭代,满足V2X网络的要求。     

基于定向天线的混合光无线传感网络节点迭代定位方法

针对目前方法对网络节点进行迭代定位时，由于未能利用定向天线算法划分节点信号的接收功率级，导致该方法在进行节点迭代定位时存在定位精度低、节点距离估计误差大、定位效果差的问题，提出基于定向天线的混合光无线传感网络节点迭代定位方法。首先基于定向天线原理划分节点信号的接收功率级，并在网络中确定锚节点；再基于划分的功率级以及锚节点，利用相交度比的迭代算法确定网络的相邻节点，并通过定位单元完成对边界节点的处理；最后通过对节点位置的确定，实现混合光无线传感网络节点的迭代定位。实验结果表明，运用该方法进行节点迭代定位时，定位精度可达90%,在通信距离为20米和100米的情况下，节点距离估计误差分别在5%和10%以内，该方法的定位精度高、节点距离估计误差小、定位效果好。     

无线传感器网络中DV-Hop定位算法的改进

无线传感器网络中基于无需测距的节点定位算法定位精度不高,一般应用在粗精度定位中。为了提高基于无需测距的DV-Hop算法定位精度,利用最小均方差准则改进算法,通过修改指数值精化平均每一跳距离,提出不同通信半径、不同锚节点覆盖率下的最佳指数值概念,并应用在一种锚节点均匀分布环境中,进一步提高定位精度。MTLAB仿真结果表明,在最佳指数值下,改进的算法在不同锚节点覆盖率、不同通信半径下能提高定位精度,同时不会增加节点能量消耗与硬件成本。     

基于DV-Hop算法的无线传感器网络定位精度优化

在无线传感器网络定位领域,DV-Hop算法因其实现简单得以广泛使用.针对DV-Hop算法定位误差较大的问题,提出一种基于DV-Hop多通信半径的加权定位算法.该算法利用多通信半径并通过引入修正因子细化和优化跳数,利用最小均方误差准则和加权方式修正平均跳距,并利用加权最小二乘法估算未知节点坐标.通过仿真得出所提算法在相同实验条件下的定位精度较DV-Hop算法提升约60.5％,相较于双通信半径优化算法和3-DV-Hop算法分别提升约36.4％和13.8％.     

基于公众移动通信网的V2X运营需求

简要介绍了两种V2X技术路线,以典型的V2X应用场景为例,提出了V2X应用部署初期应仅提供车辆主动安全提醒服务的观点。从公众移动通信网提供V2X应用的角度,提出了V2X运营中所需的功能需求,包括：身份鉴权、通信功能、通信兼容性、与交通系统对接、运行维护等功能,并提出了身份证书发放、运行维护测量消息的具体设想。     

基于邻居节点相似度的改进DV-Hop节点定位算法

针对DV-Hop定位算法存在的定位精度较低的不足,提出了邻居节点相似度概念,克服了DV-Hop定位算法中节点间距离区分度单一的缺点,同时在多跳通信中,考虑了通信路径的情况,将DV-Hop算法直接计算折线距离代替实际中直线距离这一不足,采用余弦定理和邻近节点相似度对其进行修正。从而实现了对DV-Hop算法的改进,提高了定位精度。最后对改进后的算法和DV-Hop算法以及参考文献中的算法进行仿真比较,结果表明:改进后的算法较DV-Hop算法在节点定位精度上提高了30%以上。     

基于邻居节点相似度的改进DV-Hop节点定位算法北大核心

针对DV-Hop定位算法存在的定位精度较低的不足,提出了邻居节点相似度概念,克服了DV-Hop定位算法中节点间距离区分度单一的缺点,同时在多跳通信中,考虑了通信路径的情况,将DV-Hop算法直接计算折线距离代替实际中直线距离这一不足,采用余弦定理和邻近节点相似度对其进行修正。从而实现了对DV-Hop算法的改进,提高了定位精度。最后对改进后的算法和DV-Hop算法以及参考文献中的算法进行仿真比较,结果表明:改进后的算法较DV-Hop算法在节点定位精度上提高了30%以上。     

5G车路协同自动驾驶应用研究

本文提出了一种5G车路协同自动驾驶解决方案，该方案主要依托5G移动通信、高精度定位技术、五维时空融合技术、边缘计算、边云协同等技术，实现边缘平台算力部署，构建“端-边缘-云”分层架构，建立智能可靠车联网通信、车辆的实时高精度定位、交通态势感知、交通管控等技术体系，实现5G车路协同，全面提升车辆感知决策控制能力。当前，该方案已在武汉经开区智能网联汽车与智慧道路自动驾驶示范区应用落地。     

Multi-layer neural network algorithm for vehicle-to-everything communication in 5G networks

Internet of Vehicles (IoVs), the emerging trend of Internet of Things (IoTs), has undoubtedly become a promising trend to improve communication among vehicles on the roads. Vehicle-to-everything (V2X) communication that is based on 5G technology enables vehicle users to communicate and collaborate with each other to enhance road traffic efficiency and safety. Owing to the increased traffic load and restricted resources of existing network substructure, a channel that responds to the latency and reliability needs of V2X communication must be designed. Thereby, several intelligent spectrum allocation techniques have been proposed to improve the system's overall effectiveness. In this paper, we discuss the spectrum sharing issue of V2X communication in Device-to-Device (D2D)-based cellular networks. We propose a new multi-layer neural network (MLNN)-based Resource Allocation and sharing approach (MNNRA) for D2D-based V2X communications. According to the main advantages of MLNN, the proposed algorithm takes several profits by improving system performance while reducing computational complexity. Numerical analysis is presented to approve the effectiveness of our proposed solution in terms of network sum rate, packet reception ratio, resource utilization ratio, and time complexity.     

