基于动态贝叶斯 LS-SVM 的水下节点移动预测定位算法

针对水下无线传感器网络环境的复杂性和节点的动态性所导致的节点定位精度低的问题,提出了一种基于动态贝叶斯 LS-SVM 的水下无线传感器网络节点移动预测定位算法;该算法以信标节点到通信半径内所有信标节点的距离和跳数矩阵作 为训练集;利用贝叶斯证据框架构建贝叶斯 LS-SVM 模型,将未知节点与信标节点之间的跳数向量作为测试集;将测试集代入 到训练好的贝叶斯 LS-SVM 模型中来确定节点之间的距离,进而建立节点与信标节点距离矩阵的方程并利用最大似然估计法 对未知节点坐标进行估算;最后,通过循环迭代的方式对所有未知节点进行定位的同时使用自适应增减算法动态调整模型参数 和预测模型,以适应数据的动态变化;实验结果表明,该算法相同的节点密度下相较于 SLMP 算法、RTLC 算法、NDSMP 算法以 及 MPL 算法的平均定位误差分别降低了 24. 77%、22. 25%、3. 1%、6. 5%,有效地实现了水下未知节点的动态定位。     

基于序列加权的无线传感器网络定位算法

针对阶次序列定位算法的复杂度高和定位精度低的问题,提出了一种新的无线传感器网络阶次序列加权定位算法,给出了该算法的基本原理与实现方法。该算法首先采用Voronoi图对定位空间进行划分,将多边形的点、面的重心及其和边界交汇点作为虚拟信标节点,然后建立虚拟信标节点到信标节点的阶次序列表。最终,该算法计算未知节点序列与构建的最优序列表中各序列的Kendall阶次相关系数,通过对系数的归一化处理实现未知节点位置的加权估计。仿真结果表明,新算法在降低算法复杂度的同时降低了边缘节点定位误差,定位精度也有所改善。     

基于改进蝙蝠优化算法的无线传感器网络定位研究

为解决传统DV-Hop算法在无线传感器网络中存在的定位误差大的问题,提出了一种基于改进蝙蝠优化算法的无线传感器网络(WSN)定位方法。首先,构建WSN协同定位模型,并将传统蝙蝠算法与元胞自动机进行融合取代DV-Hop算法中的最小二乘法来计算网络中未知节点的位置,提高算法的搜索能力;其次,引入小生境技术和个体灾变机制,避免算法陷入局部最优,提高全局搜索能力;最后,通过仿真实验进行性能对比分析。实验结果表明,所提算法在节点呈随机分布、C型分布和O型分布的情况下均能够有效实现对未知节点的准确定位,且定位精度和收敛速度均优于对比算法;所提算法的定位精度随锚节点总数、锚节点比例以及通信半径的增加而增加,随传感器测距误差增加而减小。     

基于果蝇算法优化蒙特卡罗锚盒移动算法的无线传感器网络节点定位

为了提高无线传感器网络定位精度，应用果蝇算法(fruit fly optimization algorithm, FOA)-蒙特卡罗锚盒(Monte Carlo anchor box, MCB)算法对无线传感器网络(wireless sensor network, WSN)系统中移动节点进行定位建模，分析了移动速度、锚节点密度和样本数对定位精度的影响。研究结果表明：FOA优化MCB算法具有比MCB算法更优的定位精度，当节点移动速度变大后可以获得更小的定位误差，在10 m/s的速度下获得了最低误差值情况下锚节点数量和移动节点定位误差之间的变化曲线；当锚节点较少时，MCB与FOA优化MCB形成了较大的定位误差；随样本数增大，定位误差逐渐减小，在样本数达到150时获得一个稳定的定位误差。研究对无线传感器网络定位精度具有很好的应用价值，易于实现推广。     

基于信标优化选择的无线传感网络定位方法研究

本文研究了无线电波的传输特性,建立起传感器节点的定位模型,在该模型的基础上推导了二维平面的节点定位公式。现存的定位算法,都是假设信标节点不存在位置误差,这和实际情况不符。文中提出定位偏差参数的概念,以此作为信标节点选择的依据,设计出信标优化选择定位算法（OBS）,OBS通过减小定位过程中的误差传递来提高定位精度。试验和仿真数据表明,通过合理选择权值,本方法可以达到较高定位精度,相对于最大似然法和质心算法,本方法定位效果更好。     

