基于平衡距离的无线传感器网络节点部署算法

针对随机部署的无线传感器节点,提出一种节点移动方案。将节点移动划分成若干个过程进行,在每个移动过程中根据平衡距离和位置关系进行节点移动,使聚集在一起的节点分散开,实现对监测区域的最大覆盖。由于节点间平衡距离逐渐增大,因此在每个移动过程中节点的移动距离均较小,减少了节点移动距离总和。仿真结果表明,该算法在保证覆盖效果的基础上,降低节点的总移动距离。     

基于RSSI的无线传感器网络节点自身定位算法

节点自身定位是无线传感器网络的基础性问题之一.提出了一种基于接收信号强度指示(RSSI)的节点自身定位算法.该算法利用RSSI值估算网络中所有可通信节点间距离的相对大小,得到网络中各节点位置之间的几何约束关系,并以此为约束条件,以锚节点质心和未知节点质心之间的距离最小为目标,将定位问题转化为非线性最优化问题.实验结果显示,当锚节点分布在网络边缘时,该算法可以达到较好的定位效果.     

基于神经网络的无线传感器网络数据预测应用研究

无线传感器网络是一种由数量庞大的网络节点形成的复杂无线网络,是无线传感器的典型应用,目前已经广泛应用在多个领域当中。将神经网络引入到无线传感器网络当中,通过神经元描述每一个无线传感器数据,构建神经网络元模型。对传统的神经网络模型进行改进,利用无线传感器的神经网络模型,实现无线传感器网络采集数据的融合与提取。通过各种应用类型的差异,选择影响数据输出结果的主要因素,建立一种能够进行预测的模型。以某个区域是否发生火灾为实验原型,对该区域的火灾发生概率进行预测,采用已有的火灾发生数据为训练样本,通过收敛的网络预测火灾发生的概率。实验结果表明,基于神经网络的无线传感器网络数据预测是一种可行、有效的方法。     

改进的Elman神经网络在WSNs距离预测中的应用

节点定位是无线传感器网络应用的关键技术之一,而测距的精度很大程度决定了定位的精度。为了提高定位的精度,对测距精度的提高进行了研究。根据实验获取的RSSI值与对应的距离值,先对实验数据进行滤波处理,以滤波后的数据作为样本,建立改进的Elman神经网络预测模型,利用改进的El-man神经网络的稳定性高和预测精度高等特性,对样本进行训练,得出预测的距离值,距离精度达到1 m以内。     

基于RSSI的无线传感器网络节点定位

研究基于Zigbee技术的无线传感器网络中未知节点的定位问题。针对传统的Two-phase positioning循环求精定位算法复杂,且在RSSI节点测距阶段存在某些点的测距误差较大,导致定位精度大大下降。为了解决测距误差大的节点对定位精度的影响,提高定位精度,首先采用RSSI测距法测出未知节点和锚节点距离,用最小二乘法粗略定位,其次通过距离关系算出每个粗略定位点的权值,引入权值阀,舍去在权值阀外的点,最后在求精阶段采用三角形加权重心算法。此方法可以最大限度的减少测量误差大的节点对定位精度的影响。经实验证明,改进算法也存在一定的误差,但比传统的算法更加精确,提高了定位精度。     

基于RSSI的无线传感器网络节点测距方法研究

基于RSSI的测距技术是无线传感器网络测量节点间距离的基础,RSSI测距具有通信开销小、实现复杂度低等优点,可广泛应用于无线传感器网络的定位、监测等领域.首先分析RSSI测距的原理,在此基础上采用用户自定义通信协议的CC1100芯片进行测距实验,取得了多组数据,通过对实验数据的分析,验证了在适度的环境下RSSI测量值的变化与距离的关系有一定的规律可循,提出采用加权和均值的方法降低外界环境对RSSI测距的影响,并用实验加以验证.     

基于RSSI的无线传感器网络节点定位算法

节点定位技术是无线传感器网络关键技术之一,介绍了节点定位技术的基本原理,提出了一种新的基于接收信号强度(RSSI)的无线传感器网络定位算法.该算法在第一阶段对节点初始位置进行初步估计,第二阶段对节点初始位置进行求精.仿真结果表明,在锚节点比例较低的情况下,该算法仍然可以实现较高的定位精度,并且与dv-distance定位算法比较,表明该算法在相同条件下精度更高.     

