基于高斯滤波的三维水声无线传感网络节点定位算法

针对水下环境中因各类干扰源导致的三维水声无线传感网络节点定位精度偏低问题,提出一种基于高斯滤波和拟牛顿法改进的三维水声无线传感网络节点定位方法.该方法基于水下声信号传输损耗(acoustic signal transmission loss,ASTL)模型,首先对传输损耗值(transmis-sion loss,TL)进行采样,其次进行高斯滤波处理,并将处理后的数据代入改进后的测距模型进行距离估计,最后结合多边定位方法,得到最小二乘解即未知节点的估计坐标.将位置方程组求解结果代入拟牛顿算法进行最优值逼近,得到接近实际值的解.仿真结果表明:该方法降低了节点测距的误差,测距结果优于传统测距方法以及基于PF、RF和KF等滤波的测距方法;在定位精度上,与ASTL-GWO、ASTL-SAPSO和ASTL-RQ-PSO定位算法相比,分别提高了约49％,31％和9％.     

基于改进MCL的车间移动资源定位算法研究

针对蒙特卡罗定位算法在无线传感网络中定位精度和取样效率不高的问题,提出一种基于高斯-马尔科夫移动模型改进的蒙特卡罗定位算法.通过分析车间移动资源的移动规律,引入高斯移动模型预测,减少取样区域,优化滤波算法,提高取样效率和定位精度.仿真结果表明,当节点移动时,该算法的取样效率和定位精度均有所提高.     

基于iBeacon的环形定位优化算法研究

针对常规环形定位算法在室内无线传感网络中定位精度不高、收敛慢的情况,结合某高校课堂云考勤系统的近场感知需求,提出利用iBeacon锚节点进行环形定位的优化算法(IAWC).利用拟合得到的iBeacon信号传播模型,确定与待测节点最近邻的四个锚节点,然后对其中任意三个节点结合平均定位误差构造圆环,探讨并简化了三环叠加的各种情况时的定位思路.通过增强近邻锚节点在定位过程中的作用,提出权重系数优化思路,并将其用于三环叠加加权质心的计算以及最终确定待测节点坐标时的二次加权定位.表明在仿真环境中通过合理设置锚节点的功率、通信半径、部署密度和测量时间,该算法的定位精度可控制在0.5m以内,能够满足多数室内定位场景的精度和速度要求.     

WSN定位中的RSSI概率质心计算方法

针对最小二乘综合定位精度不高与极大似然估计定位计算量大的问题,提出基于接收信号强度指示（RSSI）模型概率质心的定位方法.该方法采用在一定显著度下的锚节点定位环重叠区域代替整个无线传感网络（WSN）的分布区域,以重叠区域概率密度质心作为未知节点位置的估计.通过实验仿真获得2种方法在锚节点标准差存在差异时的定位误差曲线,对比结果显示,该方法的定位精度高于最小二乘定位方法,验证了该算法优于最小二乘定位算法.研究表明,该方法具有与极大似然估计相同数量级的定位精度,但计算量减少95%～97.5%.     

受限浮动水下传感器网络定位

为了确保水下传感器网络节点不会随水流离开监测区域,通常用缆绳把节点与固定在水底的锚相连,使水下节点具有受限浮动性,然而考虑这一重要特性的研究成果非常有限。针对水下节点受限浮动考虑不足的问题,提出了受限浮动水下传感器网络定位算法(restricted floating localization,RFL)。首先,根据水下节点在重力、浮力、水流冲力、缆绳拉力作用下的活动规律,建立受限浮动节点模型;然后,采用一个移动信标辅助定位,该移动信标在部署区域内沿直线移动,每过一段时间变换一次方向并广播位置信息,利用移动信标的位置信息结合水下节点的受限移动规律,通过理论分析推导锚的位置,并通过多次计算取中值以降低锚位置的求解误差;接下来,利用锚和移动信标的位置信息,计算出水下节点的位置。仿真分析了RFL算法中锚位置误差、锚对节点定位的影响以及节点位置误差,并将RFL算法与现有的TL算法、MFLA算法和LSLS算法进行比较。仿真结果表明,RFL算法的平均定位误差分别是TL算法的49.6%,MFLA算法的44.8%,LSLS算法的32.1%,其最大误差与最小误差都小于TL算法、MFLA算法和LSLS算法。RFL算法定位精度高于现有算法,而且具有较好的稳定性,简单可行,具备较高的实用价值。     

