一种基于网络密度分簇的移动信标辅助定位方法

现有移动信标辅助定位算法未充分利用网络节点分布信息,存在移动路径过长及信标利用率较低等问题。该文把网络节点分簇、增量定位与移动信标辅助相结合,提出了一种基于网络密度分簇的移动信标辅助定位算法(MBL(ndc))。该算法选择核心密度较大的节点作簇头,采用基于密度可达性的分簇机制把整个网络划分为多个簇内密度相等的簇,并联合使用基于遗传算法的簇头全局路径规划和基于正六边形的簇内局部路径规划方法,得到信标的优化移动路径。当簇头及附近节点完成定位后,升级为信标,采用增量定位方式参与网络其它节点的定位。仿真结果表明,该算法定位精度与基于HILBERT路径的移动信标辅助定位算法相当,而路径长度不到后者的50％。     

基于接收信号强度的WSN概率定位算法

定位对无线传感器网络的应用、操作和管理发挥着至关重要的作用.针对传感器节点的定位,提出了一种基于接收信号强度的概率定位算法.介绍了算法原理及实现过程,讨论了信标节点分布对该算法性能的影响,最后比较了本概率定位算法和最小二乘定位算法在传感器节点定位性能上的优劣.仿真结果表明,信标节点分布对未知节点的定位误差具有较大的影响,本定位算法的性能要优于最小二乘定位算法.     

基于EKF的无线传感器网络移动信标定位算法

针对无线传感器网络节点定位精度较低的问题,提出一种基于扩展卡尔曼滤波的移动信标节点定位算法。该算法采用等距三重优化覆盖思想确定虚拟信标分布,利用蚁群算法获取最优遍历路径,同时引入扩展卡尔曼滤波算法以提高节点定位精度。通过对节点通信半径、虚拟信标数目、路径长度、迭代次数等参数分别进行仿真验证,结果表明本文算法定位精度明显优于普通质心定位算法,同时该算法在提高网络覆盖度、降低网络成本等方面也有较大优势。     

基于蒙特卡罗的无线传感器网络中的移动节点定位算法

针对信标节点固定、待定位节点移动的应用场景,在传统MCB算法的基础上,文章提出一种改进的蒙特卡罗盒子定位算法。该算法利用节点的历史估算位置,构建节点运动模型,采用灰色预测理论预测待定位节点可能到达的区域;并利用待定位节点与邻居信标节点以及非邻居信标节点的相对位置信息定义扩展锚箱,增加过滤条件,提高样本有效性,从而提高定位精度。仿真结果表明,改进方案在不同的信标节点密度、不同的节点运动速度等情况下,均表现出良好的性能。     

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.     

基于连通度和加权校正的移动节点定位算法

移动节点定位问题是无线传感器网络中的研究重点。针对移动节点定位误差大的问题,提出一种基于连通度和加权校正的移动节点定位算法。在未知节点移动过程中,根据节点间连通度大小选取参与定位的信标节点,利用加权校正方法修正RSSI测距信息,然后用最小二乘法对未知节点进行位置估计。仿真分析表明,节点通信半径和信标密度在一定范围内,该算法表现出良好的定位性能,定位精度明显提升。     

传感网络中基于移动信标的网格扫描定位算法

节点定位是传感网络最基本的技术之一,对此提出一种基于移动信标的网格扫描定位算法(Mobile Beacon Grid-Scan,MBGS)。该算法在网格扫描定位算法基础上,利用一个移动信标巡航整个传感区域,产生大量的虚拟信标,提高网络信标覆盖率,然后普通节点利用这些信标信息减小其可能区域(Estimative Rectangle,ER),并把新可能区域网格坐标质心作为其最新估计坐标。仿真结果表明,与Bounding Box、质心定位算法以及传统的网格扫描定位算法相比,MBGS定位方法的定位精度更高,算法性能更加稳定。     