无线传感器网络中一种改进的DV-Hop定位算法研究

节点定位算法是无线传感器网络中的关键技术。针对DV-Hop定位算法定位精度不高的问题,提出一种改进的DV-Hop定位算法,通过减小全网平均跳距与真实的平均跳距的差距,重新修订不在网络区域的未知节点的坐标,提高平均跳距取值的准确性。仿真结果表明,在同等网络环境下,改进的DV-Hop定位算法的定位误差减小,能有效提高节点的定位精度。     

基于改进灰狼优化算法的DV-Hop定位算法

针对无线传感器网络节点DV-Hop定位算法由于节点分布不均,距离估计不准确,导致定位精度较低的问题,提出了一种基于改进灰狼优化算法的DV-Hop定位算法,采用先进的灰狼优化算法以寻找最优值的方式得到未知节点、坐标。同时,为进一步提高优化算法的寻优能力,克服可能出现局部最优的情况,将优化算法与免疫算法相结合,提高优化算法中灰狼种群的多样性,进而提高对最优解的搜索能力,达到提高定位精度的目的。实验结果表明,相对于普通的DV-Hop定位算法和普通的灰狼优化算法,改进之后的定位算法精度更高。     

车联网新型基础设施跨域协同部署研究

基础设施是实现车联网产业融合创新发展的必要支撑,其可靠通信、精准感知和实时计算等能力可赋能智能网联汽车、智能交通、信息通信发展。在研究车联网新型基础设施的范畴与发展现状的基础上,分析了车联网新型基础设施建设与服务在跨域协同方面的挑战。结合国内外发展趋势,提出了“物理分立、逻辑协同”的车联网基础设施系统架构,并提出了进一步的发展建议。     

改进人工免疫算法优化的DV-Hop节点定位算法

由于无线传感器网络连通性不合理,导致计算待测节点与已知节点间距离时存在误差。为此,提出一种改进的人工免疫算法(AIA)优化DV-Hop未知节点坐标。首先对原平均跳距加权,其次利用网络中信标节点间距离产生的偏差构造跳距校正值得到最终的全网平均跳距。最后在计算待测节点坐标时引入AIA,针对AIA易陷入局部最优以及收敛速度过慢的问题,在局部搜索过程中采用高斯变异方法对AIA进行改进,扩大搜索范围,得到优化的待测节点坐标。经Matlab仿真证明,与原DV-Hop算法相比,改进后的算法在节点总数、信标节点比例以及通信半径三方面平均定位误差降低了近15%左右,具有较高的定位精度和较好的定位稳定性,同时也改善了算法的收敛性。     

WSN中基于最佳指数的加权DV-Hop算法

DV-Hop算法是一种低成本、低定位精度的无需测距定位算法,在粗精度定位中应用广泛。为提高DV-Hop算法定位精度,从减小锚节点的平均每一跳距离误差和减小未知节点平均每一跳校正值误差两方面考虑。首先,用最佳指数值下的公式计算锚节点平均每一跳距离。然后,将未知节点的校正值加权处理,使所有的锚节点根据与未知节点距离的远近影响校正值的大小。MATLAB实验证明,改进的基于最佳指数值下的加权DV-Hop算法比DV-Hop算法、加权DV-Hop、最佳指数值下DV-Hop算法定位精度分别提高2%左右、1.65%左右、1.15%左右,同时不会增加网络硬件成本。     

基于UWB的室内定位平台设计及应用

为了设计一套高精度、高实时性、操作简单的室内定位系统,该系统采用DW1000芯片设计制作了UWB定位硬件板;以node.js为基础,使用htm15、css3和js搭建了web界面;使用socket.io技术实现了前后端的双向实时通信。为了保证定位精度,采用双边双向测距方法来测量距离,用双曲线模型定位算法来解析定位结果。对整个定位平台进行了实验测试,测试结果表明该平台运行稳定,web界面能实时清晰地显示标签位置,并且标签的定点精度在10 cm左右,动点精度在20 cm左右。     

一种降低定位误差的无线传感器网络节点定位改进算法

本文针对无线传感器网络节点的定位精度问题,提出了一种采用误差修正的方法来降低累积距离误差和定位误差的传感器网络节点定位改进算法,给出了该算法的基本原理与实现方法.该算法在不增加原算法通信量及计算复杂度的基础上提高了定位精度.仿真结果显示,在同等条件下,本文提出的算法定位精度提高了5～10%.