移动锚节点辅助的DV-hop定位方法研究

该文简要分析了DV-hop算法的定位原理,在分析锚节点比例、节点部署密度对该算法定位精度影响的情况下,针对稀疏的随机无线传感器网络引入移动锚节点。移动锚节点使用一种在自组织网络中经常用到的移动模型。仿真结果表明,改进的M-A-DV-hop算法很大程度地降低了硬件成本,并显著提高了算法在稀疏随机传感网中的定位精度。     

基于GEM-PHD粒子滤波的移动定位自更新传播算法

为了实现无线传感器网络(Wireless Sensor Networks, WSN)中移动节点的实时动态定位和更新,提出了一种基于广义运动概率假设密度粒子滤波的移动定位自更新传播算法,该算法利用锚节点作为观测者探测周围环境中存在的未知节点,收集探测到的信息,利用广义运动概率假设密度粒子滤波算法对未知节点定位。基于反向定位策略选择未知节点的最优位置,将已获得定位信息的节点升级为虚锚节点继续对周围邻居节点实施定位,再进行定位传播和位置更新,最终实现全网络移动节点实时定位和位置更新。仿真结果表明,在锚节点单一存在时,所提算法可以预估未知节点的位置,且定位精度高,可以对整个移动群体进行实时定位。     

噪声向量模值最小的水声网络TDOA目标定位方法

由于水下环境的复杂性导致水声网络节点通常存在一定的漂移,从而引起网络节点自定位的不准确;又因为水下测距不准确导致TDOA测距中也存在一定的误差。以上两类前期噪声误差均会降低网络对目标定位时的精度。针对以上问题,本文提出一种基于噪声向量模值最小的高精度水声网络TDOA目标定位方法。该方法利用LS(least-squares)算法得到目标定位的初值,通过考虑节点自定位误差和TDOA测距误差对算法精度的影响,经过一系列转换得到目标函数,使得上述两种前期噪声误差对定位精度的影响达到最小;根据初值及目标函数,采用模拟退火智能优化算法得到目标位置。仿真结果表明:与WLS(weighted least-squares)算法、CTLS(constrained total least-squares)算法相比较,本文算法定位精度高且前期误差对算法性能影响小,鲁棒性强。     

WSN中基于多功率移动锚节点的智能定位算法

针对无线传感器网络节点定位,提出一种基于多功率移动锚节点的改进鸡群定位算法。移动锚节点按照移动模型遍历定位区域,通过功率控制发射信标信号,未知节点接收到信标信号后,利用测距模型建立距离方程并采用最小二乘法计算节点坐标,再使用鸡群算法对节点坐标进行修正。仿真结果表明,改进鸡群定位算法的定位精度和收敛速度皆有所提高。     

基于径向基函数神经网络的洪水预报方法

为了便于快速而又相对准确预测山区流域洪水,通过构造源于高斯函数、指数函数、一次函数、余弦函数的4种径向基函数,采用正交最小二乘法确定径向基函数的中心,基于伪逆规则求解权值,选择崇阳溪流域建阳水文站1959—1998年36场洪水流量过程及上游支流武夷山水文站、麻沙水文站相应洪水流量过程资料,同时考虑建阳水文站洪水流量自回归的影响,分别建立4种径向基函数神经网络洪水预报模型。采用建阳站1999—2012年的8场洪水资料对模型进行验证。结果表明:4种径向基函数神经网络洪水预报模型的确定性系数均在0.95以上,模型有效性合乎要求;相对来说,本次构造的余弦函数所建立的神经网络模型,8场洪水过程预测值与实测值的平均相对误差最大值为9.8%,其洪峰流量预测值与实测值相对误差最大值为9.7%,模型预测精度最好。最终选择余弦函数作为建阳站神经网络洪水预报模型的径向基函数。     

基于参考点序列的无线传感器网络节点定位算法

提出了一种基于参考点序列(Reference node sequence,RNS)的无线传感器网络定位算法,该算法对定位空间的锚节点建立voronoi多边形,以此生成由锚节点组成的voronoi图,并将voronoi图的顶点记为参考点,为定位空间增加了若干锚节点信息。从而使与传感器节点通信的锚节点数目增加,改善了锚节点不足给定位带来的负面影响。其次建立参考点和锚节点到传感器节点的序列等级,根据序列等级估计出传感器节点的位置。仿真结果表明,与DV-Hop算法和质心算法相比,本文算法可以更准确地估计出节点的位置,提高定位精度。     

基于几何学的无线传感器网络定位算法

提出一种基于几何学的无线传感器网络(WSN)定位算法。把网络区域中的节点分为锚节点和未知节点,假设在定位空间中有n个锚节点,由于受到几何学的限制,实际可行的锚节点序列是有限的,因此利用一种几何方法判断锚节点间的位置关系,从而选取最优的锚节点序列,能够更精确地确定未知节点的位置,并且分析了待定位节点的邻居锚节点数量对定位精度的影响。仿真结果表明,与已有的APS(Ad-Hoc positioning system)定位算法相比,该算法可有效地降低平均定位误差和提高定位覆盖度。     