无线传感器网络中基于RSSI算法的优化

研究表现煤矿井下巷道狭长、信号多径效应明显、通信条件差,井下无线传感器节点定位对环境敏感,导致节点定位误差较大.基于传统的RSSI算法基础上,提出一种给出衰减校正因子的三边加权质心定位算法.算法通过对RSSI衰减测量值补偿校正,近似接近节点间实际真实值;取任意的三点的校正距离算出未知节点的估计值后,求估计值的加权质心坐标为节点估计坐标.仿真结果表明,在相同的实验环境下,该改进的算法比传统的RSSI算法有更小的定位误差,提高算法对环境的适应性和定位精度,为井下无线传感器网络节点定位提供了依据.     

无线传感器网络的RSSI定位技术研究

在许多无线传感器网络应用中,定位已经成为一个基本的服务需求.分析了基于接收信号强度(RSS)测量模型的位置估计,详细地推导了单个盲节点位置的概率密度函数并分析两个盲节点位置的概率分布的关系,通过该模型的极大似然估计可以得出盲节点位置,而且在此基础上修正了该定位估计算法,使得系统中盲节点越多其估计位置的精度越高,最后通过有效的仿真验证了算法.     

无线传感器网络中传感器节点的布置

在无线传感器网络中，传感器节点收集本地数据，通常通过其它节点将数据转发给基站，因而离基站越近的节点，消耗的能量越多．如果采用通常的方法，即均匀布置传感器节点，则基站附近的节点将很快消耗完能量，基站也就无法收集数据．本文通过研究无线传感器网络中的能量消耗，得到了一个布置传感器节点的密度函数，按此函数布置传感器节点可以有效地延长系统的生命期．理论分析和模拟结果表明，本文的布置方案将系统生命期提高到均匀布置方案的3R/2t倍，这里t为传感器节点的通信距离，R为传感器节点的分布区域半径．     

无线传感网络中基于测距修正的定位算法

为了提高DV-Hop算法的定位精度,提出基于测距修正的无迹卡尔曼滤波优化定位算法UKF-DV-Hop(Unscented Kalman Filtering Localization algorithm based on modifying average hop distance).UKF-DV-Hop算法先对信标节点广播的信息包进行改进,然后对跳距误差进行加权处理,进而减少测距误差,再利用最小二乘法估计未知节点位置,最后再利用无迹卡尔曼滤波UKF滤波优化节点位置.实验结果表明,与传统的DV-Hop算法相比,提出的UKF-DV-Hop算法的归一化平均误差率下降了约40%.     

传感器网络定位中的两段式距离估算方法

在由于传统DV-Hop定位算法中假定所有相邻节点之间的跳距相等,因此节点间的距离估计误差偏大,进而导致算法的定位精度偏低.为了提高节点间距离估计的准确性,提出两段式距离估计算法.该算法将锚节点与节点之间的h距离划分为两段:前h-1跳和最后一跳,并假设前h-1跳跳距相同,最后一跳的跳距与其邻居节点到锚节点的跳数有关.将两段式距离估计算法应用到DV-Hop算法上,本文还提出了改进的两段式DV-Hop算法.仿真结果表明,与传统的DV-Hop算法相比,改进算法可有效提高定位精度且无需增加节点通信开销.     

基于距离重构的无线传感器网络多维定标定位算法

无线传感器网络中基于多维定标的定位算法通常采用最短路径代替距离矩阵中的未知项,会导致较大的定位误差。针对这一问题,提出一种基于距离矩阵重构的无线传感器网络多维定标定位算法DR-MDS。算法利用节点间的公共邻居信息对距离矩阵线性重构,计算距离矩阵中的未知项,然后对重构的距离矩阵运用双中心化并进行特征分解,从而求得网络坐标。由于算法能够更为准确的获得网络节点之间的空间相对关系,并充分利用其空间相关性计算节点相对坐标,可获得较好的定位效果。仿真结果表明,本文提出的DR-MDS算法与MDS-MAP、ISOMAP相比定位精度更高,误差范围更小。     

