一种基于运动预测的蒙特卡罗定位算法

以蒙特卡罗算法为基础的无线传感器网络移动节点定位算法普遍存在定位误差较大的问题.针对实际应用中一般的运动模型,提出一种基于运动预测的蒙特卡罗定位(MCLMP)算法,通过构建节点运动模型,进行位置预测和滤波,并对过滤后的值进行加权计算.仿真结果表明,MCLMP算法相比以往算法定位精度提高了30％以上.     

基于预测的WMSNs目标跟踪协作处理方法

提出一种基于预测的无线多媒体传感器网络(WMSNs)目标跟踪协作处理方法.建立全向感知模型,由图像准确定位目标空间坐标位置.组织传感器节点休眠,基于自回归移动平均模型(ARMA)和径向基函数网络(RBFN)进行目标运动轨迹预测,唤醒节点完成协作处理.使用形状上下文的匹配(Shape Matching)算法,避免多节点冗余信息传输.仿真结果表明,基于ARMA-RBFN预测的唤醒机制使能耗降低25倍以上,Shape Matching可减少传输数据量20%.     

基于多AUV协作的稀疏水下传感网定位技术研究

如何在稀疏部署的水下传感器网络中实现传感器节点的高效定位是一个研究热点.提出了一种基于多个移动AUV协作的水下传感器网络内节点定位机制,利用AUV的精确自导航功能实现对网内未知位置节点的定位协助.提出的协作定位算法扩展了水下传感器网络的网内节点位置迭代估计方法,将信标节点和多AUV联合作为定位参考点,然后推导了基于最小二乘法的定位估计方程.仿真结果验证了该方法可以在定位节点比例、归一化定位误差和平均置信度等几个方面提高定位性能.     

基于灰色模型和改进Chan的海洋移动传感器定位

为了实现海洋水下传感器网络中的移动节点定位,并改善传统节点定位方法在应用于无人值守和复杂环境的海洋生态监控中具有的定位误差大的问题,提出了一种基于灰色模型预测和改进Chan算法的海洋移动传感器节点定位方法;首先,采用灰色模型对节点在下一时刻的采集数据进行预测,然后将预测值与实际采集值进行比较从而判断出移动节点的状态是否正常;在此基础上,采用改进的Chan算法对处于正常状态的移动节点进行定位,从而提高水下移动传感器节点的定位精度;在Matlab中进行仿真实验,实验结果表明:文中方法能在节点运动速度增加、通信半径变大和锚节点密度增加的情况下,均具有比其它方法更低的节点定位误差,具有一定的优越性。      

活动受限三维水下传感器网络节点定位算法

针对水下传感器网络的部署方式,设计活动受限三维水下传感器网络节点定位算法(localization foractive-restricted UWSN,简称LAR).LAR 利用水下节点活动受限的特点辅助定位,通过分层定位的实施方式得到部署区域内全部节点的位置,并根据水下传感器网络中的节点移动规律,设计动态环境下的补偿机制.LAR 过程简单、易于实现,仿真结果表明其定位误差明显小于现有算法.     

一种基于Monte Carlo的移动传感网络精确定位算法

无线传感器网络作为一种全新的信息获取和处理技术,可以在广泛的应用领域内实现复杂的大规模监测和追踪任务.在传感器网络中,确定事件发生的位置或获取消息的节点位置是传感器最基本的功能和支撑技术.本文针对特定的应用场景,设计了适用于锚节点固定,节点自由移动的移动传感器网络的基于Monte Carlo方法的精确定位算法,并描述了其节点运动预测和位置选取模型,最后通过实验将本算法与以往研究成果中的代表性的移动传感器网络定位算法进行了模拟比较和分析.     

基于动态网格划分的移动无线传感器网络定位算法

定位技术是无线传感器网络中关键的基础支撑技术,目前提出了许多静态网络的节点定位算法,移动无线传感器网络的定位研究相对较少.针对定位节点和参考节点随机运动的网络模型,提出了一个基于动态网格划分的蒙特卡罗定位算法.算法中当接收的参考节点数超过一定阈值时使用最远距离节点选择模型,选出部分参考节点参与定位和信息转发,节约能耗.接着基于选择的或所有接收的参考节点构建采样区域,进行网格划分,使用网格单元数计算最大采样次数,在采样区域内采样并使用误差补偿的运动模型进行过滤,提高了采样效率,减少了计算开销,并保证了较好的定位精度.仿真实验表明算法在定位精度,计算开销、能耗等方面都具有较好的性能.     