信标节点漂移情况下的无线传感器网络节点定位机制

针对信标节点漂移情况下的节点定位问题,提出了一种分布式的信标节点漂移检测方法,采用节点自评分和协商机制,自动寻找可能发生了漂移的信标节点,同时针对大量信标节点发生漂移后的定位覆盖率下降问题,构建普通节点的定位可信度模型,并在定位盲区内使用一些较为可靠的普通节点作为临时信标节点进行定位。仿真实验表明,该算法在误检测、定位误差方面性能优于传统算法,具有较低的通信开销、较高的实用性和灵活性。     

移动无线传感器网络定位算法研究

为了解决移动无线传感器网络中节点的自身定位问题,提出了一种基于运动预测的定位算法。该算法利用节点运动的连续性和接收信号强度测距方式,保存其最近两组历史位置信息,并结合节点当前的状态来估计自身位置。它不需要额外的硬件支持与较高的信标节点密度,满足复杂传输环境的应用要求。仿真结果表明,该算法具有较好的鲁棒性和较高的定位精度,节点随机运动时的定位误差约为15%,而直线运动时只有12%。     

无线传感器网络中平均跳距修正的DV-Hop定位算法

针对基本无线传感器网络DV-Hop定位算法中,计算平均跳距时产生偏小误差的原因,提出了基于平均跳距修正的DV-Hop算法。改进算法中,引入信标节点个数比例、所有信标节点平均跳距的最大值以及所有信标节点平均跳距的平均值三个因子,并采用它们对平均跳距进行修正。通过Matlab软件对算法进行仿真验证,结果表明,改进后的DV-Hop算法有效降低了未知节点的定位误差,是一种可行的无线传感器网络节点定位解决方案。     

大规模水下传感器网络时间同步研究

该文针对大规模水下传感器网络,对信标节点覆盖内的节点,设计了基于静态信标节点的时间同步算法;对信标节点覆盖范围外的节点,设计了动态节点辅助的时间同步算法。减少了节点移动对同步精度的影响。同时,根据水下声速变化规律,设计了水下传感器网络分层时间同步机制,有效克服了已有算法在处理大规模水下传感器网络时间同步问题上的不足。仿真结果表明,该方法的同步效果明显好于现有的算法。     

Weighted centroid localization based on compressive sensing

To solve the problem of estimating the locations of sensor nodes in wireless sensor networks where most nodes are without an effective positioning device, a novel range-free localization algorithm—weighted centroid localization based on compressive sensing (WCLCS) is proposed. WCLCS makes use of compressive sensing to get decomposition coefficients between each nonbeacon node and beacon nodes. According to these coefficients, WCLCS algorithm decides the weighted value of each beacon node for Centroid and estimates the locations of nonbeacon nodes. The simulation results show that WCLCS has better localization performance than LSVM.     

无人机辅助的基于前馈神经网络的节点定位算法

针对无线传感网络(WSNs)的节点定位问题,提出无人机辅助的基于前馈神经网络的节点定位(UAV-NN)算法。UAV-NN算法利用无人机(UAV)作为锚节点,并由UAV周期地发射beacon信号,利用极端学习机(LEM)训练单隐藏前向反馈的神经网络(SLFN),未知节点接收来自UAV发射的beacon信号,并记录其接收信号强度指示(RSSI),已训练的SLFN再依据RSSI值估计节点位置。仿真结果表明,相比于传统的基于RSSI定位算法,提出的UAV-NN算法无需部署地面锚节点;相比其他传统的机器学习算法,UAV-NN算法通过引用ELM,减少了定位误差。     

Localization algorithm based on minimum condition number for wireless sensor networks

During range-based self-localization of Wireless Sensor Network (WSN) nodes, the number and placement methods of beacon nodes have a great influence on the accuracy of localization. This paper proves a theorem which describes the relationship between the placement of beacon nodes and whether the node can be located in 3D indoor environment. In fact, as the highest locating accuracy can be acquired when the beacon nodes form one or more equilateral triangles in 2D plane, we generalizes this conclusion to 3D space, and proposes a beacon nodes selection algorithm based on the minimum condition number to get the higher locating accuracy, which can minimize the influence of distance measurement error. Simulation results show that the algorithm is effective and feasible.     

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。