基于锚圆交点加权质心的无线传感器网络定位算法

针对无线传感器网络节点能量有限,基于距离的定位算法有时并不适用的问题,在研究了未知节点与其无线射程范围内的3个锚节点之间的通信约束和几何关系的基础上,提出了一种基于锚圆交点加权质心的定位算法。该定位算法仅基于网络连通性而不需要测量距离,算法计算量小,节点通信开销小。仿真结果表明,当在100m×100m的区域范围内随机部署100个传感器节点,通信半径为30m、锚节点密度为16%时,相对定位误差为22.7%。     

无线传感网络节点定位技术

节点定位是无线传感网络的关键技术之一.介绍了无线传感网络的结构和节点定位技术的分类.针对于静态锚节点和无锚节点的定位方法,介绍了每个算法的原理,分析了误差产生的原因,概括了算法适用的条件,并介绍了目前提出的有效的改进方法.对于目前在无线网络定位中出现的问题做出了展望.     

磁偶极子模型的无线传感器网络定位方法

针对无线传感器网络定位技术,提出了一种定位锚节点的新方法。通过对磁偶极子模型的分析,得出了在二维平面上随机撒播锚节点的情况下获得锚节点绝对位置的方法。采用Matlab仿真分析了该定位方法的性能。结果表明,该方法容易实现锚节点的重新替换工作。     

基于改进APIT的移动机器人动态定位

针对室内无线传感器网络通信传输不稳定和定位精度较差的情况,提出了一种移动机器人自主动态定位系统,通过实时选择邻近信标节点,确定节点坐标构成的边界,绘制局部网格空间,实现机器人动态定位.利用接收信号强度指标实现测距,然后采用基于测距的改进近似三角形内点测试（APIT）算法完成定位,再使用卡尔曼算法修正定位误差.该方法适用于室内网络传输不稳定的实际情况,采用卡尔曼滤波器获得最优数据.实验结果表明,该移动机器人自主动态定位方法比基于网格的极大似然方法具有更好的精度和适应性.     

无线传感器网络三维节点的插值规划定位

针对无线传感器网络中传感器节点的初始位置未知的问题,提出一种基于插值和规划算法的无线传感器网络三维节点定位算法.该算法利用锚节点坐标将节点所在空间曲面建立,并利用接收信号强度指示（RSSI）值和无线信号传播模型推导出所有可通信节点间相对距离.最后,利用0-1规划在空间曲面上选出满足距离约束且与未知节点数量相同的插值节点,从而估计出未知节点的空间位置.该算法设计简单,通信开销少.仿真结果表明,该算法具有较小的节点定位误差,并具有良好的稳定性和扩展性.     

6LoWPAN无线传感器网络无缝移动切换方案

提出了6LoWPAN无线传感器网络无缝移动切换(SMH)方案,移动切换控制信息在一跳范围内交互,并通过IPv6接入节点树网络结构自动实现路由,降低了移动切换代价,缩短了移动切换延迟。该方案提出了无线传感器节点的IPv6地址的分层结构,有效地缩短了地址长度,降低了传输功耗;移动传感器节点无须转交地址,即无须进行移动传感器节点家乡地址与转交地址的绑定操作,降低了移动切换代价,缩短了移动切换延迟。从理论和仿真两个角度对MIPv6、Inter-MARIO及SMH的移动切换代价和移动切换延迟等性能参数进行了分析比较。分析结果表明,SMH的移动切换代价更小,移动切换延迟更短。     

基于卡尔曼滤波的WSNs节点定位研究

节点定位是无线传感器网络中的关键技术之一。在采用装备有GPS装置的移动信标-移动机器人、无人机的基础上,将加权最小二乘估计与扩展卡尔曼滤波(EKF)组合,进行未知节点定位。算法首先利用加权最小二乘估计(WLSE),获得无线传感器网络未知节点的初步位置,再用扩展卡尔曼滤波进一步提高定位精度。并且提出了加权因子的确定方法,同时,算法还提出了移动信标位置参与EKF迭代计算的最优排序方案。算法可以实现传感节点的低成本定位,可以达到较高的定位精度。仿真结果显示,算法与目前常用的最小二乘估计相比,未知节点的定位精度有较大的提高。算法应用RSSI测距方式,它还可应用于TDOA,TOA等基于测距的定位算法中,具有较普遍的应用意义。