无线传感器网络中的节点自适应周期定位

无线传感器网络节点自定位算法是无线传感器网络系统的重要组成部分,是无线传感器网络中所有应用得以实现的基础。基于最小二乘估计的自适应周期定位算法采用周期定位机制控制网络中节点定位,使用基于接收信号强度指示的测距技术获取节点间距离,启动定位周期,直至定位周期终止,完成定位。未知节点采用极大似然估计得到初解,使用最小二乘估计获得自身位置坐标的最终解。仿真实验表明,基于最小二乘估计的自适应周期定位算法能显著提高网络中未知节点的定位率,有效抑制测距误差的传播,提高了节点定位精度。     

基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

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.     

无线传感器网络改进型节点定位算法的研究

无线传感器网络节点位置信息对于事件监测起到至关重要的作用,节点定位技术是无线传感器网络应用的支撑技术之一。为了提高无线传感器网络节点定位的精度,同时减少定位计算过程中的能耗,在RSSI,HCRL定位机制分析的基础上提出了一种改进型的节点定位算法:接收信号强度比定位算法(RSS-RL),通过仿真试验显示:RSS-RL定位算法不仅降低了节点定位复杂度,而且,提高了定位精度。     

一种基于离群点检测的定位算法

DV-Hop算法在无线传感器网络节点分布不均匀时定位误差较大。针对上述问题,利用离群点检测算法提高计算未知节点坐标的精度。在采用多边测量算法估计未知节点的坐标位置时用离群点检测算法LOF对未知节点的估计坐标进行分析和筛选,最终确定未知节点位置。仿真实验表明,该方法能提高节点的定位精度,减小定位误差。     

一种改进无线传感器网络定位算法的研究

针对无线传感器网络节点定位机制的研究,定位算法是无线传感器网络领域中所研究的一个基本问题.传统的定位DV-Hop算法在随机布置锚节点定位时存在定位精确度不高、覆盖率较低和能量消耗较大等缺点.为解决上述问题,对传统的定位DV-Hop算法进行了改进,改进后的算法可以减少消息发送的数量,节省了节点能量,提高了定位的精度和定位覆盖率,修正了网络平均每跳距离与求知锚节点估计坐标的区域范围,并进行仿真.仿真结果表明,改进后的算法定位精度明显优于传统定位算法,证明了改进算法的正确性和有效性.     

RSS测距定位模型的Cramer-Rao界分析

给出了无线传感器网络RSS测距定位模型的距离无偏估计和定位估计方差Cramer-Rao下界。实验表明定位方差在锚节点附近产生突变,同时随着锚节点数量的增多而减小,可应用于定位算法的精度评估和节点配置方案选择。     

基于ABC-LS的传感器节点定位算法

为了减少无线传感器网络节点的定位误差,提出一种人工蜂群算法(ABC)修正最小二乘(LS)定位误差的传感器节点定位算法(ABC-LS)。首先估计未知传感器节点与信标节点间距离,然后采用LS算法初步确定未知传感器节点位置,最后采用ABC算法对LS算法的节点定位误差进行修正,并采用仿真实验测试ABC-LS与其他节点定位算法的优劣。结果表明,ABC-LS提高了无线传感器节点的定位精度。     

引入虚拟节点的无线传感器网络ELM定位算法

基于大部分距离无关算法能以改善锚节点比例提高无线传感器网络定位精度,提出了一种引入虚拟节点的无线传感器网络极限学习机(ELM)定位算法.通过引入的虚拟节点,寻找合适的未知节点升级为次锚节点,以增加锚节点比例,提高了定位精度.将ELM应用于节点定位,有效提高了定位的速度和精度,并因其强大的泛化性能,为无线传感器网络节点定位提供了新的思路.仿真结果表明:引入ELM定位算法和虚拟节点,有效提高了定位精度.     

一种基于CKF的无线传感器网络分布式定位算法

为提高无线传感器网络节点定位的精度,降低算法计算复杂性,提出了一种基于容积卡尔曼滤波的无线传感器网络分布式节点定位算法。该算法假定移动锚节点按预定路径在传感区域移动,并周期性广播自身位置信标信息;每个未知位置节点首先收集多个锚节点信标信息及信号强度信息,然后估算出锚节点信标位置与未知节点的距离,最后在未知节点上运用容积卡尔曼滤波算法完成自身位置的分布式定位。仿真结果表明：本文所提算法具有优良的定位性能,定位精度和无迹卡尔曼滤波算法相当,明显优于极大似然估计定位算法,而计算复杂性则低于无迹卡尔曼滤波算法。     

节点分布对无线传感器节点定位性能的影响

为了提高无线传感器节点的定位准确性,针对当前算法没有考虑节点分布对无线传感器节点定位性能的影响,提出一种考虑节点分布的无线传感器节点定位算法。分析节点分布对无线传感器节点定位性能的影响,估计锚节点之间的实际距离和估算距离的误差,并采用DV-Hop算法进行初步定位,综合学习粒子群算法对DV-Hop算法的定位误差进行修正,采用多个实验对算法性能测试。实验结果表明,无论在节点分布均匀或分布不均匀条件下,该算法可以较好地修正DV-Hop算法定位误差,均明显提高了未知传感器节点的定位精度。     