基于RSSI测距技术的三角形面积和定位算法

为了提高无线传感器网络的定位精度,从提高测量精度、改善信标节点分布的角度提出了一种基于RSSI测距的三角形面积和定位算法。该算法利用高斯模型对非敏感区的RSSI数据进行处理,筛选出RSSI较优值,解决了RSSI易受干扰的问题。研究表明,通过高斯模型筛选出的RSSI值可以较好的预测环境参数;三角形面积和算法可以动态调整环境参数,使未知节点和信标节点达到合理距离,该算法计算简单,无需硬件扩展。     

融合测距修正和哈里斯鹰优化的DV-Hop定位算法

针对传统DV-Hop定位算法在无线传感器网络节点定位时精度偏低的问题，本文提出了一种基于测距修正和哈里斯鹰优化算法的DV Hop改进算法。该算法采用多通信半径调整网络节点最小跳数，利用最小均方差和权重因子优化网络节点平均跳距，采用改进的哈里斯鹰算法替代最小二乘法进行位置计算，引入Tent混沌映射、精英群体制度和正余弦优化策略以避免算法过早陷入局部优化，通过最优解求解得到网络节点近似坐标值。仿真结果表明，在不同条件下，改进算法与传统DV-Hop算法和ABCDV-Hop算法相比能够具有更好的定位能力，节点定位误差平均下降20.13%和7.74%，定位精度较高。     

基于无线传感器网络的定位算法的研究

从无线传感器网络的应用研究角度出发,传感器节点位置信息的获得是任何应用的基础。本文采用了最小二乘法和极大似然估计法分别对未知节点进行计算的非测距的DV—Hop定位算法实现了对数据进行定位处理,且采用极大似然估计法对未知节点的计算可以获得较高的定位精度。     

无线传感器网络中节点的自身定位算法分析

无线传感器网络中节点的自身定位是其大多数应用的基础,文章利用网络中存在的冗余信息,针对客观存在的不良节点,对现有分布式无需测距技术的Amorphous定位算法进行改进,以提高整个网络的平均定位精度。仿真结果表明,改进后的算法有效地降低了节点位置的平均估计误差。该算法无需任何附加的硬件支持和良好的拓展性,对实际的应用具有积极的意义。     

基于RSSI测距的加权概率定位算法

针对无线传感网络中每条链路衰减因子的不同,提出了一种基于RSSI测距的加权概率定位算法。该算法先将可能存在的未知节点区域划分成栅格,运用高斯噪声模拟路径衰减指数误差以构建信号传播概率模型,根据信号强度确定信标节点的权值。然后由概率模型和相应的权值赋予栅格不同的置信度,将置信度最大栅格的位置作为未知节点的坐标。最后根据网络的连通信息消除翻转歧义。实验表明,在相同的条件下,与MLS算法相比,该算法更接近真实环境,具有更高的定位精度。     

路径相似度因子在DV-Hop改进中的应用

经典DV-Hop方法在非均匀分布网络中存在节点间距离估计误差较大以及节点定位精度低的问题。引入节点间多跳最短路径相似度因子的计算规则,用于在距离估计步骤中修正节点的每跳平均距离值,并在位置计算步骤中选择参与定位计算的信标节点;使用改进的模拟退火(SA)算法对节点初始位置进行优化。仿真表明,所述改进策略在随机生成的网络拓扑结构条件下,相对于经典DV-Hop算法平均可降低约20%的定位误差,相对于既有的先进改进方法平均可降低约4%的定位误差,表现出良好的定位性能。     

采用RSSI模型的无线传感器网络协作定位算法

由于无线传感器网络定位成本较高,精度不能满足要求以及通信和计算开销过大等问题,提出一种针对定位各阶段实施误差抑制措施的接收信号强度指示(RSSI)测距的协作定位算法。测距阶段通过周期性测量获得模型动态参数,采用相对误差系数对RSSI测距进行校正,定位阶段则基于泰勒级数扩展线性最小二乘方法实现位置估计,采取残差加权法优化位置坐标,减小非视距(NLOS)的不利影响。引入协作定位,将符合要求的节点升级为参考节点参与定位计算,进一步提高定位覆盖率和精度。实验结果表明,所提算法精度接近基于真实坐标的泰勒级数扩展LS算法,相同条件下的精度远高于传统估计算法。节点最大定位误差为0.15,最小定位误差为0.08,网络节点平均定位误差为0.109,能够满足大规模无线传感器网络(WSN)的定位需求。     