基于长短期记忆网络修正测距的水下定位算法

人类对海洋资源的探测与开发的主要方式是通过水下传感器网络来实现的,而水下传感器节点收集的数据在丢失精确的定位信息时便失去了其主要的价值。因为现在许多已经被广泛使用的水下定位算法仍然难以实现精确的测距,所以导致其定位精度偏低、不理想。本文提出一种基于长短期记忆网络修正测距的水下定位算法,该算法使用一种循环神经网络的变体模型长短期记忆网络来改进基于信号到达时间差测距算法,通过处理海洋环境的历史信息、测距值等数据进行训练,能够高效准确地预测当前的测距修正值,从而获得优化测距误差的效果。通过上述两者的有效结合进一步改进多边定位算法,实现对水下未知节点的精准定位。最后通过仿真实验和算法对比验证本文所提的算法确实具有较高的定位精度和可行性。     

基于蒙特卡罗算法煤矿井下人员定位研究

对比分析几种常用的无线传感器网络节点定位方法.针对煤矿井下节点移动性可能导致普通的定位算法变得不精确,提出了蒙特卡罗定位(Monte Carlo Localization)算法.该方法利用物体运动的连续性,通过选取合适的模型完成移动节点位置预测与定位.经仿真验证在低密度锚节点环境下,蒙特卡罗方法位置估计误差明显低于其它方法,提高了移动节点定位算法的准确性.     

基于VWMC的传感器网络移动节点定位算法

为了解决无线传感器网络移动节点定位精度低、计算方法复杂以及响应时间长的问题,提出了一种基于VWMC的传感器网络移动节点定位算法(VWMCL).该算法利用Monte Carlo算法作为移动节点的基本定位算法,并在预测阶段加入航位推算方法,通过减少预测角度的误差来提高粒子位置预测的精度;并把Voronoi图和权值融合在MCL算法的粒子过滤阶段,采用Voronoi图和权值的双重筛选的机制,提高粒子过滤的准确性.仿真结果表明,该算法可以显著改善定位精度,减少算法的计算量,从而提高定位的效率.     

水下传感器网络移动节点定位问题研究

针对水下传感网中研究较少的移动节点定位问题,基于传统定位中常用的Chan算法,提出了一种改进的M-Chan算法。该算法通过曲线拟合进行运动轨迹预测,并利用节点的移动特性修正估计位置,从而提高了水下移动节点的定位精度。仿真结果表明,在不同的移动速度、通信半径、锚节点密度情况下,改进算法与传统的Chan算法相比,精度提高5%～10%。     

基于移动节点的三维水下传感器网络定位

为有效解决传感器节点在水中的移动性问题,而节点移动主要是因为水流和随机干扰,提出了一种基于移动节点的定位算法—MNLS（移动节点定位算法）．移动节点定位算法是在分析现有相关定位算法的基础之上,提出了首先预测节点的运动轨迹,然后进行节点的测距与定位的算法思路．利用MATLAB对算法进行了仿真,实验结果表明MNLS与chan算法相比较,单个节点的定位精度以及不同速度下节点的定位精度都得到了提高,因此,该算法对水下传感器网络定位有着实际的应用价值．     

非合作信标条件下水下无线传感网可靠定位技术

传统假设水下无线传感器网络的传感器节点和信标节点都是合作的,但是在军事应用等特殊场合下,某些节点容易被敌方捕获或入侵,因而水下无线传感网络中有时会存在一些非合作的恶意节点。针对存在若干非合作信标的水下无线传感器网络定位应用,提出了一种非合作信标节点约束下水下无线传器网的可靠节点定位算法。本文算法利用一跳邻居范围内信标节点独自投票机制实现对非合作信标的判决与剔除,从而减少由于存在非合作信标节点对定位误差的影响,同时也分析了不同比例非合作信标下的定位误差界限。仿真结果验证了本文提出的算法相比传统定位算法,在平均定位精度和定位覆盖率等方面都有所提高。     