改进粒子群算法的无线传感器网络节点定位

为了提高无线传感器节点的定位精度,针对粒子群优化算法存在的问题,提出一种改进粒子群优化算法的无线传感器网络节点定位方法。根据锚节点选择准则,把上一代和当代节点位置的平均值作为下一代目标节点的参考节点,采用改进粒子群算法对节点的定位结果进行优化,在Matlab 2012平台上进行仿真对比实验。仿真结果表明,相对于标准粒子群算法,改进粒子群算法加快了定位速度,提高了无线传感器节点定位精度,应用范围更广。     

基于二阶段差分演化的WSN节点定位优化

由于非测距的WSN节点定位算法DV-Hop定位精度不高,引入智能优化算法后有效提高了定位精度,但迭代次数过大,节点能耗相对过高,而在较少信标节点和较短的通讯信半径条件下,传统智能优化算法难以生效。针对这种情况,提出了基于二阶段的差分演化定位优化算法。仿真实验设计在100m×100m正方形的区域内,随机分布100个无线传感器节点,首先用DV-Hop算法进行第一阶段粗略定位,然后在第二阶段用差化演化算法对定位进行优化,为了对比各种算法在低能耗（很少迭代次数）下的表现,优化过程只迭代了10代,最后得到节点坐标。实验结果表明,算法能获得更好的定位精度和具有更好的稳定性。该算法在极少迭代次数的条件下,在信标节点稀疏和通信半径较短的特殊情况下,获得满意的定位精度和更好的稳定性。     

DV-Hop localization algorithm based on bacterial foraging optimization for wireless multimedia sensor networks

DV-Hop localization algorithm is a classic range free localization algorithm in wireless sensor networks (WSNs). Although easy to be employed in low cost and resource limited WSNs, DV-Hop localization algorithm suffers from low localization accuracy as the other range free localization approaches. To improve the localization accuracy, in this paper we introduce Bacterial Foraging Optimization (BFO), an efficient optimization method that has been widely applied in a variety of scientific and engineering applications. We conduct extensive simulations under different network setting, the simulation results demonstrate that the proposed algorithm achieves significantly higher positioning accuracy than the basic DV-Hop algorithm.

     

移动锚节点凸规划定位算法研究及改进

为了提高无线传感器网络的节点定位精度,对相关文献进行了研究,提出了一种改进的移动锚节点凸规划定位算法。该算法对原算法作了以下改进:利用正半定松弛方法扩大求解问题的可行域,以降低求解优化问题的计算复杂度;采用局部梯度下降法进行迭代优化来逼近最优估计,以提高优化问题的求解精度。实验结果表明,改进算法比原算法具有更高的定位精度,并可以更好地适应不同的网络规模。     

基于多面体质心算法的水下传感器网络定位

为了克服基于测距的水下定位算法以及距离无关的水下定位算法定位精度的不足,通过网络密度自适应、迭代定位和重定位、周期性更新和预测等优化措施,提出了一种距离无关的多面体质心算法,并利用仿真实验证明了多面体质心算法的定位性能明显优于ALS算法,它能够大幅度提高定位精确度,并降低定位成本。最后指出了未来水下定位算法研究应注意的问题和发展趋势。     

基于反向学习的群居蜘蛛优化WSN节点定位算法

针对启发优化算法在WSN节点定位问题中定位精度不高和收敛速度较慢的缺陷,提出基于反向学习的群居蜘蛛优化WSN节点定位算法.为减少前期随机搜索,所提出算法首先通过Bounding-box方法得到未知节点可能存在的区域,在该区域初始化启发个体,并将加权中心反向学习策略与群居蜘蛛群优化算法相结合,求解未知节点估计位置,提高算法全局搜索能力.仿真结果表明,相比于传统算法,所提出算法收敛速度更快,节点定位精度更高.     

基于测距和灰狼优化的无线传感器网络定位算法

节点定位是无线传感器网络实际应用中的关键问题,为了提高定位精度,提出了一种基于测距和改进灰狼优化的无线传感器网络定位算法。本文提出了一种用三个信标节点坐标估计未知节点坐标的定位数学模型,通过该模型完成未知节点初步定位估计,将其作为基于对数递减策略的灰狼优化算法的初始值,通过改进灰狼优化算法寻优获取未知节点的优化坐标。仿真结果显示：通过与已有相关定位算法相比较,本文所提出的算法定位精度更高,并且具有对测距误差鲁棒性强的优点。     

基于聚类分析优化的距离修正室内定位算法

基于接收信号强度RSSI的定位系统易受环境影响,提出一种基于聚类算法分析的高斯混合滤波的RSSI信号处理优化策略,通过优化接收信号强度及距离修正的四边质心定位算法对未知节点进行精确室内定位,使用蓝牙4.0信标节点进行实地实验。实验结果表明,该算法可以有效提高测距精度,改善系统的定位精度,比传统加权质心算法的定位精度提高了34.6%,且定位平均误差不超过0.5m,可满足室内定位精度要求。     

基于粒子群优化的改进加权质心定位算法

针对无线传感器网络低成本、高精度的要求,在采用接收信号强度测距的基础上,提出一种基于粒子群优化的改进加权质心定位算法。该算法易于实现,可调参数少,通过多次选代寻优提高定位精度。采用锚节点之间相互测距和定位补偿测距误差和定位误差。仿真结果表明,该算法与质心算法和加权质心定位算法相比,节点定位精度得到显著提高。