自适应人工免疫网络算法的无线传感网络拓扑结构优化

无线传感器网络(MWSN)具有动态拓扑的特性,因而节点移动、能量消耗等影响因素会导致传感器网络的寿命。在现有层次型拓扑控制算法的基础上,借鉴adhoc网络层次拓扑生成算法WCA的设计原理,提出一种应用于无线传感器网络的新型层次型拓扑结构优化算法。该算法综合考虑节点的能量和位置状况,为每个节点定义不同的权值,从中选出性能优越的节点担任簇首,同时通过设置节点度参数来确保最优的拓扑结构。同时依托自适应人工免疫网络算法,用于实现MWSNs的目标。仿真结果表明,改进的人工免疫网络算法(KC-AAINA)有助于找到良好的聚类配置和簇头数量,限制了节点能耗,改善了MWSN的网络寿命、能量消耗和分组传输,从而提高网络生命周期。     

基于反馈裁决机制的无线传感网节点失效自愈修复

为解决移动条件下无线传感网节点失效时所导致的节点自愈困难,网络拓扑变动较大以及数据传输性能受限等不足,提出了一种基于反馈裁决机制的无线传感网节点失效自愈修复算法。首先,依据网络节点同一性及传输链路交叉特性,通过流量分析来构建节点失效裁决方法,通过排除失效节点的同级割点,避免割点对网络拓扑造成的分离影响,显著降低节点失效误判现象;再结合初级节点与次级节点具有的流量传递特性,设计节点失效评估机制,通过割点裁决与次级节点自愈重构,改善自愈过程中存在的拓扑变动,有效规避节点失效过程中存在的流量受限;随后,考虑到备用修复节点选取过程存在的节点自愈困难,结合割点可对网络拓扑进行切割的特性,定义备用修复节点优化选取准则,采用流量反馈机制来优化备用修复节点的选取,提高网络流量重定向能力,降低修复失败的概率。实验测试结果表明,与基于时变负载的复杂网络级联故障负荷再分配策略(TVL-LRS),网络级联故障自愈算法(PFO)相比,所提算法具有更低的节点自愈总数和节点拓扑移动距离,以及更高的网络出口带宽。     

一种缩小定位区域的改进APIT无线传感器

通过对现有文献的分析可知传统APIT算法存在着定位误差大和覆盖率低的问题。针对上述问题,提出一种APIT的改进算法。引入缩小定位区域的思想,通过多次运用PIT算法求定位区域质心,将原APIT算法的一轮定位扩展为多轮定位,逐步减小定位区域,将较小定位区域的质心坐标作为未知节点的坐标,减小定位误差;同时,改进算法充分运用可移动的信标节点,逐步增加定位覆盖率。在MATLAB环境的各场景下对改进算法进行仿真,并将其与原有算法进行对比。仿真结果表明,改进算法能够在减小节点定位误差的同时提高定位覆盖率。     

基于修正 RSSI 值的四边形加权质心定位算法

在利用接收信号强度指示(RSSI)对无线传感器网络中的未知节点进行定位时,RSSI 值易受环境的影响导致定位误差, 为此提出基于 RSSI 测距修正的四边形加权质心定位算法(QWCRC)。 先对来自同一锚节点的多个 RSSI 值进行卡尔曼滤波,得 到修正的 RSSI 值,致使测距尽可能的接近真实距离;再采用四边形加权定位对未知节点进行定位,同时利用最小二乘法进行辅 助定位,此算法对于相邻锚节点圆不相交的情况给出新的解决方案。 实验结果对比表明,改进的算法相比较于四边形加权质心 算法(QWC)和 RSSI 测距修正的三角形加权算法(TWCRC),在锚节点数目 5×5 和噪声强度为 0 dbm 时,定位精度可分别提升 87. 14%和 35. 51%。     

基于无线网络传感器的定位技术研究

针对基于信号强度的无线传感器网络定位精度易受环境影响的问题,通过搭建无线传感器网络进行的实验,研究了改进的定位算法.使用CC2430无线模块作为节点收发装置,基于ZigBee无线传感器网络协议,搭建无线传感器网络平台进行定位系统的开发和改进算法的测试.由于无线信号强度误差的复杂性,采取逐阶改进的方法,通过各阶段的实验进行误差分析并改进定位算法.在搭建的无线传感器网络平台上测试的结果表明,改进的定位算法达到预期的效果,定位精度明显提高,具有一定的应用价值.