AUV辅助的水下传感器网络时钟同步算法

针对当前水下传感器网络中的时钟同步难题,设计了一种三元阵被动定位自主水下航行器（ AUV）模型,并基于此模型提出了AUV辅助的时钟同步（ AUV-Sync）算法。该算法通过AUV与节点之间相对运动过程中进行的信息交换来对节点相对距离进行估计,进而基于相对距离计算单向传播时延来降低由于节点移动性所导致的误差。最后,通过两轮加权最小二乘法进行线性回归来估计时钟同步的参数。仿真结果表明：在存在节点漂移的动态水下传感器网络环境中,该算法较其他相关算法有更高的精度。     

水下基于层级的约束加权最小二乘时差定位

针对距离无关定位算法与距离相关定位算法中定位精度的问题,分析了误差对定位性能的影响及影响误差的因素,在最小二乘定位算法的基础上,提出了一种基于层级结构的约束加权最小二乘时差定位算法。该算法利用AUV( Autonomous Underwater Vehicle)对水下节点进行分层,使得具有层级和深度信息的信标节点升降至未知节点所在平面,从而将三维定位转换为二维定位,降低了算法的复杂度,同时避免了距离未知节点较远的信标节点对定位的影响,提高了测距精度,使定位误差进一步降低。仿真结果表明,该算法在位置误差较小的情况下,可以明显地提高定位精度。     

基于改进加权最小二乘支持向量机的UWSN定位

针对水下无线传感器网络锚节点较少、迭代误差大导致的节点定位精度低的问题,提出一种基于改进加权最小二乘支持向量机的水下三维节点定位算法;该算法将水下三维空间分为若干立方体,以锚节点与网格交点的距离向量作为训练集进行训练;并利用改进的多类别模式识别方法进行分类,以未知节点到锚节点的距离向量作为测试集确定节点坐标;通过引入加权的思想和多类别模式识别方法增大机器学习算法的鲁棒性、降低分类次数,从而实现水下三维节点预测定位;仿真结果表明,该算法在锚节点较少、网络区域较大的水下仍能保持较高的定位精度与较好的鲁棒性.     

Topology control algorithm for underwater wireless sensor networks using GPS-free mobile sensor nodes

Underwater wireless sensor networks (UWSNs) have been developed for underwater applications, such as resource exploration, pollution monitoring, and tactical surveillance. The topology control techniques of UWSNs and terrestrial wireless sensor networks are significantly different because of the particularity of underwater environments and acoustic communication, such as mobility pattern, propagation delay and energy consumption. Due to multifarious factors of underwater environments, node mobility becomes a non-negligible issue. However, GPS may not be feasible because of the limitations of satellite coverage or obstructions in adverse underwater environments. In particular, anchored sensor nodes towed by wires are prone to offset around their static positions, causing each node to move within a spherical crown surface (spherical crown mobility pattern). Nevertheless, most previous studies have not focused on this specific mobility pattern. In the current paper, a mobility model for UWSNs nodes is constructed, and three representative topology control objectives are attained. A distributed radius determination algorithm is designed for the mobility-based topology control problem. Results of theoretic analysis prove that the proposed algorithm is convergent, and it has preferable approximate ratios and polynomial complexity. Performance of the algorithm is analyzed through simulation experiments, which indicate a well-constructed topology. Every objective can still be upgraded without the dynamic location information of mobile nodes.     

Energy-efficient localization and target tracking via underwater mobile sensor networks

Underwater mobile sensor networks (UMSNs) with free-floating sensors are more suitable for understanding the immense underwater environment. Target tracking, whose performance depends on sensor localization accuracy, is one of the broad applications of UMSNs. However, in UMSNs, sensors move with environmental forces, so their positions change continuously, which poses a challenge on the accuracy of sensor localization and target tracking. We propose a high-accuracy localization with mobility prediction (HLMP) algorithm to acquire relatively accurate sensor location estimates. The HLMP algorithm exploits sensor mobility characteristics and the multi-step Levinson-Durbin algorithm to predict future positions. Furthermore, we present a simultaneous localization and target tracking (SLAT) algorithm to update sensor locations based on measurements during the process of target tracking. Simulation results demonstrate that the HLMP algorithm can improve localization accuracy significantly with low energy consumption and that the SLAT algorithm can further decrease the sensor localization error. In addition, results prove that a better localization accuracy will synchronously improve the target tracking performance.