基于综合预测算法的无线传感器网络移动节点定位策略

结合测距定位方法和移动节点历史定位信息,提出历史定位算法。在此基础上,引入移动节点相对运动角度测量,提出了基于综合预测算法的无线传感器网络移动节点定位策略。首先,根据测距结果选择较近的三个信标节点,并且加入移动节点的前一时刻坐标,应用最小二乘法,得到当前时刻的坐标;另一方面,由移动节点相对运动角度同样可以计算节点当前时刻的坐标;最后,将两种方法得到的坐标求平均值,作为综合预测算法给出的节点当前定位位置。仿真结果表明,所提出的定位策略能够高性能的实现移动节点定位,并且成本较低。     

无线Zigbee传感网RSSI定位技术研究

基于Zigbee通信技术的无线传感网是最具应用前景的一种网络模式,定位信息对网络数据有重要的辅助作用。文中提出了一种基于接收信号强度指示（ RSSI）值的无线Zigbee传感网测距定位技术,从理论上提出了基于RSSI的节点测距定位处理算法,并从实践上提出了CC2530测距定位模块实现方式。最后通过在实验室环境的实际距离与RSSI值的测试,得到了RSSI值与无线通信距离之间的实验结果,通过最小二乘法进行曲线拟合,得到了RSSI测距的实测公式。     

无线传感器网络研究综述

无线传感器网络作为计算、通信和传感器三项技术相结合的产物,是一种全新的信息获取和处理技术。在简要介绍无线传感器网络体系结构的基础上,分析和展望了一些有价值的应用领域。结合已有研究,从数据采集、数据计算和路由协议三方面介绍无线传感器网络的研究现状,并着重介绍了目前无线传感器网络采用的路由技术,最后指出了下一步的研究方向。     

基于能量密度的无线传感器网络能量预测成簇算法

降低网络能耗、延长网络生存时间是无线传感器网络设计的重要目标.在分析现有主要成簇算法的基础上,提出一种基于能量密度的无线传感器网络能量预测成簇算法EPCBD(energy prediction clustering algorithm based on energy density).算法中,节点根据其通信范围内的能量密度与网络平均能量密度之比确定自己成为簇头节点的概率.为节省每轮成簇初始阶段节点进行广播所消耗的能量,建立了节点消耗能量的预测机制.仿真实验结果表明,与现有主要成簇算法相比,新的成簇算法拥有更长的网络生存周期和更优的网络监控质量.     

一种基于预测的无线传感器网络目标跟踪技术

现有的各种日标跟踪技术未能综合考虑不同目标的运动特征,提出了一种新的基于预测的日标跟踪技术,以减少监控节点数目.根据目标运动的当前测量数据或者历史记录确定目标的运动特征,然后结合日标的当前位置、速度、运动方向等信息预测目标的未来位置;当目标位置预测失败时,网络根据目标的运动历史记录和先验知识逐级启动预测失败恢复过程.仿真结果显示在给定节点与基站分布、节点感知范围和目标运动特性等参数的前提下,比PES方法的目标丢失率大大降低,网络寿命有较大增加,表明采用在确保网络可靠跟踪目标的前提下,减少了被唤醒传感器节点的数目,从而降低了节点的能耗,延长了目标跟踪传感器网络的寿命.     

基于链接预测的水下WSN消息转发算法

随着移动自组织网络的发展以及为了更加便捷地监测和探索水下环境,水下无线传感器网络开始出现并逐渐受到研究人员的重视.水下无线传感器网络可广泛应用于海洋环境监测、资源开采、水下生物研究、海难搜救等诸多水下场景.与传统的无线传感器网络不同,通常,水下无线传感器网络中存在锚定节点和移动节点两种类型的节点,并且由于水声通信的不规...     

基于Hopfield神经网络算法的WSN路径优化

针对无线传感器网络（WSN）能量有限的特点,提出一种新的基于Hopfield神经网络的路由优化算法,同时给出能量函数各参数之间的关系。通过Matlab软件对不同规模的网络进行仿真,仿真结果表明,该算法是可行的。